L’economia globale post-pandemia è segnata da una crescita più lenta, dall’inflazione più persistente degli ultimi decenni, da progressi limitati in materia di sostenibilità e da elevati costi di finanziamento che gravano sugli investimenti, compresi i massicci investimenti necessari per la transizione energetica. Forse l’ostacolo più forte, tuttavia, è la lenta crescita della produttività dopo la crisi finanziaria globale.
L’intelligenza artificiale è la nostra migliore possibilità per allentare i vincoli dal lato dell’offerta che hanno contribuito al rallentamento della crescita, alle nuove pressioni inflazionistiche, all’aumento dei costi del capitale, alle difficoltà nei conti pubblici e alla riduzione dello spazio di bilancio, nonché alle sfide nel raggiungimento degli obiettivi di sostenibilità. E la ragione è che l’intelligenza artificiale ha il potenziale non solo di invertire la tendenza al ribasso della produttività, ma anche di produrre, nel tempo, un importante aumento sostenuto della produttività.
Naturalmente ci vorrà del tempo. Qui come negli episodi passati di trasformazione tecnologica si applica la legge di Roy Amara: tendiamo a sovrastimare gli impatti a breve termine e a sottostimare quelli a lungo termine. A mio avviso l’ipotesi migliore (ed è solo una supposizione, basata sugli attuali modelli di investimento) è che potremmo iniziare a vedere impatti significativi sulla produttività del lavoro entro la fine di questo decennio.
Tutte queste cose risultano dalla collisione di tre potenti forze.
Il primo sono gli shock, tra cui guerre, pandemie, cambiamenti climatici, tensioni geopolitiche, nazionalismo in ripresa e crescente attenzione alla sicurezza nazionale nella conduzione della politica economica internazionale. Queste interruzioni sempre più gravi e frequenti stanno spostando le reti di approvvigionamento globali verso una maggiore diversificazione e resilienza. Ma questa è una pressione costosa e contribuisce alle pressioni inflazionistiche.
Ad esempio, Apple sta indirizzando più produzione verso l’India, che ora produce il 15% degli iPhone. Nel frattempo, solo la Corea del Sud e la provincia cinese di Taiwan producono (invece di progettarli) i semiconduttori più avanzati, una condizione insostenibile dal punto di vista della sicurezza nazionale.
Tendenze di lungo periodo
La diversificazione degli approvvigionamenti è rafforzata da iniziative politiche volte a riportare importanti catene di fornitura in patria, o almeno in paesi amici, negando agli avversari l’accesso a beni, tecnologia e capitali. Alcune di queste politiche protezionistiche mirano a proteggere i lavoratori domestici dalla concorrenza straniera.
Il risultato è una rapida frammentazione postpandemica delle reti di approvvigionamento globali che erano più coese negli anni del dopoguerra. Le catene di fornitura seguivano quindi in gran parte criteri economici: efficienza e vantaggio comparativo. Ora è impossibile massimizzare la resilienza e minimizzare i costi allo stesso tempo, e non stiamo più minimizzando i costi. Tra i molti fattori, questo cambiamento strutturale ha contribuito alle pressioni inflazionistiche.
Tendenze secolari
Anche se le tensioni sulla catena di approvvigionamento causate dalla pandemia si sono allentate, un secondo gruppo di forze in gioco è incarnato in tendenze secolari che riducono ulteriormente l’elasticità dell’offerta dell’economia e aumentano i costi. Questi includono il calo della produttività, soprattutto nelle economie avanzate.
Queste tendenze includono anche l’invecchiamento della popolazione nelle economie che rappresentano oltre il 75% della produzione globale. Il calo dei tassi di fertilità e l’aumento della longevità stanno rallentando – o addirittura riducendo – la crescita della forza lavoro, così che ci sono meno lavoratori a prendersi cura di un maggior numero di anziani. A seconda dei sistemi di previdenza sociale, ciò crea stress fiscale in un momento in cui i tassi di interesse delle banche centrali rimangono elevati. È sorprendente che molte economie avanzate presentino carenze di manodopera nei settori ad alto tasso di occupazione. In un contesto di forte domanda aggregata, ciò ha ostacolato la crescita e aumentato le pressioni inflazionistiche, soprattutto negli Stati Uniti. La Germania ha sperimentato problemi simili nell’offerta di lavoro.
L’impatto della pandemia ha comportato un aumento dei livelli di debito sovrano in un’ampia gamma di economie. Il debito sovrano globale ora supera il prodotto interno lordo globale e continua a crescere oltre questa soglia negli Stati Uniti, dove il rapporto è ora del 120%. Il rapporto europeo è dell’88,6%, con Grecia, Italia, Spagna, Francia, Belgio e Portogallo al di sopra della media (di molto, nel caso di Grecia e Italia). Il debito sovrano della Cina appare più basso, nel caso in cui non si consideri il debito delle imprese statali, che costituiscono una parte significativa del settore societario. Ciò è in parte spiegato dalle massicce e riuscite spese legate alla pandemia volte a prevenire sofferenze umane, chiusure di imprese e danni ai bilanci personali e aziendali. Uno dei motivi per cui la domanda è rimasta resiliente nonostante l’aumento dei tassi di interesse è proprio perché il danno nei bilanci è stato molto inferiore nell’economia pandemica rispetto a quello verificatosi durante la crisi finanziaria globale.
Infine, in questa seconda categoria, rientra lo svanire della potente forza deflazionistica pluridecennale associata alla crescita dell’economia dei mercati emergenti e ai grandi incrementi di capacità produttiva nell’economia globale, soprattutto ma non esclusivamente in Cina.
Gli economisti dello sviluppo si riferiscono a questo come al “punto di svolta di Lewis”. Questa è la fase di crescita in cui la manodopera sottoccupata e sottoutilizzata nei settori tradizionali di un’economia di mercato emergente viene in gran parte esaurita e assorbita dall’urbanizzazione e dai settori meglio collegati dell’economia.
Nonostante gli shock e i fattori negativi di lungo periodo, abbiamo il talento e gli strumenti per promuovere la crescita, l’inclusione e la sostenibilità nell’economia globale.
La produttività merita un’attenzione speciale. La crescita della produttività statunitense è stata in media dell’1,68% dal 1998 al 2007, periodo durante il quale molti americani hanno avuto accesso a Internet e, successivamente, ai telefoni cellulari. La crescita della produttività è poi rallentata allo 0,38% dal 2010 al 2019.
Questo declino ha interessato tutta l’economia. La crescita della produttività per i settori dei beni e dei servizi di mercato, che tendono ad essere più produttivi nonostante impieghino meno di un quarto dei lavoratori, è scesa dal 4,27% all’1,23%. I settori dei servizi non di mercato, grandi e meno produttivi, sono scesi dallo 0,73% a zero.
Un fatto sorprendente è che, nonostante questo recente livello modesto di crescita della produttività, gli Stati Uniti hanno avuto risultati eccellenti rispetto ad altre economie avanzate, compresa tutta l’Europa. In Europa, il ritardo nella crescita e nella produttività è attribuibile in parte all’adozione e allo sviluppo meno rapidi ed efficaci delle tecnologie digitali e al minor sviluppo dei settori tecnologici rispetto a Stati Uniti e Cina.
La produttività misurata è aumentata durante la pandemia, in gran parte perché le industrie meno produttive sono state parzialmente chiuse, mentre i settori ad alta produttività sono passati al lavoro a distanza. Avremo bisogno di più dati per sapere se questa ripresa durerà, ma modelli simili sono visibili in altre economie sviluppate.
L’effetto combinato di questi due insiemi di forze è un passaggio relativamente rapido da una crescita vincolata dalla domanda a una crescita vincolata dall’offerta. La crescita è contenuta. L’inflazione resiste. I tassi di interesse reali rimangono elevati. Molti economisti, me compreso, ritengono che le condizioni strutturali che ho descritto significhino che i costi di indebitamento probabilmente rimarranno elevati, e certamente più alti rispetto al decennio successivo alla crisi finanziaria globale. Ciò probabilmente causerà importanti cambiamenti nel mondo degli investimenti, anche mantenendo il costo del capitale e i tassi di sconto più alti e deprimendo le valutazioni.
Vale la pena notare che gli investitori non sono d’accordo e cambiano idea sul probabile percorso dei tassi di interesse. Ad esempio, le aspettative dello scorso anno secondo cui la Federal Reserve avrebbe tagliato i tassi di interesse di sette quarti di punto quest’anno sono state rapidamente deluse. I mercati stanno ora scontando uno o due tagli. Le aspettative potrebbero evolversi ulteriormente verso tassi più elevati per un periodo più lungo, e le condizioni strutturali indicano che è questa direzione
Rivoluzioni tecnologiche
Questo ci porta al terzo insieme di forze in collisione: scienza e tecnologia. Sono almeno tre le trasformazioni rivoluzionarie in corso. Il primo è la trasformazione digitale pluridecennale, ora accelerata dalle scoperte dell’intelligenza artificiale. La seconda è una rivoluzione nelle scienze biomediche e della vita. Il terzo riguarda le tecnologie che sostengono la transizione verso l’energia sostenibile.
Tutti e tre beneficiano di ampi investimenti. L’accelerazione del progresso è guidata non solo dalle scoperte rivoluzionarie, ma anche dalla disponibilità di una serie di potenti strumenti che stanno determinando una riduzione dei costi e una maggiore accessibilità. I costi del solare sono crollati negli ultimi dieci anni. Si sono moltiplicati altri progressi, dai semiconduttori avanzati al sequenziamento del DNA, ai modelli tridimensionali di centinaia di milioni di proteine disponibili gratuitamente in un database pubblico.
Lo sviluppo di tecnologie come queste e il loro impiego per usi produttivi stimolerà importanti cambiamenti strutturali per le economie mondiali. Non possiamo prevedere l’intera portata di ciò che questi cambiamenti presagiscono, ma gli effetti saranno sicuramente significativi.
I potenziali vantaggi derivanti dall’intelligenza artificiale sono destinati ad avere un impatto sulla ricerca scientifica e tecnologica, dalla biologia alla fisica e alla scienza dei materiali, e a svolgere un ruolo chiave nella transizione energetica.
La tecnologia emergente può produrre un aumento sostenuto della produttività, come ho sostenuto l’anno scorso in un articolo sul potenziale dell’intelligenza artificiale generativa (con James Manyika di Google). Ciò è coerente con altre stime, come quella del McKinsey Global Institute.
L’intelligenza artificiale generativa è la prima intelligenza artificiale con una capacità simile a quella umana di operare in più domini e di rilevare e cambiare dominio basandosi solo su richieste tramite conversazione. Può parlare di inflazione, scrivere codici informatici, fare un po’ di matematica, anche se questo è un lavoro in corso. La capacità superiore a quella umana di riconoscimento dei modelli lo rende un potente assistente digitale. Piuttosto che la completa automazione, il modello migliore è la collaborazione macchina-uomo, o ciò che a volte viene chiamato “potenziamento”.
Geoffrey Hinton, un pioniere della moderna intelligenza artificiale delle reti neurali, ha una comprensione speciale delle implicazioni. Usa l’esempio di un medico esperto. Sebbene lei/lui possa aver curato migliaia di pazienti, l’intelligenza artificiale medica può esaminarne e assorbirne centinaia di migliaia. Ciò può renderlo utile al medico esperto, e ancora di più a coloro che sono meno esperti. Ciò è coerente con gli studi sulle applicazioni dell’IA in altre aree, come il servizio clienti, dove gli assistenti digitali AI, addestrati sulle interazioni passate, hanno prodotto grandi guadagni di produttività complessiva e vantaggi ancora maggiori per gli operatori meno esperti.
L’intelligenza artificiale è una tecnologia di uso generale che trova applicazioni in tutta l’economia, per settore e tipologia di lavoro. Questo è importante, perché solo le tecnologie di uso generale possono produrre un aumento della produttività in tutta l’economia.
Le applicazioni di intelligenza artificiale vengono già integrate in dispositivi personali come i telefoni, grazie in parte ai semiconduttori avanzati.
Detto questo, ci sono sfide da superare per sviluppare tutto il potenziale. Una riguarda l’implementazione di una regolamentazione per prevenire l’uso improprio della tecnologia e dei dati. Questo programma normativo di mitigazione del rischio è in corso in tutto il mondo.
Un’altra è il superamento del pregiudizio dell’automazione, o quella che Erik Brynjolfsson chiama la trappola di Turing, la forte tendenza a vedere questa tecnologia come una completa automazione e quindi un sostituto dell’uomo.
Questa è una visione comune nei media, nelle imprese e nelle discussioni politiche. Ciò riflette anche la diffusa preoccupazione per il drammatico calo dell’occupazione.
Probabilmente la questione politica più importante riguarda i potenziali guadagni. Affinché l’intelligenza artificiale possa raggiungere il pieno impatto economico nel tempo, deve essere accessibile a tutti i settori dell’economia e alle aziende grandi e piccole. Non c’è dubbio che i massicci investimenti intrapresi in settori come la tecnologia e la finanza avranno un impatto notevole, ma le applicazioni devono raggiungere ampi bacini occupazionali che tendono a restare in ritardo, come il governo, l’assistenza sanitaria, l’edilizia e l’ospitalità. Gli studi pre-IA sull’adozione digitale indicano che questo ampio modello di diffusione non è garantito e che, lasciato interamente alle forze di mercato, la divergenza è possibile o addirittura probabile.
Le politiche per l’accessibilità, la diffusione e le competenze per contribuire a realizzare il pieno potenziale dell’intelligenza artificiale sono attualmente deboli rispetto all’intensa attenzione alla mitigazione del rischio e all’uso improprio. Espandere il primo senza abbandonare il secondo è un elemento importante del riequilibrio politico. Questo non vuol dire sostenere la scelta da parte dei governi dei vincitori o dei campioni nazionali. Al contrario, una politica di concorrenza efficace dovrebbe far parte del portafoglio politico. Inoltre, è necessario concentrarsi in parte sui settori e sulle imprese che potrebbero essere in ritardo nella scoperta e nell’adozione, ad esempio le piccole e medie imprese. E poiché i posti di lavoro cambieranno con i collaboratori dell’IA, la riqualificazione e l’acquisizione di nuove competenze meritano un’attenzione prioritaria.
Sfide da superare
I potenziali vantaggi derivanti dall’intelligenza artificiale vanno ben oltre il contrasto alla produttività postpandemica e alle sfide della crescita. Sono destinati ad avere un impatto sulla ricerca scientifica e tecnologica, dalla biologia alla fisica e alla scienza dei materiali, e a svolgere un ruolo chiave nella transizione energetica.
Talento, potenza di calcolo e domanda di elettricità in rapida espansione rappresentano i principali ostacoli alla costruzione di modelli di intelligenza artificiale generativa sempre più potenti. La disponibilità dei dati non è un vincolo importante. Internet dispone di ampi dati sulla formazione. Naturalmente, esiste un’intelligenza artificiale che non rientra nella categoria dell’intelligenza artificiale generativa che è potente e importante. AlphaFold, un sistema di intelligenza artificiale che prevede le strutture tridimensionali delle proteine, ne è un esempio. Per questa applicazione sono necessari dati biologici specializzati e il contributo di esperti su come funziona il folding delle proteine.
È anche vero che le mega-piattaforme che stanno guidando lo sviluppo dell’intelligenza artificiale generativa hanno modelli di business che si basano su dati personali e targeting molto precisi. Ma per addestrare modelli linguistici di grandi dimensioni e simili, non sono necessari dati personalizzati e sensibili.
I sistemi abbastanza potenti per addestrare modelli con miliardi di parametri risiedono in gran parte nei sistemi di cloud computing del settore privato, soprattutto negli Stati Uniti e in Cina. Ciò, oltre alla competizione per il talento, mette la scienza e il mondo accademico in una posizione di svantaggio. L’espansione dell’infrastruttura informatica a un’ampia comunità di ricercatori e innovatori è un passo politico importante necessario per democratizzare la costruzione di una comunità aperta con un buon equilibrio tra innovazione accademica e privata. Il raggiungimento di tale equilibrio favorirà una diffusione capillare.
L’Europa rischia di rimanere indietro rispetto agli Stati Uniti e alla Cina nello sviluppo e nell’applicazione dell’IA per tre ragioni. Il primo è il relativo sottofinanziamento della ricerca di base da parte dell’Unione Europea. Il secondo è che manca di potenza di calcolo per supportare la ricerca. Il terzo è l’incapacità di sfruttare appieno l’ampia scala dell’economia europea. Con costi di sviluppo fissi elevati e costi variabili relativamente bassi nel digitale e nell’intelligenza artificiale, la scala rappresenta un enorme vantaggio nel determinare il ritorno sull’investimento. I mercati dei capitali europei rimangono frammentati; l’integrazione del mercato dei servizi è incompleta e ostacolata dalla frammentazione della regolamentazione a livello nazionale. Resta da vedere se questa situazione persisterà o se ci sarà un cambio di direzione dopo le recenti elezioni del Parlamento europeo. Due rapporti alla Commissione Europea – uno di Enrico Letta e uno di prossima uscita di Mario Draghi – sostengono elevati investimenti nella tecnologia digitale.
La Cina è una potenza dell’intelligenza artificiale. L’India, con le sue forti radici nella tecnologia digitale, un mercato interno ampio e in crescita e profonde riserve di capitale umano ingegneristico, sarà probabilmente una forza in crescita.
Il resto delle economie di mercato emergenti potrebbe trarre grandi benefici dalle applicazioni dell’intelligenza artificiale, ma almeno per i prossimi anni saranno in gran parte consumatori di tecnologie avanzate di intelligenza artificiale generate principalmente negli Stati Uniti e in Cina.
L’intelligenza artificiale produrrà cambiamenti strutturali e sconvolgimenti su larga scala per decenni. Mentre alcuni perderanno posti di lavoro a causa dell’automazione o della rapida crescita della produttività, e altri saranno assunti per lavori nuovi e creati dalla tecnologia, saranno i lavoratori “nel mezzo” che saranno maggiormente colpiti. Qui i posti di lavoro non necessariamente spariranno, ma cambieranno. Sarà un processo dirompente che richiederà competenze diverse e molti cambiamenti organizzativi. Sia il settore privato che quello pubblico svolgono un ruolo importante nel facilitare la transizione.
Con il sostegno politico volto ad accelerarne la diffusione nell’intera economia, l’intelligenza artificiale potrebbe accelerare in modo significativo la crescita economica e favorire la ripresa della crescita della produttività. E se allentasse i vincoli dal lato dell’offerta che causano parte della storia dell’inflazione, indirettamente potrebbe abbassare i tassi di interesse reali e il costo del capitale nel tempo. In un mondo che richiede trilioni di dollari di investimenti per spingere avanti efficienza energetica e transizione verde, ciò sarebbe d’aiuto. E nel settore dell’invecchiamento dell’economia globale, aiuterebbe la popolazione attiva più giovane a sostenere il gruppo più anziano senza eccessivi sacrifici.
Nonostante gli shock e gli ostacoli secolari alla crescita, abbiamo il talento e gli strumenti per promuovere la crescita, l’inclusione e la sostenibilità nell’economia globale, ma solo se abbiamo la volontà di usarli in modo aggressivo ma saggio.
SANGIULIANO SI DEVE DIMETTERE, E SUBITO.
Lascia un commento