Il rischio che non possiamo permetterci

Immaginate cento persone che entrano in un casinò. Ognuna gioca con il proprio denaro, seguendo la stessa strategia. La strategia è apparentemente ragionevole: nella maggior parte dei casi si guadagna qualcosa, ma esiste una piccola probabilità di perdere tutto.

Dopo un certo numero di giocate, una delle cento persone finisce in rovina. Le altre continuano a giocare. Se osserviamo il gruppo, possiamo calcolare quanti hanno guadagnato, quanti hanno perso e quale sia stato il rendimento medio.

Adesso immaginiamo un esperimento diverso.

Una sola persona entra nello stesso casinò e ripete la stessa strategia, giorno dopo giorno. Il ventottesimo giorno perde tutto.

Che cosa succede il ventinovesimo giorno?

Niente. Non c’è un ventinovesimo giorno di gioco.

Questa semplice differenza contiene una delle lezioni più importanti dell’economia del rischio: ciò che accade a cento persone in un momento non è necessariamente ciò che accade a una persona nel corso del tempo.

Il problema non è soltanto la probabilità

Quando prendiamo una decisione rischiosa, tendiamo a ragionare in termini di probabilità. Quanto è probabile perdere? Quanto potremmo guadagnare? Il rendimento atteso è positivo?

Sono domande importanti, ma non sempre sufficienti.

Supponiamo che qualcuno ci proponga una scommessa nella quale abbiamo il 99% di probabilità di guadagnare una piccola somma e l’1% di probabilità di perdere tutto il capitale.

Una probabilità dell’1% può sembrare trascurabile. Ma cosa succede se ripetiamo la scommessa cento volte?

Se gli eventi sono indipendenti, la probabilità di non subire mai la perdita catastrofica è pari a 0,99 elevato alla centesima potenza: circa il 36,6%.

In altre parole, la probabilità di incontrare almeno una volta l’evento catastrofico supera il 63%.

E dopo mille scommesse? La probabilità di evitarlo è inferiore allo 0,005%.

Un rischio piccolo, ripetuto abbastanza a lungo, può diventare quasi una certezza.

Naturalmente, questo non significa che ogni rischio debba essere evitato. Significa che dobbiamo distinguere tra rischi che possiamo sostenere ripetutamente e rischi che, anche una sola volta, possono escluderci definitivamente dal gioco.

Perché le nostre nonne capiscono il rischio meglio di quanto pensiamo

Nassim Nicholas Taleb utilizza un esempio particolarmente efficace.

Immaginiamo di chiedere a qualcuno se sia razionale fumare una sigaretta.

Se consideriamo esclusivamente quella sigaretta, il rischio aggiuntivo per la salute è molto piccolo. Il piacere immediato, per chi fuma, può essere maggiore del costo atteso di quel singolo episodio.

Ma una nonna potrebbe rispondere: il problema è che difficilmente ti fermerai a una sigaretta.

La nonna non sta necessariamente facendo un calcolo più preciso delle probabilità. Sta considerando qualcosa che il nostro esperimento mentale ha escluso: il tempo.

Le decisioni non sono sempre eventi isolati. Creano abitudini, modificano le nostre preferenze e influenzano le decisioni successive.

Una sigaretta può diventare cento. Un debito può portare a un altro debito. Una scommessa fortunata può incoraggiarci ad aumentare la posta.

Il rischio di una decisione non dipende soltanto dalle sue conseguenze immediate, ma anche dalla sequenza di decisioni che può mettere in moto.

In economia comportamentale studiamo spesso come le persone valutano le probabilità. Ma è altrettanto importante capire come valutano le conseguenze cumulative delle proprie scelte.

La media non racconta tutta la storia

Il problema ha anche una dimensione matematica.

In economia siamo abituati a ragionare in termini di valori attesi: moltiplichiamo ogni possibile risultato per la sua probabilità e sommiamo.

Questo approccio è utile in moltissime situazioni. Ma quando le decisioni sono ripetute nel tempo, soprattutto se i risultati si accumulano in modo moltiplicativo, il rendimento atteso può raccontare una storia molto diversa dall’esperienza di un singolo individuo.

Consideriamo un investimento che abbia il 50% di probabilità di guadagnare il 50% e il 50% di probabilità di perdere il 40%.

Il rendimento atteso di un singolo periodo è positivo: +5%.

Sembra un buon investimento.

Ma immaginiamo di investire ogni volta l’intero capitale e di ottenere, in due periodi, prima un guadagno del 50% e poi una perdita del 40%.

Partiamo da 100 euro. Dopo il guadagno ne abbiamo 150. Dopo la perdita ne rimangono 90.

Abbiamo perso il 10%, nonostante la media aritmetica dei due rendimenti sia positiva.

Non è un paradosso. È una conseguenza del fatto che i rendimenti si compongono moltiplicativamente.

Questa distinzione è alla base di un importante filone di ricerca sull’economia del tempo e sull’ergodicità: la media dei risultati osservati tra molte persone non coincide necessariamente con il risultato che una persona sperimenta ripetendo la stessa decisione.

E quando entra in gioco la possibilità di rovina, la differenza diventa ancora più importante.

La sopravvivenza non è un obiettivo come gli altri

Immaginiamo due imprenditori.

Il primo sceglie una strategia molto aggressiva. Ha buone probabilità di ottenere profitti elevati, ma corre un rischio non trascurabile di fallire.

Il secondo sceglie una strategia meno redditizia nel breve periodo, ma conserva liquidità, limita l’indebitamento e mantiene la capacità di affrontare eventi inattesi.

Chi sta prendendo la decisione migliore?

Non possiamo rispondere senza conoscere le loro preferenze, le opportunità e le conseguenze di un eventuale fallimento.

Ma c’è un elemento che spesso trascuriamo: il secondo imprenditore potrebbe avere la possibilità di continuare a investire anche quando il primo sarà uscito dal mercato.

La sopravvivenza ha un valore particolare perché preserva le opportunità future.

Una perdita del 10% può essere recuperata. Una perdita del 100%, se non disponiamo di altre risorse, interrompe la possibilità di continuare a investire.

Taleb chiama questi punti di non ritorno barriere assorbenti: situazioni dalle quali non è possibile proseguire il processo nelle stesse condizioni.

La rovina finanziaria è un esempio. Ma il concetto può estendersi alla salute, all’ambiente e alla sopravvivenza di organizzazioni e comunità.

Non tutti gli errori sono uguali. Alcuni ci insegnano qualcosa e ci permettono di riprovare. Altri ci impediscono di avere una seconda possibilità.

Prepararsi è diverso dal prevedere

Gran parte delle nostre decisioni economiche dipende da previsioni.

Cerchiamo di capire come andranno i mercati, quali settori cresceranno, quali investimenti offriranno i rendimenti migliori.

Ma le previsioni sono inevitabilmente imperfette.

Una strategia alternativa consiste nel chiedersi non tanto che cosa succederà, ma come potremo affrontare scenari diversi, compresi quelli che oggi non riusciamo a immaginare.

Avere riserve di liquidità, evitare un indebitamento eccessivo, diversificare le fonti di reddito e limitare le perdite potenzialmente irreversibili sono modi per ridurre la dipendenza dalle nostre capacità previsive.

Naturalmente, la prudenza ha un costo. Conservare liquidità significa talvolta rinunciare a rendimenti più elevati. E non tutte le strategie prudenti sono necessariamente efficienti.

Ma questo costo può essere interpretato come il prezzo che paghiamo per conservare flessibilità e possibilità di scelta.

Taleb propone anche un approccio che chiama strategia del bilanciere: combinare una componente molto prudente con una componente esposta a opportunità rischiose, evitando di concentrare tutto su un rischio intermedio.

L’idea non è che questa combinazione sia sempre superiore. È che, in determinate condizioni, può permetterci di limitare le perdite più gravi senza rinunciare completamente a risultati molto favorevoli.

Prima proteggiamo ciò che non possiamo permetterci di perdere. Poi possiamo assumerci rischi dove le perdite sono sostenibili e i guadagni potenzialmente elevati.

Essere prudenti per poter rischiare

C’è un’apparente contraddizione in tutto questo.

Se vogliamo ottenere risultati importanti, dobbiamo essere disposti a rischiare. Ma se rischiamo troppo, potremmo perdere la possibilità di ottenere qualunque risultato futuro.

La soluzione non è eliminare il rischio. È scegliere quali rischi assumere e soprattutto quanto esporsi.

Possiamo permetterci molti piccoli fallimenti, se nessuno di essi compromette la nostra capacità di continuare.

Anzi, in numerose attività — dalla ricerca scientifica all’imprenditorialità — sperimentare, sbagliare e imparare è essenziale.

Il problema nasce quando confondiamo la disponibilità a rischiare con la disponibilità a perdere tutto.

Un buon ricercatore può permettersi molte ipotesi sbagliate. Un imprenditore può permettersi molti progetti falliti. Un investitore può permettersi numerose decisioni poco fortunate.

Ma devono poter continuare a fare ricerca, avviare progetti e investire.

La capacità di rimanere nel gioco è ciò che rende possibili i successi futuri.

La domanda che dovremmo farci più spesso

Quando valutiamo una decisione rischiosa, ci chiediamo normalmente: quanto posso guadagnare? Quanto è probabile perdere?

Forse dovremmo aggiungere una terza domanda.

Se le cose andassero male, potrei ancora giocare domani?

È una domanda semplice, ma cambia radicalmente il modo in cui pensiamo al rischio.

Perché nella vita, a differenza di molti esperimenti economici, non possiamo sempre ricominciare con una nuova dotazione iniziale.

E una strategia che funziona molto bene fino al giorno in cui perdiamo tutto potrebbe non essere, dopotutto, una buona strategia.

L’intelligenza artificiale cambierà il mondo. Ma chi ci guadagnerà davvero?

Una riflessione a partire dall’ultimo memorandum di Howard Marks.

L’intelligenza artificiale è probabilmente una delle innovazioni tecnologiche più importanti della nostra generazione. Ma questo significa che investire oggi nelle aziende che la sviluppano sia necessariamente un buon affare?

La risposta è meno scontata di quanto sembri.

Howard Marks, cofondatore di Oaktree Capital Management e uno degli investitori più rispettati al mondo, ha dedicato a questa domanda il suo ultimo memorandum, pubblicato l’11 novembre 2026 e intitolato A Layman Thinks About AI.

Il documento contiene undici domande e poche risposte definitive. Ed è proprio questo il suo punto di forza: in un momento in cui tutti sembrano avere certezze sul futuro dell’intelligenza artificiale, Marks ci ricorda quanto sia difficile prevedere non soltanto l’evoluzione di una tecnologia, ma soprattutto le sue conseguenze economiche.

Una grande innovazione non è necessariamente un grande investimento

La prima distinzione, fondamentale, è tra il valore economico e sociale di una tecnologia e i profitti delle imprese che la producono.

La storia economica è piena di innovazioni che hanno trasformato il mondo senza garantire rendimenti straordinari a tutti gli investitori.

Le ferrovie hanno rivoluzionato i trasporti. Internet ha trasformato il modo in cui comunichiamo, lavoriamo e consumiamo. Eppure, molte delle imprese protagoniste di queste rivoluzioni sono scomparse, mentre altre hanno generato rendimenti deludenti.

Il motivo è semplice: creare valore non significa necessariamente appropriarsene.

L’intelligenza artificiale potrebbe aumentare enormemente la produttività delle imprese, ridurre i costi di produzione e migliorare la qualità di beni e servizi. Ma chi beneficerà di questi guadagni?

Le aziende che sviluppano i modelli? Quelle che producono i semiconduttori? Le imprese che utilizzano l’AI nei propri processi produttivi? Oppure i consumatori, attraverso prezzi più bassi?

Dal punto di vista economico, questa è soprattutto una questione di concorrenza e distribuzione del surplus.

Se diversi modelli di intelligenza artificiale offriranno prestazioni simili, la concorrenza potrebbe comprimere i prezzi e trasferire buona parte dei benefici agli utilizzatori. Se invece poche imprese riusciranno a costruire vantaggi competitivi difficilmente replicabili, potrebbero appropriarsi di una quota molto maggiore del valore creato.

La tecnologia può essere rivoluzionaria in entrambi gli scenari. Ma le implicazioni per i profitti sono radicalmente diverse.

Il paradosso della produttività

C’è poi una questione che va oltre i mercati finanziari.

L’intelligenza artificiale promette di aumentare la produttività, ma non sappiamo ancora con quale velocità questi miglioramenti si tradurranno in crescita economica aggregata.

Un conto è dimostrare che un lavoratore, grazie all’AI, può completare un compito in metà tempo. Un altro è osservare un aumento equivalente della produttività di un’intera organizzazione.

Per ottenere questi benefici, le imprese devono spesso modificare processi, competenze, incentivi e modelli organizzativi. E questi cambiamenti richiedono tempo.

Inoltre, un aumento della produttività non implica automaticamente un aumento proporzionale dei salari o dei profitti.

Dipende da come cambiano la domanda di lavoro, la concorrenza tra imprese e il potere contrattuale dei diversi attori economici.

Potremmo assistere a una fase in cui l’AI genera enormi benefici per i consumatori, ma rendimenti relativamente modesti per alcune delle imprese che hanno finanziato la rivoluzione.

Oppure a una fase in cui pochi operatori concentrano una parte significativa dei guadagni.

Sono scenari molto diversi, entrambi compatibili con una tecnologia di enorme successo.

Stiamo investendo troppo?

Un altro punto centrale del memorandum riguarda la quantità di capitale destinata all’intelligenza artificiale.

Le grandi imprese tecnologiche stanno investendo somme gigantesche in data center, semiconduttori, energia e infrastrutture di calcolo.

Questi investimenti contribuiscono già alla crescita economica, ma incorporano aspettative molto elevate sulla domanda futura.

Il problema è che la capacità produttiva viene costruita oggi, mentre i ricavi necessari a giustificarla dovranno arrivare domani.

E non è affatto certo che arrivino nella misura prevista.

La questione diventa ancora più complessa considerando la rapidità del progresso tecnologico. Un’infrastruttura costruita oggi potrebbe diventare economicamente obsoleta molto prima del previsto. Oppure nuove tecniche potrebbero ridurre drasticamente la quantità di capacità di calcolo necessaria per ottenere determinati risultati.

Questo non significa che gli investimenti siano necessariamente eccessivi. Significa che la loro redditività dipende da variabili difficili da prevedere.

E quando molti investitori condividono le stesse aspettative, il rischio non riguarda soltanto le singole imprese, ma può estendersi all’intero sistema finanziario.

Il problema delle aspettative

Qui entra in gioco un tema particolarmente interessante per l’economia comportamentale.

I mercati finanziari non reagiscono soltanto ai risultati economici, ma soprattutto alla differenza tra i risultati osservati e quelli attesi.

Un’impresa può crescere rapidamente, aumentare i ricavi e migliorare i margini, ma vedere comunque diminuire il proprio valore di mercato se gli investitori si aspettavano risultati ancora migliori.

Il successo di una tecnologia e il successo di un investimento sono quindi due cose distinte.

Quando una narrativa diventa dominante, gli investitori rischiano di confondere ciò che è possibile con ciò che è probabile.

L’intelligenza artificiale potrebbe cambiare radicalmente il mercato del lavoro, la ricerca scientifica e l’organizzazione delle imprese. Ma da questa possibilità non discende automaticamente che ogni investimento nel settore sia giustificato.

C’è anche un problema di eccessiva fiducia nelle proprie previsioni.

Marks propone un esercizio semplice: provate a stimare gli utili per azione di un’azienda AI tra cinque anni. Sareste disposti a scommettere che il valore effettivo sarà compreso tra la metà e una volta e mezza la vostra previsione?

Se la risposta è no, quanto possiamo fidarci delle valutazioni che attribuiamo oggi a quelle imprese?

La domanda è importante perché spesso siamo molto più bravi a costruire spiegazioni convincenti del futuro che a prevederlo.

Una bolla può accompagnare una rivoluzione autentica

Una delle osservazioni più interessanti di Marks riguarda il dibattito sulla possibile bolla dell’intelligenza artificiale.

La domanda viene spesso formulata in modo sbagliato: l’AI è una rivoluzione oppure una bolla?

Le due cose non si escludono.

Una tecnologia può essere realmente trasformativa e, contemporaneamente, attirare investimenti eccessivi e generare valutazioni finanziarie difficili da giustificare.

La bolla delle dot-com non dimostrò che Internet fosse inutile. Dimostrò che molte aspettative sui profitti futuri erano sbagliate, o incorporate in prezzi troppo elevati.

Con l’AI potrebbe verificarsi qualcosa di simile.

Non sappiamo se accadrà, ma dovremmo distinguere almeno tre domande: la tecnologia manterrà le sue promesse? Gli investimenti effettuati produrranno rendimenti adeguati? I prezzi pagati oggi dagli investitori sono ragionevoli?

Una risposta positiva alla prima domanda non implica una risposta positiva alle altre due.

Il valore economico dell’incertezza

Il messaggio conclusivo del memorandum non è che dovremmo evitare di investire nell’intelligenza artificiale.

È che dovremmo riconoscere i limiti delle nostre conoscenze.

In economia, l’incertezza non è semplicemente una complicazione da eliminare attraverso modelli sempre più sofisticati. È una caratteristica fondamentale delle decisioni che riguardano il futuro.

E nel caso dell’intelligenza artificiale questa incertezza è particolarmente elevata, perché cambiano contemporaneamente la tecnologia, i modelli di business, la struttura della concorrenza e le modalità con cui imprese e consumatori utilizzano i nuovi strumenti.

Per questo credo che la domanda più interessante non sia se l’intelligenza artificiale cambierà il mondo.

È molto probabile che lo farà, e in parte lo sta già facendo.

La domanda è come verrà distribuito il valore generato da questa trasformazione.

Tra capitale e lavoro. Tra imprese e consumatori. Tra chi sviluppa la tecnologia e chi la utilizza. Tra i pochi operatori dominanti e il resto dell’economia.

È su queste domande che gli economisti dovrebbero concentrare una parte importante della propria attenzione.

Perché il futuro dell’intelligenza artificiale non dipenderà soltanto da quanto diventeranno intelligenti le macchine, ma anche dagli incentivi, dalle istituzioni e dai mercati all’interno dei quali verranno utilizzate.

E forse questa è la lezione più importante del memorandum di Marks: possiamo essere molto ottimisti sul futuro di una tecnologia senza esserlo necessariamente sui rendimenti finanziari di chi la sta finanziando.


Per approfondire: Howard Marks, A Layman Thinks About AI, Oaktree Capital Management, 11 novembre 2026.

Mercati volatili

Quando i mercati scendono, viene spontaneo controllare più spesso come stanno andando i propri investimenti. Si apre l’app della banca, si legge qualche commento, si torna a guardare dopo un’ora. È comprensibile: quando qualcosa ci preoccupa, cerchiamo informazioni per capire che cosa sta succedendo e decidere come comportarci.

Le forti oscillazioni dei titoli legati all’intelligenza artificiale, seguite dal rimbalzo di Wall Street del 6 novembre, offrono un esempio di quanto rapidamente possano cambiare le notizie e il clima sui mercati. Per chi segue ogni movimento, è facile passare dalla preoccupazione al sollievo nel giro di una seduta.

Siamo abituati a pensare che prestare attenzione sia una buona cosa, soprattutto quando sono in gioco i nostri risparmi. Avere più informazioni dovrebbe aiutarci a prendere decisioni migliori. Eppure, la ricerca in economia comportamentale suggerisce che non sempre è così. La frequenza con cui controlliamo i nostri investimenti può influenzare il modo in cui percepiamo il rischio e, di conseguenza, le nostre decisioni.

Le perdite tendono a pesarci più di quanto ci facciano piacere guadagni dello stesso importo. Se a questa sensibilità aggiungiamo l’abitudine di valutare continuamente gli investimenti, otteniamo quella che gli economisti Shlomo Benartzi e Richard Thaler hanno chiamato “avversione miope alle perdite” (myopic loss aversion). Possiamo avere un obiettivo a vent’anni e, allo stesso tempo, giudicare le nostre scelte sulla base di quello che è successo nelle ultime ventiquattr’ore.

Nel loro articolo del 1995, pubblicato sul Quarterly Journal of Economics, Benartzi e Thaler mostrano come la combinazione tra avversione alle perdite e valutazioni frequenti possa contribuire a spiegare perché gli investitori richiedano un premio elevato per detenere azioni anziché attività meno rischiose.

Il punto è che la frequenza dei controlli può cambiare il modo in cui viviamo lo stesso investimento. Guardando ogni giorno, valutiamo separatamente tante piccole variazioni, comprese quelle negative. Guardando su un periodo più lungo, ne osserviamo il risultato complessivo. Il rischio dell’investimento rimane, ma cambia il modo in cui lo percepiamo.

Questo meccanismo è stato studiato anche sperimentalmente. In un articolo pubblicato nel 2005 sul Journal of Finance, Michael Haigh e John List hanno coinvolto 54 persone provenienti dal Chicago Board of Trade e 64 studenti. Alcuni partecipanti decidevano quanto investire in una lotteria e ne osservavano l’esito a ogni turno; altri prendevano la decisione per tre turni consecutivi e ricevevano il risultato aggregato.

Con feedback meno frequente, i trader investivano in media circa il 74% della dotazione disponibile, contro il 46% di chi riceveva un aggiornamento a ogni turno. Anche tra gli studenti emergeva una differenza, ma più contenuta. Il risultato interessante era proprio questo: il comportamento coerente con l’avversione miope alle perdite risultava più marcato tra i professionisti. L’esperienza dei mercati, in quel contesto, non bastava a eliminarlo.

Naturalmente, da questi risultati a stabilire ogni quanto dovremmo controllare i nostri risparmi c’è un passaggio ulteriore. Nell’esperimento cambiavano sia la frequenza delle informazioni sia la possibilità di modificare le decisioni. Lo studio non dimostra che esista un intervallo ottimale per controllare il portafoglio o che guardare meno garantisca rendimenti migliori.

La ricerca suggerisce però una riflessione utile: possiamo decidere in anticipo quando e perché rivedere le nostre scelte, anziché lasciare che sia l’andamento quotidiano dei mercati a dettare i tempi. Un cambiamento nel lavoro, una spesa imprevista o un nuovo obiettivo possono essere buone ragioni per farlo. Un titolo allarmante letto sul telefono può suscitare la stessa urgenza, anche quando non ci aiuta a prendere una decisione utile.

Prima di aprire ancora una volta l’app, possiamo allora chiederci che cosa stiamo cercando e che cosa potremmo fare con quell’informazione. A volte avremo una risposta precisa. Altre volte ci accorgeremo che stiamo soltanto cercando di sentirci più tranquilli.

Per chi investe con un orizzonte lungo, anche il modo di seguire gli investimenti dovrebbe tenere conto di quell’orizzonte. Decidere quando fare il punto è parte della scelta, soprattutto nei giorni in cui ogni notizia sembra richiedere una reazione immediata.

Il vero quarto settore dell’economia: quando a produrre non saranno più gli esseri umani

Per secoli abbiamo diviso l’economia in agricoltura, industria e servizi. Ma l’intelligenza artificiale e la robotica potrebbero cambiare qualcosa di molto più profondo: il rapporto tra lavoro umano e produzione di ricchezza.

Immaginiamo un’economia nella quale il grano viene coltivato da trattori autonomi, il pane viene prodotto da fabbriche robotizzate, le merci vengono consegnate da veicoli senza conducente e una parte crescente dei servizi viene fornita dall’intelligenza artificiale.

In questa economia si continuerebbe a produrre cibo, automobili, abitazioni, informazioni e servizi. Ma per farlo servirebbe sempre meno lavoro umano.

Non è difficile immaginare uno scenario del genere. La fantascienza lo racconta da decenni. La novità è che alcune delle tecnologie necessarie cominciano a esistere davvero.

La domanda interessante, dal punto di vista economico, non è soltanto quanti posti di lavoro potrebbero scomparire. È se stiamo entrando in una fase storica nella quale il lavoro umano potrebbe perdere il suo ruolo centrale nella produzione di beni e servizi.

Per capire la portata di questa trasformazione, dobbiamo partire da una delle classificazioni più conosciute dell’economia: quella dei tre settori.

1. I tre settori dell’economia

Nel 1935 l’economista neozelandese Allan G. B. Fisher propose una distinzione delle attività economiche in tre grandi categorie. Pochi anni dopo, Colin Clark contribuì a sviluppare e diffondere questa classificazione, soprattutto attraverso il suo libro The Conditions of Economic Progress, pubblicato nel 1940.

L’idea era semplice: distinguere le attività economiche in base alla loro natura.

Il settore primario comprende le attività legate all’utilizzo delle risorse naturali, come agricoltura, pesca, silvicoltura ed estrazione mineraria.

Il settore secondario comprende le attività che trasformano materie prime e altri input in prodotti, come l’industria manifatturiera e le costruzioni.

Il settore terziario comprende i servizi: commercio, trasporti, istruzione, sanità, finanza, consulenza e molte altre attività.

Pensiamo a una pagnotta di pane.

L’agricoltore coltiva il grano. Il mulino trasforma il grano in farina. Il panificio produce il pane. Il negozio lo vende al consumatore.

La stessa pagnotta attraversa attività appartenenti a settori diversi. Naturalmente, per misurare il contributo di ciascuno al PIL, dobbiamo considerare il valore aggiunto in ogni fase, evitando di contare più volte il valore degli stessi beni intermedi.

Questa classificazione è stata particolarmente utile per descrivere una delle trasformazioni economiche più importanti della storia: il passaggio dalle società agricole alle società industriali e, successivamente, alle economie dominate dai servizi.

2. La grande trasformazione: dall’agricoltura ai servizi

Per gran parte della storia umana, la maggioranza della popolazione lavorava nella produzione di cibo.

Con la rivoluzione industriale, una quota crescente della forza lavoro si è spostata verso le fabbriche e le costruzioni.

Successivamente, soprattutto nelle economie avanzate, è aumentato il peso dei servizi.

Questo processo viene generalmente chiamato trasformazione strutturale dell’economia.

Il suo aspetto più interessante è che il declino relativo di un settore non implica necessariamente una riduzione della sua produzione.

Oggi, per esempio, gli Stati Uniti producono enormi quantità di beni agricoli impiegando una frazione molto piccola della forza lavoro. Le innovazioni tecnologiche hanno consentito di aumentare la produttività e liberare lavoratori per altre attività.

Un agricoltore dotato di macchinari moderni può produrre molto più di quanto potessero produrre decine di lavoratori nei secoli passati.

Lo stesso fenomeno si è verificato nell’industria.

La produttività manifatturiera è aumentata grazie a macchine, organizzazione del lavoro, robotica e tecnologie digitali. Parallelamente, nelle economie avanzate è cresciuta l’importanza dei servizi, che oggi rappresentano la parte prevalente del valore aggiunto.

Ma attenzione: la quota di occupazione e la quota di valore aggiunto non sono la stessa cosa. Un settore può impiegare relativamente pochi lavoratori e contribuire in misura significativa al PIL, oppure assorbire molta occupazione e generare una quota più contenuta del valore aggiunto.

Questa distinzione diventa particolarmente importante quando parliamo di automazione.

3. Perché si è cominciato a parlare di quarto e quinto settore

Con la crescita dei servizi, diversi studiosi hanno proposto di superare la tradizionale classificazione in tre settori.

Una distinzione abbastanza diffusa identifica un settore quaternario, che comprende le attività basate sulla conoscenza: ricerca scientifica, informatica, elaborazione delle informazioni e innovazione.

Altre classificazioni individuano un settore quinario, che include attività decisionali di alto livello oppure, secondo definizioni differenti, alcuni servizi avanzati alla persona e alla collettività.

Queste categorie possono essere utili per analizzare la crescente complessità delle economie contemporanee.

Tuttavia, non sono universalmente adottate e non sostituiscono le classificazioni statistiche ufficiali, che utilizzano articolazioni molto più dettagliate delle attività economiche.

Soprattutto, non descrivono necessariamente una nuova modalità di produzione. Spesso rappresentano suddivisioni di attività che, nella classificazione tradizionale, appartengono già ai servizi.

Un ricercatore, un consulente finanziario e un dirigente svolgono attività molto diverse. Ma la loro collocazione in un ipotetico quarto o quinto settore dipende dal criterio che decidiamo di utilizzare.

Ed è proprio qui che emerge una possibilità interessante.

Forse il cambiamento economico più importante dei prossimi decenni non sarà la nascita di un nuovo tipo di servizio.

Potrebbe essere la progressiva separazione tra produzione e lavoro umano.

4. Il quarto settore potrebbe essere quello automatizzato

Proviamo a immaginare una classificazione alternativa.

Anziché distinguere soltanto che cosa viene prodotto, potremmo distinguere anche come viene prodotto e, soprattutto, quanto lavoro umano è necessario.

Da questo punto di vista, possiamo introdurre una nuova categoria: la produzione altamente automatizzata.

Pensiamo a quattro esempi.

Un trattore autonomo coltiva un campo senza un conducente. Una fabbrica robotizzata produce componenti industriali con pochissimi addetti. Un sistema di intelligenza artificiale gestisce migliaia di richieste dei clienti. Un software genera autonomamente contenuti digitali.

In tutti questi casi, una parte del lavoro precedentemente svolto da persone viene trasferita a macchine o sistemi informatici.

L’idea di un quarto settore automatizzato nasce proprio da questa osservazione.

Non si tratterebbe di un settore economico nel senso tradizionale del termine, ma di una categoria trasversale che identifica le attività nelle quali il contributo diretto del lavoro umano diventa molto piccolo rispetto alla produzione realizzata.

Una fabbrica completamente automatizzata continuerebbe infatti ad appartenere al settore manifatturiero. Un servizio clienti gestito dall’intelligenza artificiale continuerebbe a essere classificato tra i servizi.

L’automazione non cambia necessariamente la natura del prodotto. Cambia la tecnologia con cui viene realizzato.

Per questo sarebbe più preciso parlare di una nuova dimensione dell’economia, anziché di un quarto settore che sostituisce i precedenti.

Ma la distinzione resta utile perché consente di porre una domanda fondamentale: quanta parte del valore aggiunto potrebbe essere prodotta, in futuro, con un impiego minimo di lavoro umano?

5. Un’economia può produrre senza lavoro?

Nei modelli economici tradizionali, la produzione viene spesso rappresentata attraverso una funzione che combina capitale, lavoro e tecnologia.

Una formulazione molto conosciuta è la funzione Cobb-Douglas:

Y = A × K^α × L^(1−α)

Dove Y rappresenta la produzione, K il capitale, L il lavoro e A il livello della tecnologia.

In questa specifica formulazione, se il lavoro è pari a zero e il suo esponente è positivo, anche la produzione è pari a zero.

Ma sarebbe sbagliato concludere che tutta la teoria economica presupponga l’impossibilità di produrre senza lavoro umano.

La Cobb-Douglas è una rappresentazione particolare della tecnologia produttiva, non una legge universale della natura.

Possiamo costruire modelli nei quali capitale e lavoro sono sostituibili in misura diversa, oppure nei quali determinati sistemi automatizzati svolgono compiti precedentemente affidati alle persone.

Inoltre, il lavoro necessario per costruire, programmare, alimentare e mantenere le macchine non scompare automaticamente.

Un’economia completamente automatizzata dovrebbe essere in grado di riprodurre e mantenere anche il proprio capitale produttivo, oltre a garantire energia, materie prime e infrastrutture.

È una condizione molto più impegnativa della semplice sostituzione di alcuni lavoratori con robot.

Eppure, non è necessario arrivare a un’economia senza lavoratori per osservare cambiamenti profondi.

È sufficiente che una quota crescente della produzione possa essere realizzata con un numero relativamente piccolo di persone.

6. Il vero cambiamento potrebbe riguardare la distribuzione del reddito

Immaginiamo che nei prossimi decenni l’intelligenza artificiale e la robotica consentano di aumentare enormemente la produzione.

In linea di principio, sarebbe una notizia straordinaria.

Potremmo produrre più beni e servizi utilizzando meno risorse lavorative. Alcuni prodotti potrebbero diventare molto più economici. Le persone potrebbero dedicare meno tempo al lavoro e più tempo ad altre attività.

Ma esiste un problema.

La crescita della produzione non garantisce automaticamente che i benefici siano distribuiti tra tutti.

Supponiamo che una grande impresa possieda sistemi automatizzati capaci di produrre beni e servizi con pochissimi dipendenti.

Se la maggior parte del valore aggiunto remunera il capitale, una quota importante del reddito generato potrebbe andare ai proprietari dell’impresa.

I lavoratori potrebbero beneficiare di prezzi più bassi, di nuove opportunità professionali o di maggiori rendimenti dei propri risparmi. Ma questi benefici non sono automatici e potrebbero essere distribuiti in modo molto diseguale.

La questione centrale diventa quindi il rapporto tra redditi da lavoro e redditi da capitale.

Negli Stati Uniti esiste già una tendenza che merita attenzione.

Secondo il Bureau of Labor Statistics, nel secondo trimestre del 2026 la quota della produzione attribuita alla remunerazione del lavoro nel settore privato non agricolo, secondo la definizione statistica utilizzata dal BLS, è scesa al 52,8%, il livello più basso della serie storica iniziata nel 1947.

Questo dato non dimostra che la diminuzione sia causata dall’intelligenza artificiale. La distribuzione funzionale del reddito dipende da molti fattori, tra cui globalizzazione, istituzioni del mercato del lavoro, potere di mercato delle imprese, composizione settoriale e progresso tecnologico.

Tuttavia, il dato ci ricorda che la crescita economica e la distribuzione dei suoi benefici sono due fenomeni distinti.

E che un aumento della produttività non si traduce necessariamente in un aumento proporzionale dei salari.

7. Se la produzione aumenta di dieci volte, chi diventa più ricco?

Facciamo un semplice esperimento mentale.

Immaginiamo che oggi un’economia produca beni e servizi per un valore pari a 100.

Grazie all’automazione, tra qualche decennio potrebbe arrivare a produrre 1.000, misurati negli stessi prezzi.

Supponiamo inoltre che il 90% di questa produzione sia realizzato attraverso processi altamente automatizzati.

Avremmo quindi 900 unità di produzione altamente automatizzata e 100 unità prodotte attraverso attività che richiedono ancora un contributo umano significativo.

La produzione complessiva sarebbe dieci volte quella iniziale, mentre la componente non altamente automatizzata avrebbe le dimensioni dell’intera economia di partenza.

Questo scenario non è una previsione. È un esperimento mentale che aiuta a comprendere la scala del cambiamento possibile.

Ma soprattutto non ci dice come saranno distribuite le 1.000 unità di reddito generate.

Il valore prodotto attraverso sistemi automatizzati non coincide necessariamente con il reddito dei proprietari del capitale. Una parte remunera comunque il lavoro, una parte può essere assorbita da ammortamenti e altri costi, e una parte può essere trasferita ai consumatori attraverso prezzi più bassi.

Per conoscere le conseguenze distributive dobbiamo capire chi possiede il capitale, quanto sono concorrenziali i mercati, come vengono distribuiti i profitti e quale ruolo svolgono le istituzioni pubbliche.

Immaginiamo due economie con lo stesso livello di automazione.

Nella prima, il capitale produttivo appartiene a un numero molto ristretto di persone.

Nella seconda, la proprietà è distribuita attraverso fondi pensione, partecipazioni diffuse, strumenti di risparmio collettivo o forme di proprietà pubblica.

La tecnologia potrebbe essere identica, ma la distribuzione del reddito e della ricchezza molto diversa.

È questo uno dei problemi economici più importanti posti dall’automazione.

8. Dal lavoro alla proprietà: una nuova disuguaglianza?

Nelle economie contemporanee, il lavoro rappresenta per molte famiglie la principale fonte di reddito.

Le persone studiano, acquisiscono competenze, entrano nel mercato del lavoro e ricevono una remunerazione per il loro contributo produttivo.

Il capitale, invece, genera redditi attraverso profitti, dividendi, interessi e rendite.

Se la produzione diventasse progressivamente meno dipendente dal lavoro umano, potrebbe aumentare l’importanza della proprietà del capitale come determinante del reddito individuale.

Non significa che tutti i lavoratori diventeranno inutili o che il lavoro scomparirà.

Alcune attività potrebbero continuare a richiedere capacità umane difficili da sostituire. Altre potrebbero diventare più produttive grazie alla complementarità tra persone e intelligenza artificiale. Potrebbero inoltre emergere nuove professioni e nuovi bisogni.

Ma è possibile che, in un’economia molto automatizzata, il legame tra partecipazione al mercato del lavoro e accesso al reddito diventi meno diretto.

A quel punto, il problema non sarebbe soltanto come preparare i lavoratori alle nuove tecnologie.

Sarebbe anche come garantire che i benefici di un capitale sempre più produttivo raggiungano una parte ampia della popolazione.

La risposta potrebbe coinvolgere strumenti differenti: politiche fiscali, istruzione, concorrenza, diffusione della proprietà finanziaria, partecipazione dei lavoratori agli utili, fondi collettivi e trasferimenti pubblici.

Nessuna di queste soluzioni è automaticamente superiore alle altre. Ciascuna comporta incentivi, costi e conseguenze distributive che devono essere valutati.

9. Abbiamo bisogno di nuovi indicatori economici?

Il PIL misura il valore della produzione finale realizzata in un’economia. Non è progettato per misurare direttamente il benessere individuale o la distribuzione del reddito.

Questo limite è noto da tempo.

Ma in un’economia fortemente automatizzata potrebbe diventare ancora più importante.

Un aumento del PIL potrebbe accompagnarsi a una forte crescita dei redditi da capitale, senza un corrispondente aumento dei redditi da lavoro.

Per comprendere chi beneficia della trasformazione tecnologica, dovremmo quindi affiancare al PIL altri indicatori.

Per esempio, potremmo misurare la quota del reddito delle famiglie che proviene dal lavoro, dal capitale e dai trasferimenti pubblici.

Potremmo inoltre osservare quanto è concentrata la proprietà degli asset produttivi e quale quota della ricchezza è detenuta direttamente o indirettamente dalle famiglie, anche attraverso fondi pensione e strumenti collettivi.

Infine, sarebbe utile misurare il grado di automazione dei processi produttivi e il contributo delle nuove tecnologie alla produttività.

Non basterebbe sapere quanto produce un’economia. Dovremmo sapere anche chi riceve il reddito, chi possiede gli strumenti di produzione e come cambiano le opportunità economiche delle persone.

10. Il quarto settore non è inevitabile. Ma la domanda che pone è fondamentale

È possibile che tra qualche decennio una quota molto importante della produzione mondiale sia realizzata attraverso sistemi automatizzati.

È altrettanto possibile che la trasformazione proceda più lentamente di quanto oggi immaginiamo.

Le previsioni secondo cui il 75%, il 90% o addirittura il 99% del PIL sarà prodotto senza lavoro umano non hanno, allo stato attuale, una base empirica sufficiente per essere considerate scenari centrali affidabili.

Restano ipotesi speculative.

Ci sono ostacoli tecnologici, energetici, organizzativi, istituzionali ed economici. Inoltre, la diffusione di una tecnologia dipende non soltanto dalla sua disponibilità, ma anche dalla convenienza della sua adozione.

Eppure, l’idea di un quarto settore automatizzato ha un merito: ci costringe a riflettere su una trasformazione che le classificazioni tradizionali non descrivono direttamente.

Per millenni, la produzione economica ha richiesto una partecipazione umana significativa. Le macchine hanno progressivamente aumentato la produttività del lavoro, ma non hanno eliminato la necessità di organizzare, controllare e svolgere attività produttive.

L’intelligenza artificiale e la robotica potrebbero spostare ulteriormente questo confine.

La domanda non è soltanto se le macchine riusciranno a produrre beni e servizi senza di noi.

La domanda è che cosa accadrà alla distribuzione del reddito quando il contributo del lavoro umano diventerà meno importante in una parte crescente dell’economia.

Perché una società capace di produrre molto di più con molto meno lavoro potrebbe diventare una società più ricca, con più tempo libero e maggiori opportunità per tutti.

Oppure una società nella quale una parte crescente della ricchezza è concentrata nelle mani di chi possiede le tecnologie produttive.

La differenza non dipenderà soltanto dalle macchine.

Dipenderà dalle istituzioni, dai mercati e dalle scelte collettive.

Forse, quindi, il vero quarto settore non è una nuova categoria da aggiungere ai manuali di economia. È un modo per porci una domanda molto più importante: in un mondo nel quale le macchine producono una quota crescente della ricchezza, chi ne raccoglierà i benefici?

Educare i figli come scelta finanziaria

L’educazione dei figli è una delle decisioni finanziarie più importanti che una famiglia possa prendere. Non soltanto per le risorse economiche che, ahimè, richiede, ma soprattutto perché rappresenta un investimento di lungo periodo nel capitale umano, nell’autonomia e nel benessere futuro dei figli.

Come ogni investimento, richiede di allocare risorse scarse — denaro, tempo, attenzione ed energie — tra alternative diverse, con benefici spesso lontani nel tempo e inevitabilmente incerti. Pensiamo a quante decisioni, apparentemente indipendenti dall’educazione, finiscono per influenzarla: dove vivere, come organizzare la vita familiare, quali rischi assicurare, quale lavoro scegliere, quante energie dedicare alla carriera, quali esperienze offrire ai figli, cosa comprare per loro e, soprattutto, cosa non comprare. Sono tutte scelte che, direttamente o indirettamente, contribuiscono a definire l’ambiente in cui cresceranno.

A differenza degli investimenti finanziari tradizionali, però, il rendimento non dovrebbe essere misurato principalmente in termini di reddito futuro, ma nella capacità dei figli di costruire una vita autonoma, soddisfacente e coerente con i propri valori.

In questa prospettiva, l’obiettivo dell’educazione non è semplicemente offrire le migliori scuole, accumulare competenze o massimizzare i risultati accademici. È soprattutto aiutare i figli a sviluppare un insieme di capacità che permettano loro di affrontare la complessità della vita, prendere buone decisioni e costruire relazioni significative.

Riflettendoci, considero fondamentali dieci dimensioni.

  1. Carattere e forza di volontà. Sviluppare determinazione, concentrazione, autodisciplina e resilienza. Imparare a perseguire obiettivi di lungo periodo, affrontare le difficoltà, gestire la frustrazione e distinguere tra gli ostacoli che richiedono perseveranza e le situazioni in cui è più saggio cambiare strada.
  2. Pensiero scientifico e spirito critico. Abituarsi a formulare ipotesi, cercare evidenze, distinguere fatti e opinioni, riconoscere l’incertezza e mettere in discussione le proprie convinzioni. Imparare che cambiare idea di fronte a nuove evidenze non è un segno di debolezza, ma di intelligenza. E che avere ragione conta meno che capire come stanno davvero le cose.
  3. Responsabilità personale. Comprendere che le proprie decisioni hanno conseguenze, mantenere gli impegni, riconoscere gli errori e assumersi la responsabilità delle proprie azioni. Sviluppare la consapevolezza di poter influenzare il proprio futuro, senza ignorare il ruolo delle circostanze e della fortuna. Imparare a distinguere ciò che dipende da noi da ciò che non possiamo controllare.
  4. Capacità di riflettere in profondità. Coltivare curiosità intellettuale, attenzione e pazienza. Imparare a fermarsi, interrogarsi, approfondire problemi complessi e non accontentarsi di risposte immediate o superficiali. Sviluppare la capacità di sostenere uno sforzo intellettuale prolungato, anche in un mondo che incoraggia distrazione, velocità e gratificazione istantanea.
  5. Intelligenza relazionale, gentilezza e fermezza. Imparare a comprendere gli altri, ascoltare, cooperare ed essere gentili, senza confondere la gentilezza con la sottomissione. Saper difendere le proprie idee, stabilire confini, affrontare i conflitti e non accettare ingiustizie, manipolazioni o violenze, nei propri confronti o in quelli degli altri. Essere rispettosi senza essere remissivi, fermi senza essere aggressivi.
  6. Consapevolezza di sé. Imparare a riconoscere le proprie emozioni, comprendere i propri punti di forza e le proprie fragilità, identificare ciò che conta davvero e sviluppare un’identità sufficientemente solida da non dipendere continuamente dal giudizio o dall’approvazione degli altri. Essere consapevoli anche dei propri limiti, senza considerarli necessariamente immutabili.
  7. Capitale sociale e relazioni significative. Sviluppare la capacità di costruire amicizie profonde, coltivare rapporti di fiducia e creare reti di supporto reciproco. Imparare a circondarsi non soltanto di persone che offrono sostegno e incoraggiamento, ma anche di persone capaci di esprimere critiche sincere e costruttive. Comprendere che le relazioni migliori non sono quelle in cui si è sempre d’accordo, ma quelle in cui ci si aiuta reciprocamente a crescere.
  8. Autonomia di giudizio. Imparare a prendere decisioni indipendenti, valutare alternative e conseguenze, resistere alle pressioni sociali e avere il coraggio di scegliere percorsi diversi da quelli più convenzionali. Essere capaci di chiedere consiglio, ascoltare opinioni differenti e confrontarsi con gli altri senza delegare loro la responsabilità delle proprie scelte.
  9. Capacità di costruire una vita soddisfacente. Comprendere che il successo non coincide necessariamente con il reddito, lo status sociale o il riconoscimento esterno. Coltivare interessi autentici, trovare significato nelle proprie attività e costruire un equilibrio tra ambizione, relazioni, salute e benessere personale. Imparare a riconoscere ciò che rende felici, senza lasciare che siano esclusivamente gli altri a definirlo.
  10. Creatività, originalità e capacità di vedere oltre. Imparare a pensare fuori dagli schemi, mettere in discussione ciò che viene dato per scontato e trovare collegamenti inattesi tra idee, esperienze e discipline differenti. Sviluppare la capacità di osservare un problema da prospettive diverse, cogliere ciò che sfugge a uno sguardo superficiale e immaginare soluzioni che non siano semplicemente la ripetizione di quelle già conosciute. Coltivare l’originalità non come ricerca della diversità fine a sé stessa, ma come capacità di produrre idee nuove, utili e fondate su una comprensione profonda della realtà.

Naturalmente, queste dieci dimensioni non sono indipendenti. Si rafforzano reciprocamente. Il pensiero scientifico alimenta l’autonomia di giudizio, la consapevolezza di sé aiuta a costruire relazioni migliori, la perseveranza rende possibile la riflessione profonda e la creatività nasce spesso dalla capacità di collegare conoscenze apparentemente lontane.

Ma come si sviluppano concretamente queste capacità?

Difficilmente attraverso lezioni, raccomandazioni o prediche. Si costruiscono soprattutto attraverso l’esempio, l’esperienza quotidiana, il confronto e la possibilità di esercitarle concretamente. Richiedono genitori capaci di dedicare tempo, offrire fiducia, assegnare responsabilità crescenti e lasciare spazio agli errori, senza intervenire sistematicamente per eliminare ogni difficoltà.

Esiste quindi una distinzione fondamentale tra investire risorse nei figli e investire nello sviluppo delle loro capacità. Le due cose non coincidono necessariamente. Spendere di più non significa sempre educare meglio, così come proteggere maggiormente non significa necessariamente preparare meglio alla vita. A volte, anzi, offrire troppo, intervenire troppo presto o risolvere sistematicamente i problemi al posto loro può privarli di esperienze fondamentali per crescere.

Il compito dei genitori non è costruire un percorso privo di ostacoli, né decidere quale vita i figli debbano vivere. È piuttosto costruire attorno a loro la migliore palestra possibile: un ambiente ricco di stimoli, opportunità, esperienze, relazioni e sfide proporzionate alle loro capacità, in cui possano sperimentare, sbagliare, correggersi e progressivamente diventare autonomi.

Significa anche essere presenti, disponibili al confronto e capaci di offrire feedback puntuali, sinceri e costruttivi. Ma con una consapevolezza fondamentale: anche i nostri giudizi di genitori sono soggettivi, influenzati dalle nostre esperienze, preferenze, paure e ambizioni. Non rappresentano necessariamente la verità, né tantomeno la soluzione migliore per loro. Dobbiamo quindi imparare non soltanto a dare consigli, ma anche a mettere in discussione i nostri stessi consigli, ascoltare e accettare che i figli possano sviluppare valori, aspirazioni e percorsi differenti dai nostri.

In fondo, educare significa accompagnare un processo nel quale la nostra influenza dovrebbe progressivamente lasciare spazio alla loro autonomia.

Se consideriamo l’educazione come un investimento, il suo rendimento più importante non è quanto i nostri figli riusciranno a guadagnare, quali titoli conseguiranno o quale posizione raggiungeranno nella società. È quanto saranno capaci di pensare con la propria testa, scegliere con consapevolezza, affrontare le avversità, costruire relazioni significative e vivere una vita che riconoscano come propria.

Il successo di questo investimento si misura, paradossalmente, nella capacità dei nostri figli di avere sempre meno bisogno di noi per decidere come vivere, pur sapendo di poter contare su di noi quando ne avranno bisogno.