Quando nel 2016 Geoffrey Hinton, uno dei padri dell’intelligenza artificiale, dichiarò che entro cinque anni i radiologi sarebbero diventati obsoleti, sembrava una previsione inevitabile. Eppure, quasi dieci anni dopo, la domanda di radiologi non solo non è crollata, ma ha raggiunto livelli storici massimi. Come è possibile?
La risposta si trova in un principio economico formulato oltre 150 anni fa: il paradosso di Jevons.
Cos’è il paradosso di Jevons
A metà del XIX secolo, l’economista britannico William Stanley Jevons osservò un fenomeno controintuitivo: i miglioramenti tecnologici che rendevano più efficiente l’uso del carbone non ne riducevano il consumo complessivo, bensì lo aumentavano. Quando una risorsa diventa più economica e facile da utilizzare, la domanda per quella risorsa può esplodere, rivelando bisogni latenti precedentemente inespressi.
Il principio è semplice: maggiore efficienza può generare maggiore domanda, non minore.
Torniamo ai radiologi. Quando sono stati lanciati sistemi di intelligenza artificiale capaci di rilevare e classificare centinaia di malattie più rapidamente e accuratamente degli esseri umani, molti hanno previsto la fine della professione. Invece è accaduto l’opposto.
Gli strumenti di IA hanno reso le scansioni diagnostiche più veloci ed economiche. Più scansioni vengono eseguite, e più scansioni significano maggiore necessità di diagnosi complesse e pianificazione dei trattamenti da parte di professionisti qualificati. I radiologi non sono scomparsi: il loro ruolo si è evoluto verso attività a maggior valore aggiunto, mentre l’IA gestisce le analisi di routine.
L’esempio urbano: il paradosso delle nuove strade
Lo stesso fenomeno si osserva nella pianificazione urbana. Quando le amministrazioni costruiscono nuove strade o tangenziali per decongestionare il traffico cittadino, l’intuizione comune suggerirebbe una riduzione del traffico. Ma la realtà è diversa.
Nuove infrastrutture stradali rendono più conveniente e veloce spostarsi in automobile. Questo incoraggia:
- Persone che prima usavano i mezzi pubblici a passare all’auto
- Residenti a compiere tragitti più lunghi per lavoro o svago
- Nuovi sviluppi immobiliari in zone precedentemente poco accessibili
- Maggiore urbanizzazione delle aree periferiche
Invece di ridurre il traffico, le nuove strade spesso contribuiscono a un’ulteriore urbanizzazione e, paradossalmente, a una congestione ancora maggiore nel medio-lungo termine. La domanda latente di mobilità automobilistica, resa possibile dalla nuova infrastruttura, supera la capacità aggiuntiva creata.
Cosa significa per l’intelligenza artificiale e il futuro del lavoro
Quando negli anni ’60 la containerizzazione rese il trasporto marittimo più economico del 90%, inizialmente alcuni lavoratori portuali persero il lavoro. Ma il commercio globale esplose, creando imperi nella logistica, nella distribuzione e nei magazzini. Quando il cloud computing rese l’infrastruttura IT dieci volte più economica, gli amministratori di server non scomparvero: si trasformarono in ingegneri DevOps e architetti cloud, gestendo infrastrutture su scale prima impensabili.
Con l’IA, dovremmo aspettarci dinamiche simili. Quando il costo di redigere documenti legali, analizzare dati medici o scrivere codice diminuisce drasticamente, la domanda per questi servizi non crollerà: molto certamente esploderà, rivelando bisogni finora inespressi o latenti.
Conclusione: né utopia né distopia
Questo non significa che i lavori rimarranno immutati. Molti ruoli che oggi richiedono intervento manuale diventeranno attività di supervisione di “team di agenti IA”. L’intelligenza artificiale trasformerà per primi i lavori ripetitivi, con poco contesto e che tollerano errori: servizio clienti, inserimento dati, modulistica di routine.
Ma anche questi ruoli, più che scomparire, si evolveranno. Un operatore di call center potrebbe diventare supervisore di agenti IA, concentrandosi sui casi complessi e sulla gestione delle relazioni con i clienti. Un amministrativo potrebbe passare dall’inserimento dati al coordinamento delle eccezioni sui processi aziendali. Spesso si tratta di rendere lavori noiosi e ripetitivi molto più interessanti e stimolanti.
Il dibattito sull’IA e il lavoro è polarizzato tra pessimisti che prevedono disoccupazione di massa e ottimisti che liquidano tutto come esagerazione mediatica. La storia economica suggerisce una via di mezzo più realistica: trasformazione profonda, non distruzione.
Il paradosso di Jevons ci ricorda che l’efficienza non elimina la domanda: spesso la libera, la moltiplica, la trasforma.
Approfondimenti consigliati:
- Alcott, B., Jevons’ paradox, Ecological Economics, vol. 54, 2005, pp. 9-21.
- Autor, D., Why Are There Still So Many Jobs? The History and Future of Workplace Automation, Journal of Economic Perspectives, vol. 29, n. 3, 2015, pp. 3-30.
- Brynjolfsson, E., McAfee, A., The Second Machine Age: Work, Progress, and Prosperity in a Time of Brilliant Technologies, W.W. Norton & Company, 2014.
- Y Combinator, What Everyone Gets Wrong About AI and Jobs, YouTube, 2024.
