L’intelligenza artificiale è spesso raccontata come una forza dirompente destinata a trasformare radicalmente l’economia globale. Ma quali sono i suoi effetti reali, oggi misurabili, e quali rischi sistemici porta con sé? Ne abbiamo parlato con il Prof. Francesco Sacco, docente all’Università dell’Insubria e SDA Bocconi, autore del capitolo “L’impatto dell’intelligenza artificiale nell’economia e nelle imprese” nel volume edito da Montabone Editore.
Professore, partiamo dal quadro generale: l’IA sta davvero cambiando l’economia globale
L’intelligenza artificiale sta certamente introducendo cambiamenti profondi, ma è importante distinguere tra percezione e dati. A livello macroeconomico, le evidenze disponibili suggeriscono che l’impatto sull’aumento del PIL e sulla produttività aggregata sarà significativo, ma non travolgente nel breve periodo. Le stime più realistiche indicano un incremento cumulato dell’ordine dell’1–1,5% nei prossimi dieci anni. È un valore importante, ma lontano dalle narrazioni di una rivoluzione immediata e totalizzante, almeno in termini di PIL.
Eppure l’adozione dell’IA sembra rapidissima, soprattutto con l’IA generativa. Come si spiega questa apparente contraddizione?
La velocità di adozione è effettivamente senza precedenti. Strumenti come ChatGPT hanno superato gli 850 di milioni di utenti in 3 anni, Internet ce ne ha messi 12 per arrivare allo stesso numero di utenti. Tuttavia, questa diffusione rapida non si traduce automaticamente in un aumento proporzionale della produttività macroeconomica. Il vero impatto, oggi, si osserva soprattutto a livello microeconomico: sulle persone, sui team e sulle singole imprese che utilizzano l’IA in modo sistematico.
Quali sono, concretamente, i benefici per imprese e lavoratori?
Tra gli utilizzatori più intensivi – i cosiddetti *strong adopter* – l’IA consente già oggi di recuperare fino a 40–50 minuti al giorno per lavoratore. Questo tempo liberato viene spesso reinvestito in attività a maggiore valore aggiunto. Non è una sostituzione immediata del lavoro umano, ma un potenziamento. Il problema è che questi benefici non sono distribuiti in modo uniforme: tendono a concentrarsi su alcune professioni e su chi possiede competenze adeguate.
Nel capitolo lei dedica ampio spazio al ruolo di Nvidia. Perché questa azienda è così centrale nella storia dell’IA?
Perché Nvidia rappresenta un caso emblematico di come l’innovazione non sia solo hardware, ma soprattutto ecosistema software. Le GPU programmabili e, soprattutto, la piattaforma CUDA hanno reso possibile l’addestramento di reti neurali profonde come AlexNet, che nel 2012 ha segnato l’inizio della nuova era dell’IA. Senza questa combinazione di potenza computazionale e strumenti software accessibili, il deep learning non avrebbe avuto lo stesso sviluppo.
Oggi si parla molto di “scaling” dei modelli di IA. È una strategia sostenibile?
Lo scaling – aumentare dati, parametri dei modelli e potenza di calcolo – è stato il principale motore di progresso degli ultimi anni. Ma sta mostrando limiti economici ed energetici evidenti. Per questo stanno emergendo strategie complementari: il *post-training scaling*, che specializza i modelli, e il *test-time scaling*, che migliora il ragionamento durante l’inferenza. Questi approcci rendono l’IA più efficiente, ma rafforzano anche le barriere all’ingresso, favorendo pochi grandi attori globali.
Questo porta a un problema di concentrazione del potere?
Sì, ed è uno dei punti critici. L’IA di frontiera tende a concentrarsi nelle mani di Big Tech e di poche startup fortemente finanziate. È un tipico “effetto San Matteo”: chi ha più risorse può investire di più, migliorare più velocemente e rafforzare ulteriormente il proprio vantaggio competitivo. Questo solleva interrogativi importanti sulla concorrenza, sulla sovranità tecnologica e sulla capacità dei sistemi economici di beneficiare in modo diffuso dell’innovazione.
Che ruolo giocano i data center e le infrastrutture digitali in questo scenario?
Un ruolo centrale. L’IA sta alimentando una corsa globale agli investimenti in data center, GPU e capacità energetica. Le infrastrutture digitali diventano un fattore strategico, al pari delle reti di telecomunicazione. Senza una visione industriale e politica su questi asset, il rischio è di dipendere strutturalmente da pochi fornitori globali, con effetti rilevanti anche sul piano geopolitico.
In conclusione, qual è il messaggio chiave che emerge dal suo capitolo?
L’intelligenza artificiale è una General Purpose Technology: non è solo uno strumento di efficienza, ma una tecnologia capace di trasformare interi settori. Tuttavia, i suoi benefici non sono automatici né neutrali. Dipendono da come viene progettata, adottata e governata. Senza politiche pubbliche, investimenti in competenze e attenzione agli effetti distributivi, l’IA rischia di aumentare le disuguaglianze più di quanto aumenti il benessere collettivo.
Eugenio Costa
