Pillo(w)la n. 15 – Intelligenza Artificiale e Produttività

Ogni Pillo(w)la ha la sua “copertina”    

“L’innovazione è un pranzo di gala”. La quindicesima copertina è ambientata a Parigi, all’interno di un tipico bistrot. La scelta del luogo non è casuale, infatti, il tema che affronteremo in questa Pillo(w)la è stato oggetto di dibattito del Global Forum on Productivity, che si è tenuto nella capitale francese e al quale ho partecipato lo scorso ottobre. Nell’immagine sono seduto a tavola insieme alle nostre supereroine, GeneraDiva e VisionAria, per discutere degli impatti dell’Intelligenza Artificiale sulla produttività. All’interno della scena VisionAria ci mostra due posizioni differenti in merito al tema: la visione negativa e quella positiva. La prima rappresenta un operatore di un call center preoccupato per il suo posto di lavoro, data l’introduzione dei Chatbot nella sua azienda. La seconda ha come protagoniste GeneraDiva e un avvocato: qui la Gen-IA fornisce il suo prezioso supporto per snellire e riassumere alcune pratiche.  

La GenAI può davvero contribuire all’aumento della produttività? 

Nel corso del Global Forum on Productivity, che si è tenuto a Parigi lo scorso ottobre, ho avuto l’occasione di riflettere e discutere, insieme ad alcuni ricercatori ed esponenti delle istituzioni internazionali [1], sul tema dell’impatto dell’Intelligenza Artificiale sulla produttività. Quella che si sta aprendo, di fatto, è una nuova fase dell’innovazione tecnologica, che prevede implicazioni profonde a livello micro e macroeconomico, nel breve e nel lungo termine. 

Ma andiamo con ordine. Prima di approfondire i temi del dibattito, è necessario definire cosa si intende per crescita della produttività. Generalmente, questo concetto si riferisce all’aumento della quantità di beni e servizi che il lavoratore medio produce in un’ora di lavoro; per tale motivo, questa variabile è sempre stata considerata il miglior predittore della crescita economica. [2] Le istituzioni finanziarie internazionali, infatti, ritengono la produttività come il principale motore della riduzione della povertà e dell’aumento dei salari. A partire dagli anni Settanta, il tasso di crescita ha registrato una tendenza al rallentamento in tutti i Paesi dell’OCSE. [3] È soprattutto negli ultimi anni che il potenziale dell’Intelligenza Artificiale, per rilanciare la crescita della produttività nelle economie sviluppate, ha ricevuto una notevole attenzione. [4] Si prevede, infatti, che guidando grandi trasformazioni economiche, l’IA sia in grado di contribuire a mitigare questa tendenza duratura al rallentamento della produttività.   

Alla luce di quanto appena detto, non sorprende che uno dei temi caldi, oggetto di dibattito tra istituzioni e ricercatori è comprendere come le nuove tecnologie possano contribuire ad invertire tale fase di rallentamento produttivo globale. L’Intelligenza Artificiale può diventare un fattore chiave in termini di accelerazione dell’innovazione in qualsiasi settore, anche nei più complessi, come quello sanitario. In tal senso, è interessante evidenziare quanto emerge dal Digital Economy Outlook dello scorso anno [5]: se da un lato l’IA è in grado di far risparmiare tempo e migliorare l’efficienza delle risorse; dall’altro, è fondamentale tener conto degli investimenti che occorrono nel breve periodo per poter prevedere l’adozione delle nuove tecnologie. Inoltre, è cruciale considerare tutte le migliorie necessarie, normative e gestionali, per rimuovere dall’IA le sue lacune e i suoi bias.  

In letteratura e, in effetti, anche durante la tavola rotonda del Global Forum on Productivity emerge una polarizzazione del dibattito, per cui non è chiaro l’impatto che l’AI avrà sulla produttività. Ciò non dovrebbe sorprendere considerando che l’Intelligenza Artificiale è una tecnologia nuova e, di conseguenza, necessita di un lungo e approfondito addestramento da parte dell’uomo affinché sia in grado di generare dati affidabili e accettabili, a livello qualitativo. Secondo McElheran, la maggior parte delle aziende che hanno adottato tecnologie AI-based non hanno registrato particolari aumenti della produttività nel breve termine. [6] Fanno, però, eccezione le imprese in cui sono presenti grandi infrastrutture IT, lavoratori con skills inerenti ai loro compiti e un efficiente processo di produzione. Ad esempio, l’introduzione dei Chatbot nell’ambito dei call center potrebbe sostituire i tradizionali operatori del settore. Al contrario, per Philippe Aghion l’Intelligenza Artificiale può contribuire ad un incremento della produttività nel breve periodo grazie all’automazione sia della creazione di beni e servizi sia della produzione di idee (ad esempio, fornendo aiuto e supporto nella risoluzione di problemi, facilitando l’imitation e il learning, auto-migliorandosi). [7] L’IA potrebbe essere d’aiuto, per esempio, ad un ufficio legale per snellire e riassumere pratiche, procedure, documenti. Infine, tra coloro che adottano una visione più conservatrice e neutra c’è Acemoglu, il quale utilizza un quadro di riferimento basato sui compiti che prevede una serie di effetti macroeconomici, calcolando la percentuale di compiti interessati dall’IA, ma non cogliendo al momento effetti significativi sulla produttività. [8] 

Le prove che abbiamo sull’impatto dell’IA sulla produttività sono ancora insufficienti. Uno dei motivi è, senza dubbio, riscontrabile nel fatto che l’adozione di tali tecnologie è ancora agli inizi e, di conseguenza, non abbiamo dati completi sul loro utilizzo da parte delle aziende. La sfida consisterà nell’ampliare l’uso dell’IA all’interno delle aziende più piccole, fornendo loro tutti gli strumenti necessari per raggiungere il livello di competitività garantito alle imprese più grandi. Il secondo tema da considerare riguarda il possibile utilizzo dell’Intelligenza Artificiale che vada oltre la semplice applicazione ai compiti routinari, fisici e ripetitivi, i quali producono un basso valore aggiunto. Il reale aumento della produttività si registrerà quando questa tecnologia verrà applicata, all’interno delle aziende, anche nel micro-livello dei singoli dipendenti per modificare le attuali modalità di lavoro. In effetti, la letteratura attuale suggerisce che l’IA può migliorare la qualità del prodotto e, parallelamente, ridurre il tempo necessario per produrlo. A questo proposito, è importante tener conto che gli effetti sulla produttività nel micro-livello dipendono da una serie di condizioni specifiche, come il tipo di attività a cui l’IA viene applicata e l’esperienza dei professionisti coinvolti, portando a risultati diversi in contesti differenti (come abbiamo visto nella Pillo(w)la precedente).  

Un ulteriore elemento di riflessione riguarda il fatto che spesso l’adozione dell’Intelligenza Artificiale nei processi di trasformazione aziendale potrebbe essere rischiosa e, persino, fallimentare. Il successo delle trasformazioni guidate dalle nuove tecnologie sembra dipendere in gran parte da tre fattori: 1) una solida governance che consenta ai dipendenti di utilizzare l’IA in modo indipendente, fornendo loro al contempo supporto e supervisione centralizzata; 2) un solido mix di infrastrutture hardware e software, tra cui il cloud computing per gestire grandi volumi di dati e misure di cybersecurity per proteggerli; 3) una forza lavoro qualificata, dotata di competenze tecniche (competenze digitali e relative all’IA) e comportamentali (ad esempio, comunicazione, pensiero critico, creatività e consapevolezza etica). [9] 

Alla luce di quanto appena detto, tenendo conto delle difficoltà nel valutare gli impatti previsti dell’IA e la mancanza di dati empirici completi, un approccio efficace da adottare potrebbe essere quello basato sulle mansioni. Secondo tale metodologia, i compiti vengono considerati come l’unità fondamentale per l’analisi degli impatti economici dell’IA, considerando il tipo di compiti svolti, oltre agli effetti connessi di automazione e sostituzione. [10] In altre parole, gli aumenti di produttività dipendono direttamente dalla tipologia e dalla natura delle mansioni a cui viene applicata l’Intelligenza Artificiale.  

In tal senso, è interessante un recente studio di Gartner che ha rilevato come i guadagni di produttività derivanti dall’adozione della Gen-AI (lntelligenza Artificiale Generativa) dipenderanno dalla combinazione tra complessità dei compiti e livello di esperienza dei lavoratori. [11] L’analisi ha rilevato che la maggior parte dei miglioramenti della produttività può essere prevista all’interno di una gamma di compiti/ruoli e livelli di complessità proporzionali al livello di esperienza dei lavoratori che svolgono queste attività. Come abbiamo anticipato nella Pillo(w)la precedente, l’Intelligenza Artificiale generativa può produrre due effetti differenti che agiscono su combinazioni di esperienza e complessità diversi: ridurre il valore dell’esperienza (rendendo esplicite le competenze tacite, prima possedute solo dai più esperti) e massimizzare le competenze e l’expertise. Secondo il primo effetto, per alcune mansioni meno complesse, chi ha meno esperienza può beneficiare del sapere incorporato nell’IA, raggiungendo la stessa produttività dei più esperti. In questi casi, dunque, l’AI aumenta la produttività solo dei meno esperti. L’effetto di massimizzazione dell’expertise, invece, prevede che più in caso di task complessi l’Intelligenza Artificiale riesca a favorire i lavoratori più qualificati per cui la tecnologia è complementare, mentre non riesce ad avere impatti per chi non ha quel livello di esperienza.  Questo approccio sostiene l’introduzione dell’IA generativa con un’enfasi non solo sull’ottimizzazione dei processi, come avviene comunemente con l’automazione, ma anche sul potenziamento dei singoli ruoli dei lavoratori. Di conseguenza, le competenze richieste all’interno di un’organizzazione andranno oltre le hard skills, includendo anche le soft skills e le competenze digitali.   

In sintesi, l’impatto dell’IA sulla produttività dipenderà da come questa tecnologia verrà applicata a livello aziendale per modificare l’esperienza dei singoli lavoratori, tenendo conto delle loro competenze specifiche, dell’esperienza, delle mansioni svolte e dei contesti organizzativi in cui operano. Ne consegue, dunque, che gli scenari di aumento della produttività cambieranno anche, e soprattutto, in base ai diversi settori.  

In altre parole, condividere tale approccio vuol dire essere consapevoli che le scelte che i Paesi e le imprese intraprendono oggi, determineranno i risultati futuri in termini di produttività, competitività e benessere più ampio delle nostre società. Approfondiremo ulteriormente questo tema nella prossima Pillo(w)la… 

[1] Ho partecipato al panel insieme a Jonathan Haskel, professore di economia presso l’Imperial College Business School di Londra; Kristina McElheran, professoressa di strategic management presso l’Università di Toronto; Philippe Aghion, professore di economia presso il Collège de France e la London School of Economics; Jens Lundsgaard, Vicedirettore, Direzione Scienza, tecnologia e innovazione (STI) –  OECD; Takayuki Sako, vicedirettore del Software and Information Service Industry Strategy Office – Ministero dell’economia, commercio e industria giapponese. 

[2] Kim et al., Productivity as the key to economic growth and development. (2016). Disponibile al link  

[3] Andre and Gal (2024). Reviving productivity growth. Disponibile qui: link.   

[4] The effect of AI on productivity was one of the main subjects discussed at the 2024 Annual Conference of the OECD Global Forum on Productivity. Disponibile qui: link.  

[5] OECD, OECD Digital Economy Outlook 2024 (Volume 1): Embracing the Technology Frontier, OECD Publishing, Paris. (2024) Disponibile al link. 

[6] Brynjolfsson et al., The power of prediction: predictive analytics, workplace complements, and business performance (2021). Lo studio è stato effettuato su un campione di 30.000 aziende del settore manifatturiero statunitense.  

[7] Aghion, Jones, and Jones (2017). Artificial Intelligence and Economic Growth. National Bureau of Economic Research Working Paper. Disponibile qui: link.  

[8] Acemoglu et al. (2022). The Simple Macroeconomics of AI. National Bureau of Economic Research Working Paper. Disponibile qui: link. 

[9] Taeihagh (2021). Governance of artificial intelligence. (Disponibile qui: link) e Van der Vlist (2024). Big AI: Cloud infrastructure dependence and the industrialisation of artificial intelligence. (Disponibile qui: link). 

[10] Acemoglu and Restrepo (2019). Artificial Intelligence, Automation and Work. Disponibile qui: link. 

[11] Gartner (2024). Who Benefits Most From Generative AI Productivity?. 

Dai un’occhiata alla videolezione: