In questo articolo
C’è un vecchio adagio nel mondo della tecnologia che sembra non morire mai: “La rivoluzione è dietro l’angolo”. Eppure, mentre le Big Tech bruciano miliardi di dollari (e gigawatt di energia) per costruire data center grandi come città stato, c’è un dato che manca all’appello. Un dato piccolo, insignificante, quasi trascurabile: la produttività non sta aumentando.
Non lo dico io, che pure nutro un sano scetticismo verso chi vende miracoli digitali. Lo dice JP Gownder, vicepresidente e analista principale di Forrester, una delle società di analisi di mercato più influenti al mondo. In una recente intervista a The Register, Gownder è stato brutale: nonostante l’hype, nonostante i chip Nvidia venduti a peso d’oro, l’aumento della produttività “semplicemente non si vede”.
Il paradosso di Solow colpisce ancora
Siamo di fronte a quella che gli economisti chiamano una riedizione del Paradosso di Solow. Robert Solow, premio Nobel per l’economia, nel 1987 disse una frase diventata leggenda: «Si vede l’era dei computer dappertutto, tranne che nelle statistiche sulla produttività». Oggi, la storia si ripete con l’IA generativa.
I dati citati da Gownder sono impietosi. Tra il 1947 e il 1973 (pre-PC), la produttività cresceva del 2,7% annuo. Tra il 1990 e il 2001, con i PC ovunque, siamo scesi al 2,1%. Ma tra il 2007 e il 2019, siamo crollati all’1,5%. Insomma, più tecnologia immettiamo nel sistema, meno sembra che il sistema riesca a produrre valore reale per ora lavorata.
Il mito dell’efficienza e la realtà dello “slop”
Ma come è possibile? Ci avevano promesso che l’IA avrebbe fatto tutto al posto nostro. La realtà è ben diversa. Un notevole studio del MIT ha rilevato che il 95% delle aziende che hanno integrato l’IA ha visto zero crescita significativa nei ricavi. Anzi, in molti casi, l’IA ci rende più lenti.
Prendiamo i programmatori, la categoria che doveva essere la prima a beneficiare (o a estinguersi) grazie a Copilot e simili. Un altro studio ha mostrato che i programmatori che usano strumenti di coding AI sono diventati, nei fatti, più lenti nel loro lavoro. Invece di scrivere codice, passano il tempo a fare debugging di quello scritto male dalla macchina.
E non va meglio per gli agenti autonomi. Quando i ricercatori del Center for AI Safety hanno testato la capacità degli agenti AI di completare compiti di lavoro remoto, nessun modello è riuscito a completare più del 3% delle assegnazioni. Il risultato? Un disastro nelle relazioni lavorative, con i dipendenti costretti a gestire quello che un’altra ricerca definisce “workslop” di bassa qualità, sperando che qualcun altro pulisca il pasticcio.
Non è innovazione, è solo outsourcing mascherato
Qui arriviamo al punto politico della questione. Se l’IA non funziona così bene, perché le aziende continuano a licenziare persone con la scusa dell’automazione? Alcuni boss che avevano licenziato in favore dell’IA hanno dovuto fare marcia indietro e riassumere i lavoratori umani, ammettendo implicitamente il fallimento.
Ma Gownder ci offre una chiave di lettura ancora più cinica: l’IA è spesso un paravento per il vecchio, caro taglio dei costi tramite delocalizzazione. «Licenziano le persone a causa dell’IA, e poi tre settimane dopo assumono un team in India perché la manodopera costa molto meno», ha spiegato a The Register.
La bolla e il costo sociale
Nonostante l’inefficienza attuale, Forrester prevede che entro il 2030 circa 10,4 milioni di posti di lavoro andranno persi “strutturalmente”. Non perché l’IA sia intrinsecamente superiore, ma perché il sistema economico favorisce la mediocrità a basso costo rispetto alla qualità artigianale umana.
Viviamo in una forma di realismo capitalista in cui non riusciamo a immaginare un’alternativa a questa corsa al ribasso, anche quando i dati ci urlano che la strada è sbagliata. L’IA, per ora, non è il motore a vapore della nostra epoca; è un casinò dove le fiches sono i nostri posti di lavoro.
