Le stime sull'impatto dell'AI sull'economia variano di ordini di grandezza. Un modello di Anthropic Institute le riduce a cinque numeri: ecco i tre scenari possibili al 2030 e cosa osservare da qui a due anni.

Prova a chiedere a dieci economisti quanto cambierà l'economia americana per colpa dell'Intelligenza Artificiale entro il 2030. Otterrai dieci risposte diverse, e il problema non è che alcuni abbiano ragione e altri torto: è che probabilmente useranno dieci metodi diversi per arrivarci.

Alcune stime dicono che l'AI aggiungerà una frazione di punto percentuale alla crescita. Altre parlano di una trasformazione paragonabile alla rivoluzione industriale. La forbice tra le previsioni pubblicate non è di qualche punto, è di ordini di grandezza, ed è quasi impossibile capire chi stia sbagliando qualcosa e chi stia semplicemente immaginando un futuro diverso.

Un working paper uscito a settembre 2026, firmato da un gruppo di economisti tra cui Anton Korinek e Charles Jones e pubblicato dall'Anthropic Institute, prova a risolvere esattamente questo problema. E lo fa costruendo un modello che spiega come l'AI trasferisce valore dentro un'economia - tra lavoratori e proprietari del capitale, tra chi viene sostituito e chi viene potenziato.

Indice

1. Cinque numeri
2. Dove va il guadagno tra lavoro e capitale?
3. Tre mondi possibili al 2030
4. I segnali da guardare nei prossimi anni
5. Il conto aperto

Cinque numeri

Il modello parte da un'osservazione semplice: il lavoro si può scomporre in compiti (task), e ogni compito viene svolto o da una persona o dall'AI, a seconda di chi lo fa a costo minore - proprio come un'azienda decide se un certo processo conviene farlo in casa o esternalizzarlo. Bastano cinque numeri per descrivere quanto l'AI ha cambiato l'economia in un dato momento.

• La massa interessata dice quanti compiti cognitivi l'AI sa già svolgere in linea di principio - non quanti ne svolge davvero, solo quanti potrebbe.
• La quota di diffusione dice quanti di quei compiti vengono effettivamente affidati all'AI nelle aziende reali, perché sapere fare una cosa e farla sono due passaggi diversi, separati da adozione, fiducia, integrazione nei processi.
• Il guadagno di produttività misura quanto più velocemente o meglio viene svolto un compito quando ci passa l'AI.
• La quota di automazione distingue due modi molto diversi in cui l'AI entra in un compito: sostituire integralmente la persona, oppure renderla più efficiente restando lei al comando.
• Il rapporto di reintegrazione conta quanti compiti nuovi nascono per ogni compito che l'AI toglie (perché l’impatto sul lavoro non è solo in termini di sottrazione, ma anche comparsa di ruoli che prima non esistevano - la meglio nota distruzione creativa).

Messi insieme, questi cinque numeri non prevedono nulla, ma descrivono una posizione. E la parte cruciale è nel modo in cui il modello li trasforma in salari, occupazione e profitti.

Dove va il guadagno tra lavoro e capitale?

Ogni volta che l'AI abbassa il costo di svolgere un compito, quel guadagno deve andare da qualche parte. Il modello lo assegna secondo una regola quasi contabile: i ricavi si dividono sempre tra chi lavora e chi possiede il capitale (server, data center, infrastrutture), e se una fetta cresce, l'altra per forza si restringe.

Chi vince questa spartizione dipende da quanto in fretta si può costruire nuovo capitale. Se i data center si possono ampliare rapidamente - capitale "elastico" - la domanda aggiuntiva di calcolo non fa salire troppo il suo prezzo, e la maggior parte del guadagno di produttività finisce nei salari.

Se invece il capitale è scarso e lento da espandere, chi lo possiede può chiedere un rendimento più alto, e i salari restano indietro anche se l'economia nel suo complesso cresce parecchio. È lo stesso meccanismo, in miniatura, che secondo molti economisti spiega il declino della quota di reddito che va al lavoro negli ultimi quarant'anni - solo che qui il "capitale scarso" non sono le fabbriche, ma i chip.

C'è un secondo bivio, altrettanto rilevante: cosa succede dentro il singolo compito automatizzato.

• Se l'AI sostituisce interamente chi lo svolgeva, quel compito passa al capitale e il lavoratore lo perde.
• Se lo potenzia, il lavoratore resta al suo posto e diventa più produttivo - il guadagno resta suo.

La stessa tecnologia, usata in un modo o nell'altro, produce economie radicalmente diverse. Gli economisti Acemoglu e Restrepo hanno un nome per il caso peggiore: la "so-so automation", tecnologia che automatizza un compito senza generare un guadagno di produttività abbastanza grande da giustificarlo.

Il risultato è meno lavoro, poco più output, e un salario medio che può persino scendere.

Tre mondi possibili al 2030

Per mostrare cosa produce questo meccanismo, gli autori alimentano il modello con tre insiemi di ipotesi, che gli stessi autori dicono chiaramente non essere previsioni in competizione, ma tre modi di popolare gli stessi cinque numeri, e a cui non assegnano alcuna probabilità.

• Nello scenario modesto, l'AI resta una tecnologia normale: nel 2030 il PIL è solo l'1,6% più alto di quanto sarebbe stato senza AI, il mercato del lavoro se ne accorge a malapena e la disoccupazione non si muove quasi per niente. Nulla di traumatico: la crescita accumulata equivale a circa dieci mesi extra di sviluppo spalmati su quattro anni.
• Nello scenario sostanziale l'AI diventa più significativa o paragonabile all’arrivo di internet in termini di portata. Il PIL sale dell'8,3%, l'occupazione nel knowledge work (management, ruoli professionali, vendite, ufficio) si contrae del 4% circa, e chi viene spostato verso lavori non esposti trova salari più alti del 6%. La disoccupazione tra i lavoratori cognitivi passa dal 2,9% al 4,5%: un aumento reale, ma dentro l'ordine di grandezza che il mercato del lavoro americano ha già assorbito in passato.
• Nello scenario estremo, tutto cambia scala. Il PIL è del 32% più alto, con una crescita annua del 15% - un ritmo che raddoppierebbe il reddito pro capite ogni 5 anni, contro i 35 della traiettoria storica USA. Ma quasi un knowledge worker su cinque è disoccupato, e la quota di reddito che va al lavoro invece che al capitale crolla dal 60% al 45%. I salari cognitivi finiscono sotto il loro stesso livello di partenza: chi lavora in ufficio guadagna meno nel 2030 di quanto guadagnasse nel 2026, mentre chi lavora in settori non esposti vede il proprio salario salire del 34%.

E quando gli stessi autori hanno chiesto a quasi 11.000 adulti americani cosa si aspettano dall'AI entro il 2030, la risposta mediana - tradotta negli stessi cinque parametri - è finita quasi esattamente nello scenario sostanziale.

Il pubblico, in media, non immagina né l'irrilevanza né l'apocalisse, ma qualcosa che assomiglia, nei numeri, a un'altra grande rivoluzione tecnologica del passato recente.

Quali sono i limiti del modello?

Questo strumento non prevede quale dei tre mondi si realizzerà. Non include rischi catastrofici, crisi finanziarie o reazioni politiche. Tratta i lavoratori come intercambiabili all'interno di ciascun gruppo occupazionale, ignorando che un software engineer licenziato non diventa elettricista nello stesso pomeriggio, senza perdere nulla dell'esperienza accumulata.

E il canale che più ha alimentato l'immaginario delle "singolarità" - l'AI che accelera la propria stessa ricerca - nel modello resta minore quasi per costruzione, perché il guadagno di produttività per compito è un'ipotesi di scenario, non qualcosa che il modello fa emergere autonomamente.

I segnali da guardare nei prossimi anni

In ogni caso, quasi tutta la divergenza tra i tre scenari si materializza dopo il 2027. Fino ad allora, i percorsi restano vicinissimi tra loro - nel 2026 modesto, sostanziale ed estremo sono quasi indistinguibili nei dati aggregati.

Questo significa chi oggi guarda la disoccupazione o il PIL e conclude "vedi, l'AI non sta cambiando nulla" sta guardando un indicatore che non può ancora dirglielo. La domanda giusta non è "cosa dicono i dati oggi", ma "quali segnali, misurabili adesso, anticipano quale ramo del bivio stiamo imboccando".

Cinque cose da tenere d'occhio nei prossimi due anni, che corrispondono esattamente ai cinque parametri del modello.

1. Il tasso di adozione reale nelle aziende
   Il paper parte da un dato di fine 2025 - il 18% delle aziende USA usa AI, pesato per addetti il 32% - tratto dalla Business Trends and Outlook Survey del Census Bureau. È un numero che si aggiorna periodicamente: se sale rapidamente verso il 40-50% nei prossimi trimestri, siamo già fuori dallo scenario modesto.
2. I guadagni di produttività
   Gli autori calibrano il guadagno per compito su trial di campo (Brynjolfsson et al. 2025, Huang et al. 2025), non su cifre di marketing. Se le aziende cominciano a pubblicare numeri interni verificabili - non "abbiamo tagliato il 50% del tempo" ma dati longitudinali comparabili - quello è il segnale.
3. Il rapporto tra automation e augmentation
   Se l'uso dell'AI nel lavoro cognitivo si sposta da "mi assiste mentre decido io" a "lo fa e basta", il costo per chi lavora cresce molto più in fretta di quanto la produttività aggregata suggerisca - è la differenza tra i coefficienti che separano lo scenario modesto (metà e metà) da quello estremo (90% automazione).
4. La comparsa - o l'assenza - di nuovi ruoli
   Il modello chiama reinstatement la creazione di compiti nuovi per ogni compito automatizzato: nello scenario modesto ne nasce uno ogni due tolti, nell'estremo zero. Le offerte di lavoro nelle occupazioni cognitive sono l'indicatore più diretto: stanno comparendo ruoli che tre anni fa non esistevano, o stanno solo sparendo posizioni senza sostituto?
5. La velocità di ricollocamento
   Quanto impiega chi perde un lavoro cognitivo a trovarne uno in un altro settore. Nel sondaggio, il pubblico si aspetta circa otto mesi - più lento di quanto assuma lo scenario sostanziale. Se i tempi reali si allungano oltre quella soglia, la disoccupazione che ne risulta sarà più vicina all'estremo di quanto i numeri di produttività da soli farebbero pensare.

Il conto aperto

Anche nello scenario più estremo, il surplus generato dall'AI basterebbe abbondantemente a compensare chi perde salario o lavoro: servirebbe un trasferimento pari a circa il 9% del PIL, più o meno quanto pesano insieme Social Security e Medicare negli Stati Uniti. Ma quel meccanismo oggi "non è ancora stato progettato".

Significa che "che impatto avrà l'AI sull'economia" e "come distribuiremo i suoi effetti" sono due domande separate, e, mentre alla prima il modello prova a rispondere con un meccanismo esplicito, alla seconda nessun modello economico può rispondere da solo.

I prossimi due anni diranno in quale dei tre mondi stiamo entrando. Non diranno automaticamente se avremo costruito, nel frattempo, un modo per far arrivare i benefici a chi ne paga il costo.

Sei ti interessa lavorare nel Tech, consulta la nostra piattaforma Jobs!

Simone Conversano - AI Transformation & Marketing Specialist - Datapizza