GABRIELLA GREISON
Le aziende stanno investendo miliardi nell’intelligenza artificiale. La usano per scrivere documenti, analizzare dati, sviluppare software, assistere clienti e automatizzare interi pezzi di lavoro. Eppure la produttività economica non è ancora aumentata quanto ci aspettavamo. Com’è possibile che le imprese adottino una tecnologia capace di svolgere in pochi secondi compiti che richiedevano ore e il sistema continui ad andare alla velocità di una riunione su Teams in cui per i primi dodici minuti qualcuno dice: «Non vi sento»? È il mistero economico che voglio risolvere. E per farlo serve la fisica dei sistemi complessi.
La produttività misura quanto valore produciamo con una certa quantità di lavoro. Se prima impiegavo tre ore per preparare un rapporto e adesso, grazie all’IA, ne impiego una, sembrerebbe fatta: produttività triplicata, champagne, rivoluzione industriale e post celebrativo su LinkedIn con fotografia davanti a una vetrata. Ma ciò che vale per una persona non vale automaticamente per un’azienda, e ciò che vale per un’azienda non vale necessariamente per un Paese.
Un sistema complesso è formato da molti elementi collegati tra loro: lavoratori, imprese, software, banche, norme, clienti, fornitori, amministrazioni. «Complesso» non significa semplicemente complicato. Un cassetto pieno di cavi è complicato; l’economia è complessa perché ogni elemento modifica gli altri. Se acceleriamo un punto della rete, il risultato finale dipende da tutto ciò che gli sta intorno.
Prendiamo una casa editrice. Un redattore usa l’IA e prepara una scheda in venti minuti anziché tre ore. Poi deve controllare le fonti, correggere le frasi inventate, ottenere quattro approvazioni, trasferire il testo in un programma acquistato quando esistevano ancora le suonerie polifoniche e partecipare alla riunione in cui si decide se convocare un’altra riunione. Il redattore è più veloce. Il processo no.
In una rete, la velocità complessiva non è determinata dal nodo più rapido, ma dai «colli di bottiglia»: i passaggi con capacità minore che rallentano tutto il flusso. Il nome viene dalle bottiglie vere: possiamo costruire un recipiente enorme, ma il liquido uscirà sempre attraverso il collo stretto. Nell’economia i colli di bottiglia sono procedure, autorizzazioni, dati disordinati, sistemi informatici incompatibili, gerarchie e controlli. Possiamo mettere il motore di una Ferrari sull’autobus, ma se deve fermarsi ogni cento metri continuerà ad arrivare dopo il tram.
La seconda idea della fisica è quella di «proprietà emergente». In un sistema complesso il comportamento collettivo non coincide con la somma dei comportamenti individuali. Una singola molecola d’acqua non è bagnata: la qualità che chiamiamo «bagnato» emerge quando moltissime molecole interagiscono. Allo stesso modo, la produttività nazionale non è la somma dei minuti risparmiati dai singoli lavoratori. Emerge dall’interazione tra organizzazione, capitale, competenze, infrastrutture e domanda.
La terza idea è la «retroazione», o feedback: l’effetto di un’azione ritorna sul sistema e modifica la causa iniziale. Può essere negativa, quando stabilizza, oppure positiva, quando amplifica. Con l’IA accade spesso questo: produrre contenuti diventa più facile, quindi ne produciamo di più; poiché ne produciamo di più, serve più tempo per leggerli e controllarli; per gestirli cerchiamo altra IA, che produce altri contenuti. Abbiamo inventato una tecnologia per risparmiare tempo e poi le abbiamo fornito abbastanza lavoro da riprenderselo con gli interessi.
La quarta parola è «adattamento». Quando arriva una tecnologia generale, il sistema deve riorganizzarsi intorno a essa. Non basta comprare il nuovo strumento: servono formazione, dati puliti, sicurezza, nuove responsabilità, nuove regole e spesso nuovi edifici o infrastrutture. È successo con l’elettricità. Le prime fabbriche sostituirono il motore a vapore con quello elettrico, ma mantennero la stessa disposizione delle macchine. Il grande salto di produttività arrivò più tardi, quando riprogettarono gli stabilimenti e la catena produttiva.
Gli economisti rappresentano questo ritardo con la «curva a J». All’inizio gli investimenti aumentano e la produttività può perfino diminuire: bisogna acquistare sistemi, formare persone, sperimentare, commettere errori. Solo dopo la curva risale e i benefici superano i costi. La J descrive quindi un apparente paradosso: una tecnologia può essere rivoluzionaria e, nella prima fase, peggiorare i numeri che dovrebbe migliorare. Come quando montiamo un armadio Ikea per mettere ordine e per sei ore la casa sembra colpita da un’esplosione nel reparto brugole.
Infine c’è un problema di misurazione. L’IA può migliorare la qualità di una traduzione, rendere più precisa una diagnosi, aiutare un avvocato a trovare un precedente o permettere a una piccola impresa di rispondere meglio ai clienti. Ma se il prezzo del servizio, le ore lavorate e la quantità venduta non cambiano, una parte del beneficio resta invisibile al Pil e alle statistiche tradizionali. Il valore cresce, il termometro non se ne accorge.
Questo non significa che l’IA sia una promessa fallita. Significa che stiamo cercando i suoi effetti nel posto sbagliato e troppo presto. L’IA aumenta già la produttività di alcune persone in alcuni compiti. Per aumentare quella dell’intera economia deve propagarsi nella rete, raggiungere le piccole imprese, eliminare i colli di bottiglia e trasformare i processi, non soltanto rendere più elegante la loro inefficienza. La fisica dei sistemi complessi ci consegna così la risposta: abbiamo accelerato alcuni nodi, non il sistema. Abbiamo dato ai lavoratori una macchina velocissima, lasciandoli nello stesso ingorgo. Il salto arriverà quando cambieremo anche le strade, gli incroci e le regole del traffico. Fino ad allora l’intelligenza artificiale continuerà a farci guadagnare tempo individualmente e a perderlo collettivamente. Però con riassunti impeccabili della riunione in cui lo abbiamo perso.
