Negli ultimi anni si è diffuso il timore che il rapido sviluppo dell’Intelligenza Artificiale (IA) causi una massiccia perdita di posti di lavoro. Tuttavia, l’“apocalisse” occupazionale non si è ancora verificata, contraltare del limitato impatto dell’IA sulla produttività. Questa nota discute tali tendenze analizzando la produttività totale dei fattori negli Stati Uniti, Paese d’avanguardia nell’innovazione. In proposito, la crescita della produttività non ha per ora registrato l’impennata tipica delle precedenti rivoluzioni industriali. Quattro le possibili spiegazioni: la sopravvalutazione dell’IA rispetto alle rivoluzioni del passato, l’errata misurazione della produttività, la riduzione dell’impegno umano e l’ipotesi che l’IA sia ancora in una fase di incubazione.
* * *
Negli ultimi anni molti commentatori hanno sottolineato il rischio che il rapido sviluppo dell’AI generativa e di altri strumenti della Information and Communication Technology (ICT) porti a una massiccia perdita di posti di lavoro: le macchine faranno quello che prima facevano gli umani anche in settori finora protetti dalla loro “concorrenza”.[1] Tuttavia, ad oggi non ci sono segni di licenziamenti di massa legati all’AI: per esempio, un recentissimo articolo dell’Economist afferma che “L’apocalisse dei lavori è rimandata”.[2]
La mancata apocalisse è la controparte del limitato impatto che, finora, l’AI ha avuto sulla produttività media, ossia sul prodotto per lavoratore: la crescita del Pil continua a richiedere un rilevante aumento degli occupati, mentre la produttività cresce modestamente. Questa nota discute tali tendenze, anche in un’ottica di più lungo periodo, relativamente non solo allo sviluppo dell’AI, ma, in generale, dell’ICT negli ultimi decenni.
La crescita della TFP e i livelli occupazionali negli USA
Per procedere, occorre chiarire alcuni concetti chiave. Lo sviluppo tecnologico comporta generalmente un aumento della produttività: la stessa quantità di prodotto può essere realizzata con un minore input di lavoro. Tuttavia, la produttività può anche aumentare senza un miglioramento tecnologico, ossia non perché le macchine sono migliori, ma perché ci sono più macchine o perché i lavoratori sono meglio addestrati nell’usarle. Tecniche econometriche consentono però di isolare l’aumento della produttività che non è dovuto né a un aumento della quantità di capitale disponibile, né al migliore utilizzo di questo capitale da parte dei lavoratori, ossia l’aumento di quella che, in gergo tecnico, è chiamata produttività totale dei fattori (Total Factor Productivity o TFP). È a questo concetto che faremo riferimento nel seguito col termine “produttività” (vedi appendice per dettagli tecnici).
Considereremo la relazione tra crescita della produttività, livelli occupazionali e Intelligenza Artificiale negli Stati Uniti, perché rappresentano il Paese d’avanguardia nell’innovazione tecnologica. Partiamo dalle tendenze precedenti la rivoluzione ICT. Secondo il noto economista americano Robert Gordon, dal 1920 al 1970 la TFP è cresciuta in media di quasi il 2% annuo, per effetto della Seconda rivoluzione industriale che, a cavallo tra il XIX e il XX secolo, aveva portato a una rivoluzione scientifica e tecnologica.[3] Una crescita della TFP intorno al 2% prevale anche nell’ultima parte di questo periodo (1949-70), secondo lo US Bureau of Labor Statistics (Fig. 1).[4]
Successivamente al 1970, nonostante l’accelerazione dell’ICT, la crescita della produttività scende allo 0,7%-0,9%. Dopo il rilascio di ChatGPT a fine 2022, il tasso di crescita balza all’1,6% nella media del 2023-2024, ma ridiscende allo 0,8% nel 2025.
Queste tendenze sono confermate anche dai dati della TFP corretta per il grado di utilizzo dei fattori (ossia correggendo per il ciclo economico) di fonte Federal Reserve: dopo un tasso di crescita negativo (-0,25%) nel 2022 e due netti aumenti positivi (dell’1,5% nel 2023 e dell’1,75% nel 2024), la crescita scende allo 0,31% nel 2025. Nel primo e secondo trimestre del 2026 si torna a tassi (annualizzati) fortemente negativi (rispettivamente -2,38% e -1,76%).[5]
Tutto sommato, l’impatto dell’ICT e, più recentemente, dell’IA sulla produttività è stato quindi modesto negli ultimi anni, soprattutto se confrontato con la crescita seguita alla Seconda rivoluzione industriale tra il 1920 e il 1970.
Come mai non osserviamo un forte aumento della produttività, nonostante la rivoluzione dell’IA? Non è la prima volta che sviluppi nell’ICT, presentati come rivoluzionari, risultano in tassi di crescita della produttività modesti. Già nel 1987, in riferimento alle innovazioni ICT, il premio Nobel Robert Solow affermò: “Si possono vedere computer dappertutto, tranne che nelle statistiche sulla produttività”.[6] Fu così coniato il termine “Paradosso di Solow” per descrivere la discrepanza tra le aspettative sull’impatto delle innovazioni ICT e i livelli di produttività osservati.
Possibili spiegazioni del “nuovo Paradosso di Solow”
Per spiegare il Paradosso di Solow sono state formulate quattro ipotesi principali; in questa sezione verranno analizzate applicandole all’AI.
i. Sopravvalutazione dell’importanza dell’IA sulla produttività.
La rivoluzione dell’IA potrebbe essere meno “rivoluzionaria” rispetto alle precedenti due rivoluzioni industriali, almeno in termini di produttività. Queste ultime sono state caratterizzate dall’introduzione dei motori a vapore, delle ferrovie, dell’illuminazione elettrica, dell’acqua corrente nelle case, della chimica moderna, delle onde elettromagnetiche, del motore a combustione e di molte altre innovazioni epocali. Rispetto a queste, l’AI ha probabilmente migliorato e velocizzato le nostre operazioni, ma senza rivoluzionarne, per ora, le modalità di esecuzione.
ii. Errata misurazione della produttività.
La misurazione tradizionale del Pil esclude il surplus del consumatore, ovvero la differenza tra il prezzo di mercato (il massimo che il consumatore marginale è disposto a pagare) e il prezzo di riserva (il massimo che un altro consumatore è disposto a sostenere). Una seconda ipotesi è che l’AI sia caratterizzata da un surplus del consumatore maggiore e, non essendo catturato nel Pil, non si riflette sulla produttività. Inoltre, l’AI può persino determinare una riduzione del Pil: ad esempio, l’impiego di un’AI generativa per tradurre documenti o generare grafiche sostituisce servizi professionali che prima venivano regolarmente retribuiti. Queste spiegazioni sono realistiche (per esempio, molti assistenti AI costano relativamente poco, o sono del tutto gratuiti). Tuttavia si dovrebbe dimostrare che questi fenomeni sono più rilevanti per questa rivoluzione industriale che per quelle passate.
iii. Riduzione dell’impegno umano.
L’AI potrebbe aver reso i nostri cervelli più pigri, riducendo lo sforzo cognitivo e pratico richiesto agli individui. La possibilità di produrre lo stesso livello di output con un minor sforzo o in minor tempo potrebbe aver ridotto l’incentivo delle persone a fare di più, portandole ad accontentarsi dei livelli di produzione attuali. A questo proposito, la letteratura economica e le evidenze empiriche offrono risultati contrastanti, rendendo la veridicità dell’ipotesi ancora incerta.
iv. L’impatto sulla produttività deve ancora avvenire.
È possibile che l’impatto delle nuove tecnologie, soprattutto dell’IA generativa, non sia ancora evidente perché siamo ancora in una fase di “incubazione”, terminata la quale si avrebbe un enorme impatto sulla produttività.[7] La riscoperta delle reti neurali è, in fondo, relativamente recente, come pure il modello del Transformer, alla base di tutti i chatbot.[8]
Inoltre, in questa fase di incubazione sta crescendo il numero dei posti di lavoro che consentiranno la futura espansione della produzione e la riduzione dei fabbisogni occupazionali. In particolare, da metà 2023 ad oggi, il numero di posti di lavoro creati negli USA attribuibili all’IA è di 1 milione, mentre il numero di quelli distrutti è di solo 200 mila. Tra questi, si è ridotto il numero degli addetti all’assistenza clienti (con un calo del 10% nell’occupazione dal 2023) e degli addetti alla segreteria (con un calo del 15%). I risultati positivi sono spinti da analisti di dati, ingegneri, sviluppatori di software e settori in generale legati alla costruzione di data center.[9]
Quanto durerà questa fase di incubazione che precederebbe un’esplosione di produttività e una perdita di posti di lavoro? Lo US Bureau of Labor Statistics (BLS) sembrerebbe pensare che questa fase si prolunghi almeno fino al 2035: nelle previsioni pubblicate quest’anno, il BLS stima la creazione netta di 5,9 milioni di posti di lavoro in relazione all’AI nel prossimo decennio.[10] Tali proiezioni, però, sono dichiaratamente basate sui trend storici, assumendo un ritmo costante di crescita e progresso tecnologico; includono aggiustamenti limitati, basati sulle dinamiche osservate, senza considerare la possibile accelerazione prevista dai sostenitori dell’ipotesi della “fase di incubazione” (e della sua prossima conclusione). Tale ipotesi resta valida, anche se con ampi margini di incertezza sulla sua durata.
Appendice: la total factor productivity (TFP)
Il modello standard per definire la TFP si basa sulla funzione di produzione aggregata Cobb-Douglas:
Dove: Y è l’output totale (es. il Pil), K è lo stock di capitale impiegato (es. macchinari, edifici, infrastrutture), L è il lavoro impiegato (numero di lavoratori o ore lavorate), mentre α e 1-α sono le elasticità dell’output rispetto al capitale e al lavoro. In questo contesto, A è la Total Factor Productivity. Isolandola, è possibile definirla come il rapporto tra la produzione totale e una media geometrica ponderata degli input.
La variazione nel tempo della funzione di produzione è espressa, in tempo discreto e per approssimazione, dalla relazione:[11]
Isolando la variazione di TFP si ottiene:
Questa equazione indica che il tasso di crescita della TFP è (approssimativamente) pari al tasso di crescita dell’economia meno la somma ponderata dei tassi di crescita del capitale e del lavoro.[12]
[1] Vedi: How AI Is Changing White-Collar Work, TIME, 6 ottobre 2025. Per un’analisi più tecnica vedi: The Potentially Large Effects of Artificial Intelligence on Economic Growth, Goldman Sachs, 26 marzo 2023.
[2] Vedi: The jobs apocalypse is postponed. An AI jobs boom is here, The Economist, 4 settembre 2026. Per una versione disponibile in italiano vedi: L'apocalisse del lavoro è rimandata: l'IA sta creando più posti di quanti ne distrugga, Focus America, 8 settembre 2026.
[3] Vedi: R. Gordon, The Rise and Fall of American Growth: The U.S. Standard of Living Since the Civil War, Princeton University Press, 2016, p. 575.
[4] Con “Diffusione Computer Mainframe” si fa riferimento all’uscita del System/360 di IBM del 1964 che ha unificato standard e periferiche.
[5] Vedi: Total Factor Productivity, Federal Reserve.
[6] Vedi: We'd Better Watch Out, The New York Times, 12 luglio 1987.
[7] La tesi dell’incubazione è per esempio sostenuta in E. Brynjolfsson, A. McAfee, La nuova rivoluzione delle macchine.
[8] Il Transformer venne introdotto nel 2017 da otto scienziati Google nel celebre lavoro “Attention is all you need”.
[9] Vedi: The jobs apocalypse is postponed. An AI jobs boom is here, The Economist, 4 settembre 2026.
[10] Vedi: Artificial Intelligence (AI) exposure categories, U.S. Bureau of Labor Statistics. Per maggiori informazioni su come viene integrata l’IA nelle proiezioni occupazionali vedi: Artificial Intelligence (AI) impacts on employment projections, U.S. Bureau of Labor Statistics.
[11] L’equazione è il risultato della log-linearizzazione della funzione Cobb-Douglas temporale:
Da cui, calcolando la derivata rispetto a tempo t si ottiene l’equazione sopracitata.
[12] Modelli più elaborati possono integrare anche la qualità dei lavoratori (per esempio in termini di livello di istruzione) per identificare con più precisione la TFP e il suo tasso di crescita.
