Intelligenza Artificiale Generativa L’impatto su lavoro, produttività, disuguaglianze e preparazione delle diverse economie alla transizione tecnologica
Intelligenza Artificiale Generativa L’impatto su lavoro produttività disuguaglianze e preparazione delle diverse economie alla transizione tecnologica. Ad ulteriore approfondimento del possibile o potenziale impatto dell’intelligenza artificiale sull’occupazione, la Staff Discussion Note del Fondo Monetario Internazionale(IMF), intitolata “Gen-AI: Artificial Intelligence and the Future of Work“, pubblicata nel gennaio 2024, esamina come l’intelligenza artificiale, e in particolare l’intelligenza artificiale generativa, possa incidere sul lavoro, sulla produttività, sulle disuguaglianze e sulla preparazione dei diversi Paesi alla transizione tecnologica.
Secondo gli autori, l’intelligenza artificiale è destinata a incidere in modo profondo sull’economia mondiale e soprattutto sui mercati del lavoro. I suoi effetti, però, non sono univoci, perché in alcuni casi può sostituire il lavoro umano e in altri può, invece, accrescerne la produttività.
L’AI può amplificare le disuguaglianze di reddito e di ricchezza, soprattutto se si rivela fortemente complementare ai lavoratori ad alto reddito e se l’aumento dei rendimenti del capitale si concentra nelle fasce più abbienti. Se i guadagni di produttività saranno abbastanza elevati, comunque, i redditi potrebbero crescere per gran parte dei lavoratori.
Nell’elaborato, l’AI viene descritta come uno shock positivo, in grado di estendere la frontiera produttiva, ma anche di riorganizzare il rapporto tra lavoro e capitale e di modificare profondamente mansioni, professioni e settori. L’introduzione dell’AI non coincide semplicemente con l’automazione tradizionale dal momento che gli strumenti AI e soprattutto GenAI based, non si limitano a ottimizzare compiti ripetitivi, ma possono generare nuovi contenuti e svolgere funzioni cognitive prima ritenute tipicamente umane. Questo rende molto più incerta la stima del reale impatto sull’occupazione, perché l’intelligenza artificiale mette in discussione la convinzione secondo cui il progresso tecnologico colpisce soprattutto lavori medi o poco qualificati, ed investe anche ruoli altamente specializzati.
Come ciascuno può facilmente immaginare, i laureati risultano storicamente più capaci di transitare verso occupazioni con maggiore complementarietà all’AI, mentre i lavoratori più anziani appaiono più vulnerabili. Gli autori si chiedono se i lavoratori siano effettivamente in grado di spostarsi dalle occupazioni più vulnerabili verso quelle che presentano maggiore complementarietà con l’AI. L’analisi, condotta sui microdati di Brasile e Regno Unito, mostra che i lavoratori con istruzione universitaria hanno storicamente una maggiore capacità di passare a occupazioni oggi classificate come ad alta complementarietà, mentre i non laureati risultano meno mobili in questa direzione. Rilevano, inoltre, che i lavoratori giovani e istruiti presentano una traiettoria di carriera in cui, soprattutto tra i venti e i trent’anni, sono più frequenti i passaggi da lavori a minore complementarietà verso lavori a maggiore complementarietà, mentre dopo una certa età la mobilità tende a ridursi. Di contro, si desume la vulnerabilità dei lavoratori anziani, che – una volta estromessi dal lavoro – mostrano probabilità di reimpiego inferiori rispetto ai lavoratori di età centrale, soprattutto nelle occupazioni più esposte e complementari. Ciò viene ricondotto a obsolescenza delle competenze, minore propensione o convenienza alla riqualificazione, minore mobilità geografica e possibili bias legati all’età.
Per quanto riguarda gli effetti dei cambi di occupazione sulle remunerazioni, nei casi osservati il passaggio verso lavori ad alta esposizione e alta complementarità è associato a premi salariali, mentre il passaggio verso occupazioni a bassa esposizione può comportare perdite di reddito, almeno in alcuni contesti come il Brasile. I modelli storici di transizione, perciò, non consentono di prevedere con certezza come si comporterà il mercato del lavoro nel nuovo contesto tecnologico.
Mediante un modello calibrato sul Regno Unito, gli autori identificano tre canali principali attraverso cui l’AI può incidere sull’economia: il displacement, cioè la sostituzione di compiti di lavoro con capitale AI, la complementarity, cioè il rafforzamento del valore e della domanda delle mansioni umane non sostituite e il productivity gain, cioè il guadagno generale di produttività che può aumentare investimenti, domanda di lavoro e reddito aggregato. Il modello distingue poi fra reddito da lavoro, reddito da capitale e altre entrate, e mostra che i lavoratori ad alto reddito dipendono molto più degli altri dai redditi da capitale. Per questo motivo l’adozione dell’AI, pur aumentando i rendimenti del capitale, tende sempre ad accrescere la disuguaglianza patrimoniale e la componente di reddito da capitale.
Nel Report, vengono simulati tre scenari: bassa complementarietà; alta complementarietà; alta complementarietà con alta produttività. In tutti gli scenari si assume una riduzione della quota lavoro di 5,5 punti percentuali, in linea con episodi storici comparabili di automazione. Se la complementarietà è bassa, la sostituzione prevale e la disuguaglianza del reddito da lavoro può ridursi, perché i redditi alti risultano più colpiti dalla sostituzione. Se la complementarietà è elevata, invece, i lavoratori ad alto reddito e in mansioni più complementari vedono aumenti proporzionalmente superiori del reddito da lavoro, con conseguente crescita della disuguaglianza. Nel terzo scenario, quando si aggiunge un forte incremento di produttività, il reddito da lavoro cresce per tutti, ma cresce di più in alto, quindi anche in questo caso la disuguaglianza aumenta. Sul piano aggregato, lo scenario più favorevole produce un incremento significativo dell’output e della produttività totale dei fattori. Il capitolo sottolinea anche che, nelle economie emergenti e in via di sviluppo, un’elevata disuguaglianza iniziale potrebbe amplificare i divari patrimoniali, mentre il minore grado di esposizione all’AI potrebbe attenuare l’impatto diretto. Inoltre viene richiamata la possibilità che l’AI, attraverso reshoring (il ritorno di attività produttive, servizi o funzioni economiche nel Paese d’origine dell’impresa, dopo che erano stati delocalizzati all’estero) e riallocazioni internazionali di capitale e lavoro, ampli la disparità economica globale, pur lasciando aperta anche la possibilità opposta di un leapfrogging (salto di una o più fasi intermedie di sviluppo tecnologico o economico) in alcuni settori.
Ad ogni modo, l’esposizione all’AI, da sola, non basta a determinare gli effetti economici se non è coniugata alla preparazione strutturale e istituzionale dei Paesi. Secondo il report, quasi il 40% dell’occupazione globale è esposta all’AI; la quota sale al 60% nelle economie avanzate, si colloca nuovamente intorno al 40% nelle economie emergenti e al 26% nei Paesi a basso reddito. Tuttavia, sono proprio le economie avanzate, che risultano più esposte, allo stesso tempo quelle meglio attrezzate per sfruttarne i benefici. L’infrastruttura digitale viene considerata la base per la diffusione dell’AI, ma essa sarebbe poco utile senza una forza lavoro capace di utilizzare strumenti digitali in modo efficace. Il capitale umano e le politiche del lavoro, incluse reti di protezione sociale e strumenti che favoriscano la riallocazione dei lavoratori, sono allora elementi essenziali. A loro volta, infrastrutture e competenze devono accompagnarsi a capacità di innovazione, integrazione economica internazionale e quadri normativi adattabili, altrimenti l’adozione dell’AI resta limitata o squilibrata. Le economie avanzate e alcune economie emergenti risultano in media più preparate e, proprio perché più esposte, sono anche in posizione migliore per sfruttare i benefici e gestire i rischi. I Paesi a basso reddito, invece, pur essendo meno esposti nel breve periodo, appaiono sottopreparati in tutte le dimensioni, soprattutto per carenze infrastrutturali e di competenze digitali. Da qui deriva il rischio di un ampliamento del divario tra economie ricche e povere e, di conseguenza, le priorità di policy. Nelle economie avanzate e in alcune economie emergenti più sviluppate occorre rafforzare innovazione e regolazione, mentre nelle economie meno preparate infrastrutture digitali e competenze appaiono, per ora, più importanti. Dove la preparazione di base è forte, la priorità dovrebbe andare soprattutto alla regolazione, all’etica, alla cybersicurezza e alla capacità innovativa; dove invece la preparazione di base è debole, diventano prioritari investimenti in infrastruttura e capitale umano, da orientare però verso progetti ad alto rendimento, considerati i vincoli fiscali, e orientandosi ad un uso inclusivo dell’AI, ad esempio nei servizi pubblici, nella sanità, nell’istruzione, nell’agricoltura e nell’inclusione finanziaria, purché accompagnato da adeguati meccanismi di controllo e supervisione.
