Il paradosso di Solow torna e questa volta parla all'IA
C'è uno schema silenzioso che la storia economica ha ripetuto almeno due volte con chiarezza prima dell'era dell'intelligenza artificiale. Prima con l'elettrificazione industriale, poi con i personal computer. In entrambi i casi, la tecnologia arrivò decenni prima che il suo impatto apparisse nelle statistiche di produttività. In entrambi i casi, il periodo del "non sta succedendo nulla" fu esattamente il momento in cui tutto veniva riconfigurato al di sotto della superficie.
L'economista Robert Solow lo catturò con una frase che non era stata progettata per far ridere nessuno: "Puoi vedere l'era dei computer ovunque, tranne che nelle statistiche di produttività." Era il 1987. I PC proliferavano negli uffici aziendali, i mainframe elaboravano transazioni a velocità impensabili un decennio prima, e l'embrione di quello che sarebbe diventato internet esisteva già. Eppure la produttività aggregata dell'economia statunitense non si muoveva. Quel fenomeno rimase registrato come il Paradosso di Solow, e la sua risoluzione impiegò quasi dieci anni ad arrivare.
Ciò che oggi accade con l'intelligenza artificiale ha una geometria quasi identica. E l'accumulo di dati recenti, sia da sondaggi massicci che da report delle grandi piattaforme tecnologiche, suggerisce che il punto di inflessione che ci mise un decennio ad arrivare per i computer potrebbe materializzarsi proprio adesso per l'IA.
---
Quando il 90% dice "non è cambiato nulla" e il mercato dice il contrario
Nel febbraio di quest'anno, un sondaggio condotto su 6.000 leader aziendali ha consegnato un risultato che, a prima vista, sembrerebbe devastante per gli argomenti di chi porta anni a promettere la rivoluzione dell'IA: il 90% degli intervistati ha riferito che l'adozione dell'intelligenza artificiale non aveva avuto alcun impatto misurabile sull'occupazione o sulla produttività nelle proprie aziende. Allo stesso tempo, il 63% ha dichiarato di aver adottato l'IA in qualche forma.
Questo è esattamente il ritratto del 1987. Una tecnologia onnipresente nel discorso pubblico, adottata dalla maggioranza, ma senza alcuna impronta visibile nell'economia reale misurata dagli strumenti convenzionali.
Ma c'è un altro numero nella stessa fotografia che cambia l'inquadratura. Un'analisi della Federal Reserve Bank di Saint Louis ha rilevato che la IA generativa ha prodotto un miglioramento del 5,4% nella produttività dei lavoratori che la utilizzavano. Non è una cifra che giustifica le valutazioni attuali delle aziende di IA. Non è nemmeno trascurabile. È, in termini storici, il tipo di segnale debole che di solito precede un movimento strutturale più profondo.
La distanza tra il 90% che non vede cambiamenti e il 5,4% che misura effettivamente un miglioramento non è una contraddizione. È la differenza tra adottare uno strumento e ridisegnare l'intero processo attorno ad esso. Le fabbriche del XIX secolo che installarono motori elettrici sugli stessi sistemi di alberi e pulegge a vapore non ottennero guadagni di efficienza. Quelle che demolirono l'architettura fisica dei propri impianti e costruirono da zero attorno al motore individuale per stazione di lavoro li ottennero, ma quel processo richiedette quarant'anni a partire da quando Edison accese il suo primo impianto generatore nel 1882.
L'analisi di Deloitte sull'adozione dell'IA generativa aggiunge un altro frammento al puzzle: la maggior parte delle aziende che hanno adottato l'IA riporta un ritorno positivo, e quasi il 25% degli adottanti riporta guadagni di produttività o finanziari superiori al 30%. Quel quarto di aziende non sta operando con strumenti diversi da quelli del restante 75%. Sta operando con una logica organizzativa diversa, il che è esattamente il tipo di variabile che non appare nei sondaggi sull'adozione tecnologica ma che determina dove si concentrerà il valore nei prossimi cinque anni.
---
Ciò che i risultati di Alphabet e Microsoft rivelano e che il sondaggio non vede
Mentre la maggior parte delle aziende riporta un impatto nullo, due società con posizioni dominanti nell'infrastruttura tecnologica stanno pubblicando numeri che non si adattano a quella narrativa. E la differenza non è che abbiano accesso a un'IA migliore, ma che controllano il canale di distribuzione attraverso il quale milioni di organizzazioni vi accedono.
Alphabet ha riportato nell'ultimo trimestre una crescita del 19% nei ricavi dalla ricerca, attribuendo parte di tale incremento direttamente all'integrazione dell'IA nel suo prodotto di ricerca principale. La sua divisione Google Cloud è cresciuta del 63% anno su anno, e la società ha indicato che i grandi clienti aziendali che hanno adottato i suoi servizi di IA hanno generato ricavi con una crescita dell'800% rispetto all'anno precedente. Quest'ultimo numero non è un indicatore di volume assoluto, ma è un segnale della velocità di adozione all'interno del segmento corporate che storicamente impiega più tempo a muoversi.
Microsoft, da parte sua, ha riportato che il suo business nell'IA opera attualmente a un tasso di ricavi annualizzati di 37 miliardi di dollari. Per contestualizzare quella cifra: OpenAI, l'azienda che riceve la maggiore copertura mediatica nello spazio dell'IA e che opera con ricavi annualizzati di circa 20 miliardi di dollari, rimane più piccola in scala rispetto a Microsoft considerando solo il segmento IA di quest'ultima.
Lo schema che emerge non è quello di una tecnologia fallita in attesa di validazione. È quello di una tecnologia il cui valore economico si sta concentrando, per ora, nelle piattaforme che controllano l'infrastruttura e i canali di distribuzione verso il cliente aziendale: Alphabet, Microsoft, e in misura minore Salesforce, ServiceNow e Databricks, che hanno anch'esse riportato una monetizzazione crescente delle proprie capacità di IA integrate.
Questo replica fedelmente ciò che accadde negli anni Novanta con l'informatica. Intel, Microsoft, Cisco e gli operatori di telecomunicazioni catturarono la maggior parte del valore economico della rivoluzione digitale molto prima che l'impatto di quella rivoluzione fosse visibile nelle statistiche aggregate di produttività. Le aziende che utilizzavano quella tecnologia impiegarono anni in più per tradurre l'investimento in guadagni operativi reali.
---
Il ritardo che nessuno misura è nell'architettura organizzativa
Esiste una frizione specifica che spiega perché la distanza tra adozione e produttività non collassa automaticamente, e questa frizione raramente appare nelle analisi di mercato. Si tratta della velocità di ridisegno organizzativo, che è di ordini di grandezza più lenta della velocità di adozione tecnologica.
Quando un'azienda installa uno strumento di IA generativa nel flusso di lavoro del proprio team di contenuti o di assistenza clienti, il guadagno iniziale è marginale. Il lavoratore impara a usare lo strumento, ma il processo in cui opera quello strumento conserva gli stessi colli di bottiglia, gli stessi livelli di approvazione, lo stesso disegno dei ruoli che esisteva prima dell'IA. Il miglioramento del 5,4% misurato dalla Federal Reserve Bank è, in buona misura, l'impatto dello strumento sul processo esistente.
Il salto che trasformò l'elettrificazione da un dato tecnico a una rivoluzione della produttività non fu installare il motore. Fu eliminare l'albero centrale e distribuire l'energia in modo decentralizzato per tutta la fabbrica, il che implicò demolire fisicamente l'infrastruttura precedente e ricostruirla. L'equivalente in termini di IA non è "implementare un copilota". È ridisegnare quali processi esistono, quali scompaiono, quali ruoli hanno senso e quali decisioni possono essere prese senza intervento umano diretto.
Le aziende del quartile superiore nell'analisi di Deloitte, quel 25% che riporta guadagni superiori al 30%, stanno facendo qualcosa di diverso dall'installare strumenti. Stanno ridisegnando flussi di lavoro completi attorno a capacità che prima non esistevano. Si tratta di un'operazione che richiede tolleranza al caos transitorio, disponibilità ad abbandonare processi che funzionavano e, soprattutto, una lettura onesta di ciò che il cliente finale apprezza e di quale parte del processo interno non genera alcun valore per nessuno se non per chi lo ha progettato.
Quel ridisegno è lento, politicamente costoso all'interno delle organizzazioni e difficile da misurare nel breve termine. Ecco perché non appare nel sondaggio dei 6.000 leader come impatto visibile. Ma è esattamente ciò che, quando raggiunge una massa critica in un numero sufficiente di settori e aziende, produce il tipo di movimento nelle statistiche di produttività che gli economisti descrivono retrospettivamente come un punto di inflessione.
---
Ciò che il paradosso di Solow non può risolvere da solo
L'analogia storica ha valore analitico, ma ha anche un limite che conviene nominare con precisione. Il periodo di latenza tra adozione tecnologica e produttività misurabile negli anni Ottanta e Novanta si verificò in un contesto di minore velocità di iterazione tecnologica. I modelli linguistici che esistono oggi saranno versioni primitive di quelli che esisteranno tra tre anni. La pressione competitiva sulle aziende per adottare e ridisegnare i processi è più intensa ora di quanto non fosse per le organizzazioni durante la transizione al PC.
Questo non accorcia meccanicamente il periodo di ritardo organizzativo, perché quel ritardo dipende da fattori umani e istituzionali che non si accelerano allo stesso ritmo della tecnologia. Ma significa che la distribuzione dei benefici tra le aziende che ridisegnano e quelle che installano senza ridisegnare diventerà visibile nei bilanci con una velocità maggiore rispetto a quanto accadde nella rivoluzione del PC.
Il 25% di adottanti con guadagni superiori al 30% riportato da Deloitte non è una curiosità statistica. È la prima evidenza che la separazione tra i due gruppi è già in atto. Se lo schema storico regge, quel differenziale si amplierà prima che le statistiche macroeconomiche lo registrino con chiarezza. Quando gli indici di produttività mostreranno il salto che Solow si aspettava di vedere dal 1987, il vantaggio competitivo di coloro che hanno ridisegnato anziché semplicemente adottare sarà già strutturalmente difficile da recuperare.
La domanda che il paradosso di Solow lascia irrisolta è sempre la stessa: quanto tempo ha un'organizzazione per passare da utente dello strumento a progettista dei processi che lo strumento rende possibili. Negli anni Novanta, quel margine fu di quasi un decennio. Questa volta, la geometria del mercato suggerisce che sarà considerevolmente più breve.
