AI e produttività: perché i guadagni non si vedono (ancora)

C'è una contraddizione che imbarazza chi vende l'intelligenza artificiale come rivoluzione immediata. Sui singoli compiti l'AI funziona, e bene: scrive bozze, riassume, analizza, fa risparmiare ore. Eppure, se guardi le statistiche sulla produttività di un intero Paese, l'effetto è quasi invisibile. È la versione aggiornata di una battuta famosa dell'economista Robert Solow nel 1987: 'i computer si vedono ovunque, tranne che nelle statistiche della produttività'. Oggi si potrebbe dire lo stesso dell'AI. La domanda vera non è se funziona, ma perché il guadagno si nasconde.

Le forbici: micro contro macro

Il paradosso si misura. A livello di singola mansione, gli studi trovano guadagni tra il 14% e il 55%: in un grande servizio clienti, l'accesso a un assistente AI ha aumentato del 15% i problemi risolti per ora, con benefici molto maggiori per i lavoratori meno esperti. A livello di intera economia, invece, l'economista Daron Acemoglu stima una crescita della produttività di appena lo 0,5-0,7% in dieci anni, cioè circa un decimo di punto l'anno. Tra i due numeri c'è un abisso.

A gonfiare la confusione c'è il dato più citato e più frainteso: uno studio del MIT secondo cui il 95% dei progetti pilota di AI nelle aziende 'fallisce'. Attenzione a cosa significa: quel 95% misura i pilot che non hanno prodotto un ritorno economico rapido entro sei mesi, non quelli senza alcun guadagno di efficienza. È una soglia severa e di brevissimo termine, non una condanna della tecnologia. E se è vero che la spesa in AI traina oggi buona parte della crescita del PIL americano, è spesa per costruire data center, non produttività di chi l'AI la usa davvero.

Il vero motivo: la tecnologia c'è, l'organizzazione no

La spiegazione più solida non riguarda l'AI, ma il modo in cui la infiliamo nelle aziende. Il problema è che la si attacca ai processi vecchi, invece di ridisegnare il lavoro attorno a lei. Uno studio del MIT sulla manifattura ha trovato addirittura un calo iniziale della produttività fino a 60 punti prima della ripresa, che spesso arriva dopo quattro o più anni. È la curva a J: prima si scende, per i costi di apprendimento e riorganizzazione, e solo dopo si risale.

La storia lo ha già raccontato una volta. Quando arrivò l'elettricità, le fabbriche misero i motori elettrici al posto delle vecchie macchine a vapore e non guadagnarono quasi nulla. I benefici veri arrivarono trent'anni dopo, quando una nuova generazione di imprenditori ridisegnò l'intera fabbrica attorno all'elettricità, con i macchinari disposti secondo il flusso del lavoro invece che attorno a un unico albero motore. La tecnologia era pronta molto prima delle organizzazioni. Con l'AI stiamo vivendo lo stesso ritardo: usarla per fare più in fretta le stesse cose di prima è come attaccare un motore elettrico a una macchina a vapore.

Cosa distingue chi ci riesce

↗ Arricchirsi con l'AI è facile? I numeri dicono un'altra cosa

Il piccolo gruppo di aziende che ottiene risultati reali fa tre cose diverse dalle altre. Ridisegna il processo invece di aggiungere l'AI sopra quello esistente. Sceglie il compito giusto, quello dove l'errore costa poco e la ripetizione è alta, invece di puntare al caso più difficile per fare colpo. E misura la cosa giusta: il tempo liberato e la qualità, non il profitto entro il trimestre. Chi pretende dall'AI un ritorno immediato la abbandona proprio quando starebbe per ripagare.

La conclusione, allora, è meno cupa del titolo. L'AI non sta fallendo: sono le organizzazioni a essere lente, come sempre di fronte a una tecnologia che cambia tutto. I guadagni sono reali e arriveranno, ma non a chi compra lo strumento: a chi ha il coraggio e la pazienza di ricostruire il lavoro attorno a esso. Scambiare la discesa della curva per il capolinea è l'errore più facile, e il più costoso.