GAGI: A Gini-Adjusted GDP-per-Capita Index for Distribution-Aware Macroeconomic Welfare Monitoring

Sintesi Tecnica: GAGI – Un Indice del PIL pro capite corretto per il coefficiente di Gini per il monitoraggio del benessere macroeconomico sensibile alla distribuzione

Problematica
Il monitoraggio macroeconomico attuale si affida pesantemente al Prodotto Interno Lordo (PIL) pro capite come metrica primaria della prosperità economica. Il documento sostiene che tale metrica sia fondamentalmente insufficiente per tracciare le conseguenze sul benessere dei rapidi mutamenti tecnologici, specificamente l'automazione guidata dall'IA. Il PIL pro capite è una media a livello di popolazione che è "cieca" rispetto a due determinanti di primo ordine della prosperità vissuta: la distribuzione del reddito (disuguaglianza) e il potere d'acquisto (inflazione). Di conseguenza, un paese può registrare una crescita record del PIL mentre il tenore di vita reale della famiglia mediana, corretto per la disuguaglianza, ristagna o declina. L'autore identifica una lacuna nel toolkit regolatorio: l'assenza di una statistica minima, riproducibile e trasparente che possa fungere da "trigger di allerta precoce" operativo per il danno distributivo, computabile annualmente da dati pubblici senza assunzioni di modellazione proprietarie.

Metodologia: La metrica GAGI
Il documento introduce l'Indice del PIL pro capite corretto per il Gini (GAGI). È progettato come un indice di benessere generalista applicabile a qualsiasi popolazione, regione o periodo temporale, sebbene il documento lo applichi specificamente alle economie del G7 (2010–2026).

La metrica è definita per il paese $k$ e l'anno $t$ come:
$$GAGI_{k,t} = \frac{(1 - G_{k,t}) \times \frac{GDP\text{-}pc_{k,t}}{\pi_{k,t}}}{(1 - G_{k,2010}) \times \frac{GDP\text{-}pc_{k,2010}}{\pi_{k,2010}}}$$

Dove:

• $G_{k,t}$ è il coefficiente di Gini (disuguaglianza).
• $GDP\text{-}pc_{k,t}$ è il PIL pro capite in USD costanti del 2015.
• $\pi_{k,t}$ è l'Indice dei Prezzi al Consumo (CPI), con il 2010 come base (100).

Caratteristiche chiave del design:

1. Correzione per la disuguaglianza: L'indice riscala il PIL tramite $(1 - G)$, penalizzando efficacementamente la crescita che avviene parallelamente a un aumento della disuguaglianza.
2. Correzione del potere d'acquisto: L'autore divide esplicitamente il PIL a prezzi costanti (già deflazionato dal deflatore del PIL) per il CPI. Questa è una scelta di modellazione deliberata per tenere conto del "cuneo" tra i prezzi dei beni prodotti (output domestico) e i prezzi dei beni consumati (paniere delle famiglie), particolarmente rilevante durante gli shock dell'offerta quando i prezzi delle importazioni e dell'energia divergono dai prezzi dell'output domestico.
3. Normalizzazione: Il risultato è normalizzato rispetto a una base del 2010 (valore = 1.0). Ciò converte la metrica da un livello assoluto a una misura del cambiamento, consentendo confronti transnazionali significativi nonostante le vaste differenze nei livelli assoluti di reddito e disuguaglianza.
4. Minimalismo dei dati: L'indice si basa su tre input (Gini, PIL pro capite, CPI) pubblicati annualmente dalla Banca Mondiale, dal FMI o dalle agenzie statistiche nazionali, garantendo piena verificabilità e riproducibilità senza dati proprietari.

Risultati empirici (G7, 2010–2026)
Applicando il GAGI alle economie del G7 emergono cinque distinti pattern empirici:

1. Il cuneo GAGI–PIL: In tutte le economie del G7, l'indice GAGI si colloca costantemente al di sotto dell'indice standard del PIL pro capite. Questo divario si è ampliato materialmente dal 2022, in coincidenza con l'accelerazione degli investimenti nell'IA. Ciò indica che la crescita grezza sopravvaluta sistematicamente la prosperità corretta per il benessere.
2. Traiettorie nazionali divergenti:
   • Stati Uniti: Esibiscono la divergenza GAGI–PIL più ampia e sostenuta. Ciò correla con l'alto investimento nell'IA e con deboli istituzioni di assorbimento del lavoro (bassa spesa per politiche attive del mercato del lavoro, basso contrattazione collettiva). Il documento nota un aumento di 13 volte dei licenziamenti attribuiti ai datori di lavoro per causa dell'IA negli USA tra il 2023 e il 2025.
   • Giappone e Italia: Mostrano un GAGI quasi piatto nonostante il basso investimento nell'IA, rivelando un modello di fallimento da "stagnazione strutturale" dove il benessere fallisce a causa della mancanza di una crescita sottostante della produttività, indipendentemente dall'intensità dell'automazione.
   • Comparatori Nordici (Danimarca, Svezia): Al di fuori del G7, queste economie mostrano "automazione con assorbimento". Nonostante l'alta densità di robot, il loro GAGI rimane stabile grazie a forti meccanismi di redistribuzione (alta spesa per ALMP, alti tassi di sostituzione dei benefici, alta copertura della contrattazione collettiva).
3. Divergenza Produttività–Salari: Il documento documenta un divario cumulativo di 14 punti percentuali tra la crescita della produttività del lavoro e la crescita dei salari reali nei paesi ad alto reddito (1999–2024). Negli USA, il divario è di 20 punti percentuali; in Giappone, la produttività è cresciuta del 18% mentre la compensazione reale è scesa del 4%.
4. Svuotamento delle competenze intermedie (Middle-Skill Hollowing): I dati confermano un declino nelle quote di occupazione a competenze medie (ad esempio, le occupazioni con salario medio negli USA sono scese dal 38,4% nel 2000 al 26,4% nel 2024), con esposizione specifica nei ruoli amministrativi, legali e del servizio clienti.
5. Proiezioni di scenario (2024–2035): Il documento presenta tre proiezioni basate su scenari per la media G7 del GAGI:
   • Scenario A (Business-as-Usual): Presuppone una crescente disuguaglianza e una crescita modesta, proiettando il GAGI al di sotto di una soglia critica di stabilità (circa 0,85) entro l'inizio degli anni 2030.
   • Scenario B (Governance-Constrained): Presuppone che la disuguaglianza sia contenuta tramite l'attivazione di politiche, mantenendo la stabilità del GAGI.
   • Scenario C (Full Complementarity): Presuppone un impiego e una trasformazione delle competenze ottimali.
     L'autore sottolinea che queste sono illustrazioni di confine per comprendere l'impatto delle politiche, non previsioni puntuali.

Significato e rivendicazioni
Il documento posiziona il GAGI non come un nuovo concetto di economia del benessere (citando i predecessori come l'indice di Atkinson e l'HDI corretto per la disuguaglianza), ma come uno strumento di monitoraggio operativo. Il suo contributo primario è la "idoneità alla governance":

• Auditabilità: Fornisce un trigger trasparente e riproducibile per i regolatori per agire sul danno distributivo, similmente a come le banche centrali monitorano l'inflazione.
• Rilevamento del danno nascosto: Dimostra che il monitoraggio del solo output aggregato ignora sistematicamente i costi distributivi dell'automazione, anche quando la crescita nominale rimane forte.
• Rilevanza politica: La divergenza tra GAGI e PIL serve come prova che la "prosperità aggiustata per il benessere" di una nazione si sta disaccoppiando dalla sua "prosperità aggiustata per la produzione".
• Integrazione con HUF: Il GAGI è presentato come un proxy empirico "plug-in" per la componente di "Stabilità Economica (E)" del Human Utility Factor (HUF), un quadro più ampio per allineare l'automazione con il benessere macro-socio-economico.

Il documento conclude che i pattern osservati — specificamente l'allargamento del cuneo GAGI–PIL e la separazione dei regimi nazionali basata sulle politiche — sono visibili nelle statistiche pubbliche senza necessità di modellazione speculativa, rendendo necessario un passaggio nel monitoraggio macroeconomico verso metriche sensibili alla distribuzione.