In sintesi
- Spesa nominale per capacità di calcolo IA negli USA: da 37 a 219 miliardi di dollari tra il 2023 e il 2025
- Output IA corretto per la qualità: +2.290% nel 2024, +2.271% nel 2025
- PIL IA nominale stimato: circa 250 miliardi di dollari nel 2025
- Se applicato il deflatore corretto alla quota IA: il PIL reale USA risulterebbe più alto di 2-4 punti percentuali
- Prezzi dell’inferenza IA: -94% annuo
Nei mercati finanziari come nei convegni di settore, il clima degli ultimi mesi è dominato da una narrativa potente: l’intelligenza artificiale sta per innescare un salto di produttività senza precedenti, destinato a tradursi in crescita economica misurabile, in utili aziendali più alti, in un PIL strutturalmente più robusto per le economie che sapranno integrare la tecnologia nei loro processi produttivi. I listini azionari scontano già parte di questo futuro. Ma quanto di questo surplus di ricchezza è già presente nel sistema — e soprattutto, come si può misurare?
Un policy brief pubblicato dal Peterson Institute for International Economics (PIIE), firmato dagli economisti Anton Korinek e Patrick McKelvey, si pone proprio questa domanda e offre una risposta molto interessante. La tesi centrale è questa: l’economia dell’IA negli Stati Uniti sta crescendo a tassi straordinari, ma le statistiche ufficiali del PIL sono quasi cieche di fronte a questo fenomeno. Non per negligenza, ma per un problema strutturale di misurazione.
Per stimare la produzione reale del settore IA, Korinek e McKelvey hanno costruito una metodologia originale, incrociando diversi flussi di dati: consumi elettrici dei data center, caratteristiche dello stock di chip, tariffe di noleggio GPU, prezzi dell’inferenza IA a prestazioni fisse e velocità del progresso algoritmico. Ne emergono tre livelli di lettura, ciascuno con numeri che si moltiplicano rapidamente. La spesa nominale per capacità di calcolo IA negli USA — misurata in base alle tariffe di noleggio correnti delle GPU — è passata da 36,9 miliardi di dollari nel 2023 a 90,5 miliardi nel 2024, fino a 219,2 miliardi nel 2025, con una crescita annua di circa il 142-145% (Korinek e McKelvey, PIIE Working Paper 26-9). La capacità di calcolo grezza, misurata in unità equivalenti H100, è cresciuta a un ritmo ancora superiore, oltre il 200% annuo, poiché ogni dollaro speso comprava progressivamente più potenza di calcolo.
Il dato più sorprendente emerge però dal terzo livello: l’output IA corretto per la qualità. I prezzi dell’inferenza a prestazioni fisse sono crollati di circa il 94% annuo, mentre la capacità di calcolo necessaria per addestrare un modello a parità di performance si riduce di circa due terzi ogni anno. Combinando questi fattori di efficienza, l’output qualitativo del settore IA sarebbe cresciuto del 2.290% nel 2024 e del 2.271% nel 2025. Un numero che non ha precedenti nell’economia moderna.
Perché allora il PIL ufficiale non registra nulla di tutto questo? Il paradosso ha una spiegazione contabile precisa: i prezzi unitari dell’intelligenza artificiale scendono quasi alla stessa velocità con cui cresce l’output qualitativo, così i ricavi nominali restano contenuti. È il meccanismo che Bhagwati, nel 1958, definì “immiserizing growth“: un settore la cui produzione si espande rapidamente ma i cui termini di scambio si deteriorano altrettanto velocemente, rendendo il valore di mercato quasi invisibile. I semiconduttori hanno vissuto lo stesso fenomeno per decenni. L’intelligenza artificiale, però, lo vive in forma ancora più acuta.
Lo studio avanza anche una stima — che però gli stessi autori suggeriscono di prendere con le pinze — del PIL nominale generato dal settore dell’intelligenza artificiale: circa 250 miliardi di dollari nel 2025, una dimensione paragonabile all’intera industria del trasporto aereo passeggeri negli USA. Se si applicasse il deflatore corretto per la qualità alla quota AI dell’economia, il PIL reale americano risulterebbe fino a circa 2 punti percentuali più alto nel 2024 e fino a 4 punti nel 2025.
Al di là dei numeri, lo studio di Anton Korinek e Patrick McKelvey sottolinea un aspetto importante: è necessario costruire oggi l’infrastruttura statistica necessaria per misurare correttamente questo fenomeno. Perchè è decisamente più conveniente evitare di trovarsi impreparati nel momento in cui l’intelligenza artificiale inizierà a sostituire lavoro umano su larga scala, rendendo visibile di colpo una ricchezza che si stava accumulando nel silenzio dei numeri ufficiali. L’infrastruttura statistica, ricordano Korinek e McKelvey, richiede anni per essere costruita. E la finestra, questa volta, potrebbe essere molto più stretta del solito.
Foto di Brian Penny
