Negli ultimi giorni è bastato un “memo dal futuro” di Citrini Research per far tremare molti titoli soldi in Borsa. Il report “The 2028 Global Intelligence Crisis” immagina un’economia stravolta dall’intelligenza artificiale, con crollo degli utili, disoccupazione a doppia cifra e “ghost GDP”: ricchezza prodotta dalle macchine ma non distribuita alle persone.
Titoli come DoorDash, Visa, Mastercard e altri citati nel memo hanno perso in poche ore oltre l’8%. Nel frattempo aziende come Block annunciano migliaia di licenziamenti “grazie” all’AI, alimentando l’idea di una recessione tecnologica imminente.
Ma che succede? Lo scenario sembra molto improbabile e questa vicenda è interessante soprattutto perché dimostra quanto sono tesi i nervi intorno al tema bolla AI.
Ma né la storia né i dati dicono che una bolla AI – ammesso che scoppi – trascinerà giù l’intera economia.
Questi scenari “doom”, apocalittici, rischiano di distrarci però da quello che ora è il vero tema. Ossia il tempo necessario perché l’AI entri davvero nei processi produttivi e come gestire la transizione per lavoratori, imprese e welfare.
Per l’Italia è una sfida duplice. Primo, perché non siamo stati bravi finora a sfruttare l’innovazione tecnologica per aumentare la produttività, che finora è stata stagnante (e, ricordiamo, c’è un nesso diretto tra aumento della produttività, crescita economica, dei salari e benessere condiviso). Secondo, perché il nostro sistema di welfare è già messo alla prova da alto debito pubblico e invecchiamento della popolazione.
L’AI può aiutarci ad affrontare entrambi i problemi, ma solo a certe condizioni.
Partiamo dallo scenario catastrofico.
Indice degli argomenti
Citrini, recessione per colpa dell’AI: quando la fantascienza muove i listini
Il memo di Citrini è dichiaratamente un esercizio di “macro-fiction”: un finto rapporto del 2028 che descrive un’AI capace di sostituire masse di lavoratori, distruggere i margini di molte aziende (quelle di software in primis, rimpiazzate da agenti AI) e generare quindi una crisi finanziaria e dei consumi.
Ma l’economista Anton Korinek (consulente di Anthropic), intervistato oggi nel podcast Hard Fork, riassume bene il momento: gli effetti di AI su occupazione e produttività “sono ancora nella sfera delle aspettative”, le misure nei dati sono piccole e controverse. Le valutazioni di mercato ora reagiscono a “piccole cose quasi casuali” con movimenti molto ampi.
Cosa ci dice la storia delle recessioni tecnologiche
Finora nessuna ondata tecnologica ha prodotto, da sola, una recessione di sistema basata sulla distruzione permanente di posti di lavoro.
Le ragioni sono note all’economia del lavoro.
Sì, i progressi tecnologici comportano sempre la perdita del posto di lavoro per alcune persone, quelle le cui competenze possono essere facilmente sostituite dalla tecnologia. Ma, questa perdita è stata più che compensata, in economia, da altri tre fattori.
La nuova tecnologia migliora le competenze di alcuni sopravvissuti, che diventano più produttivi e meglio retribuiti; contribuisce alla creazione di nuove imprese e nuovi posti di lavoro; e rende alcuni prodotti più economici, aumentando il reddito dei consumatori, adeguato all’inflazione, che può essere speso per altri beni, generando così ancora più posti di lavoro.
Anche nelle rivoluzioni digitali precedenti – Pc, internet, automazione dei servizi – non si è mai visto un collasso generalizzato della domanda di lavoro. Radiologi e traduttori, categorie date per spacciate da anni, sono un buon promemoria: l’occupazione è aumentata, nonostante la disponibilità di sistemi di imaging avanzato e di traduzione automatica.
Questo non elimina i problemi di redistribuzione e di transizione, ma rende poco credibile l’idea di un’economia che si ferma perché “non c’è più lavoro per gli umani”. Per arrivare a uno scenario di recessione profonda guidata dall’AI dovremmo ipotizzare non solo sostituzione rapida del lavoro, ma anche una paralisi del meccanismo con cui i risparmi di costo si trasformano in nuova domanda. È una possibilità logica, ma non è ciò che vediamo oggi né ciò che la storia suggerisce come caso base.
I rischi reali: bolla AI e finanza, non “ghost GDP”
Questo non significa che non ci siano rischi. Il punto, però, è spostarli dal terreno del “ghost GDP” al terreno – più concreto – della finanza e degli investimenti.
Il pericolo più plausibile nel mondo è quello già visto a inizio anni Duemila: un boom di investimenti in tecnologie e infrastrutture che corre più veloce della domanda reale, seguito da un brusco aggiustamento nei titoli tech e nei posti di lavoro del settore.
Oggi la corsa ai data center per AI generativa va in questa direzione: negli Stati Uniti gli investimenti in software e infrastrutture digitali sono cresciuti a doppia cifra nel 2025, mentre i ricavi direttamente attribuibili a servizi AI restano limitati. È plausibile una correzione, anche severa, su valutazioni e occupazione nelle aziende più esposte.
È già successo: lo scoppio della bolla dot-com non è arrivato perché internet aveva “ucciso” il lavoro, ma perché aspettative e prezzi avevano superato di molto la capacità dei modelli di business di generare utili. Dopo la crisi, internet ha continuato a diffondersi e a ridisegnare interi settori.
Lo stesso potrebbe valere per l’AI: un’eventuale “AI winter” sul fronte finanziario non annullerebbe il potenziale di lungo periodo, ma potrebbe rallentare investimenti e assumere il ruolo di capro espiatorio per problemi macro nati altrove (ad esempio da shock geopolitici o energetici).
AI “ovunque nel dibattito, ma non ancora nelle statistiche”
Un secondo punto chiave è la distanza tra la narrativa su AI e i numeri di produttività. Un’analisi recente di The Economist mette assieme alcuni dati notando che il boom dell’AI “non è ancora” visibile nei dati.
Alcuni fatti:
- Negli Stati Uniti, secondo un indicatore della Federal Reserve di St Louis citato dall’Economist, circa il 41% dei lavoratori ha usato sistemi di AI generativa al lavoro almeno una volta nel novembre 2025, contro il 31% un anno prima.
- Solo il 13% circa li usa tutti i giorni, e la quota di ore lavorate che include uso di AI è passata dal 4,1 al 5,7% in un anno: ancora una fetta limitata del tempo totale.
- Studi controllati mostrano guadagni locali molto significativi: per compiti di scrittura, ChatGPT riduce i tempi del 40%; in un esperimento su consulenti di Boston Consulting Group, l’AI ha incrementato la produttività tra il 12 e il 25% su task realistici. I programmatori hanno dimezzato i tempi di creazione codice. Ma si tratta di singoli contesti, non dell’intera economia né, nella maggior parte dei casi, di un’intera azienda “trasformata” dall’AI.
Mettendo insieme queste percentuali – quanto spesso si usa l’AI e quanto migliora i compiti in cui è usata – lo stesso Economist stima un impatto complessivo di 0,25-0,5 punti percentuali sulla crescita della produttività nell’ultimo anno. Un contributo non banale, ma lontano dal “change of era” che molte big tech AI (OpenAI in primis) danno per scontato, per giustificare i miliardi ricevuti da investitori e/o investiti in capex (datacenter, chip).
Korinek, nell’intervista, insiste su un punto simile: il divario tra ciò che i modelli di frontiera sanno fare in laboratorio e ciò che viene effettivamente implementato nelle aziende è ancora ampio. I manager faticano a integrare l’AI nei processi, le organizzazioni sono lente, le resistenze culturali e regolatorie non mancano. Il risultato è che anche nei settori più esposti (sviluppatori software, customer service) oggi si vedono effetti misurabili, ma di piccola entità e statisticamente controversi.
In altre parole: la tecnologia corre, la produttività “di sistema” no. È lo stesso paradosso – “ovunque tranne che nelle statistiche” – che abbiamo visto con l’elettrificazione, con i computer e con internet, per un decennio circa dalla data del debutto di ciascuna innovazione.
Lavoro e AI: le vere questioni
Uno dei meriti di Korinek e di altri economisti che prendono sul serio i rischi di automazione avanzata è spostare la discussione dalla domanda “ci saranno ancora lavori?” a “quale domanda di lavoro umano resterà, a quali salari, e in quali settori?”.
Le analisi classiche spiegano perché la “lump of labour fallacy” – l’idea che ci sia un numero fisso di posti da spartire – sia sbagliata. Ma questo non basta a rassicurare chi teme una riduzione del potere contrattuale dei lavoratori, un calo della quota salari sul Pil, o transizioni troppo rapide per essere assorbite senza traumi sociali.
Korinek ipotizza tre scenari:
- il lavoro resta in equilibrio, ma cresce più lentamente del resto dell’economia;
- in settori in cui il contatto umano è valorizzato (cura, educazione, servizi di relazione) la domanda di lavoro umano rimane robusta, anche in presenza di automazione quasi totale altrove;
- se la velocità di automazione supera la capacità di riassorbimento, salari e occupazione possono subire pressioni al ribasso più marcate, almeno per alcuni gruppi (giovani, lavoratori nei servizi standardizzabili, ecc.).
Ad oggi non abbiamo dati in grado di dirci quale di queste traiettorie prevarrà. Abbiamo però la certezza che le scelte di policy, di contrattazione e di governance aziendale influenzeranno molto l’esito.
La vera urgenza: usare questo tempo per alzare la produttività (e proteggere le persone)
Se la diagnosi è che l’AI non sta ancora rivoluzionando la produttività, ma potrebbe farlo nel giro di qualche anno, la priorità per policymaker e imprese non dovrebbe essere reagire a ogni memo apocalittico, bensì usare bene questa “finestra di tempo” per promuovere un’adozione efficace dell’AI. Ossia trasformativa di produzione e organizzazione del lavoro.
La storia delle ultime rivoluzioni industriali ci insegna che un’innovazione porta benefici solo con una trasformazione profonda del modo in cui un’azienda opera, lavora e produce, ripensata intorno a quell’innovazione.
Per l’Italia e l’Europa questo significa almeno tre linee di lavoro.
1. Misurare meglio, decidere meglio
Serve un salto di qualità nei dati su AI e lavoro. Oggi sappiamo poco su:
- chi usa davvero l’AI in azienda (ruoli, mansioni, livello di competenze);
- come cambiano i processi operativi quando l’AI viene adottata;
- quali effetti ha su produttività, qualità del lavoro, salute organizzativa.
Statistiche ufficiali (Istat, Eurostat), autorità di vigilanza e centri di ricerca dovrebbero integrare moduli specifici su AI in indagini su imprese e famiglie, favorire l’accesso a microdati anonimizzati e costruire indicatori comparabili a livello europeo.
Senza questo, il dibattito resterà ostaggio di aneddoti e scenari narrativi, come quello di Citrini.
2. Politiche attive e formazione continue, non solo “reskilling” d’emergenza
Se la sfida è una transizione che durerà anni, con effetti distribuiti in modo molto diverso tra settori e professioni, le politiche del lavoro devono spostarsi da interventi emergenziali a infrastruttura permanente.
Per esempio:
- rafforzare i servizi pubblici per l’impiego con competenze specifiche su AI e cambiamento tecnologico;
- incentivi alla formazione continua anche per lavoratori qualificati e white collar, non solo per mansioni manuali;
- programmi mirati per PMI che non hanno risorse interne per progettare l’adozione di AI in modo strategico, ma rischiano di subirla lungo le catene del valore.
Qui la collaborazione tra imprese, università e parti sociali è essenziale: non si tratta di “insegnare a usare il prompt”, ma di ripensare profili professionali, percorsi di carriera, sistemi di valutazione.
In Italia abbiamo la strategia sull’intelligenza artificiale, che per altro scade quest’anno, e una legge sull’AI. Bene, già qualcosa, ma non si può parlare di interventi strutturali ancorati a politiche industriali né tantomeno sociali.
3. Governance dell’AI sul lavoro e redistribuzione dei benefici
Infine, se l’AI dovesse davvero aumentare in modo significativo la produttività, il problema non sarà la scarsità di lavoro in sé, ma la distribuzione dei guadagni, che nei Paesi Ocse sono stati sempre più concentrati nelle mani di una elite limitata, negli ultimi quarant’anni (vedi analisi dell’economista di Harvard Raj Chetty).
Alcune opzioni in discussione a livello internazionale – e che il dibattito italiano dovrebbe prendere sul serio:
- strumenti fiscali che spostino una parte del carico dal lavoro al capitale, senza penalizzare l’innovazione;
- forme di partecipazione dei lavoratori ai benefici dell’automazione (ad esempio piani azionari diffusi, profit sharing, fondi pensione con quote rilevanti in imprese high-tech);
- regole chiare sull’uso dell’AI per il monitoraggio dei dipendenti, la valutazione delle performance, le decisioni di assunzione e licenziamento, per evitare che la transizione sia percepita solo come una perdita di autonomia e dignità.
