L’intelligenza artificiale generativa è spesso descritta come una leva di produttività trasversale, destinata a migliorare in modo uniforme le performance aziendali. Ma le evidenze empiriche iniziano a raccontare una storia più complessa. Lo studio “Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality” pubblicato su Organization Science (qui) introduce il concetto di “jagged technological frontier”, una frontiera tecnologica irregolare, che mette in discussione l’idea di un impatto lineare dell’AI sui processi produttivi.
📈 Produttività: crescita selettiva, non generalizzata
L’analisi, condotta su attività di consulenza aziendale, evidenzia come l’adozione dell’AI produca incrementi significativi di produttività, ma distribuiti in modo disomogeneo.
In particolare:
– i lavoratori con performance inizialmente più basse registrano miglioramenti rilevanti;
– i profili più qualificati mostrano guadagni marginali, talvolta nulli.
Ne deriva un effetto di compressione della distribuzione delle competenze, con implicazioni potenzialmente rilevanti per salari e organizzazione del lavoro.
⚙️ Task-based economics: dove l’AI crea valore
Il contributo più rilevante dello studio riguarda l’analisi per tipologia di attività.
L’AI genera valore soprattutto nei task:
– standardizzati;
– replicabili;
– basati su schemi riconoscibili
Al contrario, nei compiti ad alta intensità cognitiva — che richiedono:
– problem solving non strutturato;
– interpretazione;
– creatività;
le performance risultano meno prevedibili e, in alcuni casi, inferiori rispetto all’intervento umano.
Questo approccio rafforza una lettura task-based dell’impatto tecnologico, già centrale nella letteratura economica del lavoro.
⚠️ Rischio operativo: gli errori plausibili
Un elemento critico riguarda la qualità dell’output.
L’AI può produrre contenuti formalmente corretti ma sostanzialmente errati, generando quello che lo studio identifica come un rischio di “errori plausibili”.
Per le imprese, questo si traduce in:
– aumento dei costi di verifica
– necessità di nuovi sistemi di controllo qualità
– esposizione a rischi reputazionali e decisionali
🧩 Impatti organizzativi e capitale umano
L’adozione dell’AI non è neutrale rispetto all’organizzazione aziendale.
Emergono tre direttrici principali:
- Riprogettazione dei processi
Le aziende devono identificare con precisione le attività in cui l’AI genera valore, evitando implementazioni indiscriminate. - Ridefinizione delle competenze
Cresce il peso di skill come:- pensiero critico
- capacità di validazione
- supervisione dei sistemi AI
- Nuove asimmetrie informative
I lavoratori più esperti mantengono un vantaggio nella capacità di riconoscere errori e limiti dell’AI.
📉 Mercato del lavoro: effetti ambivalenti
Dal punto di vista macroeconomico, lo studio suggerisce effetti non univoci:
– possibile aumento della produttività aggregata,
– riduzione dei gap tra lavoratori,
– ma anche rischi di allocazione delle competenze inefficiente.
Inoltre, la standardizzazione indotta dall’AI potrebbe comprimere il valore marginale delle competenze più elevate in alcune funzioni.
💡 Una tecnologia non uniforme
Il messaggio di fondo è chiaro: l’intelligenza artificiale non rappresenta una rivoluzione omogenea, ma una trasformazione irregolare e selettiva. Per imprese e policy maker, la sfida non è solo adottare l’AI, ma capirne i limiti operativi e i contesti di efficacia. In un contesto competitivo, il vantaggio non sarà determinato da chi utilizza l’intelligenza artificiale, ma da chi sa dove — e come — utilizzarla.