La traiettoria dell’intelligenza artificiale sta producendo un effetto collaterale che, paradossalmente, appare più dirompente della tecnologia stessa: la ridefinizione della distribuzione della ricchezza. Mentre i modelli diventano più efficienti nel comprimere costi cognitivi e operativi, la discussione si sposta dal perimetro ingegneristico a quello politico-economico, con una domanda sempre meno teorica e sempre più urgente: chi cattura il valore generato dall’automazione intelligente. In questo contesto, figure come Jeff Bezos e Sam Altman stanno occupando uno spazio anomalo, quasi da policy maker informali, proponendo modelli che oscillano tra ingegneria sociale e ricalibrazione fiscale.
Il punto di frizione non è più la capacità dell’AI di sostituire compiti ripetitivi, ma la sua progressiva invasione delle funzioni cognitive ad alto valore aggiunto, dalla scrittura di codice alla sintesi strategica, fino all’analisi decisionale. Questo spostamento altera la struttura classica del mercato del lavoro, costruita sull’assunto che la produttività umana sia il principale motore di crescita. L’ipotesi emergente, sempre meno marginale nei circoli di venture capital e nelle policy unit della Silicon Valley, è che la produttività possa disaccoppiarsi dal lavoro umano in modo permanente, concentrandosi invece su infrastrutture computazionali, proprietà dei modelli e accesso ai dati. In altre parole, la leva economica si sposta dal lavoro al capitale computazionale.
Le proposte che emergono dal mondo tech riflettono questa nuova asimmetria. Bezos ha discusso pubblicamente ipotesi di alleggerimento fiscale per le fasce di reddito più basse, una forma indiretta di redistribuzione in un sistema dove il lavoro potrebbe perdere centralità. Altman, invece, ha progressivamente raffreddato l’idea classica di universal basic income, spostandosi verso concetti come “universal basic compute”, dove il diritto economico non è più solo monetario ma diventa accesso a capacità computazionale e strumenti di produzione AI. Questo cambio semantico è tutt’altro che cosmetico: segna il passaggio da welfare monetario a welfare infrastrutturale, in cui il cittadino non riceve soltanto denaro ma potenza di calcolo.
Il rischio sistemico, che molti economisti iniziano a modellizzare con crescente attenzione, riguarda la concentrazione estrema del valore. Se la produttività marginale dell’intelligenza artificiale cresce più rapidamente della diffusione del suo accesso, il risultato non è una crescita uniforme ma una polarizzazione strutturale. In uno scenario estremo, una manciata di attori che controllano infrastrutture AI, cloud computing e proprietà intellettuale potrebbe catturare una quota sproporzionata del surplus economico globale, mentre ampie porzioni della forza lavoro verrebbero riconfigurate in ruoli a bassa remunerazione o completamente automatizzati. L’ipotesi dei cosiddetti “trillionaire outcomes” non è più solo narrativa da conference tech, ma un’estensione coerente delle dinamiche di scala tipiche dei sistemi digitali ad alta intensità di rete.
All’interno di questo quadro, anche le istituzioni tradizionali appaiono in ritardo strutturale. La fiscalità, progettata in un’epoca in cui il lavoro era il principale generatore di reddito, fatica a intercettare un’economia dove il valore si sposta verso asset immateriali e infrastrutture proprietarie. Il dibattito su AI taxation, redistribution mechanisms e nuove forme di accesso universale alle capacità computazionali non è quindi un esercizio accademico, ma una questione di stabilità sistemica. Se la transizione non viene governata, il rischio non è soltanto economico, ma politico: una frattura tra chi possiede l’intelligenza artificiale e chi ne subisce gli effetti senza parteciparne ai benefici.
La narrativa ottimistica, tuttavia, non è scomparsa. Alcuni analisti sostengono che l’AI, come le rivoluzioni industriali precedenti, possa generare un’espansione complessiva della ricchezza, abbassare i costi dei servizi e aprire nuovi mercati oggi ancora inesistenti. La differenza rispetto al passato è la velocità del cambiamento, che riduce drasticamente il tempo di adattamento sociale. Il risultato finale dipenderà meno dalle capacità tecniche dei modelli e più dalla governance della transizione, cioè dalla capacità di trasformare un’accelerazione tecnologica in un equilibrio economico sostenibile. In questa prospettiva, l’intelligenza artificiale non è soltanto un motore di innovazione, ma un test di stress per il capitalismo contemporaneo, costretto a ridefinire simultaneamente produttività, lavoro e legittimità della distribuzione del valore.