Power and Progress — Acemoglu e Johnson contro la Narrativa del Progresso Automatico

Cos'è: Power and Progress: Our Thousand-Year Struggle Over Technology and Prosperity (2023) è il libro in cui l'economista del MIT Daron Acemoglu e il suo collega Simon Johnson smontano sistematicamente la narrativa tecno-ottimista secondo cui il progresso tecnologico porta automaticamente prosperità diffusa. Attraverso mille anni di storia economica, mostrano che la distribuzione dei benefici tecnologici è sempre stata una questione di potere politico, non di inevitabilità economica.

La tesi centrale: la tecnologia non ha direzione automatica

Il punto di partenza di Acemoglu e Johnson è radicalmente anti-determinista: la tecnologia non ha una direzione intrinseca. Non esiste una legge economica che garantisca che un'innovazione produca benessere diffuso. Quello che determina chi beneficia di una nuova tecnologia — se pochi o molti, se chi possiede il capitale o chi vende il proprio lavoro — è l'insieme di scelte politiche, sociali e istituzionali che si stratificano attorno a essa.

Questa affermazione va contro una tradizione intellettuale potente che va da Adam Smith a Robert Gordon, che tende a vedere la tecnologia come un motore di progresso sostanzialmente neutrale e positivo nel lungo periodo. Acemoglu, che negli anni precedenti aveva già scritto con Pascual Restrepo articoli molto citati sull'impatto dell'automazione sull'occupazione, radicalizza qui la sua posizione: non è solo che i benefici possono essere distribuiti iniquamente, è che la direzione stessa dell'innovazione è il risultato di incentivi economici e politici plasmati da chi detiene il potere.

Gli esempi storici: dall'aratro medievale all'industria tessile

La forza narrativa del libro sta nella profondità storica. Uno degli esempi più illuminanti è quello dell'aratro pesante medievale: introdotto tra il IX e l'XI secolo in Europa settentrionale, questa innovazione aumentò enormemente la produttività agricola. Non arricchì però i contadini che lo usavano: i guadagni di produttività si tradussero in rendite più alte per i proprietari terrieri, in costruzione di chiese e cattedrali finanziate dalla chiesa (l'altra grande detentrice di potere), e in qualche caso in espansione militare delle élite feudali. I contadini rimasero sostanzialmente alla sussistenza.

L'esempio non è scelto per nostalgia medievalista: serve a mostrare che il pattern si è ripetuto. La Rivoluzione Industriale britannica, nelle sue prime decadi, impoverì attivamente le classi lavoratrici urbane: aspettativa di vita crollata nelle città manifatturiere, lavoro minorile dilagante, orari di lavoro estenuanti. Il fatto che due generazioni dopo la situazione migliorò non è prova che il mercato si auto-corregga — è prova che le lotte sindacali, la legislazione sul lavoro e l'estensione del suffragio cambiarono il rapporto di forze politiche.

Analogamente, Acemoglu e Johnson analizzano l'informatizzazione degli anni '80 e '90: la computerizzazione aumentò la produttività ma la distribuzione dei guadagni fu fortemente asimmetrica, con la "skill premium" — il differenziale salariale tra lavoratori qualificati e non — che esplode proprio in quegli anni negli Stati Uniti.

So-so Automation vs Enabling Technology: il cuore della critica all'AI

Il concetto più originale del libro — e quello più direttamente rilevante per il dibattito sull'AI — è la distinzione tra so-so automation e enabling technology.

La so-so automation è quella che semplicemente sostituisce il lavoro umano con macchine, senza creare significativi nuovi mercati, nuovi prodotti o nuove capacità. Il guadagno netto per la società è modesto: si risparmia manodopera, ma non si genera abbastanza domanda nuova da compensare i posti persi. L'esempio paradigmatico sono i call center automatizzati, i magazzini robotizzati, o la sostituzione di paralegal con strumenti di document review AI.

L'enabling technology, al contrario, amplifica le capacità umane senza sostituirle: crea nuovi tipi di lavoro, apre nuovi mercati, aumenta la produttività in modo da espandere la torta complessiva. Il personal computer — almeno nella sua fase iniziale — è stato in parte un enabling technology: ha creato il mestiere di programmatore, ha generato intere industrie software, ha cambiato il tipo di competenze richieste senza eliminare semplicemente i lavoratori esistenti.

La tesi di Acemoglu e Johnson è che l'AI attuale, nella traiettoria in cui si trova, sta puntando prevalentemente verso la so-so automation: non perché sia la traiettoria tecnicamente obbligata, ma perché è quella che massimizza i profitti di breve periodo per le aziende che la sviluppano. Sostituire un call center con un chatbot è immediatamente misurabile in risparmio sui costi. Usare l'AI per amplificare le capacità dei lavoratori, per creare nuovi strumenti di diagnosi medica accessibili o nuove forme di apprendimento personalizzato, è economicamente meno immediato e richiede investimenti in contesti istituzionali più complessi.

Perché il mercato da solo porta nella direzione sbagliata

Il meccanismo che Acemoglu e Johnson identificano è preciso: le aziende che sviluppano AI sono incentivate a massimizzare il ritorno sull'investimento per gli azionisti. La sostituzione del lavoro abbassa i costi operativi in modo diretto e misurabile. I benefici sociali dell'AI come enabling technology — più lavoratori competenti, più salute pubblica, più educazione di qualità — non entrano nella funzione obiettivo di un'impresa privata.

C'è anche una distorsione fiscale: in molte giurisdizioni, inclusi gli Stati Uniti, il capitale (compresi i robot e il software) è tassato meno del lavoro. Questo crea un sussidio implicito all'automazione che non avrebbe senso dal punto di vista dell'efficienza sociale se si considerasse l'impatto complessivo sull'occupazione e sui salari.

Le proposte del libro sono pragmatiche e politicamente sfidanti: riforma fiscale per tassare il lavoro meno e il capitale più, investimenti pubblici diretti in AI per la sanità e l'educazione, rafforzamento dei sindacati e della contrattazione collettiva, antitrust aggressivo contro la concentrazione del potere di mercato in pochi laboratori AI.

Power and Progress vs "Wrong Kind of AI?" — due approcci complementari

Acemoglu ha anche scritto articoli tecnici più recenti — come "The Wrong Kind of AI?" (2024) — che sviluppano argomenti simili con strumenti econometrici più rigorosi. Power and Progress è però un libro fondamentalmente diverso per registro e ambizione: è storico e politico dove gli articoli sono tecnici ed empirici.

Il libro è scritto per un pubblico colto ma non specialista, usa la narrativa storica per rendere accessibili concetti di economia politica complessi, e ha un'agenda esplicitamente normativa: non si limita a descrivere cosa sta succedendo, ma argomenta per cosa dovrebbe essere fatto. In questo senso è più vicino a Why Nations Fail — il precedente bestseller di Acemoglu con James Robinson — che ai paper accademici sul mercato del lavoro.

Per chi si occupa di AI da un punto di vista tecnico, Power and Progress offre qualcosa che manca spesso nei testi di ML e AI safety: una prospettiva storica lunga che relativizza l'eccezionalismo del momento attuale e ricorda che ogni grande transizione tecnologica è stata anche una transizione politica. Chi decide come si sviluppa l'AI non è la tecnologia stessa, ma gli esseri umani con i loro incentivi, le loro istituzioni e i loro rapporti di potere.

---