L’intelligenza artificiale (AI) è al centro di aspettative crescenti sulla produttività, sul lavoro, sulla crescita, sulla finanza e sull’energia. La questione decisiva, però, non è stabilire se l’AI sia potente o rivoluzionaria, ma capire quanto della trasformazione annunciata sia già incorporata nell’economia e quanto appartenga ancora alle aspettative. La tesi è relativamente semplice: una maggiore capacità tecnologica, anche molto rapida, non costituisce di per sé un nuovo paradigma economico. Perché ciò avvenga occorre una trasformazione congiunta di infrastrutture, produzione, domanda, lavoro ed energia.

L’AI richiede infatti un’infrastruttura materiale: datacenter, semiconduttori, GPU, reti, acqua, sistemi di raffreddamento ed elettricità. Una parte di questa infrastruttura viene costruita prima che sia dimostrata una domanda capace di assorbirne i costi. Più AI, dunque, non significa automaticamente nuovo paradigma tecno-economico: una tecnologia diventa economicamente pervasiva quando trova una domanda solvibile, viene incorporata nei processi produttivi e genera nuovi beni, servizi e forme organizzative. Tecnologia, domanda e offerta evolvono insieme al reddito, alla struttura produttiva e all’organizzazione del lavoro.

Il problema è particolarmente evidente nell’energia. I datacenter possono diventare un vincolo fisico alla diffusione dell’AI quando la domanda di elettricità cresce più rapidamente dell’efficienza. Un datacenter da 10 MW può consumare quanto circa 20.000 abitazioni; oggi esistono strutture da centinaia di MW. L’efficienza di una singola applicazione non basta quindi a valutare l’impatto complessivo: occorre osservare la domanda aggregata, la capacità delle reti e la disponibilità di energia. L’AI non può essere considerata sostenibile isolandola dal sistema energetico nel quale si inserisce.

Da qui deriva una seconda tesi: l’AI richiede qualcosa di più di una semplice contabilità dei consumi energetici, piuttosto di una vera teoria della sua termodinamica. Come suggerisce Pierpaolo Contucci, occorre affiancare all’intensità energetica (energia/PIL) la produttività energetica (PIL/energia). Ma la questione è più profonda: comprendere i principi fisici che rendono possibili le prestazioni dell’AI può essere necessario per conoscerne i limiti, aumentarne l’efficienza e renderne lo sviluppo controllabile. La questione energetica, quindi, non è un effetto collaterale dell’AI, ma una possibile condizione del suo sviluppo.

Anche la produttività richiede cautela. L’AI può aumentare la produttività del lavoro senza produrre ancora un aumento proporzionale della produttività complessiva. Per attribuire un risultato all’AI occorre distinguere il suo uso dagli effetti di investimenti, formazione, organizzazione e domanda, e costruire un controfattuale: cosa sarebbe accaduto senza AI? Non esiste quindi una sola “produttività dell’AI”. Va osservata attraverso investimenti, ricerca e sviluppo, brevetti, processi produttivi, output e domanda. I brevetti mostrano una forte accelerazione, soprattutto nella GenAI, ma non equivalgono a innovazione commercializzata, produttività o trasformazione sistemica.

Anche la distribuzione geografica e industriale è rilevante. Brevetti, capacità di calcolo, semiconduttori, datacenter e grandi piattaforme sono concentrati in un numero ristretto di economie e imprese. L’AI può quindi rafforzare il rapporto tra innovazione, potere di mercato e distribuzione del reddito. La sua diffusione non è soltanto una questione tecnologica: riguarda anche chi controlla le infrastrutture, chi sostiene gli investimenti e chi beneficia dei risultati. L’enciclica di Papa Leone, Magnifica Humanitas, è una ottima rappresentazione di come il potere possa e debba essere “sequestrato” al dominio del mercato.

Le aspettative sull’AI hanno inoltre preceduto in parte i risultati economici osservabili, sostenendo investimenti e valutazioni finanziarie elevate. Il rischio non è che l’AI non funzioni, ma che funzioni più lentamente o meno di quanto oggi incorporato nei prezzi e nei piani di investimento. Se alle valutazioni elevate si aggiungono debito, leva finanziaria e interdipendenze tra imprese, una correzione può trasmettersi dal mercato azionario al credito. La distanza tra aspettative finanziarie e capacità produttiva effettivamente osservabile diventa quindi una variabile economica da monitorare.

Infine, emerge il problema del governo. Come regolamentare una tecnologia che non conosciamo ancora pienamente? Non è sufficiente scegliere in anticipo un modello definitivo di regolazione, perché parte delle conseguenze dell’AI resta incerta. Occorrono istituzioni capaci di osservare, misurare e correggere, distinguendo ciò che è già verificabile da ciò che appartiene alle aspettative. Governare l’AI significa quindi governare anche l’incertezza: costruire regole capaci di adattarsi alla conoscenza che progressivamente emergerà.

L’AI non è dunque né una rivoluzione già compiuta né una semplice moda. È una tecnologia potente che sta ancora costruendo le condizioni della propria integrazione economica. La questione centrale non è quanta AI possiamo produrre, ma quale sistema economico, energetico e istituzionale sarà necessario per sostenerla. Senza una trasformazione delle infrastrutture e senza una comprensione dei suoi vincoli fisici, l’AI può rimanere una tecnologia avanzata senza diventare un nuovo paradigma economico. Solo quando tecnologia, domanda, produzione, infrastrutture ed energia evolveranno insieme sarà possibile capire se siamo davvero di fronte a una nuova fase dello sviluppo.