Da almeno tre anni circola tra analisti ed economisti un mantra ricorrente: l’intelligenza artificiale, applicata in modo sempre più intensivo ai processi produttivi, porterà prima o poi a un salto sensibile della produttività dell’economia. È una promessa ripetuta con convinzione crescente, eppure finora i dati aggregati non hanno mostrato il segnale netto che ci si aspetterebbe da una vera rivoluzione tecnologica. Un nuovo studio della Federal Reserve Bank di San Francisco, firmato da Shane Boyle, John Fernald e Huiyu Li, aggiunge ulteriore linfa al dibattito: qualcosa sul fronte della produttività degli Stati Uniti è davvero successo dal 2022 in poi, ma non ha a che fare direttamente con l’innovazione.
Cosa dicono i numeri dello studio? La produttività del lavoro nel settore privato non agricolo statunitense è cresciuta in media del 2,5% l’anno tra fine 2022 e il primo trimestre 2026, contro appena l’1,5% medio del periodo 2005-2019. Anno per anno il ritmo è stato più alto all’inizio — circa il 3,25% nel 2023 — per poi rallentare gradualmente al 2,5% nel 2024 e al 2% nel biennio 2025-2026, restando comunque sopra il trend pre-pandemico.
Scomponendo questa crescita nei suoi fattori — competenze dei lavoratori, dotazione di capitale per ora lavorata e un residuo che gli economisti chiamano produttività totale dei fattori (PTF, in inglese total factor productivity) — gli autori hanno trovato che quasi tutta l’accelerazione rispetto al periodo pre-pandemico deriva proprio dalla PTF, cresciuta di 0,8 punti percentuali, mentre il capitale ha contribuito solo per 0,3 punti e le competenze sono rimaste pressoché invariate.
Qui nascerebbe la tentazione di attribuire questo balzo di produttività all’intelligenza artificiale: l’accelerazione è iniziata a fine 2022, in coincidenza con il lancio di ChatGPT, e gli investimenti in apparecchiature informatiche sono effettivamente saliti. Altri investimenti, come quelli in uffici e immobili commerciali, sono calati nello stesso periodo, frenando la crescita complessiva del capitale — e le indagini presso le imprese continuano a mostrare guadagni di produttività ancora modesti dall’adozione dell’IA.
Ma – avvertono gli autori – la situazione è un po’ più complicata. La PTF misurata non segnala per forza una maggiore efficienza produttiva, soprattutto nel breve periodo. È un residuo statistico che aumenta anche quando le imprese, di fronte a una domanda più forte, spingono lavoratori e macchinari già in dotazione a lavorare più intensamente, senza assumere nuovo personale o installare nuovi impianti. Questo utilizzo più intenso non compare né nelle ore lavorate né nel capitale misurato, e finisce quindi interamente nel residuo della PTF, anche se non c’è stata alcuna vera innovazione. Approfondendo questo aspetto, lo studio mostra che dall’inizio del 2024 l’intensità di utilizzo dei fattori produttivi spiega praticamente tutta la crescita misurata, lasciando una crescita “vera” della produttività vicina allo zero.
L’intelligenza artificiale, in questo schema, avrebbe comunque un ruolo, seppur indiretto: da un lato ha alimentato una domanda più forte, attraverso gli investimenti in data center, semiconduttori ed energia e attraverso l’effetto ricchezza legato al rialzo dei mercati azionari; dall’altro ha aumentato l’incertezza sulla futura organizzazione della produzione, spingendo le imprese a rinviare decisioni difficili da invertire come assunzioni o nuovi impianti. Per soddisfare ordini in crescita senza input aggiuntivi, le aziende hanno semplicemente spremuto di più quelli già a disposizione.
I risultati di questo studio hanno riflessi molto interessanti anche sulle scelte di politica monetaria. Un aumento di produttività dovuto a vera innovazione permette una crescita più rapida senza spingere sull’inflazione; mentre uno dovuto solo a maggiore intensità di utilizzo no, perché comporta straordinari e costi più alti che le imprese possono scaricare sui prezzi.
Se la diagnosi che emerge dallo studio Fed è corretta, i dati recenti potrebbero aver sopravvalutato il “limite di velocità” non inflazionistico dell’economia americana. Allo stesso tempo il lavoro di Shane Boyle, John Fernald e Huiyu Li alimenta una suggestione: se lavorare più intensamente oggi insegna a lavoratori e imprese come sfruttare meglio l’intelligenza artificiale domani, l’attuale fase di maggiore fatica potrebbe comunque preparare il terreno per l’accelerazione dell’efficienza che il mercato attende da tre anni.
Foto di Diane Butts
