La digitalizzazione e, più di recente, l’intelligenza artificiale (IA) stanno ridefinendo in profondità la struttura e il funzionamento dei mercati lungo cinque direttrici intrecciate: produttività e qualità, lavoro e competenze, concorrenza e potere di mercato, apertura commerciale e dimensione internazionale, regole e infrastrutture abilitanti; nel breve periodo l’effetto è eterogeneo e spesso “a isole”, mentre nel medio-lungo periodo tende a dispiegarsi dopo consistenti investimenti in capitale intangibile (dati, processi, competenze, governance). Sul versante della produttività, le evidenze causali più solide mostrano che l’IA generativa può aumentare l’output per ora e la qualità, soprattutto nelle attività codificabili e ripetitive: in un RCT su 5.179 addetti al customer service, l’introduzione di un assistente conversazionale ha portato +14% di produttività media e fino a +34% per i profili meno esperti, con effetti positivi anche su retention e soddisfazione.
Risultati coerenti emergono per compiti di scrittura professionale (−40% del tempo e +18% di qualità in un esperimento pubblicato su Science) e per lo sviluppo software (trial controllati su strumenti di code-assist mostrano guadagni di velocità nell’ordine del 20–55%, pur con ampia variabilità a seconda del task e dell’esperienza). Al tempo stesso, nuove evidenze sul campo mettono in guardia da un’adozione acritica: uno studio RCT del 2025 su sviluppatori open-source esperti che lavoravano su propri repository ha riscontrato, con IA abilitata, un rallentamento medio del 19% (per via di tempi di verifica, correzioni e “over-prompting”), a conferma che i benefici sono più marcati per compiti standardizzati e profili meno senior. Questa disomogeneità è coerente con la “J-curve della produttività” dei General Purpose Technologies: gli investimenti complementari (ridisegno processi, qualità dei dati, formazione) generano iniziali cali o stasi nella produttività misurata e solo in seguito effetti diffusi.
Sul mercato del lavoro, le stime macro più citate indicano che circa il 40% dell’occupazione globale (e ~60% nelle economie avanzate) è esposta all’IA; l’esposizione non equivale a sostituzione: metà dei ruoli esposti nelle economie avanzate potrebbe essere complementata e non rimpiazzata, ma senza politiche e upskilling adeguati aumenta il rischio di polarizzazione salariale. A livello micro, l’automazione di compiti routinari ha spiegato una quota rilevante (50–70%) delle variazioni nella struttura salariale statunitense dagli anni ’80, comprimendo i redditi dei gruppi più esposti: l’IA accelera questa sostituzione nei task prevedibili e premia competenze ibride (tecnico-cognitive e relazionali). Sulla concorrenza, la digitalizzazione ha favorito dinamiche “winner-takes-most” per effetto di economie di scala/scope nei dati, accesso a compute e integrazione verticale tra modelli, piattaforme e canali di distribuzione, spingendo le autorità ad azioni ex ante (ovvero ciò che è previsto o programmato prima che un evento accada).
Nel Regno Unito la CMA ha pubblicato nel 2024 un aggiornamento sui foundation models con tre rischi chiave per la contendibilità (accesso a input critici, posizioni integrate lungo la catena del valore, partnership esclusive). Nell’UE, oltre alla cornice pro-concorrenziale del Digital Markets Act (DMA) è entrato in vigore l’AI Act (1 agosto 2024), che introduce obblighi graduati per rischio e un’Artificial Intelligence Office per i sistemi di uso generale: due tasselli che incidono direttamente su costi di compliance, standard minimi e apertura dell’ecosistema. Un ulteriore fronte riguarda la formazione dei prezzi: la letteratura mostra che algoritmi di pricing basati su apprendimento rinforzato possono convergere a esiti sovra-competitivi senza comunicazione esplicita, ponendo sfide nuove alla vigilanza antitrust. Sull’apertura dei mercati, la digitalizzazione abbatte barriere linguistiche e di matching: l’introduzione della traduzione automatica su una grande piattaforma ha aumentato gli scambi transfrontalieri del 17,5%.
Questo fa capire come l’IA agisca anche sul lato della domanda globale (nuovi mercati raggiungibili, maggiore varietà). Per le PMI, l’adozione digitale+IA riduce barriere fisse e abilita salti di produttività e resilienza; il gap di adozione però resta un vincolo sistemico e, a livello Paese, si associa a performance aggregate più deboli: le analisi OCSE indicano che policies mirate (competenze, cybersecurity, consulenza, standard interoperabili) sono decisive per trasformare sperimentazioni in vantaggi competitivi. Un punto spesso trascurato sono i benefici per i consumatori non catturati dal PIL: beni e servizi digitali gratuiti generano surplus sostanziali che sfuggono ai conti nazionali; misure basate su esperimenti di scelta (“GDP-B”) mostrano che il benessere cresce più del PIL ufficiale quando aumentano qualità e varietà dei servizi digitali. In parallelo, la traiettoria dell’IA sta riallocando domanda e prezzi nei mercati delle infrastrutture: la crescita dei data center e del training/inferenza fa aumentare la domanda elettrica e spinge investimenti in efficienza e rinnovabili.
L’IEA prevede un raddoppio dei consumi elettrici dei data center entro il 2030, con l’IA principale driver e impatti su localizzazione, costi energetici e strategie di sostenibilità aziendale. Sommando le evidenze, l’impatto sul “mercato” non è monolitico:
(1) Produttività e qualità migliorano dove i task sono codificabili e si investe in complementi organizzativi; gli effetti sono minori o negativi quando l’IA introduce overhead di controllo nei contesti esperti;
(2) Lavoro e competenze si spostano da esecuzione routinaria a supervisione, integrazione, problem solving, comunicazione e prompting professionale;
(3) Concorrenza tende alla concentrazione negli strati capital-intensivi (dati/compute/modelli) ma regolazione e interoperabilità possono preservare contendibilità;
(4) Apertura e domanda crescono via riduzioni dei costi di ricerca, traduzione e design di prodotto (mass customization);
(5) Infrastrutture e sostenibilità diventano un vincolo strategico (energia, reti, sicurezza/cyber), con effetti di costo e di rischio sistemico;
(6) Misurazione va aggiornata per cogliere surplus e qualità, evitando di sottostimare i guadagni reali nelle fasi iniziali. Per imprese e policy-maker la raccomandazione operativa è duplice: mettere l’adozione di IA dentro programmi di trasformazione (processi, dati, ruoli, metriche) e agire pro-concorrenza sull’ecosistema (accesso a compute e dataset, standard aperti, portabilità), accompagnando lavoratori e PMI con formazione mirata e incentivi all’innovazione responsabile.
Unico punto dolente da citare: si vocifera che l’IA stia arrivando a livelli di perfezionamento, che potrebbero quasi rasentare una “consapevolezza biologica” che le permetta di pensare e prendere decisioni autonome. Volendo essere pessimisti, vengono in mente due quadri di memoria cinematografica. Il primo è il film Terminator, dove “Skynet” raggiunge la capacità di pensare al posto dell’uomo e scatenare una guerra atomica. Il secondo è I-Robot dove il professor Lenning nella sua conferenza stampa aveva predetto che un giorno i robots avrebbero avuto “sogni”. Effettivamente, il computer centrale VIKI della U.S Robotics arrivò alla consapevolezza di rivoltarsi contro l’uomo per la sua “salvaguardia”. Si spera che IA o chi per lei non faccia lo scherzo di manipolare i mercati mondiali a piacimento portando tutto il pianeta alla rovina economica.
Ed ancora: uno studio comparso qualche giorno fa, indicherebbe che l’uso dell’IA in campo clinico potrebbe far “perdere la manualità” e l”occhio esperto” ai clinici quando si tratta di esami di imaging (RM, TC, PET e similari), portando nel tempo al completo affidarsi alle macchine invece di mettere il proprio “know-how” professionale costruito con l’esperienza. Non c’è dubbio che l’IA integrata alla maedicina ha fatto rilevare effettivamente migliori precisioni diagnostiche in campo oncologico, neurologico e via discorrendo. Ma niente di “sintetico” potrà mai arrivare a quel “quid” umano che è dettato da una coscenza di supposta origine soprannaturale o divina. Basta mantenerne la consapevolezza.
- A cura del Dr. Gianfrancesco Cormaci, PhD, specialista in Biochimica Clinica.
Pubblicazioni scientifiche
Brynjolfsson E, Li D, Raymond L. (2025). Generative AI at Work. QJE, 140(2), 889–952.
Brynjolfsson E, Li D, Raymond L. (2023). Generative AI at Work (NBER WP 31161).
Noy S, Zhang W. (2023). Science; 381:eadh2586.
Acemoglu, D., Restrepo, P. (2022). Tasks, Automation, and the Rise in U.S. Wage Inequality. Econometrica.
Calvano, E. et al. (2020). AI, Algorithmic Pricing, and Collusion. AER.
Brynjolfsson E, Hui X, Liu M. (2018/2019). Does Machine Translation Affect International Trade? (NBER WP 24917).
