L’economia dei prediction markets

Elezioni, recessioni, decisioni delle banche centrali, risultati sportivi. Possiamo utilizzare un mercato per prevedere cosa accadrà?

L’idea alla base dei prediction markets, o mercati previsionali, è semplice e affascinante: aggregare le informazioni disperse tra molte persone attraverso un sistema di prezzi.

Come funziona un mercato previsionale?

Immaginiamo di voler prevedere se la Banca Centrale Europea ridurrà i tassi di interesse entro la fine dell’anno.

Potremmo chiedere a un gruppo di economisti, consultare le previsioni degli analisti oppure realizzare un sondaggio.

Esiste però un’altra possibilità: creare un mercato nel quale le persone possano acquistare e vendere contratti il cui valore dipende dal verificarsi dell’evento.

Supponiamo che un contratto paghi 1 euro se la BCE riduce i tassi entro una determinata data e zero altrimenti.

Se il contratto viene scambiato a 70 centesimi, il mercato sta attribuendo all’evento una probabilità implicita del 70%.

Chi ritiene che la probabilità sia superiore al 70% potrebbe trovare conveniente acquistare il contratto. Chi ritiene che sia inferiore potrebbe preferire venderlo.

Attraverso gli scambi, le informazioni e le aspettative dei partecipanti contribuiscono alla formazione di un prezzo.

Perché un mercato dovrebbe prevedere meglio di un esperto?

L’idea ha radici profonde nella teoria economica.

Nel 1945, Friedrich Hayek pubblica “The Use of Knowledge in Society”, uno degli articoli più influenti della storia dell’economia.

Hayek osserva che le informazioni rilevanti per prendere decisioni economiche sono disperse tra milioni di individui. Nessuna autorità centrale può conoscerle tutte.

Il sistema dei prezzi permette di utilizzare queste informazioni senza che debbano essere raccolte e comunicate esplicitamente.

I prediction markets applicano un principio simile alle previsioni.

Ogni partecipante può possedere informazioni differenti: dati economici, conoscenze specifiche, esperienza professionale oppure semplicemente un’interpretazione diversa delle informazioni pubbliche.

Il mercato offre un incentivo a utilizzare queste conoscenze.

Chi ritiene che il prezzo non rifletta correttamente la probabilità di un evento può assumere una posizione e, se la previsione si rivela corretta, ottenere un guadagno.

Naturalmente, il fatto che le persone rischino denaro non garantisce che abbiano ragione. Ma può incentivare una valutazione più attenta delle informazioni rispetto a una semplice dichiarazione di opinione.

Cosa dice la ricerca economica?

Uno dei lavori di riferimento è quello di Justin Wolfers ed Eric Zitzewitz, “Prediction Markets”, pubblicato nel 2004 sul Journal of Economic Perspectives.

Gli autori esaminano il funzionamento di questi mercati e mostrano come i prezzi possano sintetizzare informazioni utili sulle probabilità di eventi futuri.

Un altro contributo importante è quello di Berg, Nelson e Rietz (2008), pubblicato sull’International Journal of Forecasting, che analizza le previsioni elettorali dell’Iowa Electronic Markets.

Gli autori documentano che, nei contesti esaminati, i mercati previsionali hanno spesso prodotto previsioni competitive, e talvolta più accurate, rispetto ai sondaggi tradizionali.

I prediction markets non sono però necessariamente superiori a qualsiasi altro metodo di previsione. La loro accuratezza dipende dal tipo di evento, dalla qualità delle informazioni disponibili e dal funzionamento del mercato.

I prediction markets oggi

Negli ultimi anni questi mercati hanno acquisito una crescente visibilità grazie a piattaforme come Polymarket e Kalshi.

Queste piattaforme consentono di negoziare contratti su eventi futuri, trasformando le aspettative dei partecipanti in prezzi continuamente aggiornati.

La differenza rispetto a un sondaggio è importante.

Un sondaggio chiede alle persone cosa pensano o cosa intendono fare. Un prediction market cerca invece di misurare quanto i partecipanti ritengano probabile un determinato risultato.

Per esempio, chiedere a una persona per chi voterà non equivale a chiederle quale candidato ritenga più probabile vincitore.

Sono due informazioni differenti.

Ma possiamo davvero interpretare il prezzo come una probabilità?

Non sempre.

Se un contratto che paga 1 euro viene scambiato a 70 centesimi, è naturale interpretare il prezzo come una probabilità del 70%.

Questa interpretazione, tuttavia, richiede alcune condizioni.

I partecipanti devono poter acquistare e vendere liberamente, i costi di transazione devono essere limitati e il mercato deve essere sufficientemente liquido.

Inoltre, le preferenze per il rischio possono influenzare i prezzi.

Un contratto potrebbe essere particolarmente richiesto non soltanto perché un evento viene considerato probabile, ma anche perché offre una forma di copertura contro altri rischi.

Di conseguenza, il prezzo di mercato non coincide necessariamente con la probabilità effettiva dell’evento.

È una misura delle valutazioni aggregate dei partecipanti, influenzata anche dagli incentivi e dalle caratteristiche del mercato.

Quando i mercati possono sbagliare

I prediction markets presentano alcuni limiti importanti.

Il primo riguarda la liquidità. Se pochi individui partecipano agli scambi, i prezzi possono essere influenzati da singole operazioni e riflettere informazioni incomplete.

Il secondo riguarda la selezione dei partecipanti. Le persone che operano su questi mercati non costituiscono necessariamente un campione rappresentativo della popolazione. Questo non è di per sé un problema, perché l’obiettivo non è misurare un’opinione media, ma può diventarlo quando informazioni importanti rimangono escluse.

Il terzo riguarda la possibilità che i prezzi siano influenzati da comportamenti strategici, preferenze non legate alla previsione o tentativi di manipolazione.

Un mercato può quindi aggregare informazioni in modo efficace senza essere infallibile.

Perché sono interessanti per gli economisti?

L’aspetto più interessante dei prediction markets non è necessariamente la possibilità di prevedere il risultato di un’elezione o di una partita.

È il fatto che rappresentino un laboratorio per studiare come le informazioni vengono aggregate.

La teoria economica ci insegna che i prezzi coordinano decisioni decentralizzate. I prediction markets permettono di osservare questo meccanismo in un contesto nel quale il valore finale del contratto dipende da un evento verificabile.

Possiamo quindi confrontare le probabilità implicite nei prezzi con gli eventi effettivamente realizzati e valutare quanto siano accurate le previsioni.

Questi mercati hanno anche applicazioni interessanti all’interno delle organizzazioni.

Un’impresa potrebbe utilizzarli per prevedere le vendite di un nuovo prodotto, la probabilità di rispettare una scadenza oppure il successo di un progetto.

In questo modo, informazioni disperse tra dipendenti e reparti potrebbero emergere attraverso un meccanismo di mercato, anziché attraverso una procedura gerarchica.

La lezione economica

I prediction markets ci ricordano un’intuizione fondamentale: per produrre una buona previsione non è sempre necessario individuare la persona che conosce meglio un determinato fenomeno.

A volte può essere più efficace costruire un meccanismo capace di aggregare le informazioni possedute da molte persone.

Il valore di questi mercati non risiede quindi nella capacità di conoscere il futuro, ma nella possibilità di utilizzare informazioni disperse per formulare previsioni continuamente aggiornate.

La domanda più interessante non è se i mercati sappiano prevedere il futuro. È se possano aggregare le informazioni meglio dei metodi alternativi.

Ed è proprio questa una delle questioni centrali dell’economia: comprendere come le istituzioni e gli incentivi trasformino conoscenze individuali in risultati collettivi.

Riferimenti bibliografici

Hayek, F. A. (1945). “The Use of Knowledge in Society.” American Economic Review, 35(4), 519–530.

Wolfers, J., & Zitzewitz, E. (2004). “Prediction Markets.” Journal of Economic Perspectives, 18(2), 107–126.
https://doi.org/10.1257/0895330041371321

Berg, J. E., Nelson, F. D., & Rietz, T. A. (2008). “Prediction Market Accuracy in the Long Run.” International Journal of Forecasting, 24(2), 285–300.
https://doi.org/10.1016/j.ijforecast.2008.03.007

4 ore alla settimana nel 2026

Nel 2007 Timothy Ferriss pubblicava “4 ore alla settimana” (The 4-Hour Workweek), un libro che ha influenzato profondamente la mia vita, sia professionale sia personale.

Il messaggio era tanto semplice quanto rivoluzionario: non dobbiamo necessariamente lavorare di più per ottenere risultati migliori. Dobbiamo imparare a eliminare ciò che non serve, automatizzare le attività ripetitive, delegare quello che altri possono fare al posto nostro e, soprattutto, riprenderci il controllo del nostro tempo.

Negli anni ho cercato di applicare questi principi al mio lavoro e alla mia vita quotidiana. Non sempre con successo, ma quel libro ha cambiato il mio modo di pensare alla produttività, alle priorità e al rapporto tra tempo e lavoro.

Oggi, nel 2026, credo che quelle idee siano ancora più attuali. Anzi, l’intelligenza artificiale e gli agenti AI potrebbero rendere finalmente realizzabili molte delle intuizioni di Ferriss.

Pensiamo al lavoro.

Nel 2007 delegare significava soprattutto affidare attività ad altre persone, spesso attraverso l’outsourcing. Oggi strumenti come ChatGPT, Claude e Gemini possono aiutarci a scrivere, analizzare documenti, sintetizzare informazioni e sviluppare idee. Ma il cambiamento più interessante riguarda gli agenti AI: sistemi capaci di utilizzare strumenti, eseguire sequenze di operazioni e gestire processi con un certo grado di autonomia.

Un agente può monitorare la posta elettronica, distinguere le comunicazioni importanti da quelle secondarie, preparare risposte e proporre appuntamenti. Strumenti come Microsoft Copilot, integrati con Outlook, Teams e altri applicativi, possono ridurre il tempo dedicato a email, riunioni e documenti.

Con piattaforme come n8n, Make e Zapier possiamo collegare applicazioni diverse e costruire flussi di lavoro automatizzati: raccogliere informazioni, aggiornare database, preparare report, gestire scadenze e attivare azioni quando si verificano determinate condizioni.

Nel mio lavoro accademico, immagino agenti che monitorano la letteratura scientifica, individuano nuovi articoli rilevanti, preparano sintesi, organizzano materiali didattici, aiutano a verificare codice e analisi statistiche o coordinano le attività amministrative dei progetti di ricerca. Naturalmente, lasciando al ricercatore il controllo scientifico e le decisioni importanti.

Ma la rivoluzione potrebbe essere altrettanto significativa nella vita personale.

Immaginiamo un assistente digitale che organizza un viaggio confrontando voli, treni e alberghi, costruisce un itinerario sulla base delle nostre preferenze e prepara le prenotazioni per la nostra approvazione.

Oppure un agente che tiene traccia delle scadenze familiari, coordina calendari, prepara la lista della spesa in base ai pasti programmati, monitora le spese domestiche e segnala abbonamenti inutilizzati.

O ancora un sistema che ci aiuta a organizzare l’attività fisica, pianificare il tempo libero e proteggere gli spazi che vogliamo dedicare alle persone importanti.

Non è fantascienza. Molti elementi di questi sistemi sono già disponibili, anche se integrarli in modo affidabile richiede ancora lavoro, supervisione e attenzione alla privacy.

La differenza rispetto al 2007 è enorme: allora dovevamo trovare qualcuno a cui delegare. Oggi possiamo iniziare a costruire una piccola squadra di collaboratori digitali, disponibili continuamente e capaci di occuparsi di una parte crescente del lavoro operativo.

Ma c’è un punto che considero fondamentale.

Se grazie all’AI riusciamo a svolgere in due ore un’attività che prima ne richiedeva otto, che cosa facciamo delle sei ore risparmiate?

Le utilizziamo per aggiungere altre attività, altre riunioni, altri progetti? Oppure scegliamo di lavorare meno, leggere di più, stare con la famiglia, fare sport, viaggiare o semplicemente avere tempo per pensare?

Da economista, trovo questa domanda particolarmente interessante. Un aumento della produttività non si traduce automaticamente in una riduzione del tempo lavorato. Dipende dagli incentivi, dalle aspettative e, soprattutto, dalle nostre preferenze.

Il rischio è che l’intelligenza artificiale finisca per renderci ancora più occupati.

Per questo credo che servirebbe una nuova edizione di “4 ore alla settimana”, pensata per il 2026.

Un libro che non insegni soltanto a utilizzare ChatGPT o a costruire agenti AI, ma che ci aiuti a ripensare radicalmente il modo in cui organizziamo il lavoro e la vita personale.

Perché il vero obiettivo non dovrebbe essere fare in quattro ore quello che prima facevamo in quaranta, per poi riempire le altre trentasei con nuovi impegni.

Dovrebbe essere recuperare la libertà di scegliere come utilizzare il nostro tempo.

Quasi vent’anni dopo, credo che questa sia ancora la lezione più importante di Ferriss. E forse oggi abbiamo finalmente strumenti abbastanza potenti per metterla in pratica su una scala completamente diversa.

Longitudine

Come un orologiaio autodidatta, un premio pubblico e quarant’anni di tentativi cambiarono la navigazione. E cosa questa storia ci insegna sugli incentivi all’innovazione.

Nel 1714 il Parlamento britannico mise in palio una somma straordinaria: 20.000 sterline (diversi milioni di euro attuali) per chi fosse riuscito a risolvere uno dei problemi più importanti dell’epoca, determinare con precisione la longitudine di una nave in mezzo all’oceano.

Il problema aveva impegnato per secoli alcune delle menti più brillanti della storia della scienza. Galileo, Huygens, Cassini, Newton e Halley avevano contribuito, in modi diversi, alla ricerca di una soluzione. A riuscirci fu un uomo che non aveva frequentato l’università, non era un astronomo e non apparteneva all’élite scientifica britannica. Si chiamava John Harrison. Era un orologiaio autodidatta.

La sua storia è un esempio straordinario di come funzionano, e qualche volta non funzionano, gli incentivi all’innovazione.

Un problema da milioni di sterline

All’inizio del Settecento, attraversare l’oceano era un’impresa rischiosa. I marinai sapevano determinare abbastanza bene la latitudine, cioè quanto si trovavano a nord o a sud dell’equatore. Ma stabilire la longitudine, la posizione est-ovest, era molto più difficile.

Un errore di navigazione poteva significare mancare un porto, finire contro una costa o perdere un’intera flotta.

Nel 1707 quattro navi britanniche naufragarono presso le isole Scilly, al largo della Cornovaglia. Morirono circa 1.400–2.000 marinai. Le cause furono complesse, ma la tragedia contribuì a rendere evidente quanto fosse urgente migliorare la navigazione.

La soluzione teorica al problema della longitudine, in realtà, era già conosciuta.

La Terra compie un giro completo, 360 gradi, in 24 ore. Questo significa che ogni ora di differenza tra due luoghi corrisponde a 15 gradi di longitudine.

Se a bordo di una nave è mezzogiorno, ma a Londra sono le due del pomeriggio, la nave si trova a 30 gradi a ovest del meridiano londinese.

Semplice, almeno sulla carta.

Per applicare questo principio bisognava però sapere che ora fosse a Londra mentre ci si trovava in mezzo all’Atlantico.

Oggi sembra banale. Nel Settecento era una sfida tecnologica formidabile.

Gli orologi dell’epoca erano troppo imprecisi. Le oscillazioni delle navi, l’umidità e le variazioni di temperatura ne compromettevano il funzionamento. Un errore di appena quattro minuti poteva tradursi in uno spostamento di circa 111 chilometri all’equatore.

Serviva un orologio capace di conservare l’ora esatta per mesi, in condizioni estremamente difficili.

Quando lo Stato decide di premiare una soluzione

Nel 1714 il Parlamento britannico approvò il Longitude Act.

La legge prevedeva tre premi: 10.000 sterline per chi avesse determinato la longitudine entro 60 miglia nautiche, 15.000 per una precisione di 40 miglia e 20.000 per una precisione di 30 miglia.

Non veniva imposto un metodo particolare. Chiunque poteva proporre una soluzione.

Era un esempio di quello che oggi gli economisti chiamano inducement prize: un premio destinato a incentivare la ricerca di una soluzione a un problema ben definito.

L’idea economica è interessante.

Normalmente, quando finanziamo la ricerca, paghiamo qualcuno affinché provi a raggiungere un risultato. Finanziamo laboratori, assumiamo ricercatori, acquistiamo strumenti. Il finanziamento arriva prima, mentre il risultato è incerto.

Un premio funziona diversamente. L’istituzione definisce il problema e promette una ricompensa a chi riesce a risolverlo.

In questo modo non deve necessariamente sapere in anticipo chi sia il ricercatore migliore, quale approccio abbia più probabilità di successo o quale tecnologia si rivelerà vincente.

Il premio può attirare idee da persone che nessuno avrebbe pensato di finanziare.

Come John Harrison.

L’orologiaio che sfidò gli astronomi

Harrison nacque nel 1693 nello Yorkshire. Era figlio di un artigiano e imparò a costruire orologi sviluppando autonomamente le proprie competenze.

Mentre molti astronomi cercavano di utilizzare la posizione della Luna e delle stelle per determinare la longitudine, Harrison perseguì una strada diversa: costruire un orologio sufficientemente preciso da conservare l’ora del meridiano di riferimento durante una lunga traversata.

L’idea di utilizzare un orologio non era nuova. Il problema era riuscire a costruirne uno che funzionasse davvero.

Harrison dedicò decenni a questa impresa.

Il primo prototipo, completato nel 1735, era una macchina complessa, con grandi bilancieri oscillanti. Ne costruì poi un secondo e un terzo, introducendo progressivamente nuove soluzioni meccaniche.

Soltanto nel 1759 realizzò il suo capolavoro: l’H4, un cronometro relativamente piccolo, simile a un grande orologio da tasca.

Nel 1761 il cronometro partì per una traversata verso la Giamaica, accompagnato dal figlio William.

Il risultato fu eccezionale. All’arrivo, dopo 81 giorni, lo scarto registrato era di circa cinque secondi.

Un risultato che superava ampiamente la precisione richiesta per ottenere il premio massimo.

La storia avrebbe potuto finire qui.

Ma non finì qui.

Avere ragione non basta

Nonostante il successo, Harrison non ricevette immediatamente le 20.000 sterline.

Il Board of Longitude, l’organismo incaricato di valutare le proposte, continuò a richiedere verifiche, nuove prove e informazioni tecniche.

Harrison riteneva di aver soddisfatto le condizioni previste dalla legge. I suoi interlocutori, invece, volevano essere certi che il risultato fosse replicabile.

Un orologio costruito da un artigiano eccezionale poteva funzionare perfettamente. Ma questo non significava necessariamente che altri orologiai fossero in grado di produrne copie altrettanto precise.

C’era poi un problema di interessi scientifici.

Nevil Maskelyne, astronomo reale dal 1765, sosteneva il metodo alternativo delle distanze lunari. Questo metodo, basato sull’osservazione della posizione della Luna rispetto ad altri corpi celesti, era scientificamente valido e sarebbe stato effettivamente utilizzato dai navigatori.

La competizione, quindi, non era semplicemente tra una soluzione corretta e una sbagliata. Era tra due tecnologie, ciascuna con vantaggi e limiti differenti.

Harrison vedeva nelle richieste del Board una resistenza ingiustificata. I suoi valutatori sostenevano di dover accertare che la tecnologia fosse affidabile e riproducibile.

La controversia durò anni.

Nel 1773, quando Harrison aveva ormai ottant’anni, il Parlamento gli riconobbe un ulteriore pagamento di 8.750 sterline. Nel corso della sua vita aveva già ricevuto altri finanziamenti e ricompense, ma non gli fu mai formalmente attribuito il premio massimo secondo la procedura originaria.

Harrison morì nel 1776.

Aveva contribuito a cambiare per sempre la navigazione, ma aveva trascorso una parte considerevole della propria vita a dimostrare che la sua invenzione meritava di essere riconosciuta.

La lezione economica: gli incentivi non bastano

Questa storia contiene almeno tre lezioni importanti per chi si occupa di economia.

La prima riguarda il potere degli incentivi.

Un premio può mobilitare conoscenze che si trovano al di fuori delle istituzioni tradizionali. Harrison non era un astronomo accademico. Era un artigiano con competenze particolari, un approccio diverso e la determinazione necessaria per affrontare un problema considerato quasi impossibile.

La seconda riguarda la difficoltà di definire cosa significhi davvero «risolvere un problema».

Il Longitude Act aveva stabilito un obiettivo apparentemente chiaro: determinare la longitudine con un certo grado di precisione.

Ma quando Harrison dimostrò di poterlo raggiungere, emersero altre domande. Il suo orologio avrebbe funzionato in tutte le condizioni? Altri avrebbero potuto costruirne uno uguale? Quanto sarebbe costato produrlo?

In termini economici, siamo di fronte a un problema di contratti incompleti.

È difficile prevedere e specificare in anticipo tutte le condizioni che permetteranno di stabilire se un risultato futuro soddisfi davvero le aspettative.

La terza lezione riguarda le istituzioni.

Un premio non elimina il bisogno di valutare i risultati. E chi valuta può avere convinzioni, preferenze e interessi propri.

Per questo, quando progettiamo incentivi all’innovazione, non basta stabilire quanto pagare. Dobbiamo anche decidere chi giudicherà il risultato, quali prove saranno richieste e come gestire eventuali controversie.

Inventare non significa innovare

C’è infine un ultimo elemento.

Il cronometro di Harrison funzionava, ma era estremamente costoso e difficile da costruire.

Perché i cronometri marini diventassero strumenti diffusi sulle navi commerciali, furono necessari ulteriori progressi tecnologici, nuovi produttori e una significativa riduzione dei costi.

Altri orologiai, tra cui John Arnold e Thomas Earnshaw, contribuirono a rendere questa tecnologia più accessibile.

La differenza è fondamentale: inventare qualcosa non significa necessariamente renderlo disponibile a tutti.

Un’invenzione può essere tecnicamente straordinaria e avere inizialmente un impatto economico limitato. Per produrre benefici su larga scala deve diventare affidabile, replicabile e sufficientemente economica.

È un problema che ritroviamo ancora oggi, dalle tecnologie energetiche ai farmaci, fino all’intelligenza artificiale.

La storia di Harrison ci ricorda che il progresso tecnologico non dipende soltanto dalle grandi intuizioni individuali. Dipende anche dagli incentivi, dalle istituzioni, dalla capacità di verificare i risultati e dai processi che trasformano un prototipo in una tecnologia diffusa.

Nel 1714 il Parlamento britannico cercava un modo per conoscere la posizione di una nave nell’oceano.

Finì per contribuire a una delle più importanti innovazioni della storia della navigazione.

E ci lasciò una domanda che, tre secoli dopo, rimane attuale: come possiamo progettare istituzioni capaci non soltanto di incentivare le idee migliori, ma anche di riconoscerle quando arrivano da dove meno ce le aspettiamo?


Per approfondire: Dava Sobel, Longitudine (1995); William J. H. Andrewes (a cura di), The Quest for Longitude (1996); Royal Museums Greenwich, collezione dedicata a John Harrison e alla storia della longitudine.

L’economia senza lavoro: chi guadagnerà quando saranno le macchine a produrre?

L’intelligenza artificiale e la robotica promettono un mondo in cui il lavoro umano potrebbe non essere più necessario per produrre gran parte dei beni e servizi. Ma se le macchine lavorano al posto nostro, chi riceverà il reddito? E soprattutto: avremo davvero risolto il problema della scarsità?

Immaginiamo un futuro in cui le macchine siano in grado di svolgere quasi tutte le attività che oggi richiedono lavoro umano. L’intelligenza artificiale scrive, programma, progetta, analizza dati e prende decisioni. I robot costruiscono edifici, coltivano i campi, trasportano merci e assistono le persone. L’energia necessaria a far funzionare queste macchine diventa progressivamente più economica grazie alle innovazioni tecnologiche.

In questo mondo, produrre beni e servizi richiederebbe sempre meno lavoro umano. Non perché le persone siano diventate meno capaci, ma perché le macchine sarebbero diventate straordinariamente produttive.

È questa l’idea alla base della cosiddetta post-labour economics, l’economia post-lavoro.

La sua promessa è affascinante: per la prima volta nella storia potremmo vivere in una società in cui il lavoro non è più la condizione necessaria per ottenere ciò di cui abbiamo bisogno.

Ma questa prospettiva solleva una domanda fondamentale: se non dobbiamo più lavorare per produrre ricchezza, come faremo a distribuirla?

Dalla scarsità del lavoro all’abbondanza delle macchine

Per gran parte della storia economica, la produzione è stata limitata dalla disponibilità di lavoro umano. Costruire una casa, coltivare un campo, produrre un’automobile o sviluppare un farmaco richiedeva tempo, competenze e fatica.

Il progresso tecnologico ha progressivamente allentato questo vincolo.

Un agricoltore oggi può produrre molto più di quanto potessero produrre decine di agricoltori due secoli fa. Una fabbrica automatizzata può realizzare migliaia di prodotti con un numero relativamente limitato di lavoratori. Un computer può eseguire in pochi secondi calcoli che avrebbero richiesto anni di lavoro umano.

Eppure, fino a oggi, il progresso tecnologico non ha eliminato il lavoro. Lo ha trasformato.

Quando alcune attività sono state automatizzate, ne sono emerse altre. La produttività è aumentata, i prezzi di molti beni sono diminuiti e la domanda si è spostata verso nuovi prodotti e servizi.

Perché questa volta dovrebbe essere diverso?

I sostenitori dell’economia post-lavoro ritengono che l’intelligenza artificiale rappresenti una discontinuità rispetto alle innovazioni precedenti.

Le macchine industriali sostituivano soprattutto la forza fisica. I computer tradizionali automatizzavano procedure definite. L’intelligenza artificiale potrebbe invece sostituire una parte crescente delle capacità cognitive, mentre i robot potrebbero trasferire queste capacità nel mondo fisico.

Se le macchine diventassero sufficientemente versatili, economiche e autonome, potrebbero non limitarsi a sostituire alcune professioni, ma ridurre drasticamente la necessità complessiva di lavoro umano.

È uno scenario possibile. Ma non è una conseguenza inevitabile del progresso tecnologico.

La sostituzione dipende dai costi relativi, dalle capacità effettive delle tecnologie, dalla domanda di nuovi servizi e dalle complementarità tra persone e macchine.

Un milione di robot non può necessariamente costruire un edificio un milione di volte più velocemente. Servono materiali, energia, infrastrutture, coordinamento e tempo. Alcuni processi non possono essere accelerati semplicemente aumentando il numero di macchine.

L’abbondanza di un fattore produttivo non implica automaticamente l’abbondanza di tutti i beni.

La prima questione, quindi, è capire quanto lavoro umano sia effettivamente sostituibile e a quali condizioni economiche.

Se le macchine lavorano, chi viene pagato?

Supponiamo però che la previsione più radicale si realizzi.

Immaginiamo un’economia nella quale robot e intelligenza artificiale producono quasi tutto ciò di cui abbiamo bisogno, mentre il contributo del lavoro umano diventa marginale.

Oggi, per la maggior parte delle persone, il principale modo per ottenere reddito è lavorare.

Le imprese producono beni e servizi, pagano salari ai lavoratori e distribuiscono profitti ai proprietari del capitale. I lavoratori utilizzano i salari per acquistare ciò che viene prodotto.

È una delle relazioni fondamentali delle nostre economie.

Ma cosa accadrebbe se le imprese non avessero quasi più bisogno di lavoratori?

La produzione potrebbe continuare ad aumentare, mentre una quota crescente del reddito andrebbe ai proprietari delle macchine, dei sistemi di intelligenza artificiale e delle infrastrutture necessarie a farli funzionare.

Potremmo trovarci in una situazione apparentemente paradossale: una società capace di produrre una quantità straordinaria di ricchezza, ma nella quale molte persone non dispongono di un reddito sufficiente per accedervi.

È importante distinguere due concetti: produrre ricchezza e avere diritto a una parte di quella ricchezza.

Non sono la stessa cosa.

Un’economia può diventare molto più produttiva senza che tutti beneficino nella stessa misura dei guadagni di produttività.

La storia economica offre diversi esempi di questa divergenza. Durante le prime fasi della rivoluzione industriale britannica, la produttività aumentò molto più rapidamente dei salari reali. Gli economisti hanno definito questo fenomeno Engels’ pause.

Non significa che ogni innovazione tecnologica produca necessariamente maggiore disuguaglianza. Significa, però, che la crescita della produttività non garantisce automaticamente una distribuzione equa dei suoi benefici.

Ed è qui che entra in gioco l’idea centrale della post-labour economics.

E se tutti fossimo proprietari delle macchine?

La proposta è relativamente semplice.

Se il lavoro non rappresenta più il principale fattore produttivo, il reddito delle persone non può continuare a dipendere prevalentemente dal lavoro.

Deve dipendere, almeno in parte, dalla proprietà del capitale.

In altre parole, se saranno le macchine a produrre ricchezza, tutti dovrebbero possedere una quota di quelle macchine.

Questo non significa necessariamente che ogni persona debba acquistare un robot o possedere azioni di un’impresa tecnologica.

La proprietà potrebbe assumere forme diverse: fondi di investimento collettivi, partecipazioni dei lavoratori nelle imprese, cooperative, fondi pubblici o patrimoni assegnati ai cittadini fin dalla nascita.

Un esempio frequentemente citato è quello dell’Alaska Permanent Fund, che investe una parte della ricchezza derivante dalle risorse petrolifere dello Stato e contribuisce a finanziare un dividendo annuale per i residenti.

Si potrebbe immaginare qualcosa di simile per i benefici dell’intelligenza artificiale.

Un fondo nazionale potrebbe detenere partecipazioni nelle imprese e distribuire periodicamente una parte dei rendimenti ai cittadini.

In questo modo, anche chi non lavora potrebbe ricevere un reddito derivante dalla produzione automatizzata.

La logica è chiara: invece di distribuire la ricchezza principalmente attraverso i salari, potremmo distribuirne una parte attraverso i rendimenti della proprietà.

L’idea non è del tutto nuova. La proprietà diffusa del capitale, i fondi sovrani e le forme di dividendo sociale sono da tempo oggetto di discussione nella teoria economica.

L’intelligenza artificiale, tuttavia, potrebbe renderli molto più rilevanti.

Ma qui iniziano anche i problemi.

Primo problema: siamo sicuri che le macchine produrranno enormi profitti?

Il ragionamento della post-labour economics contiene un’ipotesi spesso trascurata: che le macchine, oltre a produrre moltissimo, genereranno anche rendimenti elevati per chi le possiede.

Non è necessariamente così.

Immaginiamo che un robot capace di svolgere molte attività diventi economico e facilmente acquistabile. Se tutte le imprese possono utilizzarlo, la concorrenza potrebbe ridurre progressivamente i prezzi dei beni prodotti.

I benefici dell’automazione arriverebbero quindi ai consumatori attraverso prezzi più bassi, non necessariamente ai proprietari delle macchine attraverso profitti straordinari.

Pensiamo ai computer. La loro capacità di calcolo è aumentata enormemente, mentre il costo di molte operazioni informatiche è diminuito. Una parte importante dei benefici è stata trasferita agli utilizzatori.

Naturalmente, questo non esclude che alcune imprese tecnologiche possano ottenere profitti molto elevati.

Ma tali profitti potrebbero dipendere soprattutto da brevetti, dati proprietari, infrastrutture difficili da replicare, effetti di rete e potere di mercato.

La distinzione è importante.

Se le macchine sono abbondanti e i mercati competitivi, una parte rilevante dei benefici dell’automazione potrebbe manifestarsi attraverso una riduzione dei prezzi.

Se invece poche imprese controllano le tecnologie fondamentali, potrebbero emergere rendite economiche elevate e persistenti.

Nel primo caso, la questione centrale riguarda soprattutto l’accesso ai beni e ai servizi. Nel secondo, la distribuzione della proprietà e la regolamentazione dei mercati diventano particolarmente importanti.

La tecnologia, da sola, non determina quale dei due scenari si realizzerà.

Secondo problema: quanto capitale serve per vivere senza lavorare?

Supponiamo che una società decida di garantire a ogni cittadino un reddito annuo di 20.000 euro attraverso i rendimenti di un fondo patrimoniale.

Se il fondo distribuisse stabilmente un rendimento netto del 4% all’anno, servirebbe un patrimonio di 500.000 euro per ogni beneficiario.

Con un rendimento del 2%, il patrimonio necessario salirebbe a un milione di euro.

Sono calcoli molto semplici, ma mostrano una difficoltà fondamentale.

Distribuire a tutti una quota del capitale non significa automaticamente garantire un reddito sufficiente.

Bisogna chiedersi quanto capitale esista, quale rendimento possa generare, come venga finanziata la sua acquisizione e chi sopporti i rischi.

Se il patrimonio viene trasferito dagli attuali proprietari, siamo di fronte a una redistribuzione della ricchezza.

Se viene acquistato dallo Stato, occorre finanziarlo attraverso imposte, debito o altre entrate.

Se viene accumulato progressivamente, i benefici potrebbero richiedere molti anni prima di diventare significativi.

Inoltre, i rendimenti finanziari non sono garantiti. Un fondo può perdere valore proprio quando i cittadini hanno maggiore bisogno di reddito.

La proprietà diffusa del capitale può essere uno strumento interessante, ma non elimina i problemi economici della redistribuzione. Li affronta attraverso un particolare assetto istituzionale.

E non è evidente che sia sempre preferibile a strumenti alternativi, come trasferimenti monetari, servizi pubblici o tassazione delle rendite.

Terzo problema: anche in un mondo di abbondanza qualcosa resterà scarso

La promessa più radicale dell’economia post-lavoro è che le macchine possano produrre quasi tutto ciò di cui abbiamo bisogno.

Ma siamo sicuri che questo significhi superare il problema della scarsità?

Immaginiamo un mondo in cui costruire una casa costi pochissimo perché robot e intelligenza artificiale svolgono quasi tutto il lavoro.

Questo non significa che tutti possano avere una casa affacciata sul Canal Grande a Venezia.

Il costo di costruzione potrebbe diminuire drasticamente, ma la posizione geografica rimarrebbe scarsa.

Lo stesso vale per molti altri beni.

Le macchine potrebbero rendere abbondanti alcuni servizi, ma non possono rendere illimitati il territorio, le risorse naturali, l’attenzione delle persone o le posizioni sociali più desiderate.

E soprattutto non possono eliminare la scarsità dei beni che hanno valore proprio perché non tutti possono possederli.

In economia, il valore di un bene non dipende soltanto dal lavoro necessario a produrlo. Dipende anche dalla sua scarsità relativa e dalla disponibilità a pagare.

In un mondo altamente automatizzato, alcuni beni potrebbero diventare estremamente economici, mentre altri potrebbero continuare a essere costosi o diventare ancora più desiderabili.

La scarsità non scomparirebbe necessariamente. Cambierebbe forma.

Questo significa che anche una società capace di produrre beni materiali in abbondanza dovrebbe continuare ad affrontare problemi di allocazione, distribuzione e conflitto tra preferenze individuali.

Quarto problema: lavoriamo soltanto per guadagnare?

C’è infine una questione che riguarda direttamente il comportamento umano.

La post-labour economics considera prevalentemente il lavoro come uno strumento per ottenere reddito.

Ma le persone non lavorano soltanto per guadagnare.

Il lavoro può rappresentare una fonte di identità, relazioni sociali, riconoscimento, autonomia e realizzazione personale.

Naturalmente può anche essere faticoso, frustrante, ripetitivo o alienante.

La possibilità di non dover lavorare per sopravvivere rappresenterebbe certamente una forma importante di libertà.

Ma non è detto che l’assenza di lavoro produca automaticamente maggiore felicità.

Immaginiamo due persone che ricevono lo stesso reddito garantito grazie ai dividendi delle macchine.

La prima potrebbe dedicarsi alla famiglia, alla ricerca, all’arte, al volontariato o ad attività che considera significative.

La seconda potrebbe sperimentare una perdita di identità, di riconoscimento sociale o di motivazione.

Il reddito sarebbe identico, ma il benessere potrebbe essere molto diverso.

Questo suggerisce che il problema non riguarda soltanto come distribuire il denaro, ma anche come organizzare una società nella quale il lavoro non rappresenta più il principale elemento attorno a cui costruire la propria vita.

La distinzione tra libertà dal lavoro e libertà di realizzarsi attraverso attività significative diventerebbe fondamentale.

Il vero problema potrebbe essere il consenso

C’è un ultimo aspetto particolarmente interessante.

Anche se l’automazione fosse tecnologicamente possibile ed economicamente conveniente, la sua diffusione dipenderebbe dall’accettazione sociale.

Le persone potrebbero opporsi a tecnologie che percepiscono come una minaccia al proprio reddito, alla sicurezza, alla privacy o alla propria autonomia.

Da questo punto di vista, distribuire una parte dei benefici economici dell’automazione potrebbe contribuire a renderla socialmente più accettabile.

Se una persona sa che l’introduzione di nuovi robot aumenterà anche il proprio reddito, potrebbe avere meno ragioni economiche per opporsi.

Ma il consenso non si compra necessariamente con un dividendo.

Una comunità potrebbe rifiutare un grande centro dati per ragioni ambientali, anche se ricevesse una parte dei profitti. Un lavoratore potrebbe essere contrario alla sostituzione della propria professione anche in presenza di un reddito garantito.

Le preferenze delle persone comprendono dimensioni che vanno oltre il consumo.

Per questo la questione del consenso democratico non può essere ridotta alla distribuzione dei benefici monetari.

Occorre considerare anche chi decide come utilizzare le tecnologie, chi ne controlla il funzionamento e chi sopporta i loro eventuali costi.

Un futuro senza lavoro o un futuro con un lavoro diverso?

La post-labour economics pone una domanda che merita di essere presa sul serio.

Se il progresso tecnologico dovesse ridurre drasticamente il contributo del lavoro umano alla produzione, le nostre istituzioni economiche sarebbero ancora adeguate a distribuire il reddito e garantire il benessere?

Probabilmente dovremmo ripensare alcuni meccanismi attraverso cui le persone partecipano alla ricchezza prodotta.

Una maggiore diffusione della proprietà del capitale potrebbe essere parte della risposta.

Ma non è l’unica possibile.

La concorrenza potrebbe trasferire molti benefici ai consumatori attraverso prezzi più bassi. La fiscalità potrebbe redistribuire parte delle rendite. I servizi pubblici potrebbero garantire accesso a beni essenziali. E nuove attività umane potrebbero emergere anche in un’economia fortemente automatizzata.

Non sappiamo ancora quanto rapidamente le macchine saranno in grado di sostituire il lavoro, né quali attività rimarranno prevalentemente umane.

Sappiamo però che il progresso tecnologico non determina automaticamente la distribuzione dei suoi benefici.

Questa dipende anche dalle istituzioni, dai mercati e dalle decisioni collettive.

Forse, allora, la domanda più interessante non è se le macchine ci sostituiranno.

È che cosa accadrà al valore del lavoro umano, alla distribuzione della ricchezza e al significato stesso dell’attività economica quando produrre beni e servizi richiederà sempre meno tempo e fatica.

Per secoli abbiamo immaginato il progresso come la possibilità di lavorare meno e vivere meglio.

L’intelligenza artificiale potrebbe avvicinarci a questa possibilità.

Ma lavorare meno, guadagnare di più ed essere più felici sono tre risultati differenti. Non è affatto scontato che si realizzino insieme.

E forse è proprio questa la sfida più interessante dell’economia post-lavoro: non capire soltanto come produrre ricchezza senza lavoro umano, ma come trasformare quell’abbondanza produttiva in benessere per le persone.

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?