Intelligenza artificiale, lavoro e il futuro della democrazia
di Michele Gabriele Cristiano
Poche tecnologie hanno inciso in modo realmente pervasivo sull’organizzazione della vita sociale. Nella storia dell’umanità, soltanto un numero ristretto di innovazioni ha esercitato un impatto tale da investire, per usare un’espressione ricorrente in letteratura, «quasi ogni aspetto» dell’esistenza collettiva. Tra queste possono essere annoverate:
la scrittura, intesa come codificazione del pensiero in segni durevoli, che ha consentito la conservazione e la trasmissione intergenerazionale della conoscenza; la stampa a caratteri mobili, che ha determinato la moltiplicazione e la diffusione su larga scala del testo scritto; la rivoluzione industriale, che ha trasformato i processi produttivi attraverso la meccanizzazione; l’elettricità, che ha esteso l’elettrificazione tanto ai sistemi di produzione quanto alla vita quotidiana; Internet e le reti digitali, che hanno reso possibile una connessione globale e pressoché istantanea.
L’intelligenza artificiale generativa promette di essere la sesta — e potrebbe essere la più veloce. Nel giro di pochi anni ha riacceso un dibattito che intreccia economia, storia e filosofia politica: quanto lavoro sostituirà, quanto potere sposterà, e se la classe media nata dall’industrializzazione — e con essa le istituzioni democratiche moderne — possa sopravvivere in un mondo dove il lavoro umano diffuso non è più indispensabile. «Il modello del costo della repressione di Acemoglu e Robinson (2006), gli studi di Frey e Osborne (2013) sul rischio di automazione, i dati OCSE e WEF sull’occupazione e l’AI Global Surveillance Index del Carnegie Endowment (Feldstein, 2019) sono gli strumenti con cui la retorica sull’IA come «discontinuità epocale» può essere messa alla prova dei fatti — separando ciò che i dati confermano da ciò che, per ora, resta ipotesi.
L’imprevedibilità delle grandi trasformazioni tecnologiche
Il punto di partenza della trattazione è costituito dal rapporto tra intelligenza artificiale, lavoro e istituzioni democratiche, qui assunto come fonte primaria e sottoposto a verifica critica alla luce della letteratura disponibile. La tesi di fondo, ripresa e discussa nelle pagine che seguono, sostiene che nella storia dell’umanità siano individuabili soltanto poche tecnologie in grado di trasformare «quasi ogni aspetto» dell’organizzazione sociale: l’invenzione della scrittura, la stampa a caratteri mobili, la rivoluzione industriale (unitamente all’elettrificazione) e, in epoca più recente, Internet e le tecnologie digitali di rete.
Un tratto ricorrente di tali trasformazioni è la sostanziale imprevedibilità, per i contemporanei, dei loro effetti di lungo periodo. Le comunità basate sulla caccia e sulla raccolta non avrebbero potuto concepire l’agricoltura stanziale, così come la società precedente alla stampa non era in grado di anticipare né la Riforma protestante né l’affermarsi della scienza moderna.
Questa lettura trova riscontro nella storiografia della tecnologia. Eisenstein (1979) – il suo lavoro è stato centrale nel dibattito sul determinismo tecnologico – ha mostrato come la stampa a caratteri mobili non fu soltanto un moltiplicatore di testi, ma un agente di cambiamento strutturale che ridefinì la trasmissione del sapere, l’autorità religiosa e la formazione dell’opinione pubblica nell’Europa della prima età moderna, con conseguenze che i suoi stessi promotori non potevano prevedere.
In economia, la letteratura sulle general purpose technologies (Bresnahan e Trajtenberg, 1995) descrive un fenomeno analogo su base teorica: un numero ristretto di tecnologie — la macchina a vapore, l’elettricità, il motore a combustione interna, l’informatica — si distingue per la capacità di innescare complementarità a cascata su interi settori produttivi, con effetti che si dispiegano nell’arco di decenni e che raramente vengono colti nella loro reale portata al momento dell’introduzione.
È in questa cornice storiografica ed economica che si colloca l’intelligenza artificiale, prospettata implicitamente come una possibile «sesta trasformazione» di tale natura. Il presente contributo sottopone a verifica tale ipotesi, distinguendo ciò che risulta empiricamente accertabile da ciò che, allo stato attuale della ricerca, resta una congettura plausibile ma non dimostrata.
Il patto storico tra tecnologia, lavoro e istituzioni democratiche
La rivoluzione agricola ha ridefinito non solo la base economica delle società umane, ma anche il funzionamento della politica, sostituendo forme di organizzazione diffuse e poco gerarchiche con strutture stanziali fondate sulla proprietà della terra. Un meccanismo analogo si sarebbe riprodotto con la rivoluzione industriale: la meccanizzazione dei processi produttivi, lungi dal determinare l’eliminazione del lavoro umano, ne avrebbe accresciuto la domanda in una componente scarsa, quella della manodopera fisica, tanto nelle fabbriche tessili quanto nelle grandi manifatture. Ne sarebbe derivato un rafforzamento del potere contrattuale dei lavoratori, che avrebbe posto le premesse per le riforme sociali, per l’affermazione del movimento sindacale e per la formazione della moderna classe media.
Questa lettura trova un fondamento rigoroso nel lavoro di Daron Acemoglu e James A. Robinson, insigniti nel 2024, insieme a Simon Johnson, del Premio Nobel per le Scienze Economiche «per studi su come si formano le istituzioni e come esse influenzano la prosperità»
(Nobel Prize, 2024; The Royal Swedish Academy of Sciences, comunicato stampa del 14 ottobre 2024 su nobelprize.org).
Nel loro modello, la transizione verso istituzioni politiche inclusive dipende dal rapporto tra il costo che l’élite al potere sostiene per reprimere le richieste redistributive della maggioranza e il costo, per l’élite stessa, di concedere diritti politici. Quando l’economia dipende in misura crescente da una forza lavoro numerosa, istruita e difficile da sostituire — come accadde con l’industrializzazione — il costo della repressione aumenta e quello dell’inclusione politica diminuisce, rendendo la democratizzazione la scelta razionale per chi detiene il potere.
Un caso storico spesso richiamato è la sconfitta prussiana di Jena e Auerstedt (1806), seguita dalle riforme di Stein e Hardenberg: abolizione della servitù ereditaria, riforma dell’amministrazione e dell’esercito, apertura delle carriere, in risposta alla necessità di mobilitare risorse umane più ampie. Il caso mostra come la pressione esterna possa spingere un’élite a concessioni, pur senza arrivare, in questa fase, a un’effettiva democratizzazione.
Questo «patto» storico, fondato sulla diffusione della domanda di lavoro, sul potere contrattuale della maggioranza, sulle istituzioni redistributive e sui processi di democratizzazione, costituisce il termine di paragone rispetto al quale si valutano le possibili conseguenze dell’intelligenza artificiale, nell’ipotesi che quest’ultima possa indebolire il primo anello della catena, ossia la necessità economica di un lavoro umano diffuso.
L’intelligenza artificiale come discontinuità: ampiezza, profondità e velocità
E’ opportuno individuare tre caratteristiche che renderebbero l’attuale ondata di intelligenza artificiale diversa, sul piano qualitativo, dalle automazioni del passato: l’ampiezza dei compiti su cui può intervenire, la profondità con cui investe anche il lavoro cognitivo qualificato, e la velocità con cui si diffonde nella popolazione.
Ampiezza. Le tecnologie di automazione del Novecento — i robot industriali, i sistemi di controllo numerico — erano concepite per compiti fisici ripetitivi e specifici. I moderni modelli linguistici e generativi, al contrario, sono per definizione generalisti: lo stesso sistema può redigere un testo, generare un’immagine, scrivere codice o comporre musica. Già nel 2013 Frey e Osborne, in uno studio dell’Oxford Martin School divenuto un riferimento nella letteratura economica, stimavano che circa il 47% dell’occupazione statunitense fosse esposta, nel medio periodo, ad alto rischio di automazione (Frey e Osborne, 2013).
Le stime più recenti restano eterogenee: il Future of Jobs Report 2025 del World EconomicForum, basato su un’indagine tra grandi datori di lavoro, prevede entro il 2030, su scala globale e per effetto combinato di tecnologia, demografia, economia e transizione verde, la scomparsa di circa 92 milioni di posti di lavoro e la creazione di circa 170 milioni di nuovi ruoli, per un saldo netto positivo di 78 milioni (World Economic Forum, 2025).
L’OCSE, dal canto suo, osserva che fino al 2023 l’IA non aveva ancora prodotto segnali chiari di rallentamento della domanda di lavoro complessiva, pur rilevando divari crescenti tra lavoratori e settori (OECD, 2023).
Profondità. A differenza delle ondate di automazione degli anni Sessanta e Settanta, concentrate su mansioni manuali e ripetitive, l’attuale automazione investe compiti cognitivi non di routine, coinvolgendo per la prima volta in modo sistematico anche le professioni ad alta qualificazione. Gli studi di Acemoglu e Restrepo (2019; 2022) documentano come l’automazione basata sui compiti (task-based automation) possa sia sostituire lavoro sia crearne di nuovo, ma segnalano che, quando la sostituzione supera la creazione di nuovi compiti, l’effetto netto sui salari e sulla disuguaglianza può essere significativo, in particolare per i lavoratori meno protetti da competenze non facilmente replicabili.
Velocità. Il dato più solido, e per questo il più rilevante ai fini del presente articolo, riguarda i tempi di diffusione. Il confronto storico mostra un’accelerazione senza precedenti: il telefono impiegò circa 75 anni per raggiungere 50 milioni di utenti e la radio circa 38 (Visual Capitalist), mentre ChatGPT raggiunse 100 milioni di utenti attivi mensili in circa due mesi dal lancio, secondo l’analisi della banca UBS ripresa dalla stampa finanziaria internazionale (UBS, 2023; Reuters/Yahoo Finance, 2023).
Questa compressione radicale dei tempi di adozione — da decenni a settimane — riduce drasticamente il tempo storicamente disponibile alle istituzioni (mercato del lavoro, sistemi formativi, quadri normativi) per adattarsi, ed è essa stessa, indipendentemente dagli effetti occupazionali netti di lungo periodo, un fattore di discontinuità rispetto alle transizioni tecnologiche precedenti.
Rischi per la classe media, concentrazione della ricchezza e sorveglianza di massa
Il nucleo più controverso di questa riflessione riguarda le implicazioni politiche dell’automazione cognitiva. Se, come argomentato nel §2, l’emersione storica delle istituzioni democratiche moderne è legata alla necessità economica di una forza lavoro ampia e difficilmente sostituibile, un’automazione sufficientemente estesa da ridurre tale necessità potrebbe, in linea di principio, indebolire l’incentivo delle élite economiche e politiche a mantenere istituzioni redistributive e inclusive.
Applicando simmetricamente il modello di Acemoglu e Robinson (2024; CEPR, 2024): se il costo di reprimere o ignorare le rivendicazioni della maggioranza diminuisce — perché l’economia dipende meno dal lavoro diffuso — e se contemporaneamente diminuisce anche il costo del controllo sociale, l’equilibrio si sposta verso una minore inclusione politica.
Un elemento distinto, ma complementare, rispetto alla questione occupazionale riguarda il costo del controllo sociale. L’AI Global Surveillance Index del Carnegie Endowment for International Peace documentava già nel 2019 che almeno 75 dei 176 paesi analizzati utilizzavano tecnologie di sorveglianza basate sull’IA, tra cui sistemi di riconoscimento facciale (64 paesi), piattaforme smart/safe city (56) e smart policing (52) (Feldstein, 2019).
Il rapporto misura la diffusione di tali tecnologie, non il loro costo, e rileva che esse sono impiegate anche da democrazie liberali, pur con un rischio di abuso maggiore nei regimi autocratici. Si può tuttavia ipotizzare, come lettura interpretativa, che la loro diffusione renda meno oneroso il controllo della popolazione e incida così sul «costo della repressione» del modello di Acemoglu e Robinson (2006). Mentre la questione occupazionale riguarda la domanda di lavoro, questa seconda dinamica riguarda il potere dell’élite di resistere alle pressioni per la concessione di diritti.
È opportuno, tuttavia, mantenere questa tesi nel registro dell’ipotesi argomentata piuttosto che della previsione. Come ricordato nel §3, i dati OCSE disponibili fino al 2023 non mostrano, allo stato, un cedimento generalizzato della domanda di lavoro riconducibile all’IA (OECD, 2023), e le stesse proiezioni del World Economic Forum indicano un saldo occupazionale netto positivo su scala globale entro il 2030, pur con una redistribuzione rilevante tra settori, competenze e aree geografiche (World Economic Forum, 2025).
Il rischio di un progressivo scivolamento verso assetti istituzionali meno inclusivi va pertanto interpretato come una traiettoria plausibile, e non come un esito già osservato né come un destino ineluttabile. Il suo concretizzarsi dipende da scelte politiche e regolatorie ancora aperte, che determineranno in che misura le tecnologie in esame vengano indirizzate verso usi che ampliano o restringono la partecipazione, il pluralismo e i vincoli al potere.
La questione antropologica: significato, identità e lavoro
Accanto alla dimensione economica e istituzionale, la questione dell’intelligenza artificiale nesolleva una di ordine antropologico e filosofico, che richiama l’interrogativo del Salmo 8 («che cos’è l’uomo?») e invita a ripensare su quali capacità si sia storicamente fondata l’idea di una specificità umana.
Nella tradizione culturale occidentale tale specificità è stata frequentemente ricondotta alla capacità di compiere atti cognitivi e creativi complessi, quali la composizione di una poesia, di una sinfonia o di un’opera letteraria, considerati inaccessibili a entità non umane. La disponibilità di sistemi generativi in grado di produrre testi, musica e immagini di elevata qualità rimette in discussione, o quantomeno complica, tale criterio distintivo.
Questa dimensione si intreccia con il ruolo sociale del lavoro, storicamente uno dei principali dispositivi attraverso cui gli individui costruiscono identità e riconoscimento sociale, oltre che reddito. La Raccomandazione sull’etica dell’intelligenza artificiale, adottata per acclamazione nel novembre 2021 dai 193 Stati membri dell’UNESCO, costituisce il primo strumento normativo globale in materia. Pur non avendo carattere vincolante, essa colloca il rispetto dei diritti umani e della dignità umana al centro dello sviluppo e dell’impiego dei sistemi di IA, affermando la necessità di una supervisione umana e di meccanismi di valutazione d’impatto.
L’approccio che ne deriva, incentrato sull’essere umano e sui diritti fondamentali, non si limita agli effetti sull’occupazione, ma investe più in generale dignità, autonomia e benessere delle persone (UNESCO, 2021).
Sul piano più specificamente occupazionale, un recente working paper dell’Organizzazione Internazionale del Lavoro segnala come l’IA generativa, diversamente dalle automazioni precedenti, interessi anche mansioni che erano tradizionalmente fonte di prestigio professionale e identità di ruolo, e raccomanda politiche di transizione che tengano conto non solo degli effetti reddituali, ma anche di quelli sul significato soggettivo del lavoro (ILO, 2025).
Su questo terreno la cautela metodologica è d’obbligo: si tratta di questioni che attengono a valori, culture e visioni del mondo differenti, sulle quali la ricerca offre indicazioni parziali e la riflessione filosofica resta necessariamente plurale.
Conclusioni: implicazioni per la ricerca e le politiche pubbliche
Restano, a questo punto, alcune conclusioni circoscritte. In primo luogo, l’ipotesi secondo cui l’intelligenza artificiale rappresenti una discontinuità storica rispetto alle precedenti trasformazioni tecnologiche trova un riscontro parziale ma solido nei dati sulla velocità di adozione, nettamente superiore a quella di ogni tecnologia general purpose precedente (UBS, 2023), mentre resta più incerta, sul piano empirico, per quanto riguarda l’entità netta degli effetti occupazionali, sui quali le fonti più autorevoli — OCSE e World Economic Forum — non convergono su scenari di distruzione netta di posti di lavoro, quantomeno nell’orizzonte 2023-2030 (OECD, 2023; World Economic Forum, 2025).
In secondo luogo, il collegamento tra automazione del lavoro, concentrazione della ricchezza e tenuta delle istituzioni democratiche, per quanto suggestivo alla luce del modello di Acemoglu, Johnson e Robinson (2024), resta una traiettoria possibile e non un esito già verificato: la sua plausibilità dipende in larga misura da scelte di politica pubblica — fiscalità del capitale e del lavoro, regolazione della sorveglianza algoritmica, investimenti in formazione e riqualificazione — che restano aperte e che la ricerca economica e giuridica è chiamata a monitorare nei prossimi anni.
In terzo luogo, la dimensione antropologica del problema — il rapporto tra lavoro, significato e identità — richiede un approccio interdisciplinare che ecceda i confini dell’economia del lavoro, coinvolgendo filosofia, sociologia ed etica pubblica, come indicato dagli stessi organismi internazionali (UNESCO, 2021; ILO, 2025).
In conclusione, l’articolo individua correttamente alcune delle variabili rilevanti del dibattito contemporaneo su intelligenza artificiale, lavoro e democrazia. Tuttavia, talune sue affermazioni, in particolare quelle relative ai tempi e all’entità della sostituzione del lavoro umano, risultano formulate con un grado di perentorietà non pienamente sostenuto dalla letteratura scientifica di riferimento, e andrebbero ricondotte entro i margini di incertezza che tuttora caratterizzano la ricerca su questi temi.
Bibliografia
• Acemoglu, D., Restrepo, P. (2019). Automation and New Tasks: How Technology Displaces and Reinstates Labor. Journal of Economic Perspectives. aeaweb.org
• Acemoglu, D., Restrepo, P. (2022). Tasks, Automation, and the Rise in U.S. WageInequality. Econometrica. onlinelibrary.wiley.com
• Bresnahan, T.F., Trajtenberg, M. (1995). General Purpose Technologies “Engines of Growth“?. NBER Working Paper 4148 / Journal of Econometrics, 65(1), 83-108. nber.org
• CEPR – Centre for Economic Policy Research (2024). Institutions and prosperity: The 2024 Nobel laureates. VoxEU column. cepr.org
• Eisenstein, E.L. (1979). The Printing Press as an Agent of Change: Communications and Cultural Transformations in Early-Modern Europe. Cambridge University Press. archive.org
• Feldstein, S. (2019). The Global Expansion of AI Surveillance. Carnegie Endowment for International Peace, Working Paper. carnegieendowment.org
• Frey, C.B., Osborne, M.A. (2013). The Future of Employment: How Susceptible Are Jobs to Computerisation?. Oxford Martin School. oxfordmartin.ox.ac.uk
• International Labour Organization – ILO (2025). Generative AI and Jobs. Working Paper 140. ilo.org
• Nobel Prize Committee (2024). Sveriges Riksbank Prize in Economic Sciences in Memory of Alfred Nobel 2024 – Press Release. nobelprize.org
• OECD (2023). OECD Employment Outlook 2023: Artificial Intelligence and the Labour Market. oecd.org
• Prussian Reform Movement — scheda storica di sintesi. Britannica – Prussia: The French Revolutionary and Napoleonic period
• UBS (2023), citato in: ChatGPT sets record for fastest-growing user base. Reuters / Yahoo Finance. finance.yahoo.com
• UNESCO (2021). Recommendation on the Ethics of Artificial Intelligence. unesco.org
• Visual Capitalist (2023). Chart: How Long Does It Take to Hit 50 Million Users?.visualcapitalist.com
• World Economic Forum (2025). Future of Jobs Report 2025. weforum.org
