Cosa prevede un Nobel per il nostro lavoro?

La tecnologia corre, le organizzazioni cambiano più piano

Daron Acemoglu prevede un impatto dell'intelligenza artificiale molto più lento di quanto si racconti, e indica dove si decide davvero il suo valore: nella scelta tra sostituire le persone e renderle più capaci.

Chiunque abbia dettato un messaggio vocale al telefono conosce il piccolo rito che segue la trascrizione, si rilegge tutto, parola per parola, per trovare l'unico termine sbagliato e a voltre basta quello a cambiare il senso di una frase, a rendere imbarazzante un saluto o incomprensibile una richiesta. E proprio perché è uno solo, in mezzo a decine di parole corrette, sfugge all'occhio con una facilità sorprendente.

Daron Acemoglu, premio Nobel per l'economia nel 2024, ripete quel rito da quasi trent'anni. Nel 1997 una lesione da sforzo ripetuto a entrambe le braccia gli ha reso impossibile usare la tastiera, e da allora lavora dettando: prima con le versioni pionieristiche di Dragon Naturally Speaking, poi con tutto ciò che è venuto dopo. Da questa esperienza personale, oltre che da decenni di ricerca sull'economia dell'innovazione, nasce il suo articolo per il primo numero di The Humanist Review of AI. È la nuova rivista con cui Microsoft AI, la divisione guidata da Mustafa Suleyman, vuole esplorare il futuro dell'intelligenza artificiale..

La tesi va controcorrente rispetto al racconto che domina convegni, investimenti e titoli di giornale, per Acemoglu l'intelligenza artificiale è straordinaria e lo diventerà sempre di più, ma i suoi effetti sull'economia e sul lavoro arriveranno lentamente. Soprattutto, rischiamo di sprecarne il potenziale perché la stiamo pensando e costruendo nel modo sbagliato.

Una previsione che raffredda gli animi

Il 52% degli americani si dice preoccupato per gli effetti dell'AI sul proprio lavoro, mentre le aziende tecnologiche investono cifre senza precedenti in chip e data center. In questo clima Acemoglu conferma una stima che aveva fatto due anni fa e che, secondo lui, regge ancora. Nei prossimi dieci anni l'intelligenza artificiale non dovrebbe sostituire molto più del 5% di ciò che fanno gli esseri umani. L'effetto sul PIL sarebbe intorno all'1,5% nell'intero decennio: una crescita apprezzabile, ma lontanissima dalla rivoluzione annunciata.

Lui stesso definisce quel numero poco più di una stima di massima, e il ragionamento che lo produce è semplice da seguire. Entro la fine di questo decennio sarà in grado di automatizzare le attività d'ufficio e cognitive più semplici, che valgono circa il 20% del lavoro nell'economia statunitense, ma i compiti che richiedono giudizio, ragionamento su più piani e capacità sociali resteranno a lungo fuori portata, insieme a quelli che comportano un'interazione complessa con il mondo fisico. La storia delle tecnologie precedenti dice poi che solo una parte di ciò che si può automatizzare viene automatizzato davvero in tempi brevi. Acemoglu stima che in dieci anni si arriverà a circa un quarto di quel 20%, cioè al 5%.

A sostegno di questa prudenza richiama la battuta con cui Robert Solow, nel 1987, osservava che l'era dei computer si vedeva ovunque tranne che nelle statistiche sulla produttività. Secondo Acemoglu oggi vale lo stesso per l'intelligenza artificiale. I risultati notevoli ottenuti in laboratorio, nella scrittura di codice o nella diagnostica radiologica, nascono in contesti chiari e con compiti ben delimitati, ma quando gli stessi strumenti entrano nelle organizzazioni reali, i risultati si ridimensionano: gli ingegneri passano molto tempo a correggere il codice generato e i medici faticano a integrare le indicazioni della macchina con la propria esperienza. Del resto le previsioni sulla scomparsa di radiologi, autisti e contabili si sono susseguite per anni senza avverarsi, e oggi gli ospedali hanno bisogno di più radiologi di prima.

Quello che l'elettricità ci ha già insegnato

Per spiegare perché la strada sarà lunga, Acemoglu scarta i paragoni enfatici che circolano nel settore, come quello con la scoperta del fuoco, e ne sceglie uno più sobrio e più istruttivo: l'elettricità. Già nei primi anni Ottanta dell'Ottocento New York e Londra avevano centrali elettriche, e in molti prevedevano che l'elettricità avrebbe trasformato fabbriche, case e trasporti, eppure ancora negli anni Venti del Novecento la usava solo circa la metà delle fabbriche e delle abitazioni. Gli storici dell'economia hanno mostrato che la lentezza non dipendeva dai limiti della tecnologia, perché le fabbriche erano costruite intorno a un'unica fonte di energia meccanica, e per sfruttare la flessibilità dei motori elettrici bisognava ripensarle da capo.

Con l'intelligenza artificiale, sostiene Acemoglu, l'adozione produttiva potrebbe essere persino più lenta, è necessario ridistribuire i compiti tra i modelli e le persone e insegnare agli specialisti a lavorare con strumenti nuovi. I manager devono capire che cosa vogliono davvero ottenere dall'AI e come arrivarci, e qui sta il rischio più concreto. Molte organizzazioni potrebbero puntare subito all'automazione completa di interi ruoli, un obiettivo che resterà a lungo fuori portata. Il risultato sarebbe un ritardo dei guadagni di produttività e, paradossalmente, degli stessi effetti sull'occupazione.

La lezione di Dragon e il peso dell'ultimo 1%

La storia del riconoscimento vocale, che Acemoglu ha vissuto da utente prima ancora che da studioso, aggiunge un elemento che l'elettricità non mostra. Negli anni Ottanta James e Janet Baker fondarono Dragon Systems e cambiarono approccio al problema, rinunciarono a insegnare alla macchina sintassi e significato e costruirono invece un sistema predittivo, basato sull'apprendimento automatico, che associava a ogni suono la trascrizione più probabile. Nel 1997 Dragon Naturally Speaking fu il primo programma capace di trascrivere un parlato continuo, con un'accuratezza vicina al 95% che sui processori dell'epoca sembrava una magia. Tutto lasciava pensare che, con computer sempre più potenti, i miglioramenti sarebbero stati rapidi e costanti.

Non è andata così, e non per colpa della tecnologia. Nel 2000 Dragon passò a Lernout & Hauspie, società belga fallita pochi mesi dopo in uno scandalo di frode societaria. La rilevò a poco prezzo ScanSoft, poi diventata Nuance, che spostò via via l'attenzione dal prodotto per i consumatori ai mercati medico e aziendale. Microsoft ha mantenuto la stessa linea dopo aver acquisito Nuance nel 2022. Il risultato, scrive Acemoglu, è che il riconoscimento vocale sui personal computer oggi è solo di poco migliore di quello disponibile nel 2000.

Da questa vicenda escono due lezioni:

La prima è che i progressi della tecnologia di base creano valore solo se arrivano insieme ad applicazioni costruite bene, a canali per raggiungere gli utenti e a un ascolto continuo delle loro esigenze. Secondo Acemoglu è proprio questo che oggi manca all'intelligenza artificiale.

La seconda riguarda l'ultimo 1% di errore, quello che ritroviamo ogni volta che rileggiamo un testo dettato, anche quando un sistema dichiara il 99% di accuratezza in condizioni ideali, quell'1% può cambiare il significato di una frase, far fraintendere un comando, obbligare a ricontrollare ogni messaggio. L'automazione completa richiede di risolvere esattamente queste ultime difficoltà. A queste si aggiungono il giudizio nelle situazioni ad alto rischio e la relazione con le altre persone.

Due intelligenze diverse, che conviene far collaborare

Da qui Acemoglu arriva al punto più originale del suo ragionamento. Far imitare all'intelligenza artificiale quella umana è un obiettivo non solo difficile, ma sbagliato in partenza.

Noi impariamo da pochi esempi. Formuliamo ipotesi, immaginiamo le possibilità e le mettiamo alla prova nel mondo reale, per tentativi ed errori, osservando le persone intorno a noi e confrontandoci con loro. Ragioniamo con tutto il corpo, e non solo per previsione ma anche per deduzione, induzione e verifica, a volte d'istinto, perfino le nostre "allucinazioni" sono una risorsa e non un difetto: ci permettono di immaginare mondi possibili e di scartare in fretta quelli irrealistici.

I modelli di intelligenza artificiale funzionano in modo opposto, imparano da enormi quantità di dati, eccellono nel riconoscere schemi in archivi sterminati e applicano ciò che hanno imparato tanto ai contesti astratti quanto a quelli concreti. Non sanno però imparare dagli altri in tempo reale, e quando allucinano non hanno i filtri che permetterebbero loro di accorgersi dell'errore.

Acemoglu chiama questa direzione pro-worker AI: un'intelligenza artificiale che rende le persone più capaci nel loro lavoro e crea per loro competenze nuove. E insiste che non è un'utopia, perché è già alla portata dei modelli che esistono oggi. L'esempio che propone viene dalla scuola, invece di applicazioni che provano a sostituire l'insegnante, immagina strumenti che individuano in quali parti del programma ogni studente ha difficoltà e suggeriscono come dividere la classe in piccoli gruppi. Così il docente può intervenire in modo mirato e offrire percorsi personalizzati che finora costavano troppo. Per costruirli, osserva, basta un modello linguistico di medie dimensioni addestrato sul programma e su dati di qualità raccolti da insegnanti esperti., e il suo gruppo di ricerca ne sta già sperimentando dei prototipi.

Perché allora inseguiamo l'automazione

Se questa strada è percorribile e promette risultati migliori, perché l'industria va da un'altra parte? Acemoglu individua quattro forze, tre economiche e una culturale.

La prima sono i modelli di business dei grandi sviluppatori, sono costruiti sulla vendita di software alle imprese e sulla pubblicità digitale, e non hanno mai esplorato il mercato degli strumenti che potenziano le persone.

La seconda è la concentrazione del settore, i sette giganti della tecnologia valgono da soli il 60% del NASDAQ, e molte startup nascono con l'obiettivo di farsi comprare da uno di loro, perpetuando gli stessi modelli.

La terza Acemoglu la descrive con l'immagine dei dadi e dei bulloni: le imprese chiedono automazione perché si aspettano di ricevere solo quella, e i fornitori sviluppano automazione perché pensano che le imprese vogliano solo quella.

La quarta forza è culturale. L'idea della macchina che eguaglia e supera l'uomo risale al "gioco dell'imitazione" di Alan Turing e si è nutrita di decenni di fantascienza, ha fatto della parità con le capacità umane il metro di successo di ogni applicazione, e ha diffuso una visione degli esseri umani come fallibili e inclini all'errore, quindi da sostituire.

A queste forze si aggiunge una distorsione che Acemoglu considera decisiva, quella fiscale., negli Stati Uniti l'aliquota marginale effettiva sul lavoro supera il 25%, mentre quella sul capitale è vicina allo zero. Questa asimmetria finisce per sovvenzionare l'acquisto di macchine al posto dell'assunzione e della formazione delle persone, e secondo Acemoglu si ritrova in diverse altre economie avanzate.

Le sue proposte vanno in quattro direzioni. Riequilibrare il trattamento fiscale di lavoro e capitale. Finanziare programmi pubblici snelli che dimostrino sul campo che l'approccio funziona, come è successo con le energie rinnovabili. Applicare con decisione le regole antitrust. Costruire un vero mercato dei dati, in cui chi produce conoscenza di qualità possa controllarla ed essere pagato per questo: come l'elettricista esperto che risolve i casi più complessi e i cui interventi servono ad addestrare gli strumenti per i colleghi.

Che cosa ne portiamo a casa

L'articolo di Acemoglu si presta a letture diverse, ed è giusto lasciarle aperte.

Chi guarda con preoccupazione all'impatto dell'AI sull'occupazione vi troverà un motivo per ridimensionare le paure più immediate, ma non per abbassare la guardia. Lo stesso Acemoglu avverte che, continuando così, rischiamo di aumentare le disuguaglianze, perdere molti posti di lavoro e non ottenere nemmeno i guadagni di produttività promessi.

Chi invece è convinto che la tecnologia stia accelerando più di quanto dicano i numeri potrà far notare che lui stesso ammette che i modelli sono migliorati più in fretta del previsto, che il 5% resta una stima di massima e che i nuovi agenti potrebbero cambiare il quadro.

Chi guida un'organizzazione potrà soffermarsi sulla parte meno spettacolare e forse più utile del ragionamento: quella che sposta il collo di bottiglia dalla tecnologia alla capacità di riorganizzare il lavoro, ripensare i ruoli e formare le persone.

C'è poi un aspetto che merita attenzione a parte, un'analisi così critica verso la concentrazione del settore tecnologico, che cita Microsoft per nome sia tra i sette giganti sia nella storia di Dragon, esce sul primo numero di una rivista pubblicata proprio dalla divisione di intelligenza artificiale di Microsoft. Mustafa Suleyman l'ha rilanciata con un messaggio che ne mette in risalto soprattutto la parte rassicurante, si può leggere come un segno di apertura al confronto, come un modo per intestarsi un dibattito scomodo, o come entrambe le cose. Anche questa valutazione spetta a ciascun lettore.

Acemoglu chiude ricordando che il futuro dell'intelligenza artificiale non è già scritto. A cambiarne la direzione non saranno i modelli, né chi è convinto che il loro destino sia mettere da parte le persone, ma l'ingegno umano e la nostra capacità di immaginare mondi diversi e di agire per realizzarli. Ognuno di noi, nel proprio lavoro, ha già davanti una piccola parte di questa scelta. Ogni volta che introduciamo uno strumento nuovo possiamo valutarlo per quanto lavoro ci toglie oppure per quanto ci permette di fare meglio. Quale dei due criteri sceglieremo, quando sarà il nostro turno di decidere?