New Yorker: Il dilemma della redditività dell'intelligenza artificiale e le lezioni della storia Autore: John Cassidy Nel 1987, il premio Nobel per l'economia Robert Solow del MIT scrisse in un articolo per il Times Literary Supplement: "L'era dei computer è ovunque, tranne che nei dati statistici sulla produttività." Nonostante l'enorme aumento della potenza di calcolo e la crescente diffusione dei computer personali, i dati governativi mostrano che un indicatore chiave per misurare salari e standard di vita - la produzione totale pro capite dei lavoratori - è rimasto stagnante per oltre un decennio. Questo è ciò che è diventato noto come il "paradosso della produttività". Questo paradosso è durato fino agli anni '90 e oltre, suscitando una miriade di ricerche accademiche contrastanti. Alcuni economisti lo attribuirono a una cattiva gestione delle nuove tecnologie; altri ritenevano che, rispetto a invenzioni precedenti come la macchina a vapore e l'elettricità, l'importanza economica dei computer fosse trascurabile; altri ancora incolparono errori nei dati statistici, sostenendo che una correzione avrebbe fatto svanire il paradosso. Quasi 40 anni dopo la pubblicazione dell'articolo di Solow, da quando OpenAI ha lanciato il chatbot ChatGPT quasi tre anni fa, potremmo trovarci di fronte a un nuovo paradosso economico, questa volta incentrato sull'intelligenza artificiale generativa. Secondo un recente sondaggio condotto da economisti della Stanford University, della Clemson University e della Banca Mondiale, a giugno e luglio di quest'anno, quasi la metà dei lavoratori (precisamente il 45,6%) stava utilizzando strumenti di intelligenza artificiale. Tuttavia, un nuovo studio di un team del MIT Media Lab ha riportato un risultato sorprendente: "Nonostante le aziende abbiano investito tra i 30 e i 40 miliardi di dollari in AI generativa, questo rapporto ha scoperto che il 95% delle organizzazioni ha un ritorno pari a zero." Gli autori dello studio hanno esaminato oltre trecento progetti e annunci pubblici di AI e hanno intervistato più di cinquanta dirigenti aziendali. Hanno definito "investimenti AI di successo" quelli che avevano superato la fase pilota e erano stati effettivamente implementati, producendo un ritorno finanziario misurabile o un significativo aumento della produttività dopo sei mesi. Hanno scritto: "Solo il 5% dei progetti pilota di AI integrati con successo sta creando milioni di dollari di valore, mentre la stragrande maggioranza dei progetti rimane stagnante, senza alcun impatto misurabile sul P&L (profit and loss)." Le interviste del sondaggio hanno suscitato una serie di risposte, alcune delle quali piene di scetticismo. "Su LinkedIn si parla di tutto come se fosse cambiato, ma nella nostra operatività fondamentale non è cambiato nulla," ha dichiarato il COO di un'azienda manifatturiera di medie dimensioni ai ricercatori. "Abbiamo gestito i contratti un po' più velocemente, ma è tutto qui." Un altro intervistato ha commentato: "Quest'anno abbiamo visto decine di dimostrazioni. Forse una o due sono state realmente utili. Le altre sono o 'wrapper' (cioè semplicemente pacchettizzate tecnologie esistenti senza innovazione sostanziale), o 'progetti scientifici' (cioè esplorazioni tecnologiche lontane dall'applicazione commerciale pratica)." A essere equi, il rapporto ha anche sottolineato che ci sono effettivamente alcune aziende che hanno effettuato investimenti AI di successo. Ad esempio, il rapporto ha evidenziato l'efficienza creata da strumenti personalizzati per le operazioni di back-office e ha osservato: "Questi risultati iniziali suggeriscono che i sistemi con capacità di apprendimento, se mirati a processi specifici, possono effettivamente portare valore reale, anche senza dover apportare significative ristrutturazioni organizzative." Il sondaggio ha anche menzionato alcune aziende che hanno riferito di aver "aumentato il tasso di fidelizzazione dei clienti e il tasso di conversione delle vendite attraverso l'automazione delle comunicazioni e dei sistemi di follow-up intelligenti", il che suggerisce che i sistemi AI potrebbero essere utili per il marketing. Tuttavia, l'idea che "molte aziende stanno lottando per ottenere ritorni sostanziali" si allinea con un'altra recente indagine condotta dalla società di consulenza multinazionale Akkodis. Dopo aver contattato oltre duemila dirigenti aziendali, la società ha scoperto che la percentuale di CEO "molto fiduciosi" nella strategia di implementazione dell'AI della propria azienda è crollata dall'82% nel 2024 al 49% di quest'anno. Anche la fiducia dei CTO aziendali è diminuita, sebbene non in misura così marcata. L'indagine di Akkodis ha affermato che questi cambiamenti "potrebbero riflettere risultati deludenti precedenti in progetti di digitalizzazione o AI, ritardi o fallimenti nell'implementazione e preoccupazioni per la scalabilità." La scorsa settimana, la copertura mediatica dello studio del MIT Media Lab è coincisa con il calo delle azioni legate all'AI di alta valutazione come Nvidia, Meta e Palantir. Certamente, correlazione non implica causalità, e le recenti dichiarazioni del CEO di OpenAI, Sam Altman, potrebbero aver giocato un ruolo più importante in questa svendita (data l'inaspettata crescita dei prezzi, una svendita era inevitabile). Secondo quanto riportato da CNBC, Altman ha dichiarato durante una cena con i giornalisti che le attuali valutazioni sono "insane" e ha usato la parola "bubble" tre volte in quindici secondi. Tuttavia, lo studio del MIT ha attirato molta attenzione. Dopo un primo giro di notizie, ci sono state segnalazioni che il Media Lab, in contatto con molte aziende tecnologiche, stava silenziosamente limitando l'accesso a questo rapporto. I messaggi che ho lasciato all'ufficio PR dell'organizzazione e a due degli autori del rapporto sono andati nel vuoto. Sebbene questo rapporto sia più sottile di quanto descritto in alcune notizie, mette senza dubbio in discussione la grande narrativa economica che ha sostenuto il boom tecnologico dall'uscita di ChatGPT da OpenAI nel novembre 2022. La versione semplificata di questa narrativa è: la diffusione dell'AI generativa è sfavorevole per i lavoratori (soprattutto per i lavoratori della conoscenza), ma estremamente vantaggiosa per le aziende e i loro azionisti, poiché porterà a un enorme balzo di produttività e, di conseguenza, a profitti sostanziosi. Perché questo scenario sembra non essersi ancora realizzato? Una possibile spiegazione richiama un punto di vista degli anni '80 e '90, secondo cui gli errori di gestione hanno limitato i benefici di produttività portati dai computer. La ricerca del Media Lab ha scoperto che alcuni degli investimenti AI più riusciti sono stati effettuati da startup che hanno utilizzato strumenti altamente personalizzati in ambiti ristretti dei flussi di lavoro. Dall'altra parte del "divario dell'AI generativa" (GenAI Divide), quelle startup meno riuscite "o stanno costruendo strumenti generali, o stanno cercando di sviluppare capacità internamente". Il rapporto ha più genericamente osservato che la distinzione tra successo e fallimento "sembra non essere guidata dalla qualità del modello o dalla regolamentazione, ma dal metodo di (implementazione)." Si può immaginare che la novità e la complessità dell'AI generativa possano scoraggiare alcune aziende. Una recente ricerca della società di consulenza Gartner ha scoperto che meno della metà dei CEO crede che i loro CIO siano "competenti in AI". Ma per il record deludente evidenziato nel rapporto del Media Lab, c'è un'altra possibile spiegazione: per molte aziende consolidate, l'AI generativa (almeno nella sua forma attuale) non è affatto così miracolosa come è stata pubblicizzata. "È eccellente per il brainstorming e la scrittura di bozze, ma non ricorda le preferenze dei clienti e non impara dalle edizioni precedenti," ha detto un intervistato dello studio del Media Lab. "Ripete gli stessi errori e richiede di inserire molto contesto in ogni sessione. Per lavori ad alto rischio, ho bisogno di un sistema in grado di accumulare conoscenze e migliorare continuamente." Certo, ci sono molte persone che trovano l'AI molto utile, e ci sono prove accademiche a sostegno di questo: nel 2023, due economisti del MIT hanno scoperto che in un esperimento casuale, i partecipanti che hanno avuto accesso a ChatGPT hanno completato più rapidamente i "compiti di scrittura professionale", con una qualità di scrittura migliorata. Nello stesso anno, altri gruppi di ricerca hanno scoperto che i programmatori che utilizzavano Copilot di Github (un assistente alla programmazione AI) e gli agenti di supporto clienti che utilizzavano strumenti AI proprietari hanno ottenuto un aumento della produttività. I ricercatori del Media Lab hanno scoperto che molti dipendenti stanno utilizzando i loro strumenti personali, come GPT o Claude, nel lavoro; il rapporto ha definito questo fenomeno "economia dell'AI ombra" (shadow AI economy) e ha commentato che "il ritorno sugli investimenti (ROI)" che ne deriva è spesso superiore a quello dei progetti avviati dai datori di lavoro. Ma il problema rimane, e sicuramente è una domanda che i dirigenti aziendali porranno più frequentemente: perché non ci sono più aziende che vedono questi benefici riflessi nei profitti finali (aziendali)? Parte del problema potrebbe risiedere nel fatto che, sebbene l'AI generativa sia affascinante, la sua applicazione è limitata in molti settori dell'economia. Settori come il tempo libero e l'ospitalità, il commercio al dettaglio, l'edilizia, il settore immobiliare e l'assistenza (cura di bambini, anziani o persone vulnerabili) - questi settori impiegano complessivamente circa cinquanta milioni di americani, ma non sembrano essere candidati diretti per la trasformazione AI. ...