Osservata in prospettiva storica, l'adozione dell'intelligenza artificiale rappresenta una delle trasformazioni più significative dalla Rivoluzione Industriale. Allora, la meccanizzazione cambiò radicalmente il modo di produrre beni, favorì l'urbanizzazione e trasformò il mercato del lavoro. Oggi, i sistemi intelligenti stanno ridefinendo il nostro modo di concepire il lavoro, la conoscenza e la responsabilità. Sebbene il parallelismo non sia perfetto, questo confronto offre importanti insegnamenti per le aziende.
Dal vapore al silicio: la società evolve per ondate
Le società si sono reinventate molte volte nel corso della storia. L'invenzione della sgranatrice del cotone da parte di Eli Whitney accelerò la produzione tessile e trasformò l'organizzazione del lavoro; l'industrializzazione concentrò i lavoratori nelle città e favorì la nascita di ruoli manageriali, amministrativi e ingegneristici; Internet rivoluzionò il commercio, i media e la vita quotidiana.
Gli economisti definiscono queste innovazioni come General-Purpose Technologies (GPT), ovvero tecnologie pervasive che migliorano nel tempo e richiedono investimenti complementari — competenze, processi e infrastrutture — per esprimere pienamente il proprio potenziale produttivo. Il vapore e l'elettricità furono GPT classiche; oggi l'AI è spesso considerata la prossima grande GPT.
La storia offre però un'importante lezione: l'elettrificazione generò benefici economici diffusi solo quando le imprese riprogettarono le fabbriche attorno ai motori elettrici. La semplice sostituzione di una macchina a vapore con un generatore elettrico non produsse miglioramenti significativi. La produttività deriva dalla riprogettazione dei processi, non dalla semplice adozione della tecnologia.
Ricchezza, lavoro e la prospettiva della ‘Pausa di Engels’
La Rivoluzione Industriale generò enorme ricchezza e, nel lungo periodo, un miglioramento degli standard di vita. Tuttavia, questo non avvenne immediatamente. Nelle prime fasi dell'industrializzazione britannica, la produttività per lavoratore aumentò sensibilmente mentre i salari rimasero quasi invariati. Questo fenomeno è stato definito dall'economista Robert C. Allen come ‘Engels' Pause’.
Secondo le sue ricostruzioni tra il 1780 e il 1840 la produzione per lavoratore aumentò di circa il 46% e i salari reali crebbero soltanto del 12%; i profitti e la quota di reddito destinata al capitale aumentarono significativamente, ma solo dopo il 1840 i salari iniziarono a crescere in linea con la produttività.
In altre parole, si osservò un ritardo temporaneo tra il progresso tecnologico e la diffusione dei benefici economici all'intera popolazione.
Ciò fornisce un utile punto di riferimento per riflettere sulle aspettative legate all’AI.
Le prime evidenze sull’intelligenza artificiale sono contrastanti: alcuni studi evidenziano effetti di automazione (sostituzione di lavoratori), mentre altri mostrano effetti di potenziamento delle capacità umane e della produttività. I dati internazionali relativi al periodo precedente all’avvento dell’AI generativa (2014-2018) non evidenziano un impatto chiaro sull’aumento delle disuguaglianze salariali tra professioni diverse e, in alcuni casi, mostrano una riduzione delle disuguaglianze all’interno della stessa professione, laddove l’AI contribuisce a migliorare le prestazioni dei lavoratori meno performanti.
Tuttavia, le analisi prospettiche del Fondo Monetario Internazionale (FMI) mettono in guardia rispetto a un’adozione disomogenea dell’AI, che potrebbe aumentare tali disuguaglianze se le politiche relative alle competenze, alla diffusione tecnologica e alla concorrenza non riuscissero a distribuire più equamente i benefici generati.
Cosa rende questa trasformazione diversa: dalla meccanizzazione alla cognizione
L’industrializzazione ha meccanizzato la forza fisica; l’intelligenza artificiale, invece, potenzia e in alcuni casi sostituisce le capacità cognitive. Questa distinzione è fondamentale. L’opportunità non consiste semplicemente nell’aggiungere l’AI ai flussi di lavoro esistenti, ma nel ripensare l’intero processo operativo, in un contesto in cui i tradizionali limiti umani — memoria limitata, ricerca lineare delle informazioni e affaticamento — non rappresentano più un vincolo.
Chi avrà maggiore successo non si limiterà ad ‘aggiungere un modello’ a una singola fase del processo, ma riprogetterà l’intero sistema end-to-end. La lezione dell’elettrificazione è particolarmente rilevante: i guadagni di produttività derivano dalla riprogettazione dei processi, non dal semplice inserimento di un nuovo strumento tecnologico.
Professioni a rischio e professioni reinventate
I ruoli che richiedono un’intensa attività di sintesi routinaria — come l’analisi di livello iniziale, la programmazione di base, la reportistica standard e il supporto clienti — saranno probabilmente quelli maggiormente esposti alla pressione della sostituzione.
Tuttavia, la storia suggerisce che la perdita di posti di lavoro rappresenta solo una parte del quadro complessivo. Parallelamente, si stanno moltiplicando nuove professioni complementari, come revisori e auditor di modelli di AI, specialisti della sicurezza dell’intelligenza artificiale, product manager per prodotti basati sui dati e architetti dei flussi di lavoro (workflow architects).
Ma senza una diffusione ampia delle nuove tecnologie, i guadagni di produttività potrebbero concentrarsi nelle aziende più avanzate, rafforzando il divario precedentemente descritto tra crescita della produttività e crescita dei salari. Da qui l’importanza di investire in competenze, diffusione tecnologica e politiche a tutela della concorrenza.
Formazione: costruire le basi per accelerare la crescita
L’intelligenza artificiale ricombina ed estrapola conoscenze già esistenti; il giudizio umano rimane quindi essenziale.
Paradossalmente, man mano che le capacità dell’AI avanzano, diventa sempre più importante investire nelle competenze fondamentali, quali capacità numeriche, alfabetizzazione e comprensione linguistica, ragionamento logico e conoscenze approfondite del proprio settore di specializzazione.
È opportuno utilizzare l’AI come strumento di apprendimento, continuando però a valutare le competenze di base senza il suo supporto. Questo approccio aiuta a evitare l’atrofia cognitiva e a preservare quelle capacità esclusivamente umane che completano e valorizzano il contributo delle macchine.
Anche in questo caso la storia offre un insegnamento significativo: il sistema educativo del XX secolo, grazie alla diffusione capillare dell’istruzione secondaria, contribuì a ridurre i costi di adattamento al cambiamento tecnologico e a trasformare l’innovazione in una crescita salariale ampiamente condivisa.
L'AI non va, quindi, considerata semplicemente come un nuovo strumento tecnologico, ma come una trasformazione paragonabile alle grandi rivoluzioni industriali. Il vero valore non deriverà dall'adozione dell'AI in sé, bensì dalla capacità di riprogettare organizzazioni, competenze e processi per sfruttarne appieno il potenziale.
