C’è una narrazione dominante sull’intelligenza artificiale (IA) che si articola più o meno così: la tecnologia corre, la produttività seguirà a ruota, e l’economia, con qualche inevitabile scossone, si adatterà e ne trarrà beneficio. Questa è sicuramente una storia rassicurante, lineare, ma probabilmente è sbagliata. Per comprendere il perché, bisogna mettere insieme due dimensioni che raramente dialogano: da un lato i vincoli fisici ed energetici che condizionano la rivoluzione dell'IA, dall’altro i tempi, spesso sottovalutati, della sua adozione nel sistema economico. La prima crepa nella narrazione emerge proprio dall’energia. L’IA non è un’innovazione 'leggera': è una tecnologia energivora, che si fonda su data center sempre più grandi ed assetati di elettricità. Negli Stati Uniti, questi centri consumano oramai circa il 7% dell’elettricità nazionale e, secondo stime recenti, arriveranno ad assorbire il 40% della crescita della domanda nei prossimi anni. Non è un dettaglio tecnico: è un vincolo macroeconomico. Questa domanda addizionale si inserisce in un sistema già rigido dal lato dell’offerta. I tempi per connettere nuova capacità alla rete si sono più che raddoppiati rispetto ad inizio secolo, mentre carenze di componenti e manodopera rallentano ulteriormente l’espansione. Il risultato è un’inflazione energetica strutturale che precede e amplifica gli shock geopolitici, come quello recente legato al petrolio. Qui viene meno la prima illusione: l’IA non è solo una forza disinflazionistica via l'aumento della produttività. Nel breve e medio periodo, è anche una fonte di inflazione, perché aumenta la domanda di una risorsa scarsa: l’energia. Ma il problema non si ferma ai prezzi. Quando questa pressione inflazionistica si somma ad un mondo già carico di debito pubblico e privato, il risultato è un riprezzamento del rischio che passa attraverso i mercati obbligazionari. Tassi d’interesse più elevati, aspettative più instabili, margini fiscali più ridotti. In altre parole: meno spazio per assorbire gli shock della transizione tecnologica. Ed è qui che entra in gioco la seconda dimensione, quella decisiva: la velocità di adozione dell’IA. Il dibattito pubblico continua a concentrarsi su cosa l’IA potrà fare, quali lavori sostituirà, quali creerà. Ma la variabile cruciale è un’altra: quanto velocemente tutto questo accadrà. La storia economica offre un precedente illuminante: l’elettrificazione. La tecnologia era disponibile da anni, ma i guadagni di produttività arrivarono solo quando le imprese riorganizzarono profondamente i processi produttivi. Quella transizione, però, fu tutt’altro che indolore: il mercato del lavoro attraversò fasi di forte instabilità e turnover. Oggi siamo di fronte ad un passaggio analogo. Per anni l’IA è stata adottata in modo incrementale, come strumento di supporto. Ora si intravede il salto: la riorganizzazione sistemica delle imprese attorno all’IA. Ed è proprio questa accelerazione a rappresentare il rischio maggiore. Se l’adozione è graduale, il sistema riesce ad assorbire i lavoratori espulsi, riqualificandoli nel tempo. Ma se accelera troppo, si crea una congestione: troppi lavoratori in transizione, troppo velocemente. I percorsi di riqualificazione si saturano, i tempi si allungano, ed i salari attesi diminuiscono. A quel punto, una parte della forza lavoro non aspetta: esce definitivamente dal mercato. Questo è il costo nascosto della transizione rapida. E, paradossalmente, nelle fasi iniziali può essere invisibile. I dati possono persino migliorare: produttività in crescita, occupazione dinamica nei settori più avanzati, salari che tengono. Ma sotto il tappeto si accumula un esercito di lavoratori scoraggiati, che emergerà solo quando sarà troppo tardi. Il punto, allora, è che le due dimensioni: energia e velocità, non sono indipendenti. Si rafforzano a vicenda. Un’adozione accelerata dell’IA implica investimenti massicci in infrastrutture energetiche e digitali, che a loro volta alimentano inflazione e tensioni sui tassi d'interesse. Queste apprensioni riducono lo spazio fiscale e monetarionecessario per gestire gli effetti sociali della transizione. Il risultato è un sistema economico più fragile proprio nel momento in cui avrebbe bisogno di maggiore capacità di assorbimento. Si crea così un doppio squilibrio: i) fisico, perché manca energia sufficiente a sostenere il ritmo dell’innovazione; ii) sociale, perché manca tempo sufficiente per riassorbire chi tra i lavoratori resta indietro. In questo contesto, lasciare che sia solo il mercato a determinare la velocità di adozione rischia di produrre un esito inefficiente. Le imprese hanno un incentivo ad accelerare, internalizzano i guadagni di produttività ma non i costi sistemici: 1) congestione nella riqualificazione, 2) compressione dei salari, ed 3) uscita permanente di lavoratori dal mondo produttivo. La vera sfida, quindi, non è arrivare alla frontiera tecnologica. È arrivarci senza scombussolare il sistema economico lungo il percorso. E questo implica una domanda scomoda, che oggi viene spesso evitata: non quanto velocemente possiamo adottare l’intelligenza artificiale, ma quanto velocemente possiamo permetterci di farlo.