The Reverse Big Push: Generative AI and Self-Fulfilling Automation

Nell'economia moderna, il modo in cui le imprese guadagnano spesso dipende da un delicato equilibrio tra ciò che spendono per operare e il denaro che rientra dai clienti. Quando un'azienda assume lavoratori, paga loro dei salari. Questi lavoratori poi spendono i loro stipendi presso altre attività locali, creando un ciclo di domanda che mantiene in movimento l'intera economia. Questo ciclo è una parte fondamentale del funzionamento dei mercati locali. Per decenni, gli economisti hanno studiato come le nuove tecnologie cambino questo equilibrio. A volte, una nuova macchina è così costosa da acquistare che solo poche aziende possono permettersela, e quelle aziende devono lavorare duramente per trovare abbastanza clienti per pagare la macchina. Questa è l'idea classica del "grande impulso" (big push), dove gli alti costi costringono un gruppo di imprese a crescere insieme per sopravvivere.

Tuttavia, l'ascesa dell'intelligenza artificiale generativa ha ribaltato questo scenario. Oggi, la parte più costosa dell'uso dell'IA avanzata — il costo di addestramento del sistema informatico — è pagata dall'azienda che l'ha costruita, non dall'azienda che la utilizza. Uno studio legale o uno studio di progettazione possono semplicemente affittare la potenza dell'IA all'ora man mano che ricevono nuovi incarichi. Questo rende l'automazione simile a una spesa operativa flessibile piuttosto che a un pesante investimento iniziale. Ma c'è un problema. Se un'impresa decide di usare questa IA per sostituire il proprio team umano, smette di pagare quei salari. Se molte imprese fanno questo contemporaneamente, i lavoratori che perdono il lavoro smettono di spendere denaro nell'economia locale. Ciò restringe il mercato per tutti gli altri, rendendo più difficile la sopravvivenza delle restanti imprese. La domanda che i ricercatori si pongono è se questo cambiamento crei una trappola in cui le imprese, agendo nel proprio interesse, distruggano accidentalmente il mercato stesso su cui fanno affidamento.

Un team di economisti dalla Cina ha costruito un modello per esplorare questa specifica dinamica, concentrandosi su come la scelta tra l'uso dell'IA con l'aiuto umano rispetto all'uso dell'IA per sostituire gli umani si sviluppi in un'economia di servizi locale. Hanno scoperto che l'economia può incastrarsi in due stati molto diversi, a seconda di ciò che le imprese prevedono accadrà in seguito. In uno stato, le imprese mantengono i loro team umani, i salari rimangono alti e l'economia locale è vibrante. Nell'altro, le imprese tagliano i loro team per risparmiare denaro, i salari scendono, l'economia locale si contrae e le imprese tagliano ancora di più i propri team per sopravvivere. I ricercatori chiamano questo un "impulso inverso" (reverse big push). A differenza del vecchio modello in cui gli alti costi forzavano la crescita, qui la capacità di tagliare facilmente i costi può innescare un collasso profetico.

Il nucleo della loro scoperta è che la decisione di automatizzare non riguarda solo se la tecnologia funzioni bene; riguarda quanti altri concorrenti stanno facendo la stessa cosa. Se un'impresa crede che la maggior parte delle altre aziende manterrà i propri team umani, ha senso per loro mantenere il proprio team, perché l'economia locale sarà abbastanza forte da sostenere i salari più elevati. Ma se un'impresa crede che tutti gli altri stiano licenziando i lavoratori per passare all'IA, diventa la mossa più intelligente per loro licenziare i lavoratori, perché l'economia locale sarà troppo debole per sostenere un team completo. Questo crea una situazione in cui l'economia può stabilizzarsi in un equilibrio a "bassa domanda", dove l'automazione è l'unica scelta, anche se un equilibrio ad "alta domanda", in cui umani e IA lavorano insieme, sarebbe migliore per tutti.

I ricercatori dimostrano che questo problema non scompare nemmeno se i salari sono lasciati scendere. In un mercato normale, se la domanda scende, i salari scendono, il che rende più economico assumere persone. Il modello conferma che la caduta dei salari rende effettivamente l'assunzione più economica, ma significa anche che i lavoratori hanno meno denaro da spendere. Lo studio trova che se la perdita di potere di spesa è maggiore del risparmio derivante dai salari più bassi, il ciclo di declino continua. L'economia rimane bloccata in uno stato di bassi salari e bassa occupazione perché il calo della domanda è troppo severo per essere risolto solo dal costo ridotto del lavoro. Ciò significa che lasciare semplicemente che il mercato aggiusti i salari non è sufficiente a prevenire un collasso se le imprese perdono fiducia nel futuro.

Per capire come questo si sviluppi, gli autori hanno osservato come le imprese prendono decisioni nel tempo. Hanno immaginato uno scenario in cui le imprese hanno la possibilità di cambiare la propria strategia in diversi momenti. Se un'impresa è pessimista e prevede che gli altri automatizzeranno, automatizzerà per prima, convalidando il pessimismo della successiva impresa, creando una cascata di licenziamenti. Se un'impresa è ottimista e prevede che gli altri manterranno i propri team, manterrà il proprio team, incoraggiando gli altri a fare lo stesso. Il punto di partenza è importante, ma lo è anche l'aspettativa. I ricercatori hanno scoperto che esiste un intervallo specifico di condizioni in cui entrambi gli esiti sono possibili. In questo intervallo, l'economia non è determinata dalla tecnologia in sé, ma dal morale collettivo della comunità imprenditoriale.

Lo studio ha anche esaminato cosa succede quando si verifica uno shock pubblico, come un improvviso cambiamento nella salute generale dell'economia. Hanno scoperto che se l'economia si trova in quel terreno incerto di mezzo, un fondamentale pubblico capace di raggiungere entrambi i domini può selezionare un percorso unico. Se l'economia sta già pendendo verso l'automazione, uno shock negativo può spingerla oltre il limite verso un pieno collasso. Viceversa, se pende verso la cooperazione uomo-IA, uno shock positivo può consolidare quel percorso. I ricercatori hanno usato un concetto di "dominanza del rischio" per prevedere quale stato sia più probabile essere scelto quando il futuro è incerto. Hanno scoperto che se il punto di svolta statico per la cooperazione uomo-IA si trova al di sotto di un mezzo, l'economia sceglierà probabilmente il percorso cooperativo. Ma se il punto di svolta si trova sopra un mezzo, l'economia sceglierà probabilmente il percorso automatizzato, anche se il percorso cooperativo sarebbe stato migliore per la società nel suo complesso.

Gli autori hanno poi esaminato cosa significhi questo per le politiche pubbliche. Hanno calcolato che in molti settori di servizi professionali, le condizioni per questo "fallimento della coordinazione" sono reali. Utilizzando dati dagli Stati Uniti, hanno stimato che per certi tipi di compiti ad alta autonomia gestibili dall'IA, l'economia potrebbe facilmente cadere nel cattivo equilibrio. Hanno scoperto che la differenza tra lo stato "buono" e lo stato "cattivo" non è enorme, ma è abbastanza ampia da contare. Nelle loro simulazioni, un cambiamento in quanto una parte di un lavoro possa essere svolta dall'IA senza l'aiuto umano può spostare l'economia da uno stato stabile in cui umani e macchine lavorano insieme a uno stato in cui le macchine sostituiscono completamente gli umani, semplicemente perché il mercato si è ristretto troppo per sostenere i team.

I ricercatori sostengono che la soluzione non è vietare l'IA o costringere le aziende a mantenere i lavoratori. Invece, suggeriscono che un intervento governativo temporaneo potrebbe aiutare l'economia ad attraversare il divario. Se l'economia è bloccata nello stato a bassa domanda, un piccolo sussidio temporaneo o una tassa sulla pura automazione potrebbe agire come un ponte. Questo ponte darebbe alle imprese la fiducia necessaria per mantenere i propri team umani finché l'economia non diventa abbastanza grande da sostenerli autonomamente. Una volta raggiunta una certa dimensione, il sussidio potrebbe essere rimosso, e il modello uomo-IA diventerebbe la scelta naturale e autosufficiente. La chiave è che questo sostegno debba essere temporaneo e mirato; non si tratta di salvare ogni lavoro per sempre, ma di prevenire che l'economia rimanga bloccata in uno stato negativo in cui tutti sono peggio di prima.

L'articolo chiarisce anche che questo problema è specifico per certi tipi di lavoro. Si applica con più forza all'automazione "difensiva", dove le imprese usano l'IA per tagliare i costi perché temono che il mercato si stia restringendo. È meno probabile che accada con l'automazione "offensiva", dove l'IA crea nuovi prodotti che espandono il mercato. Nel caso difensivo, la paura di un mercato in contrazione guida la decisione di tagliare i costi, il che a sua volta restringe il mercato. I ricercatori mostrano che, se un'impresa sta tagliando i costi perché prevede che il mercato si restringerà, è spesso meglio per l'intera economia se quell'impresa mantiene i propri lavoratori, poiché i loro salari aiuteranno a mantenere in vita il mercato.

Nella loro analisi finale, gli autori hanno usato numeri del mondo reale per mostrare quanto sia sensibile questo sistema. Hanno esaminato il rapporto tra ricavi e payroll nei servizi professionali e hanno scoperto che in molti casi l'economia si trova proprio sul limite della regione di coordinazione. Un piccolo cambiamento nel costo dell'IA o nella capacità dell'IA di svolgere compiti può far pendere l'equilibrio. Hanno scoperto che gli aggiustamenti salariali, pur essendo utili, comprimono l'intervallo in cui può verificarsi questo fallimento della coordinazione, ma non lo eliminano. Lo studio conclude che il futuro del lavoro nell'era dell'IA generativa dipende meno dalla potenza bruta della tecnologia e più dalla fiducia collettiva delle imprese che la utilizzano. Se le imprese possono coordinarsi per mantenere i loro team umani, l'economia può prosperare. Se non possono, rischiano un collasso auto-avverante in cui gli stessi strumenti destinati ad aiutarle finiscono per danneggiare il mercato che servono.

Il lavoro fornisce un chiaro avvertimento che la transizione verso un'economia guidata dall'IA non è automatica. Richiede di navigare in un sentiero stretto dove le aspettative e la realtà si rinforzano a vicenda. I ricercatori mostrano che, senza un meccanismo per rompere il ciclo del pessimismo, l'economia può stabilizzarsi in uno stato che è stabile ma inefficiente, dove tutti sono più poveri di quanto potrebbero essere. La soluzione risiede nel comprendere che la scelta della tecnologia non è solo una decisione tecnica, ma una decisione sociale che dipende dalla salute dell'intera economia locale. Riconoscendo ciò, i decisori politici possono progettare interventi che aiutino l'economia a trovare la strada verso l'esito migliore, garantendo che i benefici dell'IA siano condivisi piuttosto che persi in un ciclo di declino.