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?

Fatti non foste a viver come bruti

«Considerate la vostra semenza:
fatti non foste a viver come bruti,
ma per seguir virtute e canoscenza».

Dante Alighieri, Inferno, Canto XXVI

In questi tre versi Dante racchiude una delle idee più profonde sulla natura umana: non siamo fatti soltanto per sopravvivere, soddisfare bisogni o seguire istinti. Siamo fatti anche per conoscere, comprendere, interrogarci e scegliere.

La conoscenza non è soltanto uno strumento per ottenere qualcosa. È parte di ciò che ci rende umani. Ci permette di ampliare i nostri orizzonti, mettere in discussione le nostre convinzioni e immaginare possibilità che prima non riuscivamo a vedere.

Ma Dante aggiunge una parola fondamentale: virtute.

Non basta sapere. Occorre anche saper scegliere come utilizzare ciò che sappiamo. La conoscenza senza responsabilità può diventare pericolosa, proprio come dimostra il destino di Ulisse, che pronuncia queste parole prima di condurre i suoi compagni verso un viaggio senza ritorno.

È una riflessione sorprendentemente attuale, soprattutto per chi si occupa di ricerca e formazione.

Educare non significa soltanto trasmettere informazioni o sviluppare competenze. Significa coltivare curiosità, pensiero critico, autonomia e capacità di giudizio.

Perché il vero valore della conoscenza non risiede soltanto in ciò che ci permette di fare, ma anche nella capacità di comprendere ciò che vale la pena fare.

Forse è proprio questo il messaggio più importante: non accontentarsi di sapere di più, ma aspirare a comprendere meglio e a scegliere con maggiore consapevolezza.

Non conta solo quello che otteniamo, ma quello che ci aspettavamo

Perché lo stesso risultato può renderci felici oppure deluderci? Uno dei contributi più importanti dell’economia comportamentale mostra come le nostre aspettative influenzino il valore che attribuiamo alle cose.

Quando le aspettative cambiano tutto

Immaginiamo due persone che ricevono un bonus di 1.000 euro.

La prima non si aspettava nulla ed è piacevolmente sorpresa. La seconda era convinta che avrebbe ricevuto 2.000 euro e rimane delusa.

Il risultato economico è identico: entrambe ricevono 1.000 euro. Eppure, la loro soddisfazione può essere molto diversa. Perché?

La risposta sembra intuitiva: non valutiamo ciò che otteniamo soltanto in termini assoluti, ma anche rispetto a ciò che ci aspettavamo.

Questa semplice osservazione ha conseguenze profonde per la teoria economica.

Nel 2006, Botond Kőszegi e Matthew Rabin pubblicano sul Quarterly Journal of Economics un articolo destinato a diventare uno dei riferimenti fondamentali dell’economia comportamentale: A Model of Reference-Dependent Preferences.

Il loro contributo è mostrare come le aspettative possano entrare direttamente nella funzione di utilità e influenzare le decisioni economiche.

Perché perdere pesa più che guadagnare

La teoria economica tradizionale assume generalmente che le persone valutino le alternative sulla base dell’utilità associata ai risultati finali.

Ma decenni di ricerca in psicologia ed economia hanno mostrato che le nostre valutazioni dipendono anche da un punto di riferimento.

Un contributo fondamentale è la prospect theory di Daniel Kahneman e Amos Tversky (1979).

Secondo questa teoria, le persone distinguono tra guadagni e perdite rispetto a un riferimento e tendono a essere più sensibili alle perdite che ai guadagni equivalenti.

Perdere 100 euro, in altre parole, può farci stare peggio di quanto guadagnarne 100 ci faccia stare bene. Questo fenomeno è noto come loss aversion.

Ma rimane una domanda fondamentale: che cosa determina il punto di riferimento?

Spesso si assume che sia la nostra situazione attuale, lo status quo. Kőszegi e Rabin propongono invece una risposta diversa: il punto di riferimento può essere rappresentato da ciò che ci aspettiamo di ottenere.

L’intuizione di Kőszegi e Rabin

Gli autori sviluppano un modello nel quale l’utilità individuale dipende da due componenti.

La prima è l’utilità tradizionale associata al consumo di un bene o al reddito ricevuto.

La seconda è l’utilità derivante dal confronto tra il risultato effettivo e quello atteso.

Se otteniamo più di quanto prevedevamo, sperimentiamo un guadagno rispetto al nostro riferimento. Se otteniamo meno, sperimentiamo una perdita. E poiché le perdite pesano più dei guadagni, le aspettative possono modificare significativamente il modo in cui valutiamo le alternative.

La parte più originale del modello è che le aspettative non sono semplicemente date dall’esterno.Dipendono dalle decisioni che prevediamo di prendere.

Gli autori introducono così il concetto di personal equilibrium: un equilibrio nel quale le aspettative dell’individuo sono coerenti con il comportamento che sceglie di adottare, tenendo conto proprio di quelle aspettative.

Le aspettative influenzano le decisioni, ma le decisioni previste contribuiscono a formare le aspettative.

Perché siamo disposti a pagare di più per qualcosa che ci aspettiamo di avere?

Consideriamo una persona che sta pensando di acquistare un biglietto per un concerto. Se è convinta che andrà al concerto, l’idea di non riuscire ad acquistare il biglietto può essere percepita come una perdita.Se invece considera il concerto soltanto una possibilità remota, rinunciarvi potrebbe non provocare lo stesso dispiacere.

Il valore del biglietto non dipende quindi soltanto dal piacere di assistere al concerto, ma anche dalle aspettative precedenti.

Questo meccanismo può influenzare la disponibilità a pagare e le decisioni di acquisto. Un aspetto particolarmente interessante è che due persone con le stesse preferenze di consumo possono compiere scelte differenti semplicemente perché hanno aspettative diverse.

E anche la stessa persona può modificare le proprie decisioni quando cambiano le sue aspettative, pur rimanendo invariate le caratteristiche oggettive delle alternative.

Le aspettative influenzano anche quanto lavoriamo

Il modello offre implicazioni interessanti anche per l’offerta di lavoro.

Immaginiamo un tassista che, in una determinata giornata, guadagni molto più di quanto aveva previsto.

Se il suo reddito supera le aspettative, potrebbe decidere di interrompere anticipatamente il lavoro.

Ma se prevedeva già una giornata particolarmente redditizia, il suo comportamento potrebbe essere differente.

Il punto non è soltanto quanto guadagna, ma quanto il guadagno effettivo si discosta da quello atteso.

Questa intuizione permette di interpretare alcuni comportamenti difficili da spiegare utilizzando esclusivamente i modelli tradizionali di offerta di lavoro.

Naturalmente, si tratta di predizioni teoriche: la loro rilevanza empirica dipende dal contesto e dalla capacità di misurare correttamente le aspettative individuali.

Perché questo paper è importante

Il contributo di Kőszegi e Rabin non consiste nell’aver scoperto che le aspettative influenzano le nostre emozioni. Questa idea era già ben nota.

L’innovazione è aver costruito un modello economico rigoroso nel quale il punto di riferimento è determinato endogenamente dalle aspettative razionali.

Il lavoro ha contribuito a sviluppare un’intera letteratura sulle expectations-based reference-dependent preferences, con applicazioni alle decisioni di consumo, alle scelte lavorative, al rischio e alle assicurazioni.

Ha inoltre aperto nuove domande empiriche.

Le persone utilizzano davvero le aspettative come punto di riferimento? Quanto contano rispetto allo status quo, alle esperienze passate o agli obiettivi personali? E come possiamo distinguere sperimentalmente queste spiegazioni?

Non esiste una risposta unica valida per ogni situazione. Ma il modello di Kőszegi e Rabin ha fornito strumenti teorici fondamentali per affrontare queste domande.

La lezione economica

Siamo abituati a pensare che migliorare le condizioni materiali delle persone significhi necessariamente aumentare il loro benessere. Ma il rapporto tra risultati economici e soddisfazione individuale è più complesso.

Un aumento di reddito può essere vissuto come un successo oppure come una delusione. Un’opportunità può apparire particolarmente preziosa quando ci aspettiamo di ottenerla. E una perdita può essere percepita anche quando, rispetto alla situazione iniziale, non abbiamo materialmente perso nulla.

Le aspettative non influenzano soltanto il modo in cui interpretiamo ciò che accade. Possono modificare le decisioni che prendiamo.

In economia, quindi, non conta soltanto ciò che abbiamo o ciò che otteniamo. Conta anche ciò che pensavamo sarebbe successo.

Ed è proprio questa l’intuizione fondamentale di Kőszegi e Rabin: per comprendere le scelte delle persone, dobbiamo considerare non soltanto le loro opportunità, ma anche le aspettative con cui le affrontano.


Riferimenti bibliografici

Kőszegi, B., & Rabin, M. (2006). “A Model of Reference-Dependent Preferences.” Quarterly Journal of Economics, 121(4), 1133–1165.

Kahneman, D., & Tversky, A. (1979). “Prospect Theory: An Analysis of Decision under Risk.” Econometrica, 47(2), 263–291.

Kőszegi, B., & Rabin, M. (2007). “Reference-Dependent Risk Attitudes.” American Economic Review, 97(4), 1047–1073.

Studiare nell’era dell’intelligenza artificiale: che cosa dovremmo dire oggi ai nostri studenti?

Se le macchine diventano sempre più capaci di svolgere il lavoro intellettuale, quali competenze dovremmo sviluppare? E che cosa significa prepararsi a un futuro che nessuno è davvero in grado di prevedere?

Per molti anni abbiamo dato agli studenti un consiglio relativamente semplice: studiate, impegnatevi, diventate bravi in qualcosa. Acquisite competenze difficili da trovare e il mercato del lavoro, prima o poi, le riconoscerà.

Era un consiglio ragionevole. E probabilmente lo è ancora.

Ma oggi dobbiamo aggiungere una domanda: che cosa succede se le competenze che stiamo cercando di acquisire diventano improvvisamente disponibili a tutti, a un costo prossimo allo zero?

Ho riflettuto su questo interrogativo ascoltando una lunga conversazione tra l’economista Michele Boldrin e il programmatore Salvatore Sanfilippo (qui sotto il video).

Una discussione che parte dall’intelligenza artificiale, attraversa l’economia e la politica, e arriva a una questione che mi interessa particolarmente come economista e come professore universitario: come dovremmo preparare i giovani al futuro?

La risposta, credo, è meno scontata di quanto sembri.

Questa volta potrebbe essere diverso. Oppure no.

La storia economica è piena di innovazioni che avrebbero dovuto distruggere il lavoro umano.

Le macchine agricole hanno ridotto drasticamente il numero di persone necessarie per coltivare la terra. L’automazione industriale ha sostituito molte attività manuali. I computer hanno trasformato il lavoro negli uffici. Internet ha rivoluzionato interi settori.

Eppure il lavoro non è scomparso.

Sono scomparse alcune professioni, ne sono nate altre e molte sono cambiate profondamente. Nel lungo periodo, il progresso tecnologico ha contribuito a un enorme aumento della produttività e del tenore di vita.

Perché l’intelligenza artificiale dovrebbe essere diversa?

Non sappiamo se lo sarà. Diffiderei di chiunque sostenga di conoscere con certezza il futuro del lavoro.

Ma una differenza importante esiste.

Per molto tempo abbiamo costruito macchine per sostituire la forza fisica. Oggi stiamo costruendo macchine capaci di svolgere attività che consideravamo tipicamente intellettuali.

Scrivere un programma informatico, analizzare un documento, sintetizzare una ricerca scientifica, costruire un modello, proporre una soluzione.

Non tutte queste attività vengono svolte correttamente e non tutte possono essere automatizzate. Ma il confine di ciò che una macchina è in grado di fare si sta spostando rapidamente.

Per uno studente universitario, questo significa che non è più sufficiente chiedersi quali professioni saranno richieste tra dieci anni.

Dovrebbe chiedersi quali capacità gli permetteranno di adattarsi a professioni che oggi non conosciamo.

Il valore di una buona domanda

Uno dei passaggi più interessanti della conversazione riguarda la distinzione tra avere un’intuizione e realizzarla.

Pensiamo a un architetto.

C’è una differenza tra immaginare un edificio, comprenderne la struttura, individuare una soluzione originale e produrre tutti i disegni e i calcoli necessari per costruirlo.

Fino a ieri entrambe le attività richiedevano molto lavoro umano. Oggi una parte crescente dell’esecuzione può essere affidata alle macchine.

Qualcosa di simile sta accadendo nella programmazione informatica. Scrivere codice era una competenza rara e preziosa. Ora l’intelligenza artificiale può produrne quantità enormi in pochi secondi.

Questo non significa che non serviranno più programmatori. Significa che potrebbe cambiare ciò per cui vengono pagati.

La capacità di comprendere un problema, progettare una soluzione, identificare errori e valutarne le conseguenze potrebbe diventare relativamente più importante della capacità di scrivere ogni singola istruzione.

Lo stesso ragionamento vale per la ricerca scientifica, l’economia, il diritto e molte altre discipline.

Se produrre una risposta diventa economico, formulare la domanda giusta può diventare ancora più prezioso.

Ma attenzione: non basta dire agli studenti di essere creativi.

La creatività non nasce dal nulla.

Per formulare una buona domanda bisogna conoscere un argomento, averne compreso i problemi, sapere quali tentativi sono già stati fatti e riconoscere ciò che manca.

Le intuizioni migliori arrivano spesso dopo anni di studio e di lavoro.

L’intelligenza artificiale può ridurre il costo dell’esecuzione. Non elimina automaticamente il valore della conoscenza necessaria per orientarla.

Il paradosso: per usare bene l’AI bisogna sapere ciò che l’AI può fare

Immaginiamo due studenti che devono analizzare un problema economico.

Il primo conosce la teoria, sa interpretare i dati, comprende le ipotesi dei modelli e utilizza l’intelligenza artificiale per accelerare alcune operazioni.

Il secondo non possiede queste conoscenze e chiede semplicemente alla macchina di produrre un’analisi.

Entrambi potrebbero ottenere un documento apparentemente convincente.

Ma soltanto il primo avrà gli strumenti per capire se il risultato è corretto, se le ipotesi sono plausibili e se le conclusioni sono giustificate dalle evidenze.

Questo è uno dei paradossi più importanti dell’intelligenza artificiale.

Più diventa facile produrre conoscenza apparente, più diventa importante possedere conoscenza reale per valutarla.

Non è detto che questo vantaggio rimanga invariato nel tempo. Sistemi futuri potrebbero diventare molto più affidabili di quelli attuali. Ma anche in quel caso qualcuno dovrà decidere quali obiettivi perseguire, quali compromessi accettare e quali conseguenze considerare rilevanti.

Il rischio, soprattutto per gli studenti, è confondere la disponibilità immediata di una risposta con la comprensione del problema.

Sono due cose molto diverse.

Chi farà il lavoro necessario per diventare esperto?

C’è poi una questione di cui si discute ancora troppo poco.

Come si diventa bravi in qualcosa?

Di solito non si comincia dalle intuizioni geniali. Si comincia dai compiti più semplici, spesso noiosi, a volte frustranti.

Un ricercatore impara a fare ricerca anche raccogliendo dati, scrivendo codice, leggendo articoli difficili e commettendo errori.

Un medico sviluppa esperienza attraverso anni di pratica supervisionata.

Un economista impara a riconoscere i limiti di un modello anche dopo aver provato a costruirne molti che non funzionavano.

Queste attività non servono soltanto a produrre un risultato. Servono a formare le persone.

Se domani l’intelligenza artificiale svolgesse gran parte di questi compiti, potremmo trovarci davanti a un problema inatteso: eliminare proprio le esperienze attraverso cui si acquisiscono le competenze necessarie per supervisionare la tecnologia.

È un problema economico, ma anche educativo.

Nel breve periodo può essere efficiente affidare un compito all’AI. Nel lungo periodo, però, potrebbe essere necessario che qualcuno continui a svolgerlo per imparare.

Non tutto ciò che è inefficiente oggi è inutile per il futuro.

Questa distinzione dovrebbe entrare nelle nostre università.

Non dobbiamo necessariamente chiedere agli studenti di rinunciare all’intelligenza artificiale. Dobbiamo capire quando utilizzarla per aumentare le loro capacità e quando, invece, chiedere loro di lavorare senza assistenza, proprio per svilupparle.

L’obiettivo non è produrre più elaborati in meno tempo.

È formare persone che sappiano ragionare anche quando la macchina non è disponibile, sbaglia o propone una soluzione inadeguata.

L’intelligenza artificiale aumenterà le disuguaglianze?

Da economista, questa è probabilmente la domanda che trovo più importante.

Siamo abituati a pensare che una tecnologia capace di aumentare la produttività sia una buona notizia. E, in termini di possibilità produttive, generalmente lo è.

Ma l’aumento della produttività non ci dice come verranno distribuiti i benefici.

Se una tecnologia permette a poche imprese di produrre enormi quantità di valore utilizzando relativamente pochi lavoratori, chi riceverà il reddito generato?

I proprietari del capitale? I lavoratori altamente qualificati? I consumatori, attraverso prezzi più bassi? La collettività, attraverso il sistema fiscale?

La risposta dipende dalla struttura dei mercati, dalla concorrenza, dalle istituzioni e dalle politiche pubbliche.

Nella conversazione, Boldrin propone un’intuizione interessante: il problema non è soltanto che una lavoratrice possa perdere il proprio impiego. È anche che potrebbe non possedere alcuna quota del capitale che beneficia della sua sostituzione.

È una distinzione fondamentale.

Una società può diventare molto più ricca e, contemporaneamente, lasciare una parte della popolazione con minori opportunità economiche.

Esiste però anche una possibilità opposta.

L’intelligenza artificiale potrebbe ridurre alcune disuguaglianze, offrendo strumenti straordinari a persone che oggi non hanno accesso a risorse costose.

Pensiamo a uno studente che non può permettersi lezioni private, a un piccolo imprenditore che non può assumere consulenti specializzati, oppure a un ricercatore che lavora in un’università con risorse limitate.

Per tutti loro, l’AI potrebbe rappresentare un’opportunità enorme.

La stessa tecnologia può dunque ampliare oppure ridurre le disuguaglianze.

Non è una contraddizione. Dipende da chi riesce a utilizzarla, da quali attività vengono trasformate e da come si distribuiscono i guadagni di produttività.

Ed è proprio per questo che l’istruzione conta.

L’università non dovrebbe insegnare soltanto a utilizzare gli strumenti

Quando si discute di intelligenza artificiale e istruzione, la soluzione proposta più frequentemente è introdurre corsi dedicati all’AI.

È certamente utile.

Ma credo che il problema sia più profondo.

Non basta insegnare agli studenti a scrivere istruzioni efficaci per un modello linguistico. Non sappiamo nemmeno se questa competenza, nella forma in cui la conosciamo oggi, sarà ancora particolarmente rilevante tra cinque anni.

Dovremmo invece concentrarci su capacità più fondamentali.

Comprendere un problema prima di cercarne la soluzione. Distinguere una correlazione da una relazione causale. Valutare la qualità di un’evidenza. Riconoscere un’ipotesi implicita. Cambiare opinione quando emergono nuovi dati. Comunicare un ragionamento in modo chiaro. Collaborare con persone che possiedono competenze diverse.

Sono capacità che non appartengono esclusivamente a una disciplina.

E non sono nuove.

La novità è che l’intelligenza artificiale potrebbe renderle ancora più importanti.

Questo non significa abbandonare le conoscenze tecniche o disciplinari. Al contrario, significa costruire basi solide sulle quali sviluppare queste capacità.

Un buon giudizio richiede conoscenza. Il pensiero critico non può esistere nel vuoto.

E non dovremmo nemmeno contrapporre cultura scientifica e cultura umanistica. La matematica, la statistica, la storia, la filosofia e la letteratura offrono strumenti differenti per comprendere il mondo.

In un futuro caratterizzato da cambiamenti tecnologici rapidi, la capacità di collegare questi strumenti potrebbe essere particolarmente preziosa.

Studiare non serve soltanto a trovare lavoro

C’è infine una domanda che va oltre l’economia.

Perché studiamo?

Una risposta è evidente: per acquisire competenze che ci permettano di lavorare, ottenere un reddito e costruire una vita autonoma.

Ma non è l’unica.

Studiamo anche per comprendere il mondo, sviluppare interessi, esercitare il giudizio e partecipare consapevolmente alla società.

L’istruzione ha un valore economico, ma anche un valore personale e civile.

Se l’intelligenza artificiale riducesse il tempo necessario per svolgere molte attività, potremmo avere più risorse da dedicare alla ricerca, alla creatività, alle relazioni e alla conoscenza.

Non è un risultato garantito.

Il tempo liberato dal progresso tecnologico può essere utilizzato in molti modi. E non tutti producono necessariamente benessere.

Ma sarebbe un errore considerare il valore di una persona esclusivamente in funzione della sua produttività sul mercato del lavoro.

Forse l’intelligenza artificiale ci costringerà a riflettere proprio su questo.

Per molto tempo abbiamo considerato l’istruzione soprattutto come un investimento per il futuro professionale.

Dovremmo ricordarci che è anche uno strumento per costruire una vita interessante, autonoma e consapevole.

Cinque consigli agli studenti

Se oggi dovessi dare qualche consiglio a uno studente che sta iniziando l’università, partirei da cinque idee.

Primo: studia le basi, anche quando sembrano inutilmente difficili.

La matematica, la statistica, la logica, la capacità di scrivere e di argomentare non diventano irrilevanti perché esiste una macchina capace di eseguire molti compiti al posto nostro. Sono gli strumenti che ci permettono di comprendere ciò che la macchina produce.

Secondo: usa l’intelligenza artificiale, ma non delegarle il tuo apprendimento.

Utilizzala per esplorare argomenti, ricevere spiegazioni alternative, verificare intuizioni e mettere alla prova le tue idee. Ma continua a fare lo sforzo di risolvere problemi autonomamente. L’obiettivo non è ottenere una risposta. È diventare una persona capace di comprenderla.

Terzo: impara a formulare problemi, non soltanto a risolverli.

Molte attività esecutive diventeranno più semplici. Individuare quali problemi meritano attenzione, quali domande sono rilevanti e quali conseguenze dobbiamo considerare potrebbe diventare una capacità sempre più importante.

Quarto: non identificarti troppo con una singola competenza tecnica.

Le tecnologie cambiano. Alcune competenze che oggi sembrano preziosissime potrebbero diventare comuni. Investi anche nella capacità di apprendere, adattarti e collaborare. Non cercare soltanto di diventare bravo a fare una cosa. Cerca di diventare bravo a impararne di nuove.

Quinto: coltiva interessi che non abbiano necessariamente un ritorno economico immediato.

Leggi, esplora discipline lontane dalla tua, fai domande, sviluppa passioni. Non tutto ciò che vale deve essere remunerato dal mercato. E non tutto ciò che oggi sembra economicamente inutile lo sarà domani.

Il futuro non è scritto

Quando si parla di intelligenza artificiale, il dibattito tende spesso a dividersi tra due posizioni.

Da una parte chi immagina un futuro straordinario, in cui le macchine ci libereranno dal lavoro e renderanno tutti più ricchi.

Dall’altra chi teme una società caratterizzata da disoccupazione, disuguaglianze e concentrazione del potere.

Entrambi gli scenari sono possibili, ma nessuno è inevitabile.

La storia economica ci insegna che le tecnologie modificano le opportunità disponibili. Non determinano da sole come una società sceglierà di utilizzarle.

Le istituzioni, la concorrenza, l’istruzione e le decisioni collettive continueranno ad avere un ruolo fondamentale.

Per questo credo che il messaggio più importante da trasmettere agli studenti non sia né quello di avere paura dell’intelligenza artificiale né quello di affidarsi completamente a essa.

È un messaggio più semplice.

Continuate a studiare. Continuate a essere curiosi. Imparate a utilizzare le nuove tecnologie, ma soprattutto imparate a ragionare.

Non sappiamo quali professioni esisteranno tra vent’anni. Non sappiamo quali competenze saranno meglio remunerate. Non sappiamo nemmeno quanto rapidamente cambierà il mondo del lavoro.

Ma c’è una cosa sulla quale possiamo ragionevolmente scommettere.

In un mondo in cui ottenere risposte diventa sempre più facile, la capacità di capire quali domande porre, valutare le risposte e decidere che cosa farne resterà una risorsa fondamentale.

E forse è proprio questo il compito più importante dell’università: non preparare gli studenti a un futuro che pretendiamo di conoscere, ma fornire loro gli strumenti per affrontare quello che arriverà.

Avversi alle diseguaglianze

Perché siamo disposti a pagare per punire un’ingiustizia? L’economia della fairness

Nel 1999, Ernst Fehr e Klaus Schmidt pubblicano un articolo destinato a diventare uno dei lavori più influenti dell’economia comportamentale. La loro intuizione è semplice: per comprendere le decisioni economiche non basta sapere quanto guadagniamo. Conta anche quanto guadagnano gli altri.

Un’offerta che conviene rifiutare?

Immaginiamo un esperimento molto semplice. Due persone devono dividersi 100 euro. La prima decide come distribuire la somma, mentre la seconda può accettare oppure rifiutare l’offerta. Se accetta, entrambi ricevono quanto proposto. Se rifiuta, nessuno riceve nulla.

È il celebre ultimatum game.

Secondo il modello economico tradizionale, un individuo interessato esclusivamente al proprio guadagno dovrebbe accettare qualsiasi offerta positiva. Ricevere un euro è sempre meglio che non ricevere nulla.

Eppure, negli esperimenti, le persone rifiutano frequentemente offerte molto basse. Sono disposte a rinunciare a un guadagno pur di impedire che qualcun altro ottenga una quota considerata ingiusta.

Perché?

Una possibile spiegazione è che le persone non siano perfettamente razionali. Un’altra, più interessante dal punto di vista economico, è che il modello tradizionale descriva in modo incompleto ciò che le persone desiderano.

Forse non ci interessa soltanto quanto riceviamo, ma anche come le risorse vengono distribuite.

Questa è l’intuizione alla base di uno dei paper più importanti dell’economia comportamentale: A Theory of Fairness, Competition, and Cooperation, pubblicato da Ernst Fehr e Klaus Schmidt sul Quarterly Journal of Economics nel 1999.

L’intuizione: la disuguaglianza può essere costosa

Fehr e Schmidt propongono un modello nel quale gli individui non valutano esclusivamente il proprio reddito, ma anche le differenze tra il proprio reddito e quello degli altri.

L’idea è che la disuguaglianza possa generare una perdita di utilità.

Il modello distingue due situazioni.

La prima si verifica quando riceviamo meno degli altri. È quella che gli autori chiamano disadvantageous inequality aversion: l’avversione alla disuguaglianza che ci penalizza.

La seconda si verifica quando riceviamo più degli altri. In questo caso parliamo di advantageous inequality aversion: il disagio che alcune persone provano quando si trovano in una posizione relativamente privilegiata.

Le due forme di avversione alla disuguaglianza non sono necessariamente simmetriche. Generalmente, ricevere meno degli altri pesa più di quanto ci disturbi ricevere di più.

Un individuo potrebbe quindi preferire ricevere 40 euro quando un’altra persona ne riceve 40, piuttosto che riceverne 45 quando l’altra ne ottiene 100.

Non perché 40 euro siano più di 45, ma perché la distribuzione più disuguale genera una perdita di utilità sufficientemente grande da compensare il maggiore guadagno monetario.

È un cambiamento concettuale importante.

Nel modello tradizionale, l’utilità dipende dal proprio consumo o reddito. Nel modello di Fehr e Schmidt, dipende anche dalla posizione relativa rispetto agli altri.

Una teoria per spiegare comportamenti apparentemente contraddittori

L’aspetto più interessante del paper non è semplicemente l’idea che le persone siano sensibili alla disuguaglianza.

Questa intuizione era già presente nella letteratura economica e psicologica.

Il contributo degli autori è mostrare come un modello relativamente semplice possa spiegare comportamenti che, a prima vista, sembrano difficilmente conciliabili.

Consideriamo tre situazioni.

1. Perché rifiutiamo offerte ingiuste?

Nell’ultimatum game, chi riceve un’offerta molto bassa potrebbe preferire rifiutarla, anche perdendo denaro.

Il rifiuto elimina una distribuzione fortemente svantaggiosa e può quindi essere coerente con la massimizzazione dell’utilità.

Non è necessario assumere che l’individuo commetta un errore. Basta riconoscere che attribuisce valore anche all’equità della distribuzione.

2. Perché siamo disposti a punire chi non coopera?

Immaginiamo un gruppo di persone che deve contribuire volontariamente al finanziamento di un bene pubblico.

Se tutti contribuiscono, il gruppo ottiene un beneficio collettivo. Ma ciascun individuo ha un incentivo a comportarsi da free rider, beneficiando dei contributi altrui senza sostenere il costo della cooperazione.

Gli esperimenti mostrano che, quando viene introdotta la possibilità di punire chi non contribuisce, la cooperazione può aumentare considerevolmente.

Il fatto sorprendente è che punire costa.

Perché dovremmo spendere denaro per ridurre il guadagno di qualcun altro?

Nel modello di Fehr e Schmidt, la punizione può essere razionale perché riduce una disuguaglianza considerata ingiusta. Inoltre, la possibilità di essere puniti modifica gli incentivi degli altri partecipanti, rendendo più facile sostenere la cooperazione.

3. Perché nei mercati competitivi ci comportiamo spesso come individui egoisti?

Qui emerge uno dei risultati teorici più importanti.

Se le persone attribuiscono valore all’equità, perché molti mercati producono risultati vicini a quelli previsti dai modelli tradizionali?

La risposta è che il comportamento non dipende soltanto dalle preferenze, ma anche dalle caratteristiche dell’interazione.

In un mercato altamente competitivo, un individuo che rifiuta una transazione perché la considera ingiusta potrebbe essere immediatamente sostituito da qualcun altro.

La competizione può quindi limitare la capacità delle preferenze sociali di influenzare i risultati.

Nella contrattazione bilaterale, invece, il potere di rifiutare un’offerta può rendere queste preferenze decisive.

La stessa persona, con le stesse preferenze, può quindi comportarsi in modo apparentemente egoistico in un mercato competitivo e manifestare una forte sensibilità all’equità in un’interazione bilaterale.

Non c’è necessariamente una contraddizione.

Il contributo fondamentale: preferenze e istituzioni interagiscono

Questo è probabilmente il messaggio più profondo del paper.

Fehr e Schmidt non sostengono che tutti gli individui siano altruisti o che tutti desiderino una distribuzione perfettamente uguale delle risorse.

Al contrario, assumono che le persone siano eterogenee.

Alcune sono interessate quasi esclusivamente al proprio guadagno. Altre sono fortemente sensibili alla disuguaglianza. Altre ancora presentano livelli intermedi di avversione.

Questa eterogeneità, combinata con le caratteristiche dell’interazione strategica, può generare risultati molto diversi.

In alcuni contesti, anche una minoranza di individui sensibili all’equità può influenzare significativamente il comportamento dell’intero gruppo.

In altri, la competizione può rendere quasi irrilevanti le preferenze sociali.

L’innovazione consiste quindi nell’integrare le preferenze sociali nella teoria dei giochi, mostrando come possano modificare gli equilibri economici senza abbandonare gli strumenti analitici tradizionali.

Come ha cambiato la letteratura economica

Il lavoro di Fehr e Schmidt è diventato uno dei riferimenti fondamentali dell’economia comportamentale e sperimentale.

La sua influenza si sviluppa soprattutto in tre direzioni.

La prima riguarda la formalizzazione delle preferenze sociali.

Prima della fine degli anni Novanta, una quantità crescente di risultati sperimentali metteva in discussione l’ipotesi che gli individui massimizzassero esclusivamente il proprio guadagno monetario.

Il paper contribuisce a trasformare queste osservazioni in una teoria capace di generare predizioni verificabili.

Insieme ad altri contributi, tra cui il modello di Bolton e Ockenfels (2000), diventa uno dei principali riferimenti dell’approccio basato sulle preferenze distributive.

La seconda direzione riguarda lo studio della cooperazione.

Il modello aiuta a comprendere perché la presenza di individui sensibili all’equità possa modificare gli incentivi alla cooperazione, soprattutto quando esistono meccanismi di punizione.

Questo filone ha influenzato la ricerca sui beni pubblici, sulle organizzazioni, sulle relazioni di lavoro e sui meccanismi informali di enforcement.

La terza direzione riguarda il rapporto tra preferenze individuali e istituzioni.

Uno degli insegnamenti più importanti del paper è che non possiamo prevedere il comportamento economico conoscendo soltanto le preferenze delle persone.

Dobbiamo conoscere anche le regole del gioco.

La competizione, il potere contrattuale, la possibilità di punire e la struttura degli incentivi determinano quanto le preferenze sociali incidano sui risultati.

Questa intuizione ha avuto conseguenze importanti per l’economia delle organizzazioni, il disegno dei meccanismi e lo studio delle istituzioni.

Ma la fairness è davvero soltanto una questione di disuguaglianza?

Naturalmente, il modello presenta alcuni limiti.

Il principale è che considera la distribuzione dei payoff, ma non direttamente le intenzioni che hanno prodotto quella distribuzione.

Immaginiamo di ricevere 20 euro mentre un’altra persona ne riceve 80.

La nostra reazione potrebbe essere molto diversa a seconda che quella distribuzione sia stata scelta intenzionalmente dall’altra persona, determinata casualmente oppure prodotta da differenze nell’impegno o nella produttività.

Il modello di Fehr e Schmidt, nella sua formulazione originale, non distingue direttamente queste situazioni.

Questa limitazione ha contribuito a stimolare una letteratura parallela sui modelli di reciprocità e sulle preferenze che incorporano le intenzioni, come quelli di Rabin (1993), Dufwenberg e Kirchsteiger (2004) e Falk e Fischbacher (2006).

La ricerca successiva ha inoltre mostrato che le persone possono essere sensibili non soltanto all’uguaglianza dei risultati, ma anche al merito, alle opportunità, alla responsabilità individuale e alle procedure utilizzate per distribuire le risorse.

Il modello di Fehr e Schmidt non rappresenta quindi una teoria completa della fairness.

Rimane però uno dei tentativi più influenti di incorporare una dimensione fondamentale delle preferenze sociali all’interno di un modello economico parsimonioso.

La lezione più importante

Siamo abituati a pensare che gli incentivi economici funzionino modificando i benefici e i costi individuali.

Ma ciò che consideriamo un beneficio o un costo non dipende necessariamente soltanto da quanto denaro riceviamo.

Può dipendere anche da quanto ricevono gli altri.

Questa semplice intuizione cambia il modo di interpretare molti fenomeni economici: dalle trattative salariali alla cooperazione nei gruppi, dalla redistribuzione alle relazioni tra imprese e lavoratori.

Soprattutto, suggerisce una conclusione più generale.

Per comprendere il funzionamento di un mercato o di un’istituzione, non basta assumere che le persone rispondano agli incentivi.

Bisogna capire quali aspetti dei risultati economici entrano effettivamente nella loro funzione di utilità.

Il contributo di Fehr e Schmidt è aver mostrato che possiamo prendere sul serio la fairness senza rinunciare al rigore della teoria economica.

E che, qualche volta, rinunciare a un euro per impedire un’ingiustizia può essere una scelta perfettamente razionale.


Riferimento bibliografico

Fehr, Ernst, e Klaus M. Schmidt (1999). “A Theory of Fairness, Competition, and Cooperation.” Quarterly Journal of Economics, 114(3), 817–868.