“Il futuro è già qui, solo che non è distribuito in modo uniforme.”
William Gibson
Ogni rivoluzione tecnologica porta con sé una promessa familiare: la produttività salirà, i costi scenderanno e la società diventerà più ricca.
Quella promessa non è sbagliata. È semplicemente incompleta.
La vera domanda non è se l’IA possa rendere l’economia più produttiva. Quasi certamente sì. La domanda è chi riceve il dividendo di produttività quando l’intelligenza stessa diventa economica, scalabile e disponibile su richiesta.
Il team di Economics di Anthropic ha pubblicato uno dei tentativi più chiari finora di modellare questo dilemma. Il working paper di settembre 2026, Economic Scenarios for Transformative AI, non prova a prevedere un solo futuro. Costruisce tre scenari condizionali per l’economia USA nel 2030, dalla diffusione modesta a una trasformazione rapida del lavoro cognitivo.[1]
I numeri di copertina sono spettacolari: a seconda delle ipotesi, il PIL USA nel 2030 è tra il 1.6% e il 32.4% più alto di quanto sarebbe senza IA. Eppure lo stesso modello mostra l’occupazione cognitiva in calo, la quota del reddito al lavoro che scende e il capitale che cattura una parte molto più ampia dei guadagni.
Questo è il paradosso che dovrebbe preoccupare ogni lavoratore della conoscenza, founder, policymaker e investitore.
Un’economia può diventare molto più ricca mentre le persone il cui lavoro creava il suo vecchio valore diventano economicamente meno centrali.
Non è la previsione che il lavoro umano diventerà senza valore. È un avvertimento: il PIL è un pessimo proxy per capire se il progresso tecnologico viene condiviso in modo diffuso.
1. Il numero più importante non è il 32%
Correggiamo prima il modo in cui questa ricerca probabilmente girerà sui social.
Anthropic non prevede che l’economia USA crescerà del 32% l’anno. Nel suo scenario estremo, modella il PIL USA nel 2030 come 32.4% più alto di un controfattuale senza IA, il che corrisponde a una crescita annua di circa 15.4% nel modello, contro il 2.0% senza IA.[1]
La distinzione conta. Il paper non è un oracolo. È un motore di scenari. Gli autori, Anton Korinek, Charles I. Jones, Szymon Sacher, Tess Cotter e Peter McCrory, dichiarano esplicitamente che i tre percorsi sono illustrativi e che al momento nessuno può essere escluso.[1]
Il loro modello pone una domanda deliberatamente pratica: se capacità dell’IA, adozione, automazione e aggiustamento del mercato del lavoro seguono un certo percorso, quali risultati economici ne derivano?
La risposta dipende da cinque leve:
- Quanta parte del lavoro l’IA può toccare.
- Quanto ampiamente le aziende la adottano davvero.
- Quanta produttività crea in ciascun compito interessato.
- Quanta di quell’adozione automatizza il lavoro invece di potenziarlo.
- Quanti nuovi compiti umani emergono dopo che i vecchi sono stati automatizzati.
L’ultima leva è quella da osservare più da vicino.
La storia economica non è una favola semplice di macchine che sostituiscono gli umani. È la storia di macchine che sostituiscono certi compiti, abbassano i costi, creano nuova domanda e, a volte, generano occupazioni del tutto nuove. La domanda difficile è se l’IA ripeterà quel pattern abbastanza in fretta per chi ne sarà rimpiazzato.
Il modello di Anthropic non assume che la risposta sia automaticamente sì.
2. Tre futuri, tre contratti sociali molto diversi
Il paper modella un’economia USA con due grandi gruppi: occupazioni cognitive, direttamente esposte all’IA, e tutte le altre. È una semplificazione sostanziale, ma rende visibile la tensione centrale.
| Scenario nel 2030 | PIL rispetto al percorso senza IA | Crescita annua del PIL | Variazione dell’occupazione cognitiva dalla metà del 2026 | Disoccupazione complessiva | Quota del reddito al lavoro |
|---|---|---|---|---|---|
| Cambiamento modesto | +1.6% | 2.4% | -0.5% | 3.9% | 59.4% |
| Cambiamento sostanziale | +8.3% | 5.4% | -3.9% | 4.6% | 56.1% |
| Cambiamento estremo | +32.4% | 15.4% | -21.5% | 11.9% | 45.2% |
Fonte: Anthropic Institute, Tabella 3. Tutte le cifre sono output del modello, non previsioni.[1]
Lo scenario modesto è una storia dell’IA che molti leader aziendali riconoscerebbero. L’IA tocca solo una quota limitata di compiti, l’adozione è graduale e i guadagni di produttività sono reali ma incrementali. L’impatto assomiglia all’arrivo ai margini di una tecnologia per usi generali significativa, più che a una rottura sociale.
Lo scenario sostanziale è più inquietante. Entro il 2030 l’IA può svolgere metà di tutto il lavoro cognitivo, in gran parte in modo autonomo, ma le aziende non la implementano ovunque potrebbe essere usata. Il modello produce un PIL superiore dell’8.3% al percorso senza IA. I salari medi aumentano leggermente. Eppure l’occupazione cognitiva cala del 3.9%, i salari cognitivi scendono e la quota del reddito al lavoro passa dal 60% al 56.1%.[1]
Non è disoccupazione di massa. È, per certi versi, un esito politicamente più difficile: un’economia che appare sana in aggregato mentre una classe specifica di lavoratori vede erodersi il proprio potere contrattuale.
Lo scenario estremo è il vero esperimento mentale. L’IA diventa più produttiva degli umani nella maggior parte dei compiti del lavoro cognitivo, l’adozione accelera e l’automazione travolge la creazione di nuovi compiti cognitivi. Il PIL sale del 32.4% rispetto al percorso senza IA. Il reddito da capitale sale dell’81.4%. Nel frattempo, l’occupazione cognitiva scende del 21.5%, la disoccupazione cognitiva arriva al 17.9% e la quota del reddito al lavoro scende al 45.2%.[1]
L’economia corre. Ma il contratto sociale che un tempo legava istruzione, lavoro e sicurezza economica inizia a incrinarsi.
3. Il modello non dice che il lavoro perde valore. Dice che la proprietà conta di più.
L’affermazione più drammatica che circola sulla ricerca è che l’IA renda il lavoro intellettuale economicamente senza valore. Non è ciò che dice il modello di Anthropic.
Anche nello scenario estremo, i salari medi sono del 9.7% più alti rispetto al percorso senza IA. Il problema è la distribuzione. I salari cognitivi calano dell’11.5%, mentre i salari nelle occupazioni al di fuori del gruppo direttamente esposto salgono del 33.6%.[1]
È una tesi più interessante, e più realistica, della solita narrazione “l’IA si prende tutti i lavori”.
Il modello suggerisce un mondo in cui la ricompensa al lavoro non scompare in modo uniforme. Diventa più diseguale. Chi svolge lavori facilmente scomponibili in compiti cognitivi prevedibili vede diminuire la propria scarsità. Chi svolge lavori incarnati, locali, relazionali, regolati o difficili da standardizzare può guadagnare leva, almeno per un periodo. I proprietari di capitale, sistemi di IA, dati, distribuzione e infrastrutture complementari guadagnano di più.
| In un’economia della conoscenza tradizionale | In un’economia ad alta intensità di IA |
|---|---|
| L’expertise è scarsa e si vende a ore | Molte forme di expertise diventano economiche da riprodurre |
| Le aziende competono per il talento cognitivo | Le aziende possono comprare o costruire capacità cognitiva come infrastruttura |
| I salari catturano una larga quota della produttività | Capitale, sistemi e proprietà intellettuale catturano una quota maggiore del guadagno |
| La sicurezza di carriera segue l’expertise accumulata | La sicurezza di carriera dipende di più da complementarità, proprietà e relazioni di fiducia |
Questa non è un’obiezione all’IA. È un’obiezione a confondere più output con più prosperità condivisa.
Il framework basato sui compiti di Daron Acemoglu e Pascual Restrepo fa un punto simile. L’automazione può aumentare l’output riducendo la domanda di lavoro nei compiti automatizzati; i nuovi compiti e l’espansione della domanda sono i contrappesi che determinano se i lavoratori condividono il guadagno.[2] La tecnologia non decide la distribuzione da sola. La decidono le istituzioni e le strutture proprietarie che la circondano.
Ecco perché il vecchio dibattito, “L’IA creerà più lavori di quanti ne distruggerà?”, non basta più. Le domande migliori sono:
- Quali compiti vengono rimossi, e quali nuovi compiti vengono creati?
- Chi possiede i sistemi che svolgono i compiti rimossi?
- Chi ha il potere contrattuale per catturare il guadagno di produttività?
- Con quale rapidità le persone possono spostarsi da un mercato di compiti in declino a uno in crescita?
4. I lavoratori della conoscenza stanno affrontando un problema che gli operai conoscono già
Per decenni, l’ansia dell’automazione è stata rivolta agli operai di fabbrica, agli agenti di call center e ai ruoli di servizio routinari. Il lavoro cognitivo doveva essere la zona sicura.
Gli scenari di Anthropic rovesciano quell’intuizione. La categoria più esposta nel modello non è il lavoro manuale. È il lavoro esprimibile come elaborazione di informazioni: analisi, redazione, coding, ricerca, documentazione, previsioni, iterazioni di design, comunicazione con i clienti e molte forme di supporto alle decisioni.
Non significa che avvocati, strategist, marketer, designer o sviluppatori scompaiano. Significa che la parte del loro lavoro che segnalava scarsità potrebbe essere scorporata dal professionista umano.
Questa dinamica l’ho vista ben prima dell’IA generativa. In agenzie, consulenze e grandi programmi digitali, il valore strategico di un team era spesso oscurato dalla mole di produzione attorno. Slide, report, concept, varianti, analisi e coordinamento creavano l’impressione di una grande macchina intellettuale. L’IA ora può comprimere gran parte di quella produzione.
La domanda è cosa resta quando la produzione diventa abbondante.
La mia risposta non è “creatività umana”, almeno non come slogan vuoto. Lo strato scarso sarà più specifico:
- Giudizio nell’ambiguità.
- La capacità di definire il problema prima di ottimizzare la risposta.
- Fiducia, responsabilità e capacità di rispondere delle conseguenze.
- Accesso a contesto che non si può raschiare da un prompt.
- La proprietà di una relazione con il cliente, una community, un brand o un canale di distribuzione.
Non sono eccezioni romantiche all’economia. Sono fossati economici.
Ma diciamolo: non tutti possono entrarci alla stessa velocità. Il meccanismo del mercato del lavoro nel paper è costruito proprio attorno a questo attrito. I lavoratori cognitivi espulsi non scivolano senza frizioni in nuovi lavori. Cercano, competono e possono accettare salari più bassi o spostarsi in altri gruppi occupazionali.[1]
È in quella transizione che politiche pubbliche, design organizzativo ed educazione contano molto più dei demo di IA.
5. La variabile mancante è il potere
Il modello di Anthropic è rigoroso in un senso utile: rende visibili le sue assunzioni. Omette anche diverse cose che potrebbero rivelarsi decisive: risposte di policy, cicli economici, shock dei mercati finanziari, politica economica, produzione domestica e rischi catastrofici.[1]
Per un lettore di Innovation Waves, l’omissione più rivelatrice è il potere.
Chi possiede i modelli? Chi possiede i data center? Chi possiede la relazione con il cliente? Chi definisce le condizioni con cui l’IA viene implementata? Chi può rifiutare l’automazione, e chi no? Chi riceve equity quando un sistema di IA sostituisce un intero workflow?
Queste domande stanno fuori da una funzione di produzione standard. Decideranno comunque se i futuri economici del paper somigliano all’abbondanza o alla spossessione.
Il Fondo Monetario Internazionale ha modellato una possibilità simile: l’IA può aumentare l’output spostando il reddito verso i proprietari del capitale e creando guadagni diseguali tra le famiglie.[3] L’OCSE sottolinea allo stesso modo che i guadagni di produttività dipendono da diffusione, concorrenza, investimenti complementari e istituzioni, mentre sviluppo e proprietà dell’IA restano concentrati nelle grandi aziende tecnologiche.[4]
Non è una teoria del complotto. È economia politica di base.
Se una nuova tecnologia rende un lavoratore più produttivo, quel lavoratore può guadagnare potere contrattuale. Se lo rende sostituibile con un sistema di proprietà altrui, il potere contrattuale lo guadagna il proprietario. Entrambi gli esiti possono aumentare il PIL. Solo uno aumenta con affidabilità la quota che va al lavoratore.
L’economia dell’IA non sarà divisa semplicemente tra chi usa l’IA e chi no. Sarà divisa tra chi possiede l’infrastruttura dell’intelligenza e chi ne affitta l’accesso.
Questa è la faglia strategica.
6. Non confondete esposizione e destino
C’è un altro motivo per evitare il fatalismo.
L’esposizione all’IA non è la stessa cosa dell’automazione. L’automazione non è la stessa cosa della perdita di lavoro. E la perdita di lavoro non equivale a un calo permanente del valore umano.
L’ultimo indice globale dell’Organizzazione Internazionale del Lavoro stima che un lavoratore su quattro sia in un’occupazione con un certo grado di esposizione all’IA generativa, ma solo il 3.3% dell’occupazione mondiale rientra nella categoria a massima esposizione. La conclusione centrale dell’ILO è che la trasformazione del lavoro è più probabile dell’automazione completa, perché la maggior parte delle occupazioni combina compiti che richiedono ancora input umano.[5]
Anche l’evidenza reale supporta una lettura più sfumata. In uno studio su oltre 5.000 agenti di customer support, l’accesso a un assistente di IA generativa ha aumentato i problemi risolti per ora del 14% in media, con il maggior guadagno tra i novizi e i lavoratori meno esperti.[6] È potenziamento, non sostituzione.
Eppure potenziare non significa automaticamente lavori migliori. Un sistema che aiuta un neoassunto a performare come un esperto può migliorare accesso e produttività. Può anche ridurre il premio prima attribuito all’esperienza. Il risultato sociale dipende da chi cattura il surplus risultante e da come il lavoro viene riorganizzato.
Per questo i tre scenari di Anthropic vanno letti come un invito a scegliere, non come un conto alla rovescia.
Le variabili di scenario non sono leggi di natura. L’adozione può essere rallentata o accelerata. L’automazione può essere bilanciata con il potenziamento. I nuovi compiti possono essere progettati dentro il lavoro. Le politiche di concorrenza contano. I sistemi fiscali possono cambiare. I lavoratori possono ottenere quote di equity e di guadagni di produttività che contribuiscono a creare. L’educazione può diventare meno centrata sul memorizzare risposte e più sulla formazione del giudizio.
Il futuro non è fisso. Ma non si distribuirà in modo equo per default.
7. Dall’occupabilità alla proprietà
Negli ultimi due decenni, il consiglio di carriera dominante è stato restare occupabili: imparare nuovi strumenti, essere adattabili, costruire competenze, restare curiosi.
Tutto questo resta necessario. Potrebbe non essere più sufficiente.
Se gli scenari sostanziali o estremi di Anthropic contengono anche solo un frammento di verità, la prossima domanda non è solo come gli individui restino utili. È come ottengano una quota nei sistemi che li rendono utili.
Può voler dire equity nelle aziende che costruiscono, proprietà di dati e proprietà intellettuale, partecipazione ai ricavi in workflow abilitati dall’IA, comunità professionali che condividono infrastrutture, o istituzioni pubbliche che garantiscono che i guadagni di produttività ritornino ai cittadini invece di restare interamente dentro i bilanci privati.
Per le aziende, il compito strategico è altrettanto impegnativo. Un leader che usa l’IA solo per rimuovere costo del lavoro può migliorare un margine trimestrale distruggendo fiducia, memoria istituzionale e resilienza creativa necessarie per il prossimo decennio. L’ambizione migliore non è rendere le persone periferiche. È riprogettare il lavoro così che il giudizio umano diventi più leva, più responsabilità e più valore.
Qui dobbiamo lasciarci alle spalle l’opposizione sterile tra ottimismo e paura tecnologica.
L’IA può creare ricchezza straordinaria. Il modello di Anthropic offre una possibile mappa di come questo potrebbe accadere. Ma la ricchezza non è benessere, e la produttività non è dignità.
La domanda non è se possiamo costruire un’economia in cui l’intelligenza è abbondante.
La stiamo già costruendo.
La domanda è se, quando l’intelligenza diventa infrastruttura, gli esseri umani restano partecipanti al valore che creano, o diventano solo utenti di sistemi che non possiedono.
Riferimenti
[1] Anton Korinek, Charles I. Jones, Szymon Sacher, Tess Cotter e Peter McCrory, Economic Scenarios for Transformative AI, Anthropic Institute Working Paper No. 2026-02, settembre 2026. Paper di ricerca; esploratore di scenari interattivo.
[2] Daron Acemoglu e Pascual Restrepo, “Artificial Intelligence, Automation and Work,” NBER Working Paper 24196, 2018. Paper.
[3] Rachel Rockall, Marina Tavares e Matteo Pizzinelli, “AI Adoption and Inequality,” IMF Working Paper WP/25/68, 2025. Paper.
[4] OECD, The Impact of Artificial Intelligence on Productivity, Distribution and Growth, 2024. Report.
[5] International Labour Organization, Generative AI and Jobs: A Refined Global Index of Occupational Exposure, Working Paper 140, 2025. Report.
[6] Erik Brynjolfsson, Danielle Li e Lindsey R. Raymond, “Generative AI at Work,” NBER Working Paper 31161, 2023. Paper.
Share your thoughts