Se un robot prende il posto di un lavoratore, chi versa le imposte e i contributi che finanziavano il welfare? Nel febbraio 2017 Bill Gates portò questa domanda al centro del dibattito internazionale. In un’intervista a Quartz, il cofondatore di Microsoft propose di tassare l’impiego dei robot per finanziare la riqualificazione dei lavoratori e rafforzare servizi come scuola e assistenza agli anziani. È il principio della robot tax: chiedere a chi automatizza una parte delle risorse necessarie a sostenere i costi sociali della trasformazione.
Gates contribuì a rendere popolare un’idea già in discussione, in verità, già da molto prima dell’avvento del digitale: basti pensare che esistono proposte di tassazione delle macchine almeno dagli anni Quaranta, fra cui un disegno di legge del senatore statunitense Joseph O’Mahoney nel 1940.
Anche a livello europeo, in epoca più vicina ai giorni nostri, sebbene lontanissima in termini di evoluzione tecnologica nonostante siano passati solo 10 anni, nel maggio 2016, una bozza di relazione dell’eurodeputata Mady Delvaux aveva sollevato il problema di misurare il contributo di robot e intelligenza artificiale ai risultati delle imprese anche ai fini fiscali e previdenziali. La proposta apriva una questione destinata a dividere economisti e governi ancora oggi: come far contribuire l’automazione alla protezione sociale senza scoraggiare gli investimenti che aumentano la produttività?
Con l’intelligenza artificiale generativa, quella domanda supera, tra l’altro i confini delle fabbriche, e raggiunge anche uffici e professioni intellettuali.
Indice degli argomenti
Robot tax: le strade per finanziare il welfare con l’automazione
Sotto l’etichetta robot tax convivono però strumenti differenti: un’imposta sull’impiego della tecnologia, un maggiore prelievo sui guadagni che produce, una revisione delle agevolazioni che favoriscono la sostituzione del lavoro. La scelta riguarda dove intercettare il valore dell’automazione e come utilizzarlo per finanziare il welfare.
- Uno studio del 2026 di Jakub Growiec, Klaus Prettner e Maciej Szkróbka individua condizioni nelle quali tassare l’AI diventa economicamente giustificato.
- Una nota pubblicata dal FMI nell’aprile 2026 privilegia invece capitale e rendite;
- un rapporto OCSE di settembre affronta il finanziamento della protezione sociale.
- Henrik Kleven e Owen Zidar aggiungono una terza prospettiva: l’automazione può richiedere una diversa distribuzione del prelievo sui redditi.
Sono risposte differenti a una domanda comune: come può il welfare partecipare ai guadagni dell’automazione, se una parte crescente del valore remunera il capitale?
Robot tax: quando tassare l’AI diventa giustificato
Nel lavoro Workers’ incentives and the optimal taxation of AI, pubblicato su Economics Letters nel 2026, Growiec e colleghi distinguono quattro fattori produttivi: lavoro manuale, lavoro cognitivo, capitale tradizionale e intelligenza artificiale. La convenienza sociale del prelievo dipende da come questi fattori modificano la posizione relativa dei lavoratori.
Nel modello, tassare l’AI diventa ottimale quando i lavoratori cognitivi si trovano in svantaggio rispetto a quelli manuali. Questa condizione può emergere se la tecnologia diventa sufficientemente capace di sostituire le attività cognitive. Il risultato individua una soglia teorica legata agli effetti sul lavoro; lo studio non ne certifica il superamento nell’economia reale.
La conseguenza politica è rilevante. Una tassa sull’AI avrebbe bisogno di una giustificazione distributiva verificabile: quali lavoratori vengono penalizzati, attraverso quali meccanismi e con quali possibilità di ricollocazione. L’etichetta tecnologica, da sola, offre poche indicazioni su come costruire il tributo.
Qui emerge anche una distinzione fra gli obiettivi. Un prelievo sull’impiego dell’AI modifica la convenienza a utilizzarla. Un’imposta sui redditi che ne derivano interviene sulla distribuzione dei benefici. Entrambe possono raccogliere risorse, ma producono incentivi diversi per le imprese.
La strada del FMI nel 2026: raggiungere capitale e rendite
La nota Global Economic and Financial Implications of Artificial Intelligence: Lessons from a Scenario Planning Exercise, pubblicata dal FMI il 3 aprile 2026, sconsiglia imposte che colpiscano genericamente l’impiego di robot e intelligenza artificiale, perché rischiano di frenare gli investimenti produttivi. Gli autori propongono invece di raggiungere meglio i guadagni dell’automazione, rafforzando il prelievo sulle rendite economiche e sui redditi da capitale delle persone.
Se il sistema fiscale rende particolarmente conveniente un investimento che sostituisce lavoratori, il settore pubblico può contribuire ad accelerare una transizione della quale dovrà poi sostenere i costi. Rivedere quell’agevolazione significa correggere la scelta iniziale su come impiegare risorse pubbliche.
Il prelievo sui rendimenti affronta invece il problema a valle. Se l’automazione accresce utili e redditi dei proprietari del capitale, una parte di quei benefici può finanziare servizi e trasferimenti. In questa impostazione, il welfare partecipa attraverso il fisco alla maggiore capacità economica generata dalla tecnologia.
La difficoltà è raggiungere effettivamente quei redditi. Secondo gli autori, aumentare le sole imposte societarie può compensare soltanto in parte l’erosione del gettito sul lavoro, per la mobilità del capitale e la concorrenza fiscale internazionale. Negli scenari esaminati, il problema è più acuto per i Paesi che consumano servizi di AI anziché produrli.
Per il welfare nazionale si apre così una questione internazionale: dove si formano i guadagni e dove diventano imponibili. Una strategia redistributiva deve tenere insieme le imprese che adottano l’AI, i fornitori della tecnologia e i proprietari che ne incassano i rendimenti.
Il rapporto OCSE: finanziare il welfare oltre i salari
La capacità del welfare di partecipare alla crescita dipende anche dalla base sulla quale vengono raccolte le risorse. Il rapporto Financing of Social Protection, pubblicato il 9 settembre 2026 nell’ambito di un progetto congiunto OCSE–Commissione europea, osserva che l’automazione può ridurre la quota di reddito destinata al lavoro anche con un’occupazione stabile o in aumento. Affidarsi soprattutto alle retribuzioni può quindi lasciare fuori dal finanziamento sociale una parte dei guadagni di produttività dell’AI.
Nel capitolo dedicato alla tenuta delle entrate, l’OCSE considera la riduzione del divario fiscale fra capitale e lavoro: minori costi non salariali del lavoro possono accompagnarsi a maggiori aliquote effettive sul capitale. Il rapporto osserva che una tassazione relativamente più favorevole al capitale può incentivare la sostituzione dei lavoratori oltre quanto avverrebbe senza quello squilibrio.
La direzione è diversificare le fonti del welfare, senza indicare una specifica tassa sui robot. L’OCSE considera anche formazione e contrattazione collettiva come strumenti per condividere i guadagni di produttività dell’AI. La formazione può favorire l’accesso a impieghi meglio retribuiti; la contrattazione può tradurre parte dei benefici dell’automazione in aumenti salariali. Retribuzioni più elevate aiutano, a loro volta, a sostenere le entrate fiscali e contributive che finanziano la protezione sociale.
Kleven e Zidar: cambiare il prelievo sui redditi
Raggiungere i guadagni dell’automazione è soltanto una parte del problema. Bisogna anche decidere come distribuire il carico fiscale fra chi lavora, perché l’esposizione alla tecnologia può essere molto diversa lungo la scala dei redditi.
Nel working paper Automation and Optimal Taxation: A Task-Based Theory, del 2026, Kleven e Zidar costruiscono un modello calibrato sulla distribuzione salariale e sull’esposizione all’automazione negli Stati Uniti. L’intensità dell’automazione raggiunge il massimo intorno al quarantesimo percentile salariale, nella parte medio-bassa della distribuzione.
Rispetto allo scenario senza automazione, il sistema ottimale prevede maggiori integrazioni al reddito per i lavoratori meno pagati, imposte inferiori nella fascia intermedia e superiori al vertice. Il prelievo ottimale sul capitale resta consistente, ma nel modello non aumenta per effetto dell’automazione.
Questa terza strada attribuisce un ruolo centrale alla redistribuzione attraverso imposte e trasferimenti. Offre anche una ragione per evitare soluzioni fiscali uniformi rivolte a tutti i lavoratori: una riduzione generalizzata del prelievo può distribuire risorse diversamente da un intervento concentrato sulle fasce più penalizzate.
I risultati riguardano un modello dell’economia statunitense. Trasferirli in Italia richiederebbe di considerare la struttura dei redditi, il sistema contributivo e le prestazioni esistenti. Il contributo dello studio è soprattutto indicare dove guardare: alla distribuzione delle perdite e dei guadagni lungo l’intera scala salariale.
Korinek e Lockwood: più peso ai consumi e alle rendite
La ricerca di entrate alternative al lavoro apre anche una strada diversa. In The future of tax policy: A public finance framework for the age of AI, pubblicato da Brookings l’8 gennaio 2026, Anton Korinek e Lee M. Lockwood propongono di dare più peso alla tassazione dei consumi, adattandola ai servizi digitali finali. Sconsigliano nel breve periodo prelievi su robot e capacità di calcolo che penalizzerebbero gli investimenti produttivi.
Gli autori propongono anche di tassare le rendite, come i profitti monopolistici, salvaguardando il rendimento necessario a rendere conveniente un investimento. Separare queste componenti è però difficile. Alla tassazione delle rendite affiancano un maggiore prelievo sui consumi finali, da inserire in un sistema di imposte e sostegni economici che contrasti le disuguaglianze prodotte dall’AI.
Automazione e disuguaglianze: salari e patrimoni
La scelta degli strumenti dipende anche da quale disuguaglianza si vuole contrastare. L’AI potrebbe ridurre alcuni divari salariali e contemporaneamente accrescere la distanza fra chi possiede capitale e chi vive prevalentemente del proprio lavoro.
Il working paper FMI AI Adoption and Inequality, pubblicato nell’aprile 2025 da Emma Rockall, Marina Mendes Tavares e Carlo Pizzinelli, utilizza microdati sulle famiglie e un modello delle attività produttive. Mostra che la sostituzione di mansioni ben pagate può comprimere le differenze salariali, mentre i maggiori rendimenti del capitale possono accentuare la concentrazione patrimoniale. I lavoratori ad alto reddito, inoltre, possono beneficiare sia della complementarità con l’AI sia degli investimenti che possiedono.
Per valutare se i benefici vengono condivisi, dunque, il salario offre una misura parziale. Contano anche utili distribuiti, rendimenti finanziari e proprietà delle imprese. Un sistema di protezione sociale che osservasse soltanto le retribuzioni rischierebbe di vedere con ritardo una parte del cambiamento.
Quali costi sociali finanziare con i guadagni dell’automazione
Alla scelta del prelievo deve corrispondere una decisione sulla spesa. Perdere il lavoro, accettare un impiego meno pagato e dover acquisire nuove competenze sono condizioni differenti, che richiedono prestazioni differenti.
La nota FMI del 2026 indica la necessità di protezioni meno dipendenti dall’occupazione formale: trasferimenti capaci di ampliarsi rapidamente, raggiungere i gruppi vulnerabili e sostenere l’adattamento delle competenze quando il lavoro viene sostituito. Le prestazioni legate al posto di lavoro possono perdere efficacia proprio quando cresce il bisogno di sostegno.
Questa impostazione permette di rendere concreto il collegamento fra automazione e welfare. Le risorse possono finanziare il periodo necessario per cambiare occupazione, contenere una perdita di reddito o consentire la partecipazione a un percorso formativo. Definire il bisogno da coprire aiuta anche a stimare quante risorse servono e per quanto tempo.
Raccogliere gettito e costruire protezioni efficaci restano due decisioni distinte. Destinare formalmente un’imposta a un fondo per l’automazione rende visibile il legame politico, ma la qualità della risposta dipende da chi riceve il sostegno, dalle condizioni di accesso e dai risultati ottenuti.
Una robot tax da misurare sui risultati
Dal confronto fra questi studi emerge una scelta più articolata di quanto suggerisca il nome del tributo. Growiec e colleghi individuano condizioni per intervenire sull’AI; la nota FMI del 2026 privilegia capitale e rendite; l’OCSE considera come diversificare le basi del welfare. Kleven e Zidar mostrano quanto possa contare la redistribuzione del prelievo sui redditi, mentre Korinek e Lockwood attribuiscono più peso ai consumi. Le differenze dipendono dagli effetti economici considerati e dalle ipotesi dei modelli.
La robot tax può quindi diventare il punto di partenza per una revisione più ampia del rapporto fra produttività e protezione sociale. Per costruirla servono tre verifiche: chi incassa i guadagni, quali redditi il fisco riesce a raggiungere e quali persone hanno bisogno di sostegno.
Se l’automazione amplia la ricchezza disponibile, la capacità di finanziare il welfare dipenderà dalle regole con cui quella ricchezza viene distribuita e tassata. È su questo passaggio che si misura la possibilità di trasformare una quota dei guadagni tecnologici in sicurezza economica collettiva.
Partecipa alla community