Nel confronto tra ottimisti dell’intelligenza artificiale e osservatori più cauti, le previsioni professionali rappresentano un punto di riferimento utile: traducono narrazioni ampie in numeri concreti come crescita, tassi e inflazione. La Survey of Professional Forecasters (SPF) mostra che la stima mediana di produttività a 10 anni è salita da 1,3% nel 2026 a 1,8% all’inizio del 2026. Nonostante il lancio di ChatGPT a novembre 2026, la prima rilevazione SPF successiva (febbraio 2026) aveva invece ridotto l’outlook a 1,3%, con un rialzo che ha cominciato a consolidarsi solo un anno dopo. Questi numeri sono importanti ma restano lontani dalle attese più spregiudicate sull’AI.
Il problema centrale è che le svolte tecnologiche sono spesso invisibili nei dati iniziali: le statistiche arrivano in ritardo, subiscono revisioni significative e non catturano facilmente investimenti immateriali, cambi organizzativi e miglioramenti di qualità. Per capire se gli esperti oggi stanno sottovalutando l’impatto dell’AI conviene guardare a come si sono comportati in passato, quando la rivoluzione informatica era in corso ma difficilmente rilevabile nelle serie ufficiali.
Lezioni dagli anni Novanta
Tra il 1992 e il 1998 la SPF mantenne una previsione decennale di produttività ferma al 1,5%, mentre la crescita realizzata nei dieci anni successivi risultò tra il 2,1% e il 2,7%. Questa apparente sottovalutazione si chiarisce esaminando le stime pubblicate all’epoca: nel febbraio 1997 il BLS riportava una crescita media a dieci anni di appena 0,7%, e la prima stima per il 1996 era 0,8%. Solo dopo revisioni sostanziali (nuovi dati sulle ore lavorate, la riclassificazione del software come investimento e il benchmark NIPA del 1999) quella 0,8% si trasformò in 2,7%, come documentato da Jorgenson, Ho e Stiroh (2008).
Perché i dati iniziali possono ingannare
Le cause delle revisioni sono concrete: cambiamenti nelle definizioni statistche e miglioramenti delle informazioni sulle ore lavorate o sugli investimenti intangibili alterano sensibilmente i numeri storici. L’esperienza degli anni Novanta dimostra che le prime versioni delle serie possono sottostimare una vera svolta tecnologica, mentre gli indicatori revisionati raccontano una storia diversa. Di conseguenza, i previsori tendono a seguire il passato recente e a sbagliare i punti di svolta, innalzando le stime quando la fase espansiva è ormai terminata e riducendole proprio quando la crescita sta tornando.
Produttività e tasso reale di equilibrio
La teoria macroeconomica stabilisce un legame diretto tra trend di produttività e il tasso reale di equilibrio: una crescita tendenziale più alta aumenta il prodotto marginale del capitale e, in genere, la remunerazione reale del risparmio. Tuttavia, per gran parte degli ultimi trent’anni questo collegamento non è stato riflesso nelle aspettative degli esperti. Prima del 2010 la correlazione tra la previsione di produttività della SPF e il tasso reale implicito (BOND10 meno CPI10) era negativa (−0,54), un risultato controintuitivo.
Un cambiamento dopo la crisi
Dopo la crisi finanziaria globale il rapporto tra crescita attesa e tassi si è invertito: dal 2011 in poi la correlazione è diventata positiva (0,61), probabilmente perché il dibattito su r-star, il vincolo del tasso zero e la stagnazione secolare hanno indotto i previsori a riallineare aspettative di crescita e tassi. Così l’aumento recente della previsione di produttività da 1,3% a 1,8% è stato accompagnato da un incremento dell’r* implicito da circa 1,0% a 1,7%, coerente con la teoria, seppure modesto.
Inflazione di lungo periodo: un’ancora solida
Un’altra domanda fondamentale è se variazioni della produttività possano influenzare le aspettative di inflazione a lungo termine. I dati SPF suggeriscono che l’effetto è trascurabile: la correlazione tra PROD10 e CPI10 è solo −0,19, praticamente nulla. Nonostante oscillazioni della previsione di produttività tra 1,3% e 2,5% negli ultimi trent’anni, le attese di inflazione a lungo termine sono rimaste stabili intorno al 2,2–2,5% dalla metà degli anni Novanta.
Implicazioni pratiche per il dibattito sull’AI
Le analogie con gli anni Novanta sono immediate: grandi investimenti tecnologici, guadagni precoci tra gli adottanti e statistiche ufficiali che restano tiepide. Se l’impatto dell’AI si concentra in servizi difficili da misurare, il ritardo nelle serie potrebbe essere addirittura maggiore rispetto all’era IT. Allo stesso tempo, la storia mette in guardia gli ottimisti: molte narrazioni della “nuova economia” si sono affrettate prima che i dati confermassero le aspettative. La posizione attuale della SPF — produttività a 1,8%, r* implicito intorno a 1,7%, e inflazione ancorata vicino al 2,3% — è un quadro coerente e moderato. Se l’AI dovesse realizzare anche solo una parte delle promesse degli entusiasti, queste cifre saranno sottostimate; se invece gli effetti resteranno limitati, la prudenza degli esperti sarà giustificata.
