Il dibattito sull'IA finisce quasi sempre sulla stessa domanda: è l'ennesima rivoluzione industriale dopo la macchina a vapore, l'elettricità e il computer, oppure una tecnologia che si limita a sostituire le persone senza aumentare davvero la produttività? La prima posizione si fonda sul crollo del costo delle capacità e sul forte aumento dell'efficienza nelle singole attività; la seconda sulla crescita che tarda a comparire nelle statistiche macroeconomiche e sul numero crescente di posti di lavoro espulsi.
Le due posizioni non sono contrapposte come sembra: nella storia, ogni rivoluzione industriale è cominciata dalla “sostituzione”. Che una tecnologia meriti o meno il nome di “rivoluzione” non dipende da quante persone sostituisce, ma dalla capacità di generare, dopo la sostituzione, abbastanza nuove attività, nuove organizzazioni e nuova domanda, e da chi finisca per beneficiarne.
Per capire quale delle due sia più vicina ai fatti occorre partire da una domanda più elementare: in base a quale criterio la storia economica riconosce una “rivoluzione industriale”?
Qual è il criterio per riconoscere una rivoluzione industriale?
“Rivoluzione industriale” non è un titolo che si assegna nel momento dell'invenzione: lo si riconosce a posteriori, guardando i dati. Gli economisti usano il concetto di “tecnologia di impiego generale” (General Purpose Technology) per descrivere tecnologie come la macchina a vapore, l'elettricità e il computer, e su questa base valutano se una tecnologia possa produrre un cambiamento rivoluzionario. Queste tecnologie hanno in genere tre caratteristiche:
- Pervasività: non si limitano a un settore, ma entrano in quasi tutte le fasi della produzione;
- Miglioramento continuo: le prestazioni crescono e i costi scendono, e con essi si allarga il campo di applicazione;
- Stimolo alle innovazioni complementari: intorno a esse nascono nuove attrezzature, modelli organizzativi, modelli di business e perfino professioni.
Soddisfare questi tre requisiti è solo una condizione necessaria. Ciò che porta i posteri a parlare di “rivoluzione” è un aumento della produttività prolungato e costante, cioè la capacità di ottenere, a parità di input, un output sensibilmente maggiore.
C'è qui un dettaglio storico spesso trascurato. I primi decenni della rivoluzione industriale britannica non furono un periodo in cui “tutti ne trassero beneficio”. Secondo gli studi dello storico economico Robert Allen, nella prima metà dell'Ottocento il prodotto pro capite britannico continuò a crescere, mentre i salari reali rimasero fermi a lungo, i margini di profitto raddoppiarono e la quota dei profitti sul reddito nazionale aumentò, a scapito delle quote di lavoratori e proprietari terrieri. Solo dopo la metà dell'Ottocento i salari ripresero a crescere di pari passo con la produttività (fonte). Il fenomeno è passato alla storia come la “pausa di Engels”.
In altre parole, “aumento della produttività” e “lavoratori sostituiti che non condividono i benefici” sono stati, nella storia, entrambi veri nello stesso momento. Dopo la diffusione del telaio meccanico, per esempio, i redditi dei tessitori a mano britannici crollarono e l'intero mestiere si avviò a scomparire, mentre la produzione complessiva dell'industria cotoniera cresceva rapidamente. Dal punto di vista del tessitore di allora, quella “rivoluzione” era soltanto una sostituzione.
Se ne ricava che il dibattito odierno sull'IA mescola in realtà due questioni: la prima è il problema dell'efficienza, cioè se l'IA permetta di ottenere di più a parità di input; la seconda è il problema della distribuzione, cioè chi benefici dell'aumento della produzione. Molte tesi che sembrano in aperto contrasto rispondono, di fatto, soltanto a una delle due.
Che cosa vedono quelli che parlano di rivoluzione?
Chi sostiene la tesi di una “nuova rivoluzione industriale” non si basa soltanto sull'ottimismo verso la tecnologia, ma su alcuni dati piuttosto solidi.
Primo, il costo delle capacità sta calando a una velocità rara. Secondo l'AI Index Report 2025 della Stanford University, il costo di inferenza per un modello di livello GPT-3.5 è sceso di circa 280 volte tra novembre 2022 e ottobre 2024 (fonte). La diffusione del vapore, dell'elettricità e della potenza di calcolo ha sempre presupposto un forte calo del costo unitario. Quando una capacità diventa così economica da poter essere usata ovunque, viene incorporata anche in fasi che prima non valeva la pena automatizzare: è l'origine della “pervasività”.
Secondo, negli esperimenti controllati i guadagni di efficienza sono misurabili. Erik Brynjolfsson e colleghi hanno seguito 5.179 operatori dell'assistenza clienti che hanno adottato in modo graduale un assistente basato su IA generativa: il numero medio di problemi risolti per ora è aumentato del 14%, del 34% tra i neoassunti e i meno qualificati, mentre per i più esperti la variazione è stata quasi nulla; sono migliorate anche la soddisfazione dei clienti e la fidelizzazione dei dipendenti (fonte).
In questi dati c'è un aspetto che merita una lettura attenta. Il fatto che l'IA aiuti soprattutto i principianti significa che, in sostanza, “impacchetta” l'esperienza tacita dei veterani e la trasferisce ai nuovi arrivati. Negli ultimi decenni gran parte delle tecnologie dell'informazione ha favorito i profili più qualificati, mentre in questo caso l'IA generativa ha agito nella direzione opposta, riducendo il divario di competenze. Secondo i sostenitori, è questo il significato concreto di “liberare le persone”: una persona comune raggiunge in meno tempo un livello che prima richiedeva anni di esperienza.
Terzo, le stime macroeconomiche hanno un ordine di grandezza paragonabile a quello delle grandi tecnologie del passato. Nel 2023 il centro studi di Goldman Sachs ha stimato che l'IA generativa potrebbe far crescere il PIL globale di circa il 7% in dieci anni (quasi 7.000 miliardi di dollari) e aumentare di 1,5 punti percentuali la crescita annua della produttività; circa due terzi delle professioni negli Stati Uniti sarebbero esposte in varia misura all'automazione basata su IA, con una quota compresa tra il 25% e il 50% del carico di lavoro potenzialmente sostituibile (fonte).
Quarto, è la prima volta che l'automazione entra su larga scala nel lavoro cognitivo. La macchina a vapore e l'elettricità hanno liberato soprattutto forza fisica; il computer ha trattato soprattutto compiti informativi dalle regole ben definite. L'IA generativa tocca per la prima volta su larga scala attività come scrivere, analizzare, programmare e progettare, che richiedono di comprendere il contesto. Una prima revisione contrattuale, una bozza di testo di marketing, uno script di pulizia dei dati: tutto questo veniva prima prezzato in “giornate-uomo”, mentre oggi il costo marginale è vicino a quello di una chiamata a un modello. La logica dei sostenitori è questa: il lavoro della conoscenza rappresenta la quota maggiore dell'occupazione nelle economie avanzate, e una tecnologia che incide su questa parte non può avere un impatto potenziale inferiore a quelle del passato.
Perché c'è chi pensa che l'IA non “meriti” il nome di rivoluzione?
Gli scettici non negano che l'IA sappia svolgere molto lavoro. Mettono in dubbio che svolgerlo equivalga a un aumento significativo della produttività.
Fatti i conti a livello macro, i numeri potrebbero essere molto più piccoli. L'economista del MIT Daron Acemoglu, partendo dalle evidenze a livello di singole attività per risalire all'impatto macroeconomico, stima che nei prossimi dieci anni l'IA farà aumentare la produttività totale dei fattori non più dello 0,66%; tenendo conto delle attività difficili da apprendere, la cifra scende sotto lo 0,53% (fonte). Il divario rispetto alla stima di Goldman Sachs, un aumento annuo della produttività di 1,5 punti percentuali, è di un ordine di grandezza.
La differenza dipende soprattutto da un'ipotesi. Acemoglu osserva che le evidenze sperimentali attuali provengono in gran parte da attività “facili da apprendere”, in cui esistono criteri oggettivi per giudicare il risultato, per esempio se un ticket di assistenza sia stato risolto. Molto lavoro di alto valore, invece, dipende dal giudizio contestuale e non ha una “risposta corretta” con cui confrontarsi direttamente. Estendere all'intera economia i miglioramenti ottenuti sulle attività facili rischia con ogni probabilità di sovrastimare l'effetto complessivo.
L'“automazione mediocre” sostituisce, ma non rende più efficienti. Acemoglu e Pascual Restrepo hanno introdotto il concetto di “so-so automation”: esistono tecnologie abbastanza efficienti da sostituire i lavoratori, ma non così buone da ridurre in modo significativo i costi e da trainare l'espansione dei prodotti. Il risultato è un calo della quota del lavoro, con una produttività che quasi non migliora (fonte). Le casse self-service dei supermercati, per esempio, trasferiscono il lavoro del cassiere al cliente: il negozio risparmia manodopera, ma l'intero processo di acquisto non diventa più veloce. Gli scettici temono che molte implementazioni del tipo “l'IA sostituisce un posto di lavoro” appartengano allo stesso genere.
Sentirsi più veloci non significa esserlo davvero. Nel 2025 l'istituto di ricerca non profit METR ha condotto uno studio controllato randomizzato: 16 sviluppatori open source esperti hanno svolto 246 attività reali su grandi codebase che conoscevano bene, e con gli strumenti di IA hanno impiegato in media il 19% di tempo in più. Prima dello studio si aspettavano che l'IA li rendesse più veloci del 24%, e anche dopo erano convinti di essere stati più rapidi di circa il 20% (fonte). Il campione è piccolo e lo scenario molto particolare, quindi il risultato non è generalizzabile a ogni tipo di lavoro. Mette però in luce un importante problema di misurazione: molte valutazioni aziendali sul “guadagno di efficienza dovuto all'IA” derivano dall'autovalutazione dei dipendenti, e tra questa e i risultati oggettivi può esserci una distorsione sistematica.
La creazione di nuove attività sta rallentando. Secondo le ricerche dell'economista del MIT David Autor e colleghi, circa il 60% dei lavori attuali negli Stati Uniti appartiene a tipologie comparse dopo il 1940, una prova solida del fatto che la tecnologia crea occupazione. Lo stesso studio rileva però che, tra il 1980 e il 2018, l'impatto negativo dell'automazione sull'occupazione è stato più del doppio rispetto al periodo 1940-1980, mentre l'effetto di “potenziamento”, che crea nuove attività, è cresciuto più lentamente (fonte). Se questa tendenza proseguisse nell'era dell'IA, la “sostituzione” correrebbe più veloce della “creazione”.
Sul piano distributivo, Acemoglu ritiene inoltre che l'IA incida sui diversi gruppi in modo più uniforme rispetto alle automazioni del passato: non è detto che allarghi molto le disuguaglianze di reddito tra i lavoratori, ma è molto probabile che accresca il divario tra reddito da capitale e reddito da lavoro. È la formulazione economica più precisa dell'intuizione secondo cui “l'IA sostituisce le persone”: la produttività forse aumenta, ma la produzione aggiuntiva si trasforma soprattutto in rendimento per il capitale.
Se i guadagni sulle singole attività sono così evidenti, perché i dati macro non li mostrano?
Non è un enigma esclusivo dell'IA. Nel 1987 il premio Nobel per l'economia Robert Solow lasciò una frase citata di continuo: “L'era del computer si vede ovunque, tranne che nelle statistiche sulla produttività.” È quello che poi è stato chiamato il “paradosso della produttività”. Solo a partire dalla metà degli anni Novanta l'accelerazione della produttività generata dalle tecnologie dell'informazione comparve con chiarezza nei dati statunitensi.
Nel 1990 lo storico economico Paul David spiegò questo ritardo con la storia dell'elettricità. La lampadina era nata nel 1879 e intorno al 1881 New York e Londra avevano già le prime centrali elettriche, ma ancora nel 1900 l'efficienza delle imprese non mostrava alcun cambiamento. Il motivo è che le fabbriche, all'inizio, si limitarono a sostituire le vecchie macchine a vapore con motori elettrici, lasciando invariati la disposizione degli stabilimenti, gli alberi di trasmissione e le sequenze di lavorazione: la produttività non migliorò quasi per niente. Il vero cambiamento arrivò con la riprogettazione successiva: stabilimenti a un solo piano, linee di produzione disposte secondo il flusso dei materiali, un piccolo motore indipendente per ogni macchina, insieme alla formazione dei lavoratori e ai contratti di lavoro adeguati. Il balzo della produttività negli Stati Uniti arrivò solo negli anni Venti, circa quarant'anni dopo la commercializzazione dell'elettricità (fonte).
Brynjolfsson e i suoi collaboratori hanno poi sintetizzato questo fenomeno nella “curva a J della produttività”: perché una tecnologia di impiego generale produca effetti servono ingenti investimenti intangibili complementari, tra cui la riprogettazione dei processi, l'ordinamento dei dati, la formazione dei dipendenti e nuovi metodi di gestione. Statisticamente questi investimenti sono difficili da contabilizzare come capitale, e per questo nelle fasi iniziali deprimono la produttività misurata; solo a completamento di queste condizioni i benefici si liberano in modo concentrato (fonte).
Riportando questa storia nel dibattito di oggi si arriva a una conclusione importante: quello che descrivono gli scettici è con ogni probabilità la fase del “sostituire la macchina a vapore con il motore elettrico”; quello su cui scommettono i sostenitori della rivoluzione è la fase della “ricostruzione della fabbrica”. Oggi il modo prevalente in cui le imprese usano l'IA consiste nell'aggiungere un assistente ai ruoli e ai processi esistenti. È molto simile a quanto accadde quando si installarono i motori elettrici negli stabilimenti dell'era del vapore: l'efficienza locale aumenta, ma il sistema non cambia.
Ma l'analogia ha anche dei limiti. La diffusione dell'elettricità era vincolata ai cicli di rinnovo di beni fisici come la rete e gli stabilimenti, mentre l'IA si diffonde soprattutto attraverso software e servizi cloud, e in teoria può farlo più rapidamente. D'altra parte, la velocità con cui si adeguano struttura organizzativa, definizione dei ruoli e regole di vigilanza non accelera automaticamente solo perché la tecnologia è software. La possibilità che l'IA percorra la curva a J più in fretta dell'elettricità dipende dal fatto che il collo di bottiglia sia dal lato della tecnologia o da quello dell'organizzazione, ed è anche all'origine delle divergenze tra i due schieramenti sulla scala dei tempi.
Dove si colloca davvero la distanza tra le due posizioni?
Se si scompongono gli argomenti dei due schieramenti, i conflitti sul piano dei fatti sono in realtà pochi. La vera distanza si distribuisce su alcune dimensioni.
| Dimensione | Valutazione dei sostenitori della rivoluzione | Valutazione degli scettici | Cosa indicano le evidenze attuali |
|---|---|---|---|
| Unità di misura | Efficienza a livello di attività e di impresa | Produttività totale dei fattori macro, salari e quota del lavoro | I miglioramenti a livello di attività sono provati, quelli macro non ancora visibili |
| Scala dei tempi | Si prendono a riferimento i decenni della diffusione delle tecnologie di impiego generale | Si guarda ai prossimi cinque-dieci anni | I benefici dell'elettricità hanno richiesto circa quarant'anni per manifestarsi |
| Sostituzione e nuove attività | Dopo la sostituzione compariranno molte nuove attività | La creazione di nuove attività non tiene il passo con la sostituzione | Dopo il 1980 l'automazione accelera e il potenziamento rallenta |
| Modo di estrapolare | I miglioramenti sulle attività facili si estenderanno gradualmente a quelle difficili | I benefici sulle attività difficili saranno nettamente minori | +14% nell'assistenza clienti, ma gli sviluppatori esperti sono diventati più lenti del 19% |
| A chi vanno i benefici | I principianti e i meno qualificati ne traggono il massimo vantaggio | Il reddito da capitale cresce rispetto al reddito da lavoro | Entrambi gli effetti possono coesistere |
| Fattori facili da sottovalutare | La difficoltà e la durata della riprogettazione organizzativa | La velocità del calo del costo delle capacità | Entrambi cambiano rapidamente |
La tabella mostra che il disaccordo più profondo riguarda le “nuove attività”. Se l'IA serve soprattutto a fare più a buon mercato il lavoro esistente, somiglia di più alla “so-so automation” descritta dagli scettici; se invece genera prodotti, servizi e professioni prima impossibili, somiglia di più alla rivoluzione industriale descritta dai sostenitori.
Questo significa che “sostituzione o aumento dell'efficienza” non è deciso interamente dalla tecnologia in sé. Lo stesso modello linguistico può servire a licenziare un team di assistenza clienti oppure a mettere lo stesso team in condizione di offrire un servizio personalizzato che prima non poteva offrire. Sia Acemoglu sia Autor hanno sottolineato che la direzione dello sviluppo tecnologico è influenzata dagli incentivi delle imprese, dal sistema fiscale e dagli assetti istituzionali. Quando, per esempio, l'investimento in capitale è fiscalmente più conveniente dell'assunzione di dipendenti, le imprese tendono a usare l'IA per “risparmiare personale” e non per “moltiplicare la forza lavoro”.
Quali segnali indicano da che parte si sta spostando l'ago della bilancia?
Poiché la chiave del dibattito sta nel futuro più che nel presente, la domanda più utile non è “chi ha ragione”, ma “quali evidenze renderebbero più convincente una delle due posizioni”. Le cinque categorie di segnali seguenti aiutano a valutare la tendenza.
- Se la produttività macro mostri un punto di svolta duraturo. La crescita di un singolo anno può dipendere dal ciclo economico; solo anni consecutivi di crescita della produttività del lavoro superiore al trend possono reggere il confronto con gli anni Venti e con la fine degli anni Novanta.
- L'andamento della quota del lavoro sul reddito. Se la produttività sale mentre la quota del lavoro continua a calare, significa che la produzione aggiuntiva va soprattutto al capitale, una situazione simile alla “pausa di Engels”.
- La velocità con cui compaiono nuove professioni. Il metodo di Autor consiste nel seguire i nuovi nomi di professione che compaiono nei censimenti. Se nei prossimi dieci anni le nuove professioni nate intorno all'IA avranno una dimensione rilevante, e non si ridurranno a pochi ruoli tecnici ben retribuiti, si verificherà direttamente il timore che la “sostituzione corra più veloce della creazione”.
- Se le imprese stiano “cambiando la fonte di energia” o “ricostruendo la fabbrica”. Se le aziende usano l'IA soprattutto come un plug-in dei ruoli esistenti, i benefici macro saranno con ogni probabilità limitati; se invece cominciano ad apparire strutture organizzative, prodotti e modelli di business ridisegnati attorno all'IA, allora il tratto ascendente della curva a J potrebbe arrivare.
- Evidenze sperimentali sulle attività difficili da apprendere. Le evidenze più affidabili oggi provengono in gran parte da ambiti in cui il risultato si misura con chiarezza, come assistenza clienti, scrittura e programmazione. Quando si accumuleranno evidenze da studi controllati randomizzati su attività come la diagnosi medica, la scoperta scientifica e le decisioni complesse, il divario di un ordine di grandezza tra Acemoglu e Goldman Sachs potrà gradualmente ridursi.
Tra questi segnali, i primi due sono risultati e gli ultimi tre sono cause. Gli indicatori di risultato di solito arrivano con anni di ritardo, mentre quelli di causa sono già osservabili a livello di imprese e settori. Per chi vuole formarsi un giudizio prima che escano le statistiche, sono questi ultimi tre a meritare un monitoraggio costante.
Conclusione
Chi pensa che l'IA sia una nuova rivoluzione industriale e chi pensa che si limiti a sostituire le persone stanno con ogni probabilità descrivendo fasi diverse dello stesso processo. La macchina a vapore e l'elettricità si sono presentate all'inizio con il volto della “sostituzione”; sia l'aumento della produttività sia i benefici per i lavoratori sono arrivati molto tempo dopo, e non in modo automatico.
Visto così, “l'IA è una rivoluzione industriale?” è più una domanda lasciata al futuro che un fatto su cui si possa concludere oggi. Merita più attenzione un'altra domanda: nel periodo in cui la sostituzione è già in corso e le nuove attività non hanno ancora preso forma, in quale direzione verrà orientata la tecnologia e come verranno distribuiti i benefici? Il titolo di rivoluzione industriale viene assegnato dai posteri, e ciò che determina il giudizio che i posteri daranno di quest'epoca sono proprio le scelte compiute in questa fase di transizione.
Riferimenti
- Allen, R. C. Engels' pause: Technical change, capital accumulation, and inequality in the British industrial revolution. Explorations in Economic History, 2009
- Stanford HAI. The 2025 AI Index Report
- Brynjolfsson, E., Li, D., Raymond, L. Generative AI at Work. NBER Working Paper 31161
- Goldman Sachs. Generative AI could raise global GDP by 7%, 2023
- Acemoglu, D. The Simple Macroeconomics of AI. NBER Working Paper 32487
- Acemoglu, D., Restrepo, P. Automation and New Tasks: How Technology Displaces and Reinstates Labor. Journal of Economic Perspectives, 2019
- The Decoder. AI coding can make developers slower even if they feel faster, 2025
- MIT News. Does technology help or hurt employment? 2024
- History News Network. Paul David: It took decades for the economic impact of electricity to be felt
- Brynjolfsson, E., Rock, D., Syverson, C. The Productivity J-Curve. American Economic Journal: Macroeconomics, 2021
