Questo articolo descrive le analisi contenute nel saggio “Thoughts by a non‑economist on AI and economics” di Boaz Barak, informatico della Harvard University. Il lavoro originale esamina come le capacità dei modelli di intelligenza artificiale stiano crescendo rapidamente e come questo progresso possa incidere sulla produttività, sull’organizzazione del lavoro e sull’economia in generale. Il titolo del saggio può essere tradotto in italiano come “Riflessioni di un non‑economista sull’intelligenza artificiale e l’economia”, proprio perché Barak osserva il fenomeno da una prospettiva tecnica, collegando però i risultati a questioni economiche che riguardano la vita quotidiana di persone e imprese.
Negli ultimi anni i sistemi di intelligenza artificiale hanno ampliato in modo costante il tipo di attività che riescono a svolgere con precisione. Le ricerche mostrano che la durata dei compiti portati a termine con successo cresce molto rapidamente, più o meno raddoppiando ogni pochi mesi. Sapere questo aiuta a ragionare su quanto velocemente migliora la tecnologia, senza fermarsi ai limiti attuali.
Per capire meglio i progressi, si distinguono due aspetti. Il primo riguarda il livello raggiunto in un dato momento, che dipende dal contesto, dai dati e dal tipo di verifica utilizzata. Il secondo riguarda la velocità con cui i risultati migliorano nel tempo. Questo secondo aspetto dipende da calcolo più efficiente, quantità di dati maggiore e tecniche migliori di allenamento. Se questa velocità rimane elevata, i limiti che vediamo oggi diventano presto meno importanti.
Si nota anche un calo rapido dei costi per l’utilizzo dei modelli. Quando una capacità diventa affidabile, il costo per offrirla diminuisce grazie a ottimizzazioni software e hardware. Nei servizi digitali la diffusione avviene in tempi brevi. Nella robotica serve più tempo per motivi pratici, ma il miglioramento resta continuo.
Guardando all’economia, si ricorda spesso la crescita media del prodotto interno lordo negli Stati Uniti, rimasta stabile per oltre un secolo attorno a un aumento annuo del due per cento. Ogni grande innovazione ha aiutato a mantenere questa crescita. Oggi ci si chiede se l’intelligenza artificiale possa spingere questa crescita in modo più evidente. Le previsioni variano perché dipendono da quali settori adotteranno per primi la tecnologia e da quanto velocemente le aziende sapranno usarla in modo efficace.
Si può pensare ai modelli di intelligenza artificiale come a una nuova forma di forza lavoro che affianca le persone. Ogni modello può svolgere una parte di compiti in uffici, servizi e industrie. Se milioni di queste unità virtuali vengono impiegate in un anno, la produzione complessiva cresce. Inizialmente il contributo riguarda attività semplici e ripetitive, poi arriva a includere lavori più complessi quando i modelli diventano più capaci.
Le aziende devono organizzarsi per sfruttare bene queste possibilità. Serve ordine nei processi, chiarezza negli obiettivi e strumenti per controllare i risultati. Quando si ottiene un primo flusso di lavoro funzionante, replicarlo in altre aree diventa più facile. La diminuzione dei costi permette di sperimentare senza rischi elevati.
Gli economisti studiano da tempo in che modo l’automazione influenza la produttività. Una parte importante riguarda quanto resta da automatizzare e quanto aumenta l’efficienza nelle attività già svolte dalle macchine. Se entrambe le cose migliorano in parallelo, la produttività totale cresce molto più velocemente.
Si osserva una crescita costante nella durata dei compiti completabili con affidabilità. Si passa da attività brevi a processi che richiedono molti passaggi collegati tra loro. Per ottenere risultati validi servono buoni prompt, controlli automatici e accesso regolato ai dati interni delle aziende. L’integrazione con strumenti di sviluppo e analisi accelera il percorso che porta un’idea a diventare un risultato utilizzabile.
Per seguire questa tendenza le organizzazioni possono partire da ciò che occupa più tempo e impegno: attività ripetitive e controlli frequenti. In questi ambiti si nota subito un miglioramento. In parallelo è utile raccogliere esempi, correggere errori e aggiornare le procedure in modo continuo.
La qualità delle informazioni usate dai modelli è fondamentale. Se i dati sono ordinati e coerenti, i risultati migliorano. Glossari, documenti ben strutturati e sistemi che tracciano le versioni dei contenuti rendono più semplice mantenere alta la precisione.
Sommando questi effetti si ottiene un impatto economico più forte. Man mano che aumentano i compiti svolti dai modelli e la loro efficienza, la produzione cresce anche senza aumentare il numero totale di lavoratori tradizionali. Software, formazione e strumenti digitali aiutano le persone a svolgere attività più interessanti e utili.
I segnali sono chiari: le capacità dei modelli aumentano con continuità, i costi per usarli diminuiscono e la produttività migliora quando si riduce ciò che resta escluso dall’automazione e cresce l’efficacia sui compiti già gestiti. Le organizzazioni che adottano in modo strutturato l’intelligenza artificiale ottengono benefici che si rafforzano nel tempo. Seguendo questo percorso, i cambiamenti iniziano in piccola scala e poi si estendono progressivamente a tutta l’attività aziendale.
