Superstar economy

Quale attività richiede maggiori capacità intellettuali: battere un campione di scacchi o pulire il tavolo sul quale è poggiata la scacchiera? La risposta è pulire il tavolo: infatti Artificial Intelligence (AI) riesce oggi a surclassare il miglior giocatore di scacchi umano, ma nessuna AI riesce (ancora) a sollevare la scacchiera e spolverare sotto di essa.
Il nostro cervello può comprendere la fisica quantistica, mandare un astronauta sulla luna e decodificare il genoma, ma replicare anche il più semplice movimento fisico è incredibilmente complesso (“The hard problems are easy and the easy problems are hard”, Steven Pinker, scienziato cognitivo). Questo è quello che viene chiamato paradosso di Moravec: è richiesta meno “intelligenza” per risolvere problemi complessi che per compiere semplici attività motorie. [1]

I problemi difficili che sono semplici per AI sono quelli che richiedono l’applicazione di complessi algoritmi e l’individuazione di modelli su enormi quantità di dati: battere un campione di scacchi, calcolare il premio per un’assicurazione, tradurre un testo dall’inglese al cinese, o gestire un portafoglio. I problemi semplici che sono difficili per AI sono quelli che richiedono di replicare le attività quotidiane: fare le pulizie, curare un giardino, cucinare.

“As the new generation of intelligent devices appears, it will be the stock analysts who are in danger of being replaced by machines. Cleaners, gardeners, and cooks are secure in their jobs for decades to come.”

Per le economie in aggregato, il paradosso di Moravec crea un ostacolo deflazionistico: la stragrande maggioranza dei lavori che saranno sostituiti da AI sono considerati skilled: richiedono anni di studio ed esperienza, hanno limitata competizione e sono quindi ben pagati (almeno fino ad oggi). Al contrario, molti dei lavori che AI non può (ancora) rimpiazzare sono relativamente unskilled, con competizione virtualmente illimitata e pagati poco.

Fonte: BCA Research.
Altri settori nei quali gli umani sono per il momento ancora superiori sono quelli della creatività, dell’innovazione e della comunicazione complessa. Come osservano Erik Brynjolfsson e Andrew McAfee (autori di “The second machine age”)

“Computers are still machines for generating answers, not posing interesting new questions. We’ve never seen a truly creative machine, or an entrepreneurial one, or an innovative one.”

Sono queste le qualità che dovremmo insegnare ai nostri figli: i leader in questi campi – i migliori imprenditori ed innovatori, nonché i migliori sportivi, attori o musicisti – rimangono in una posizione di forza. Non solo: Internet permette loro di vendere i propri servizi ad una platea che è a tutti gli effettivi illimitata. Di conseguenza, la proliferazione e la forza di Internet e dei social media hanno aumentato drasticamente sia il tasso di crescita dei guadagni che la longevità di queste superstar: chi eccelle in attività motorie, creatività, innovazione o comunicazione continuerà a vedere una forte inflazione nei propri salari.

Purtroppo, sappiamo bene che solo una piccola frazione della popolazione può diventare una superstar (a meno di non voler includere gli youtuber in questa categoria…): con AI che sarà sempre più in grado di svolgere compiti di difficoltà medio-alta, i lavoratori rimpiazzati saranno costretti a cercare impieghi sempre più in basso nella scala gerarchica. È questa l’enorme differenza della second machine age: la rivoluzione industriale rimpiazzò il lavoro umano con il vapore e le macchine, distruggendo i lavori unskilled del tempo ma creando così la classe media. L’arrivo di AI sta invece dislocando proprio la classe media.

Non è tutto. Uno studio della Ball State University (“The myth and the reality of manufacturing in America”) ha analizzato i 6 milioni di posti di lavoro persi nell’industria manifatturiera americana tra il 2000 ed il 2010, concludendo che solo il 13% è stato dovuto alla “globalizzazione”, mentre 88% è risultato da miglioramenti nella produttività: in altre parole, perché un robot può farlo meglio di un umano.

A meno che non si vogliano invertire i progressi tecnologici, nessuno slogan come “Take Back Control”, “Build A Wall” o “Make America Great Again” cambierà la situazione del mercato del lavoro americano e degli altri paesi occidentali.

Implicazioni della superstar economy

1. Statistiche aggregate come crescita del PIL o dei redditi non sono più rappresentative degli standard di vita della maggioranza della popolazione, perché le distribuzioni sono sempre più distorte e sempre meno “normali”. Poiché i politici non guardano a questi dati, dobbiamo probabilmente aspettarci sempre più sorprese nelle elezioni future.
2. Se la crescita economica avviene solo nella parte “privilegiata” della distribuzione, la maggioranza dei redditi rimarrà stagnante o in declino, ponendo un freno all’espansione del credito perché senza sicurezza le famiglie sono meno propense ad indebitarsi e le banche a prestare soldi. Investire nelle banche sull’ipotesi di un ritorno a condizioni più favorevoli potrebbe avere vita breve.
3. Per gli stessi motivi, l’inflazione in beni e servizi dovrebbe rimanere contenuta, ma non necessariamente quella negli assets finanziari o nei beni considerati luxury.
4. Le politiche monetarie dovrebbe smettere di guardare a concetti come la curva di Phillips per la relazione tra crescita economica, disoccupazione e tasso d’inflazione. Ma questo difficilmente succederà, quindi aspettiamoci ancora frequenti errori.
5. I tassi d’interesse ed i rendimenti delle obbligazioni rimarranno depressi in maniera secolare, continuando a muoversi in maniera ciclica ma senza nessun persistente trend verso l’alto. Una lunga sequenza di rialzi dei tassi da parte delle banche centrali non sarà sostenibile in nessuna regione.

[1] La biologia evolutiva fornisce un’ottima spiegazione del paradosso. La parte del cervello che è responsabile per l’attività motoria (cerebellum) si è sviluppata molto più di quella utilizzata per problem-solving (neocortex). Ne segue che AI richiede esponenzialmente più risorse computazionali per replicare anche movimenti di base rispetto a risolvere problemi matematici complessi.