IA, trasformazioni economiche e mercati
L’Intelligenza Artificiale è il tema del momento, vista dalle imprese come un’opportunità, da molti come un pericolo, anche se presente, in realtà, da decenni in molti ambiti, la sua importanza è esplosa solo recentemente diventando un tema centrale e divisivo. In questo ambito si è svolta la seconda parte del webinar di Prometeia, avvalendosi dell’opera di Giacomo Calzolari (Professore di Economia all’Istituto Universitario Europeo), che ha esposto la sua analisi sull’impatto che l’IA può avere sulla struttura dei mercati e sulla produttività. Una presenza, quella dell’IA, per cui solo dieci anni fa, racconta Calzolari, occuparsi di IA in economia era quasi un azzardo accademico. Le principali riviste consideravano l’intelligenza artificiale una moda passeggera, una bolla iperbolica. Oggi il clima è radicalmente cambiato: l’IA è diventata un oggetto centrale di analisi economica e di dibattito pubblico, e oggi un economista può dire sull’IA cosa ancora non vediamo nei dati e quali rischi e opportunità si stanno delineando.
L’intelligenza, umana o artificiale, è la capacità di individuare azioni che permettono di raggiungere determinati obiettivi, attraverso processi di percezione, apprendimento e previsione. In questo senso, l’IA non è un oggetto alieno, ma è profondamente legata al modo in cui l’economia descrive il comportamento degli individui nei mercati. Il contributo specifico dell’IA sta soprattutto nella capacità di fare previsioni più accurate, più rapide, spesso meno costose. Ma le previsioni, da sole, non bastano e servono giudizio e decisione. Ed è proprio qui che emerge un punto chiave, migliori sono le previsioni, più aumenta il valore della capacità di giudizio umano. Previsione e giudizio sono complementari, non alternativi, quindi, l’IA può essere vista come una forma avanzata di statistica applicata.
Il suo potenziale economico, però, è tutt’altro che banale e sempre più economisti considerano l’IA una possibile General Purpose Technology (GPT), come l’elettricità o le tecnologie dell’informazione. Le GPT hanno alcune caratteristiche tipiche: aumentano la produttività in modo eterogeneo, sostituiscono alcune mansioni ma ne creano di nuove, e generano innovazioni complementari a cascata. Ma bisogna tenere conto del fattore tempo, ad esempio, nel caso delle ICT sono serviti almeno dieci anni prima di osservare effetti macroeconomici significativi. Nel breve periodo, l’impatto può persino essere negativo, perché adattare processi e organizzazioni costa risorse. È il cosiddetto effetto a J.
L’IA oggi soddisfa chiaramente un requisito da GPT, dato che può essere applicata in molti settori diversi, anche se resta da verificare se riuscirà a innescare quelle innovazioni complementari che rendono una tecnologia davvero trasformativa. Nei dati macroeconomici, l’IA per ora è quasi invisibile, sembra essere ovunque tranne che nelle statistiche di produttività. Un’osservazione importante è venuta da Daron Acemoglu (The Simple Macroeconomics of AI), il quale suggerisce che l’impatto dell’IA sulla produttività sarà modesto, risultando meno dell’1% in dieci anni, perché l’IA si limita a sostituire lavoro umano in una parte limitata delle attività, i guadagni complessivi restano contenuti.
È decisamente più ottimista Philippe Aghion, che con altri economisti, sostiene che l’IA potrebbe aumentare la capacità di innovare, accelerando la crescita endogena. In questo scenario, l’impatto sulla produttività potrebbe essere molto più significativo. La differenza tra i due scenari è cruciale perché l’oggetto è la sostituzione del lavoro umano contro complementarità con le capacità umane; qui che si gioca la partita economica dell’IA.
Qui entrano in gioco gli studi e gli esperimenti di Calzolari e dell’Istituto in cui opera, mettendo a punto un approccio alternativo che porta a simulare mercati virtuali popolati da consumatori e imprese che utilizzano algoritmi reali, presi direttamente dagli scaffali dell’informatica. Sono gli aspetti giornalieri in cui ci troviamo continuamente noi consumatori, le proposte che ci arrivano e le scelte di acquisto che ne conseguono, derivanti dai movimenti dei prezzi. Questo metodo consente di osservare come specifici algoritmi influenzano il funzionamento dei mercati, isolando gli effetti causali in modo controllato. È un approccio sperimentale che permette di studiare proprietà emergenti, cioè comportamenti che non sono stati programmati intenzionalmente. Un primo esempio riguarda i sistemi di raccomandazione, ormai onnipresenti sulle piattaforme digitali. In mercati simulati, questi algoritmi aumentano significativamente il benessere dei consumatori, migliorando l’incontro tra preferenze e prodotti. Il rovescio della medaglia è la tendenza alla concentrazione per cui pochi prodotti diventano molto popolari, anche quando non sono necessariamente i migliori. Quando poi i venditori reagiscono strategicamente alle raccomandazioni, l’effetto positivo può ridursi o addirittura annullarsi.
Ancora più inquietante è il caso degli algoritmi di prezzo basati su apprendimento per rinforzo; in mercati simulati, questi algoritmi imparano autonomamente a mantenere prezzi elevati, vicini a quelli monopolistici, reagendo a vicenda ai movimenti di concorrenza sul prezzo effettuato da un bene alternativo sul mercato. Non c’è alcun accordo esplicito, la collusione emerge come risultato dell’apprendimento: abbassare i prezzi scatena guerre di prezzo che riducono i profitti di tutti. Quando entrano in gioco algoritmi dal lato dei consumatori che reagiscono rapidamente ai prezzi, questo equilibrio collusivo tende a rompersi. I mercati del futuro potrebbero essere popolati da agenti artificiali su entrambi i lati, con esiti ancora largamente imprevedibili.
Si parla molto degli effetti dell’IA, ma poco della sua industria, eppure è qui che si gioca una partita decisiva. L’IA si basa su tre input fondamentali: talenti, dati e capacità di calcolo, e diventa centrale tutto ciò che attiene hardware e cloud, settori caratterizzati da forti economie di scala e alta concentrazione. Meno critico appare invece il tema dei dati, spesso replicabili o sostituibili con dati sintetici. Il rischio è che l’industria dell’IA segua il percorso delle grandi piattaforme digitali, soprattutto se si rafforzeranno integrazioni verticali lungo la filiera. L’intelligenza artificiale promette effetti profondi su produttività e distribuzione del reddito, risulta ancora difficile da interpretare, ma non impossibile da monitorare. La paura della sua invasività porta i politici, in particolare quelli europei, ad approcciarsi con timore all’IA, il che ha portato a significativi ritardi rispetto i competitors statunitensi e non solo, un gap che subiamo in quasi tutti i campi di evoluzione tecnologica. La strada non è quella di vincoli rigidi allo sviluppo, che rischierebbero di bloccare le innovazioni complementari, ma sicuramente meglio puntare su sistemi di auditing dinamici, capaci di osservare il comportamento degli algoritmi nel tempo. La vera sfida non è fermare l’IA, ma orientarne l’evoluzione verso un modello che complementi, invece di sostituire, le capacità umane. È da questa scelta che dipenderà se l’IA diventerà davvero la prossima grande trasformazione dell’economia.
©Futuro Europa® Riproduzione autorizzata citando la fonte. Eventuali immagini utilizzate sono tratte da Internet e valutate di pubblico dominio: per segnalarne l’eventuale uso improprio scrivere alla Redazione
