L’impatto economico dell’AI: una trasformazione graduale

L’intelligenza artificiale sembra progredire a una velocità straordinaria. Nuovi modelli offrono capacità sempre più avanzate, le aziende annunciano ambiziose strategie di AI e i dipendenti adottano rapidamente strumenti di AI generativa. È facile pensare, quindi, che anche la trasformazione economica avverrà con la stessa rapidità; questa interpretazione, tuttavia, confonde le potenzialità della tecnologia con la velocità della sua diffusione.

Per le aziende e il mercato del lavoro, la questione cruciale non è soltanto ciò che può fare l’ultimo modello di AI, ma quanto rapidamente le imprese riescano a tradurne le capacità in processi affidabili, in grado di generare valore economico su larga scala. Utilizzare l’AI è facile. Trasformare un’azienda è molto più difficile.

Le aziende devono innanzitutto individuare gli ambiti in cui l’automazione è effettivamente in grado di creare valore. Devono poi integrare l’AI nei sistemi informatici esistenti, riprogettare i flussi di lavoro, formare i dipendenti, verificare i risultati, proteggere i dati sensibili, gestire i rischi di cybersicurezza e definire chi è responsabile quando un sistema automatizzato commette un errore.

Tutto questo richiede tempo e risorse economiche. In molti casi, i costi di implementazione potrebbero essere superiori ottenibili sul lavoro, rendendo più conveniente un utilizzo selettivo dell’AI a supporto delle attività umane rispetto a un’automazione generalizzata.

Il divario tra adozione e trasformazione è già evidente. Alcune ricerche hanno rilevato che, nel 2026, circa la metà degli adulti occupati utilizzava l’AI almeno occasionalmente. Eppure, tra i lavoratori delle aziende che hanno adottato questa tecnologia, soltanto uno su dieci circa si è dichiarato pienamente d’accordo con l’affermazione che l’AI abbia trasformato il proprio modo di lavorare.

È una discrepanza significativa: utilizzare l’AI è facile, ma riorganizzare un’azienda attorno a questa tecnologia è molto più complesso.

Perché i risultati in termini di produttività arrivano in ritardo

La storia economica suggerisce che non dovremmo sorprenderci. Le tecnologie di uso generale raramente si traducono immediatamente in incrementi misurabili della produttività. I loro benefici dipendono anche da investimenti complementari in infrastrutture e competenze, oltre che dalla capacità delle imprese di ripensare la propria organizzazione.

L’agricoltura offre un esempio storico particolarmente significativo. Negli Stati Uniti, la quota di occupati nel settore agricolo è scesa dal 41% della forza lavoro nel 1920 a circa il 5% nel 1970. Questa trasformazione, tuttavia, non è stata determinata soltanto dall’introduzione del trattore. Nel corso di decenni, la meccanizzazione è stata accompagnata dallo sviluppo di tecnologie per la raccolta, sementi migliorate, sistemi logistici e nuovi metodi di produzione.

Anche le tecnologie digitali hanno seguito un percorso simile. Gli economisti descrivono questo fenomeno attraverso la cosiddetta curva a J della produttività: inizialmente, le aziende investono ingenti risorse nelle nuove tecnologie e nelle competenze immateriali necessarie per sfruttarle; i miglioramenti misurabili in termini di produttività arrivano soltanto in una fase successiva. È probabile che anche l’AI debba fare i conti con queste stesse difficoltà organizzative.

Anche una rivoluzione digitale ha limiti fisici

Esistono anche vincoli di natura materiale. L’intelligenza artificiale sarà anche un software, ma la sua diffusione su larga scala richiede data center, semiconduttori, energia elettrica e materie prime di importanza strategica. I costi di costruzione dei data center sono aumentati sensibilmente, l’offerta di rame è limitata e la produzione di semiconduttori avanzati rimane geograficamente concentrata.

Anche il contesto istituzionale può rallentare il cambiamento. I dipendenti potrebbero opporsi all’automazione se ritengono che i benefici vadano principalmente agli azionisti e al management. Le autorità di regolamentazione e i tribunali potrebbero porre limiti ad alcune applicazioni. Anche le dinamiche economiche legate all’adozione dell’AI dipenderanno dal livello di concorrenza tra i suoi fornitori: modelli meno costosi potrebbero accelerarne la diffusione, mentre un’elevata concentrazione del mercato e prezzi più alti potrebbero frenarla.

Le capacità tecnologiche possono quindi migliorare a ritmi estremamente rapidi, mentre il cambiamento nelle aziende procede in modo graduale. Questa distinzione è importante non soltanto per formulare previsioni sull’occupazione, ma anche per comprendere dove si stia effettivamente creando valore economico.

Dall’adozione dell’AI alla creazione di valore duraturo

Per gli investitori, la domanda rilevante non è semplicemente quali aziende stiano spendendo di più nell’AI, ma quali siano in grado di trasformare questi investimenti in incrementi sostenibili della produttività e dei rendimenti.

L’attuale ciclo di investimenti interessa l’intera catena del valore dell’AI: dalla potenza di calcolo e dai semiconduttori all’energia, fino agli hyperscaler e ai fornitori specializzati. Tuttavia, un elevato livello di investimenti in conto capitale non costituisce, di per sé, una prova della futura creazione di valore. Allo stesso modo, annunciare una strategia di AI non significa aver trasformato con successo le proprie attività operative.

Gli investitori devono quindi distinguere tra la semplice adozione della tecnologia e la capacità di generare valore nel tempo. Per farlo, devono valutare se le aziende siano in grado di integrare l’AI nei propri processi di lavoro, ottenere miglioramenti misurabili della produttività e preservare la resilienza, la governance e le competenze della forza lavoro man mano che l’utilizzo della tecnologia si estende.

Lo stesso principio vale per i fornitori che alimentano il boom dell’AI. I vincoli infrastrutturali e la competizione geopolitica potrebbero sostenere gli investimenti nella potenza di calcolo, nei semiconduttori e nell’energia anche in presenza di rendimenti incerti nel breve periodo. Al tempo stesso, le limitazioni dell’offerta e l’aumento del costo del capitale potrebbero rallentare la diffusione dell’AI nell’economia nel suo complesso.

Ne deriva uno scenario d’investimento più articolato rispetto all’idea semplicistica secondo cui tutte le aziende legate all’AI beneficeranno allo stesso modo della sua espansione. I principali beneficiari saranno probabilmente quelli capaci di tradurre le potenzialità tecnologiche in applicazioni commercialmente redditizie e implementate su larga scala.

La domanda da un milione di dollari

La questione non è più se l’AI trasformerà i settori industriali, ma quanto responsabilmente avverrà questa trasformazione. Gli investitori dovrebbero ora dare priorità al confronto su governance dell’AI, trasparenza e resilienza di lungo periodo, affinché l’innovazione sia coerente con la creazione di valore sostenibile.

*Head of Sustainable Investment di Carmignac