Curto Millet, il capo economista di Google: “La vera sfida dell’IA è riqualificare le persone”

“Per ora l’Italia porta a casa la sufficienza, ma senza brillare come capofila”. Fabien Curto Millet, Chief Economist di Google, fotografa così la posizione del nostro Paese nell’adozione dell’intelligenza artificiale. L’Italia figura tra il 20% delle nazioni che utilizzano maggiormente l’IA conversazionale, ma resta fuori dalla top 10 quando il confronto si restringe alle economie più avanzate. È uno dei risultati di Atlas, la nuova ricerca di Google sull’impatto dell’IA sul mondo del lavoro, di cui Curto Millet è coautore.

Lo studio, basato sull’analisi di quasi 15 milioni di interazioni con i servizi di Google, tra cui AI Mode e Gemini, descrive un mercato del lavoro ancora lontano dall’automazione generalizzata. Negli Stati Uniti l’IA compare in oltre il 68% delle professioni, che rappresentano più dell’88% degli occupati. Eppure, nella professione mediana in cui viene rilevato un utilizzo, è impiegata soltanto nel 21% delle mansioni. Nei lavori cognitivi complessi i tentativi di automatizzare un compito dall’inizio alla fine rappresentano meno del 10% delle conversazioni analizzate. Prevale dunque un impiego a supporto delle attività umane.

Emerge anche una diffusione della tecnologia in mestieri lontani dagli uffici. In Italia, il 7% delle interazioni lavorative con l’IA proviene da operai e tecnici. Curto Millet, che in Google studia gli effetti delle nuove tecnologie sull’economia, vede in questi dati i primi segnali di una trasformazione destinata a investire l’intero sistema produttivo. Con opportunità rilevanti per la crescita, a cominciare dalle piccole imprese, e interrogativi sul futuro dell’occupazione. “Il rischio sociale legato alla fase di transizione è molto più pressante di quanto spesso si ammetta nei circoli tecnologici”, avverte.

Partiamo dall’Italia. Siamo tra i Paesi che utilizzano maggiormente l’IA a livello globale. Eppure, quando il confronto si restringe alle economie avanzate, la posizione cambia. Come dobbiamo leggere questi risultati?

A livello globale l’Italia rientra nel top 20%, ma se stringiamo il focus ai Paesi dell’OCSE, lo Stivale scende a metà classifica, intorno all’undicesimo posto, o al diciassettesimo se allarghiamo l’orizzonte ai Paesi occidentali sviluppati.

Non è una sorpresa, se si analizza il tessuto produttivo italiano, dominato in modo massiccio dalle piccole e medie imprese. L’adozione delle nuove tecnologie in quel segmento incontra fisiologicamente più ostacoli. Tuttavia, l’Italia è la quarta potenza mondiale per esportazioni. Per mantenere questo blasone e la sua posizione di primato sui mercati internazionali, il tessuto produttivo dovrà necessariamente fare affidamento sull’intelligenza artificiale.

I dati del rapporto Atlas ci dicono che per ora l’Italia porta a casa la sufficienza, ma senza brillare come capofila. Deve suonare come una sveglia: occorre cambiare marcia per superare le barriere strutturali.

Una parte di questo ritardo potrebbe dipendere anche dalla natura del Made in Italy? Penso alla moda e all’artigianato, dove il tocco umano è parte integrante del valore del prodotto. L’IA rischia di essere percepita come una minaccia all’identità di queste imprese?

Capisco il punto, e l’eccellenza del Made in Italy basata sulla maestria artigianale è un trionfo innegabile. Ma usare questo come scusa per rallentare l’adozione tecnologica è un grave errore strategico.

Come dicevo, l’IA può dare una carica enorme a qualsiasi attività economica. Prendiamo l’ospitalità alberghiera e il turismo di lusso. Lì l’interazione umana e l’empatia restano il cuore pulsante dell’esperienza. Ma l’albergatore o l’artigiano possono, e devono, usare l’IA per la gestione del back-office e per le campagne pubblicitarie, oppure per intercettare i turisti internazionali prima che scelgano destinazioni estere.

Essere orgogliosi del proprio tocco umano non è una giustificazione per restare miopi sul fronte operativo. L’IA garantisce un vantaggio competitivo troppo rapido; restare indietro fin dal primo miglio significa perdere la gara.

Le grandi aziende dispongono delle risorse per sperimentare e riorganizzarsi. Per le piccole e medie imprese, che spesso devono valutare il ritorno immediato di un investimento, il passaggio è più complesso. Quanto rischia di allargarsi il divario?

Il nostro CEO, Sundar Pichai, ha detto una frase che trovo molto efficace: “Avremo un’intelligenza artificiale irregolare prima di arrivare a un’intelligenza artificiale generale”. La diffusione della tecnologia non è mai uniforme. Esistono squilibri tra settori e generazioni, così come tra aree geografiche. E uno dei divari più importanti è proprio quello tra PMI e grandi aziende.

Le grandi imprese adotteranno queste innovazioni per il proprio interesse. Le PMI, avendo risorse limitate, sono più lente. La storia ci insegna che tendono a sfruttare meno le nuove tecnologie, anche quando sarebbero le prime a beneficiarne, dato che la tecnologia livella il campo da gioco e conferisce enormi capacità alle strutture piccole. Ho l’ufficio pieno di vecchi rapporti dell’OCSE che lamentavano proprio la scarsa adozione del cloud da parte delle PMI.

Come si può intervenire per evitare che questo divario diventi strutturale?

Credo sia essenzialmente una questione di politiche pubbliche. Una delle grandi sfide per le nostre economie nei prossimi dieci anni sarà appianare questa irregolarità, assicurandosi che l’IA si diffonda in modo omogeneo affinché i benefici siano distribuiti.

Stiamo parlando di un potenziale enorme. Secondo uno studio che abbiamo realizzato con Implement Consulting Group, in Italia l’IA potrebbe generare un aumento del PIL dell’8% in un decennio. Ma questo avverrà soltanto se l’intera economia ne farà parte. Servono incentivi mirati, come i crediti d’imposta per la formazione dei dipendenti nelle PMI. Incoraggiamenti di questo tipo possono fare la differenza.

Un altro risultato di Atlas riguarda le professioni manuali. Siamo abituati ad associare l’IA ai colletti bianchi, soprattutto a chi lavora davanti a un computer. È una visione troppo limitata?

Questo è un pregiudizio diffuso, in parte dovuto ai campi in cui l’IA è stata adottata per prima. Se facciamo un passo indietro, l’intelligenza artificiale rappresenta di fatto una riduzione drastica del costo della conoscenza e dell’analisi nella nostra economia. E queste due risorse servono ovunque, anche al di fuori degli uffici.

Ti faccio un esempio radicale: l’agricoltura nei Paesi in via di sviluppo. Durante gli incontri della Banca Mondiale, Ruth Porat ha presentato un progetto sviluppato insieme a loro per permettere agli agricoltori senza istruzione formale di accedere alle informazioni usando il linguaggio naturale. Possono chiedere: “Cosa dovrei piantare questa stagione? Che tempo farà? A quanto potrò vendere il raccolto?”. La conoscenza analitica, tramite l’IA, entra in un settore che pochi avrebbero considerato tra i primi beneficiari.

Avete trovato tracce di questo utilizzo anche tra i lavoratori italiani?

Anche la nostra ricerca Atlas lo conferma, portando dati reali su questo fronte. C’è un forte utilizzo dell’IA da parte dei colletti blu. In Italia, il 7% delle interazioni lavorative con l’IA proviene da operai e tecnici. Parliamo dell’elettricista che deve decifrare uno schema complesso o del meccanico che cerca informazioni su una riparazione.

Abbiamo notato che queste interazioni sono spesso multimodali: coinvolgono video e immagini in misura doppia rispetto agli altri lavoratori. Questa tendenza diventerà universale.

L’adozione, però, è soltanto una parte della storia. L’IA viene utilizzata sempre più spesso nelle aziende, mentre i suoi effetti sulla produttività aggregata restano difficili da misurare. Quanto tempo servirà prima di vedere un cambiamento nelle statistiche economiche?

Per far sì che i vantaggi macroeconomici dell’IA in termini di produttività diventino tangibili e osservabili serve tempo. Parliamo di una tecnologia di uso generale. Forse ricorderai il premio Nobel Robert Solow, che nel 1987 disse: “L’era dei computer è visibile ovunque, tranne che nelle statistiche sulla produttività”. Anni dopo, ovviamente, l’impatto divenne innegabile in quelle stesse statistiche, ma all’epoca era già lì, in agguato.

Ti faccio il mio esempio preferito, che risale alla Rivoluzione industriale. All’epoca avevamo i motori a vapore posizionati all’esterno delle fabbriche. Questi alimentavano un grande albero motore centrale sul soffitto, che a sua volta muoveva le cinghie collegate alle singole macchine. Tutto era disposto in modo lineare per seguire quell’unico asse.

Poi arriva l’elettricità. Cosa si fa inizialmente? Si sostituisce semplicemente il motore a vapore con un motore elettrico. Ci sono vantaggi immediati: costa meno e l’energia è più affidabile. Il grande salto di produttività arriverà successivamente.

Che cosa cambiò davvero con l’elettrificazione delle fabbriche?

Il vero sblocco si è verificato quando gli imprenditori hanno capito che l’elettricità poteva essere portata in qualsiasi punto della fabbrica. Potevano avere più stazioni di lavoro in parallelo: se una era in manutenzione, le altre continuavano a funzionare. È stata la riorganizzazione dell’intero processo produttivo a fare la differenza.

L’IA, oggi, è un invito a fare esattamente la stessa cosa in tutta l’economia. Ci vorrà del tempo, ma è in quel momento che assisteremo al vero balzo della produttività.

E nei dati attuali si intravede già qualche segnale di questa trasformazione?

Se guardiamo i dati americani, possiamo già intravedere i primi segnali. C’è una correlazione emergente tra l’intensità di adozione dell’IA in certi settori e la crescita della produttività. È vero che i settori che la stanno adottando più intensamente stavano già crescendo sopra la media, ma il segnale c’è. Siamo ancora agli albori di questa storia.

C’è poi una produttività che sfugge del tutto alle statistiche. Se uso l’IA per risparmiare due ore nella gestione di una pratica burocratica, ho ottenuto un beneficio concreto. Eppure, senza una transazione economica, il PIL non cambia. Come si misura questo valore?

Hai toccato un punto cruciale, quello che chiamiamo produzione domestica. Se usi l’IA a casa per destreggiarti meglio tra i servizi della pubblica amministrazione, che peraltro è uno dei casi d’uso evidenziati nel nostro rapporto Atlas, questo non compare nelle statistiche. Ti ha portato un vantaggio, ha migliorato il tuo benessere e ti ha reso più produttivo, ma senza una transazione monetaria il PIL non lo registra.

È un problema di misurazione che ci portiamo dietro da tempo. Il PIL è stata una delle grandi innovazioni del Ventesimo secolo, ma è stato progettato per l’era industriale. Nell’era digitale, i suoi punti ciechi sono sempre più evidenti.

Usufruiamo di innumerevoli servizi gratuiti che generano enorme benessere. Scattiamo più foto che mai, ma poiché non le sviluppiamo più su rullino, quell’attività scompare dal PIL. L’IA rientra in questa stessa dinamica.

Si stanno sviluppando indicatori capaci di cogliere questi benefici?

A Stanford alcuni ricercatori stanno lavorando a quello che chiamano “PIL-B”, cercando di allargare i parametri per misurare il benessere reale dei consumatori.

Nel breve termine, riparare la lavatrice grazie all’IA non aumenterà il PIL. Ma indirettamente sì: pensa all’invenzione degli elettrodomestici, che ha liberato tempo prezioso, permettendo in particolare alle donne di entrare in massa nella forza lavoro. Quel tempo liberato si traduce in forza lavoro, che a sua volta fa crescere il PIL. Lo stesso accadrà con l’IA.

Questa riduzione del costo della conoscenza potrebbe cambiare anche la struttura delle imprese. Si parla sempre più spesso di solopreneur, aziende composte da una sola persona che grazie all’IA riescono a svolgere il lavoro di un’intera organizzazione. Un articolo del Wall Street Journal citava un aumento del 42% di queste microimprese in Cina tra il 2024 e il 2025. State osservando fenomeni analoghi negli Stati Uniti?

Non avevo letto quello specifico rapporto, ma è una statistica notevole che approfondirò sicuramente. Stiamo osservando dinamiche molto simili anche negli Stati Uniti.

C’è una teoria economica, elaborata dal premio Nobel britannico Ronald Coase sulla natura dell’impresa, che si chiedeva: perché esistono le aziende invece di procurarci ogni mattina i singoli lavoratori e le materie prime sul libero mercato?

La risposta è che l’azienda garantisce efficienza nell’allocazione del capitale e nella pianificazione a lungo termine. Ma il confine tra l’efficienza dell’azienda e quella del libero mercato non è scolpito nella pietra: si sposta con i cambiamenti tecnologici».

È un cambiamento che avevate già osservato durante le precedenti rivoluzioni tecnologiche?

«Insieme al mio predecessore, Hal Varian, avevamo già studiato il fenomeno delle “micro-multinazionali” durante le ondate tecnologiche passate: piccole imprese che nascono globali dal primo giorno. Aziende con meno di dieci persone, magari con l’ingegneria in Ucraina e la dirigenza in Francia, mentre la finanza si trova nella Silicon Valley.

Oggi, con l’IA, stiamo passando al livello successivo. Io la chiamo la “Lean Corporation”, l’azienda snella. L’IA potenzia a dismisura le piccole strutture, permettendo loro di prosperare come mai prima.

Quanto è già visibile questo fenomeno nella nascita di nuove aziende?

I dati americani iniziano a confermarlo: c’è una chiara correlazione tra l’adozione dell’IA e la formazione di nuove imprese. Ernie Tedeschi di Stripe Economics ha recentemente pubblicato un saggio intitolato “L’era del Solopreneur”, documentando proprio questo fenomeno. Dopo il balzo dell’imprenditoria individuale registrato durante il Covid, oggi stiamo assistendo a un nuovo, potente salto grazie all’intelligenza artificiale.

Tra le applicazioni che stanno producendo risultati più evidenti ci sono la programmazione informatica e la cybersecurity. Sono ambiti sufficienti a giustificare le centinaia di miliardi investiti nell’IA? Dove vede le opportunità più importanti al di fuori di questi settori?

È innegabile che i progressi nel coding e nella cybersecurity siano i più evidenti in questo momento, ma i benefici si stanno estendendo trasversalmente a tutti i settori.

Posso citarti la manutenzione predittiva, dove aziende come Air France utilizzano la nostra IA per i loro aeromobili, oppure il settore del lusso, dove LVMH la impiega per la previsione della domanda e la gestione degli inventari.

Poiché l’IA è una tecnologia di uso generale, esattamente come il motore a vapore o l’elettricità, finirà per permeare l’intera economia, anche se è fisiologico che alcuni settori facciano da apripista.

C’è poi un altro aspetto. L’IA è anche quella che io definisco “l’invenzione di un metodo di invenzione”. Aumenterà radicalmente la produttività della ricerca scientifica, facilitando la genesi di nuove idee.

Proprio nella ricerca scientifica potrebbe emergere un paradosso. L’IA accelera la formulazione di ipotesi e la scoperta di nuove soluzioni, mentre la verifica sperimentale continua a richiedere tempi molto più lunghi. Il rischio è che il collo di bottiglia si sposti semplicemente più avanti?

Hai centrato perfettamente il problema. È il classico “effetto materasso ad acqua”: se premi forte da una parte, il limite si sposta e l’acqua si alza da un’altra.

Nelle nostre indagini sull’IA applicata alla scienza, abbiamo constatato che i ricercatori riescono a risparmiare ore preziose alla settimana grazie all’automazione. Ma se l’IA genera una valanga di nuove teorie e potenziali scoperte, il muro della validazione empirica e dei protocolli di laboratorio diventa immediatamente il nuovo collo di bottiglia.

Come si supera un limite di questo tipo?

Dobbiamo ripensare l’intera impalcatura del metodo scientifico, riscrivendo l’ingranaggio dalla A alla Z. È esattamente ciò che accade anche nello sviluppo software e nei mercati in generale. Usare l’IA per sbrogliare una stringa di codice più in fretta produce un vantaggio circoscritto. Per ottenere un cambiamento sostanziale bisogna avere una visione globale del processo di produzione, dall’ideazione fino alla messa in opera. Altrimenti sposti solo il problema un po’ più in là.

C’è però un altro interrogativo: quanto è stabile l’adozione da parte degli utenti comuni? Una parte delle persone prova questi strumenti e poi smette di utilizzarli. Anche Google osserva questo andamento discontinuo nell’uso di Gemini?

Non posso divulgare dati specifici sui nostri tassi di abbandono, ma posso dirti che gli utenti attivi mensili su Gemini sono in costante crescita.

Il punto che sollevi è fondamentale e il mio consiglio per tutti è questo: le capacità di questi modelli avanzano a un ritmo vertiginoso. Questa è un’epoca in cui la sperimentazione offre rendimenti altissimi.

È cruciale continuare a provare. Quando si passa da una generazione di modelli all’altra, assistiamo a veri e propri salti di paradigma nelle capacità. Se in passato un utente non ha trovato l’IA adatta al suo specifico bisogno e l’ha abbandonata, dovrebbe riprovare con le versioni più recenti.

Le capacità si evolvono così in fretta che ciò che oggi è scontato per i programmatori, domani lo sarà per una gamma vastissima di professioni. Il mio invito è: continuate a sperimentare, ne vale la pena.

Se la conoscenza e la capacità di analisi diventano sempre più economiche, che cosa acquisterà valore? Il giudizio umano, la fiducia o la capacità di prendere decisioni?

Un po’ tutte queste cose. Su ognuna potremmo tenere una lezione accademica. In sintesi, io considero l’IA fondamentalmente come una “macchina di predizione”, per usare l’espressione di economisti come Gans, Goldfarb e Agrawal.

L’IA dota la capacità di previsione di superpoteri. Nel mondo del lavoro, prendere decisioni richiede sempre una previsione: se scelgo l’opzione A, qual è la probabilità di ottenere il risultato X?

La decisione finale richiede però il giudizio. Il modello che sto usando è adeguato? È allineato ai miei obiettivi e ai miei valori? Questa componente resta intrinsecamente e insopprimibilmente umana. Rendendo l’intelligenza e la predizione abbondanti, il giudizio umano diventa infinitamente più prezioso.

E nelle organizzazioni, dove le decisioni coinvolgono persone con obiettivi e opinioni differenti?

Hai menzionato la fiducia e l’autorità. Il lavoro nelle organizzazioni è complesso, richiede l’allineamento di opinioni contrastanti. È il motivo per cui facciamo le riunioni, quelle mansioni necessarie che l’economista David Deming chiama i “broccoli del lavoro”: a nessuno piacciono, ma sono vitali per la salute dell’azienda.

Tutti questi elementi complementari alla pura predizione algoritmica diventeranno centrali. Il futuro per le competenze puramente umane è decisamente luminoso.

Eppure è proprio il futuro del lavoro a suscitare le maggiori preoccupazioni. Anche Bill Gates ha sollevato il problema della competizione tra capacità cognitive umane e macchine in grado di lavorare continuamente, su una scala impossibile per le persone. Quale rischio vede per l’occupazione?

È una questione su cui infuria da tempo un acceso dibattito tra tecnologi ed economisti. Il mio modello mentale è semplice e si basa su tre direttrici: posti di lavoro persi e posti di lavoro creati, oltre a quelli modificati.

Ci sarà movimento su tutti e tre i fronti, è il consueto effetto dell’innovazione, ma la terza categoria sarà di gran lunga la più rilevante. La stragrande maggioranza delle professioni subirà una profonda metamorfosi.

I precedenti storici aiutano a capire quale potrebbe essere il saldo tra occupazioni perse e nuovi posti di lavoro?

Se guardiamo alla matematica della prima e della seconda categoria, la storia ci insegna che il progresso tecnologico crea più posti di lavoro di quanti ne distrugga. Negli Stati Uniti, l’avvento del personal computer ha spazzato via circa 3,5 milioni di occupazioni, come i dattilografi o certi tipi di contabili, ma ne ha generati oltre 19 milioni in settori come la manifattura informatica o il management.

Il lungo termine ci rassicura, e non lo dico per vendere facili utopie. C’è un equilibrio strutturale.

Anche immaginando un saldo positivo nel lungo periodo, resta il problema di quello che accade alle persone nel frattempo.

Il vero scoglio è la transizione. Come diceva Keynes, nel lungo termine saremo tutti morti. Dobbiamo essere intelligenti nel gestire il breve termine, perché l’IA si sta sviluppando a un ritmo forsennato.

Lì dove avverrà una sostituzione netta di mansioni, saremo in grado di creare rapidamente nuove rotte professionali per riqualificare quelle persone? È questa la vera sfida che catalizza la mia attenzione, più degli allarmismi sulle catastrofi occupazionali a lungo termine.

Il rischio sociale legato alla fase di transizione è molto più pressante di quanto spesso si ammetta nei circoli tecnologici.

Molti economisti e osservatori sostengono però che questa rivoluzione sia diversa dalle precedenti, proprio perché l’IA interviene sulle capacità cognitive. Se una parte crescente delle mansioni intellettuali diventa automatizzabile, perché dovremmo continuare ad avere bisogno dello stesso numero di lavoratori?

È l’obiezione classica, ma ritengo che all’orizzonte non vi siano differenze strutturali rispetto al passato.

L’errore concettuale più grave che facciamo è considerare le mansioni come immobili, immaginando un lavoro come un insieme di compiti prestabiliti per sempre. Quando si guarda all’algoritmo si pensa: “Quanti di questi compiti verranno automatizzati e scompariranno?”. Ma è una visione stagnante.

L’insieme delle procedure cambierà. Alcuni compiti spariranno, certo, e se ne creeranno di nuovi. Pensiamo alla supervisione etica degli algoritmi e alla verifica dei risultati analitici, oppure a professioni oggi inimmaginabili.

Ma che cosa potrebbe compensare la riduzione della manodopera necessaria per svolgere determinate attività?

C’è un elemento cardine che viene regolarmente trascurato: l’elasticità del mercato.

All’inizio del secolo scorso, l’industria automobilistica americana visse un boom produttivo grazie alla catena di montaggio. Serviva una frazione del tempo e della manodopera precedenti per assemblare un’auto, eppure i lavoratori del settore aumentarono a dismisura.

Com’è possibile? Ottimizzando i costi, il prezzo delle auto crollò, la domanda esplose e per soddisfarla fu necessario assumere molta più forza lavoro di quella iniziale.

È un meccanismo che può funzionare in ogni settore?

Non sto dicendo che andrà tutto bene per tutti. L’elasticità favorirà alcuni settori e ne penalizzerà altri.

Se il vostro commercialista diventa due volte più veloce grazie all’IA, non gli chiederete di farvi la dichiarazione dei redditi due volte all’anno. In quel caso specifico l’elasticità è bassa. Ma nel complesso i contorni di questo fenomeno sono molto più sfumati di quanto non sembri.

C’è anche una questione demografica. Le economie avanzate stanno invecchiando e in diversi settori la carenza di manodopera è già un problema. Quanto pesa questo fattore nelle vostre previsioni sull’impatto occupazionale dell’IA?

È il tassello mancante. Statisticamente e demograficamente, partiamo da una situazione tutt’altro che abbondante.

Molto prima dell’IA, gli studiosi avevano fissato il 2025 come l’anno in cui si sarebbe iniziato a registrare un drastico calo della forza lavoro nei Paesi dell’OCSE. Le proiezioni denunciano una frenata spaventosa per i futuri tassi di crescita del PIL, causata unicamente dall’invecchiamento della popolazione.

C’è un baratro demografico ed economico davanti a noi, e l’unico modo per chiuderlo è attraverso massicci incrementi di efficienza.

Già oggi assistiamo a carenze spaventose di personale in vari settori, primo fra tutti la sanità. La medicina richiede empatia e interazione faccia a faccia, un’umanità che non è digitalizzabile quando si tratta di assistere chi soffre. Eppure i posti vacanti sono a livelli critici.

Ecco perché ritengo che la visione di un disastro occupazionale causato dalla sostituzione tecnologica sia un’esagerazione basata su dogmi che non colgono la realtà demografica di oggi.

Al di là del numero dei posti di lavoro, c’è la questione della loro qualità. L’IA ridurrà lo stress e le attività più gravose, oppure rischia di aumentare la pressione sui dipendenti?

Leggendo la letteratura economica più recente, emergono prospettive di grande ottimismo che l’opinione pubblica fatica ad accogliere.

Cito uno studio celebre di Eric Brynjolfsson di Stanford sull’impatto dell’IA nei contact center. L’inserimento dell’IA ha portato a un incremento della produttività del 14% nelle risoluzioni orarie. Di solito l’attenzione dei media si ferma a questo dato. Ma Brynjolfsson ha analizzato anche la soddisfazione dei dipendenti.

Lavorare in un call center è spesso difficile, il burnout è dietro l’angolo, specialmente con clienti complicati. Lo studio ha dimostrato che l’IA ha sollevato i lavoratori da gran parte del fardello cognitivo e procedurale, rendendo l’attività molto più vivibile e facendo impennare i tassi di rinnovo dei contratti in un settore storicamente difficile.

Le macchine si fanno carico delle mansioni più logoranti, liberando i lavoratori per concentrarsi su competenze superiori.

E nella sanità, dove il tempo dedicato alle procedure amministrative viene spesso sottratto ai pazienti?

Se chiedi a medici e infermieri, ti diranno che il problema principale è il tempo sottratto ai pazienti per colpa della burocrazia.

C’è un caso studio molto interessante di HCA Healthcare, in Tennessee. Un team di infermiere ha integrato uno dei nostri sistemi di intelligenza artificiale per gestire i passaggi di consegne a fine turno.

Il cambio turno è un momento delicatissimo per la sicurezza del paziente, ma richiede in media quaranta minuti di scartoffie, proprio nel momento di massima stanchezza, a fine giornata o all’alba.

Affidando all’IA la sintesi e la gestione di queste procedure, hanno recuperato minuti preziosi, ridotto lo stress e riportato l’attenzione sulla cura del degente.

Quando l’IA elimina gli automatismi più pesanti, l’interazione umana torna al centro.

C’è però un possibile effetto collaterale. Penso al giornalismo: oggi posso trascrivere in pochi minuti un’intervista che un tempo avrebbe richiesto un’intera giornata di lavoro. Allo stesso tempo, la facilità con cui produciamo testi sta facendo crescere enormemente la quantità di materiali da leggere. Come evitare che ogni guadagno di produttività si trasformi in ulteriore lavoro?

È un’ottima osservazione. Dovremo adattare radicalmente i nostri modelli di lavoro.

Da un lato, l’IA accelera a dismisura la produzione di codice e documenti, compresi i report. Dall’altro, fortunatamente, la stessa IA ci aiuta a processare, riassumere ed estrarre i concetti chiave da quell’enorme mole di materiale in entrata.

A chi spetterà governare questa accelerazione all’interno delle aziende?

Non nascondo che i manager avranno un ruolo fondamentale e complesso. Saranno chiamati a guidare le aziende attraverso questo nuovo disordine.

Proprio perché l’IA facilita il lavoro, c’è il rischio concreto di un sovraccarico, con compiti e aspettative che si raddoppiano sulle agende dei dipendenti.

Stiamo già vedendo in America come i singoli impiegati si stiano trasformando in supervisori, coordinando il lavoro di molteplici agenti virtuali sotto la loro responsabilità.

La dirigenza dovrà farsi carico di bilanciare questi carichi di lavoro, per far atterrare dolcemente l’azienda nella nuova era senza far annegare i dipendenti in un mare di produttività artificiale, insegnando loro a cavalcare l’onda. Sarà una sfida manageriale di altissimo livello.

Se l’IA riuscirà a generare gli aumenti di produttività previsti, produrrà anche una quantità enorme di ricchezza. Come verrà distribuita? Finirà ai lavoratori attraverso salari più alti, ai consumatori attraverso prezzi più bassi oppure si concentrerà nelle imprese che controllano la tecnologia?

Ci sono molteplici livelli di lettura, ma posso rassicurarti su un punto: il consumatore finale ne trarrà un beneficio enorme.

Un salto tecnologico di questa portata abbatterà i costi, generando un forte effetto deflazionistico, come teorizzato anche da figure di spicco come Kevin Warsh della Fed. Di conseguenza, il potere d’acquisto dei consumatori aumenterà.

E per quanto riguarda la distribuzione dei guadagni tra capitale e lavoro?

Il secondo aspetto riguarda proprio la ripartizione tra capitale e forza lavoro. Gli economisti monitorano attentamente l’andamento dei salari. È proprio l’intensa concorrenza sul mercato a permettere ai lavoratori di monetizzare i propri aumenti di efficienza, gonfiando così le buste paga.

Inoltre, abbiamo organismi antitrust incaricati di vigilare contro derive monopolistiche o oligopolistiche.

Se guardo all’attuale panorama tech e software, la competizione è infuocata. Forse non si vedeva una simile guerra all’innovazione dai tempi della diffusione dell’elettricità all’inizio del Novecento o delle grandi industrie automobilistiche del secolo scorso.

In sintesi, finché garantiremo una competizione spietata basata sull’eccellenza, i benefici si distribuiranno naturalmente. Il mercato sta correndo a ritmi elevatissimi ed è essenziale mantenere questo livello di agonismo.

Finora abbiamo parlato soprattutto di economia. Ma una tecnologia che interviene sulla conoscenza e sulle decisioni umane ha conseguenze che vanno ben oltre il PIL. All’interno di Google, chi studia questi effetti sociali lavora direttamente con i team che sviluppano i modelli? C’è spazio anche per filosofi e studiosi delle scienze umane?

La trasversalità tra i dipartimenti è il cuore della nostra pratica aziendale. Sono orgoglioso di dire che il mio team è in prima linea nel promuovere l’inserimento di discipline umanistiche e sociali, compresa la psicologia, all’interno dei rigidi spazi dell’ingegneria e della matematica.

Nei campus di Google c’è spazio per tutto. Oltre ai filosofi, a Google Arts and Culture lavorano archeologi e storici, e assumiamo stabilmente etnografi e antropologi.

In questo momento mi appoggio molto a un think tank interno chiamato Jigsaw. Loro studiano i dati empirici che a noi economisti spesso sfuggono, concentrandosi sull’impatto della rete sull’autonomia e sull’azione umana.

Come si traduce questo approccio nello studio delle conseguenze sociali dell’IA?

Studiamo casi concreti che esulano totalmente dal calcolo del PIL. Ricordo il fascicolo su un genitore a Singapore che, disorientato nella gestione del figlio autistico, ha trovato un supporto vitale e concreto grazie alle risposte strutturate di un’intelligenza artificiale in ambito clinico.

Incrociamo la speculazione filosofica con l’etnografia per avere una visione d’insieme.

Di recente, a Toronto, abbiamo persino coinvolto Ken Liu, un autore di fantascienza, perché la sua capacità di immaginare mondi alieni e scenari futuri ci aiuta a riassestare e prevedere gli impatti a lungo termine delle nostre invenzioni, delineando futuri plausibili per l’umanità.

Le grandi aziende tecnologiche stanno destinando centinaia di miliardi di dollari all’IA. C’è chi teme che questa corsa stia alimentando una bolla speculativa, paragonabile a quella delle dot-com. Quanto è fondato questo paragone?

Rispondo attingendo ai manuali base dell’economia. Ci sono due tipi di mercati che dobbiamo distinguere per capire dove siamo.

Da una parte ci ricordiamo tutti della bolla delle dot-com, aziende come Pets.com che vendevano cibo per cani online con valutazioni stratosferiche ma senza alcun modello di business solido. Quello era fumo.

Che cosa distingue il mercato dell’IA di oggi da quello della fine degli anni Novanta?

Oggi la situazione è diametralmente opposta. Siamo di fronte a una competizione serratissima tra le menti più brillanti al mondo per risolvere un problema reale: la carenza di potenza di calcolo.

La domanda e la fame per l’utilizzo dell’IA sono talmente smisurate che i server e l’infrastruttura faticano a starci dietro.

Negli anni Novanta posavamo cavi in fibra ottica sotto gli oceani ma mancava la domanda per utilizzarli. Oggi, ogni singolo chip installato viaggia al 100% della sua capacità per rispondere a esigenze concrete.

È una dinamica completamente diversa dal passato: non c’è una bolla gonfiata artificialmente, c’è una tecnologia le cui fondamenta sono reali e richiestissime.