Nel 1987 l’economista Robert Solow osservò che si vedeva l’era dei computer dappertutto, tranne che nelle statistiche di produttività. Le imprese investivano in informatica, i dirigenti ne parlavano come di una rivoluzione, ma i numeri aggregati sulla produttività del lavoro restavano ostinatamente piatti. Quel divario passò alla storia come il paradosso di Solow, e ci vollero anni prima che si risolvesse. Oggi, con l’intelligenza artificiale, come racconta una studio pubblicato recentemente dal CEPR, si sta osservando qualcosa di simile.
Lo studio, basato su un sondaggio a 734 direttori finanziari di imprese americane comuni, non delle grandi società tecnologiche, parte da un primo dato che ridimensiona l’immagine di una corsa agli investimenti. L’adozione dell’IA è già ampia e trasversale ai settori, in ulteriore crescita per il 2026, ma la spesa resta contenuta e concentrata in abbonamenti, servizi e formazione — tra il 54% e il 65% a seconda della dimensione d’impresa — più che in hardware o sviluppo software interno. È un’adozione “leggera”, più vicina al prendere a prestito capacità computazionale altrui che non al classico investimento tecnologico capitalizzato in bilancio.
Il punto più interessante emerge quando si confrontano due numeri diversi. Da un lato, le impressioni dirette dei dirigenti sui guadagni di produttività portati dall’IA. Dall’altro, una misura “implicita”, ricavata dai dati oggettivi su variazioni di fatturato e occupazione attribuite dalle stesse imprese all’IA: già positiva nel 2025 (circa lo 0,6%) e attesa salire all’1,8% nel 2026, oltre il 2% nei servizi ad alta qualificazione e nella finanza. La produttività dichiarata dai manager è sistematicamente superiore a quella che i dati confermano. È questo il richiamo numerico più preciso al paradosso di Solow. Gli autori dello studio lo spiegano rifacendosi alla cosiddetta “productivity J-curve”: le tecnologie di uso generale, prima di generare benefici misurabili, attraversano una fase di apprendimento e riorganizzazione che nei numeri aggregati appare come un nulla di fatto e disegna una curva della produttività a forma di J.
C’è poi una differenza strutturale rispetto al precedente storico più vicino, il boom informatico degli anni ’90. Allora la crescita di produttività derivò soprattutto dal cosiddetto capital deepening: più capitale, macchine e software, per ogni lavoratore, investito direttamente dalle imprese. Nei dati di oggi, invece, il capital deepening spiega solo il 15% circa dell’effetto attribuito all’IA. L’infrastruttura pesante — data center, potenza di calcolo — si costruisce a monte, presso i fornitori tecnologici; le imprese utilizzatrici vi accedono in abbonamento. Il canale che sta trainando i risultati non è il taglio dei costi, ma prodotti e servizi migliori, capaci di generare più ricavi.
Sul fronte occupazionale, l’effetto netto atteso per il 2026 è minimo, sotto lo 0,4%, quasi invisibile nelle statistiche aggregate. Ma dentro quel numero si nasconde una ricomposizione concreta: entro il 2028 la quota di mansioni impiegatizie di routine dovrebbe scendere di oltre due punti percentuali, soprattutto nelle grandi imprese, mentre crescono i ruoli tecnici, più spesso nelle piccole. Il customer service, indicano gli autori, è il caso più chiaro di una stessa mansione che viene insieme automatizzata in parte e potenziata in un’altra.
Il richiamo al paradosso di Solow fatto da questo studio, appare come un avvertimento sulla misurazione di quanto sta accadendo: se l’adozione resta leggera e il canale principale passa dai ricavi più che dai costi, i guadagni di produttività dell’intelligenza artificiale potrebbero restare a lungo poco visibili nei dati aggregati — proprio come accadde quarant’anni fa con i computer. I mercati finanziari sapranno aspettare?
Illustrazione di Mohamed Hassan
