“L‘intelligenza artificiale e la grande divergenza” è il titolo di un white paper pubblicato sul sito della Casa Bianca il 21 gennaio. “Con la rivoluzione industriale si è verificata una ‘grande divergenza’ che ha portato i paesi industrializzati ad accelerare la loro crescita rispetto al resto del mondo. L’intelligenza artificiale è una tecnologia potenzialmente rivoluzionaria che viene spesso paragonata alla rivoluzione industriale”, si legge nella presentazione dello studio.
“L’amministrazione Trump sta gettando le basi per il dominio americano nell’AI accelerando l’innovazione, lo sviluppo delle infrastrutture e la deregolamentazione, mentre stabilisce il dominio globale attraverso le esportazioni di tecnologia. Se la rivoluzione dell’AI è trasformativa quanto la rivoluzione industriale, dovremmo aspettarci che questo porti a una seconda grande divergenza? Naturalmente, l’impatto futuro dell’AI è incerto, quindi in questo documento ci concentriamo sui dati empirici che possono essere osservati e misurati oggi”, si legge ancora
Iniziamo la disanima del white paper esaminando le analisi del potenziale di crescita economica guidata dall’AI.
Indice degli argomenti:
Dalla “Narrow AI” alla superintelligenza: la tassonomia del progresso
L’intelligenza artificiale non è un blocco monolitico, ma un ecosistema in rapida evoluzione che spazia dai sistemi di gioco storici come Deep Blue all’AI generativa capace di creare testi, immagini e video. Al cuore di questa rivoluzione si trovano i modelli linguistici di grandi dimensioni (LLM), caratterizzati da trilioni di parametri e addestrati su vastissime quantità di linguaggio naturale. Una frontiera emergente è l’AI agentica, un sottoinsieme della generativa progettato per eseguire azioni autonome per raggiungere obiettivi specifici. Attualmente, i sistemi operano in una fase di “intelligenza specializzata” o ristretta, superando le capacità umane in compiti singoli (come il calcolo veloce), ma senza possedere la versatilità della mente umana.
Tuttavia, colossi come OpenAI, Meta e Google puntano esplicitamente alla creazione di un’intelligenza artificiale generale (AGI) – capace di svolgere qualsiasi compito intellettuale umano – o addirittura di una superintelligenza (ASI) che superi l’uomo in ogni ambito.
Le “leggi di scala” e il ritmo frenetico dell’innovazione
Il progresso dell’AI è guidato da relazioni empiriche note come “leggi di scala” (scaling laws): le prestazioni dei modelli aumentano proporzionalmente all’incremento del numero di parametri, della dimensione dei dataset e della potenza di calcolo (compute) utilizzata. Dal 2012, la potenza di calcolo impiegata per l’addestramento è aumentata di oltre un miliardo di volte. Le metriche di cambiamento sono sbalorditive: la potenza di calcolo dedicata ai modelli di frontiera cresce di circa 4-5 volte ogni anno.
Di riflesso, i costi di addestramento hardware ed energetico sono aumentati a un tasso medio del 2,4x annuo dal 2016; basti pensare che il modello Grok 4, pubblicato a luglio 2025, è costato circa 490 milioni di dollari solo per l’addestramento. Nonostante questi costi crescenti, gli investimenti proseguono poiché le capacità dei modelli raddoppiano ogni pochi mesi.
Performance e adozione: il crollo dei costi e la saturazione dei benchmark
Le capacità dell’AI vengono misurate attraverso “benchmark”, ovvero test standardizzati su ragionamento, programmazione e comprensione linguistica. Stiamo assistendo a una rapida saturazione: ad esempio, le prestazioni nel benchmark di programmazione SWE-bench sono balzate dal 4% al 72% tra il 2023 e il 2024. Parallelamente, la lunghezza dei progetti complessi che l’AI può gestire autonomamente è raddoppiata ogni 7 mesi negli ultimi 6 anni.
Un driver fondamentale per l’adozione diffusa è il crollo del “costo per token” (l’unità base di input del linguaggio), che diminuisce a tassi compresi tra 9x e 900x all’anno a seconda del modello, grazie a software più efficienti e hardware migliorato.
Questo ha portato il 78% delle organizzazioni a utilizzare l’AI nel 2024, con circa il 40% dei lavoratori americani che oggi impiegano l’AI generativa sul posto di lavoro.
Il motore economico: PIL, produttività e il paradosso di Jevons
Gli economisti prevedono che l’AI sarà il principale motore della crescita a lungo termine attraverso l’aumento della Produttività Totale dei Fattori (TFP). Le stime dell’impatto sul PIL variano ampiamente a causa dell’incertezza tecnologica: si passa da previsioni prudenti dell’1% a scenari esplosivi che ipotizzano un incremento del 45% se l’AI riuscisse a sostituire completamente il lavoro umano. Nel solo primo semestre del 2025, gli investimenti legati all’AI hanno contribuito alla crescita del PIL statunitense con un tasso annualizzato dell’1,3%, una scala paragonabile agli investimenti ferroviari della Rivoluzione industriale.
Per quanto riguarda l’occupazione, sebbene l’efficienza possa inizialmente ridurre la necessità di manodopera, la storia suggerisce il “paradosso di Jevons“: l’aumento dell’efficienza di una risorsa può paradossalmente aumentarne il consumo totale creando nuove applicazioni e professioni prima inimmaginabili.
Geopolitica dell’AI: la leadership americana e la sfida delle infrastrutture
Attualmente esiste una chiara gerarchia globale: gli Stati Uniti sono al primo posto per investimenti e innovazione, seguiti dalla Cina e, con distacco, dall’Unione Europea. Nel 2024, gli investimenti privati in AI negli USA hanno toccato i 109 miliardi di dollari, contro i soli 9 miliardi della Cina. Gli Stati Uniti ospitano inoltre il 74% della capacità di calcolo mondiale (cluster di GPU), e quasi tutti i modelli cinesi sono addestrati su hardware di origine americana. Per mantenere questo vantaggio, l’amministrazione Trump ha varato l’AI Action Plan nel 2025, che mira a velocizzare la costruzione di data center attraverso la deregolamentazione e a garantire la neutralità ideologica dei modelli.
La sfida principale resta l’energia: si prevede che i data center consumeranno fino al 12% dell’elettricità statunitense entro il 2028, spingendo il governo a identificare siti federali per infrastrutture energetiche rapide e a supportare il nucleare avanzato.
