La grande stagnazione: perché la crescita della produttività ha rallentato e se può riprendersi

Questo articolo è stato tradotto automaticamente. La versione originale è disponibile in inglese.

«Si vede l’era dei computer dappertutto, tranne che nelle statistiche sulla produttività». Robert Solow lo scrisse nel 1987, quasi di sfuggita, in fondo a una recensione per la New York Times Book Review. Divenne una delle frasi più citate dell’economia, l’atto di nascita di quello che ancora oggi si chiama paradosso della produttività di Solow.

Nell’agosto 2024 tre ricercatori della Fed di Richmond aprirono una nota su IA e forza lavoro citando parola per parola la frase di Solow e applicandola all’intelligenza artificiale. All’inizio del 2026 Torsten Slok, capo economista di Apollo, la mise in termini ancora più netti: «L’IA è dappertutto, tranne che nei dati macroeconomici in arrivo». Quasi quattro decenni dopo, la stessa frase veniva riciclata per una tecnologia del tutto diversa.

Qualunque cosa avesse prodotto il paradosso originale, non è mai stata risolta. L’era dei computer alla fine comparve nelle statistiche, per poco, tra il 1996 e il 2004, e poi ne scomparve di nuovo. Ora una nuova tecnologia sta facendo lo stesso: trasforma la vita quotidiana sotto gli occhi di tutti, mentre i numeri della produttività si rifiutano di muoversi.

Per due volte, ormai, una tecnologia trasformativa ha aperto lo stesso divario tra ciò che si vede e ciò che i dati registrano. Il divario nasce da una confusione precisa tra la spettacolarità tecnologica e la riorganizzazione strutturale che alimenta la crescita aggregata, una confusione che continuiamo a ripetere perché non l’abbiamo mai diagnosticata a dovere.

I numeri

È facile sottovalutare la portata del rallentamento, perché le percentuali nascondono l’effetto composto. La produttività del settore privato non agricolo statunitense, cioè la produzione per ora lavorata, crebbe di circa il 2,9 per cento l’anno dal 1948 al 1973. Dopo il 1973 la media si è aggirata piuttosto intorno all’1,8 per cento e, a parte un’impennata tra la metà degli anni Novanta e il 2004, non è mai tornata al ritmo di prima. Se il tasso precedente al 1973 avesse tenuto, oggi la produzione per ora negli Stati Uniti sarebbe più alta di circa il 75 per cento, un divario che vale migliaia di miliardi di dollari di prodotto ogni anno.

Robert Gordon la presenta come la fine di un «secolo speciale»: la produzione per ora crebbe del 2,82 per cento l’anno dal 1920 al 1970, contro circa l’1,5 per cento nei decenni precedenti il 1920 e circa l’1,6 per cento dopo il 1970. La crescita della produttività totale dei fattori (PTF), la misura più profonda, che depura il dato dall’accumulazione di capitale, in quel periodo centrale corse a un ritmo quasi triplo rispetto a prima del 1920 e dopo il 1970. Letti così, i decenni successivi al 1970 segnano un ritorno al passo più lento di un tempo.

I dati più recenti cambiano poco il quadro. La produttività del lavoro nel settore privato non agricolo statunitense è cresciuta del 3,0 per cento nel 2024, un rimbalzo ciclico, poi del 2,2 per cento nel 2025, e a metà 2026 la produttività del settore non agricolo cresceva ancora del 2,2 per cento su base annua: un risultato rispettabile, ma pur sempre al di sotto del ritmo del dopoguerra. Nell’insieme dell’OCSE la produttività del lavoro è cresciuta di circa l’1,2 per cento nel 2024, meglio dell’anno precedente.

Le spiegazioni ovvie cadono in fretta. Il problema non riguarda solo gli Stati Uniti: il rallentamento si manifesta in tutte le economie sviluppate. Né è un contraccolpo della crisi finanziaria del 2008: il rallentamento cominciò nel 1973, e la frenata successiva al 2004 precede la crisi di quattro anni.

Non è nemmeno temporaneo, dato che cinquant’anni sono molto più di un ciclo economico. E non è un semplice effetto di composizione dovuto allo spostamento verso i servizi, perché il rallentamento ha colpito tanto la manifattura quanto i servizi.

Produttività del lavoro e produttività totale dei fattori

La produttività del lavoro, ovvero la produzione per ora lavorata, può aumentare semplicemente perché le imprese investono in attrezzature più numerose o migliori per ogni lavoratore. Una fabbrica che compra a ciascun operaio una macchina più veloce aumenta la produzione per ora senza diventare in alcun modo più efficiente. La produttività totale dei fattori toglie di mezzo questo approfondimento del capitale e isola il residuo: quanto prodotto in più l'economia ricava dagli stessi input. Gli economisti considerano la PTF la misura fondamentale del potenziale di crescita di lungo periodo, perché quando ristagna l'accumulazione di capitale da sola non può sostenere la crescita all'infinito.

La via di fuga della misurazione

La spiegazione più comoda è che il rallentamento sia un’illusione statistica. Il PIL misura le transazioni di mercato. Beni digitali gratuiti come Google Maps, Wikipedia e i social media ad accesso libero danno agli utenti un valore di gran lunga superiore a quanto pagano, e il PIL, che conta ciò che viene pagato, si lascia sfuggire gran parte di quel valore. Secondo questa lettura siamo più ricchi di quanto dica il PIL, e la crisi della produttività è una crisi della misurazione sotto mentite spoglie.

Erik Brynjolfsson e i suoi coautori hanno provato a dare un numero al valore mancante. Hanno costruito un quadro chiamato GDP-B per stimare il surplus del consumatore generato dai beni digitali gratuiti, chiedendo alle persone quanto vorrebbero ricevere per rinunciare a un servizio.

L’utente mediano statunitense di Facebook, hanno scoperto, chiederebbe circa 42 dollari al mese per rinunciare all’accesso. Nulla di quel surplus compare nel PIL.

Chad Syverson ha dimostrato che l’errore di misurazione non può bastare come spiegazione. La sua argomentazione empirica si articola in quattro parti. Cominciamo dalla geografia: il rallentamento della produttività è un fenomeno comune a molti paesi, e la sua entità non ha alcun rapporto con l’intensità con cui ciascun paese usa le tecnologie dell’informazione e della comunicazione (ICT). Se il rallentamento fosse un artefatto di misurazione delle economie digitali, dovrebbe essere più grave in quelle più digitalizzate, e non lo è. La crescita della produttività del lavoro è rallentata in 29 dei 30 paesi OCSE da lui esaminati, in media di 1,2 punti percentuali l’anno, che fossero o no grandi utilizzatori o produttori di tecnologia digitale.

Poi c’è la scala. Il «prodotto mancante» complessivo implicito nel rallentamento della produttività dopo il 2004, cioè il divario tra il PIL che si sarebbe avuto seguendo la tendenza del 1995–2004 e quello effettivo, arrivava nel 2015 a circa 3.000 miliardi di dollari l’anno. Tutte le stime del surplus del consumatore generato dai beni digitali dell’era di internet esaminate da Syverson coprono solo una piccola frazione di quel divario. Il lavoro successivo non fa che rafforzare l’argomento: secondo le stime GDP-B, contare il valore non misurato di Facebook aggiunge da 0,05 a 0,11 punti percentuali l’anno alla crescita, mentre il rallentamento stesso ha sottratto circa 1,5 punti percentuali l’anno alla crescita della produttività del lavoro.

Neppure i dati settoriali aiutano. Perché l’errore di misurazione spiegasse anche solo una modesta frazione del prodotto mancante, i settori che producono ICT e quelli che la usano intensamente avrebbero dovuto avere tassi di crescita della produttività non misurata pari a multipli di quelli misurati. I dati intersettoriali non lo confermano. I settori che con maggiore plausibilità producono valore digitale non misurato non mostrano alcuno scarto anomalo di questo tipo tra la produttività misurata e quella implicita.

E nel decennio successivo al 2004, il reddito interno lordo è cresciuto leggermente più del prodotto interno lordo — lo schema che ci si aspetterebbe se i lavoratori venissero pagati per fabbricare cose poi regalate. Ma il reddito interno lordo aveva cominciato a superare il PIL nel 1998, in pieno boom della produttività, e il reddito in più andò ai profitti anziché ai salari. Né la tempistica né la distribuzione si accordano con la storia del prodotto nascosto.

Syverson non nega che i beni digitali abbiano un valore non misurato. Il suo argomento è che quel valore è di un ordine di grandezza troppo piccolo per spiegare quanto è accaduto. E l’ipotesi dell’errore di misurazione non ha nulla da opporre ai dati del confronto tra paesi.

Come funziona il GDP-B

Per stimare il surplus del consumatore, il GDP-B ricorre a esperimenti di scelta discreta incentivo-compatibili: gli intervistati scelgono tra conservare un servizio e ricevere un pagamento in contanti, con denaro vero in palio. Le stime sono significative ma imprecise, perché registrano ciò che le persone dichiarano che accetterebbero, in condizioni pensate per ottenere risposte sincere. Un guadagno di benessere di circa 42 dollari al mese per utente di Facebook, anche sommato su tutti gli americani presenti sulla piattaforma, non si avvicina ai 3.000 miliardi di dollari di prodotto annuo mancante.

Che cosa rese speciale il secolo speciale

Se la storia della misurazione non spiega il rallentamento, la domanda si sposta: che cosa ha alimentato i cinquant’anni di crescita che non siamo più riusciti a replicare? La sintesi corrente della tesi di Gordon, «l’informatica è sopravvalutata», non coglie l’argomento strutturale che le sta sotto.

Le invenzioni del periodo 1870–1940 abolirono intere fatiche domestiche. Prima dell’acqua corrente, la famiglia americana media trasportava circa 9.000 galloni d’acqua l’anno: la portava in casa, la scaldava sulla stufa e la riportava fuori; l’impianto idraulico domestico eliminò quella fatica del tutto. La refrigerazione rese superflua un’intera categoria di lavoro domestico: la ghiacciaia aveva già ridotto il deterioramento dei cibi, ma il frigorifero meccanico eliminò la spesa quotidiana che la deperibilità imponeva. L’elettrificazione trasformò il bucato. Per una moglie di agricoltore intervistata nel 1945–46, un carico di bucato da 38 libbre che alla vecchia maniera richiedeva circa quattro ore richiese 41 minuti, una volta che la casa ebbe lavatrice e asciugatrice elettriche, acqua corrente e scaldabagno.

Ogni invenzione cancellò, una volta per tutte, un’attività che aveva divorato una larga parte del tempo domestico. Le donne entrarono in gran numero nel lavoro retribuito anche perché il lavoro domestico che le aveva tenute fuori passò alle macchine.

Il confronto di Gordon con l’informatica ruota intorno alla differenza tra migliorare un compito tollerabile ed eliminarne uno intollerabile. La posta elettronica velocizzò la scrittura delle lettere, ma la corrispondenza non è mai stata un collo di bottiglia per l’intera economia: nessuno passava ore al giorno a scrivere lettere come un tempo le famiglie le passavano a trasportare acqua e a strofinare il bucato a mano. I motori di ricerca accelerarono il reperimento delle informazioni ai margini del lavoro intellettuale, e trovare informazioni non ha mai limitato l’economia come hanno fatto la conservazione degli alimenti e i trasporti.

Tyler Cowen allarga l’inquadratura. Nella sua ricostruzione, la crescita del 1880–1970 poggiava su tre tipi di frutti a portata di mano. Il primo era la terra libera: la frontiera continentale, sottratta ai popoli nativi che la abitavano e in gran parte assegnata ai coloni in cambio di una tassa di registrazione, a patto che vivessero sul terreno, vi costruissero una casa e lo coltivassero. Il secondo era la rapida traduzione della scienza del Settecento e dell’Ottocento in tecnologia funzionante: la scienza di base della termodinamica, dell’elettromagnetismo e della teoria dei germi, accumulata nel corso dei secoli, si trasformò in energia elettrica, motori a combustione interna e moderni sistemi igienico-sanitari in una fiammata concentrata tra il 1880 e il 1940. Il terzo era l’alto rendimento dell’istruzione di popolazioni fino ad allora prive di istruzione, che portò il diploma di scuola superiore da rarità a norma quasi universale, e ogni anno di scuola in più produceva grandi rendimenti marginali perché il punto di partenza era così basso.

Tutte e tre erano condizioni irripetibili, non caratteristiche rinnovabili delle economie industriali: non si può scoprire due volte la terra libera, né compiere una seconda volta il passaggio dall’analfabetismo di massa all’alfabetizzazione di massa. Internet, sosteneva Cowen, regala un piacere enorme, in gran parte gratuito, ma «in termini di ricavi e di posti di lavoro, internet non ha aggiunto tanto valore quanto pensa la maggior parte delle persone». Quando scriveva, Twitter impiegava circa 300 persone e Google circa 20.000, organici che nell’età dell’automobile sarebbero stati un errore di arrotondamento.

Gordon e Cowen non sono d’accordo su quanto il futuro sia chiuso — Gordon più pessimista sulla ripresa dell’innovazione trasformativa, Cowen disposto a lasciare la porta aperta. Ma concordano sulla diagnosi: il rallentamento successivo al 1970 è strutturale, radicato nell’economia stessa e non nel ciclo economico o nelle statistiche.

Il loro accordo solleva una questione più ampia del perché l’informatica abbia deluso: che cosa dovrebbe fare una qualsiasi tecnologia per eguagliare il secolo speciale?

I venti contrari di Gordon

Indipendentemente dalla questione dell'innovazione, Gordon individua quattro freni strutturali che comprimono la crescita: la disuguaglianza crescente, che concentra i guadagni di produttività in una ristretta élite invece di alzare i redditi mediani; il livello di istruzione, che si è stabilizzato dopo decenni di espansione; l'invecchiamento demografico, che riduce la quota di popolazione in età lavorativa; e un rapporto tra debito pubblico e PIL in aumento, che limita la capacità fiscale. Nel loro insieme frenerebbero la crescita del tenore di vita tipico anche se l'innovazione accelerasse. La questione tecnologica è se la produttività possa accelerare in qualche misura.

L’impennata del 1996–2004

Tra il 1996 e il 2004 il rallentamento sembrò invertirsi: la produzione per ora nel settore non agricolo crebbe di circa il 3 per cento l’anno, eguagliando il ritmo precedente al 1970. Gli ottimisti dell’informatica citano quel periodo come prova che la tecnologia può trainare la crescita, e su questo hanno ragione. La questione aperta è quale tecnologia abbia prodotto i guadagni, e attraverso quali settori.

L’accelerazione si concentrò in una manciata di settori: nel 1995–2000, sei settori su 59, guidati da commercio all’ingrosso e al dettaglio, semiconduttori e fabbricazione di computer, ne spiegarono quasi la totalità. Spiccano due meccanismi. Uno era la produzione di semiconduttori, dove la legge di Moore spingeva una deflazione rapida e continua dei prezzi dell’hardware informatico, rendendo ogni unità di potenza di calcolo più economica a un ritmo che gonfiava direttamente la produzione per ora misurata nel settore dei semiconduttori. L’altro era la logistica del commercio all’ingrosso e al dettaglio. La rivoluzione di Walmart nella gestione delle scorte, costruita su lettura dei codici a barre, scambio elettronico di dati e coordinamento in tempo reale della catena di approvvigionamento, produsse ampi guadagni di efficienza misurati nella distribuzione, e i concorrenti passarono gli anni successivi a copiarla. L’internet dei consumatori, fatta di siti web, commercio elettronico e posta elettronica, contribuì, ma molto meno dell’hardware e della logistica.

L’impennata finì intorno al 2004. Il calo misurato dei prezzi dei semiconduttori rallentò bruscamente nelle statistiche ufficiali, in parte perché Intel cambiò il modo di prezzare i suoi chip. I chip continuavano a migliorare in fretta; le statistiche ufficiali sui prezzi ne coglievano solo una frazione. Il settore che produce tecnologie dell’informazione smise di contribuire in misura apprezzabile alla crescita misurata.

Poi arrivarono Facebook nel 2004, YouTube nel 2005 e l’iPhone nel 2007. Il cloud computing si espanse per tutta la seconda metà degli anni Duemila, la banda larga si diffuse e i social media si diffusero nella vita quotidiana. Il cambiamento tecnologico visibile accelerò bruscamente proprio mentre la crescita misurata della produttività ricadeva, e da allora le due cose hanno preso strade separate.

Il problema della dinamo

Quella separazione offre un modo per giudicare l’IA. È il semiconduttore, strutturalmente trasformativo in modi che si vedono nel prodotto, o l’internet dei consumatori, impressionante e dominante ma economicamente marginale? L’argomento più forte a favore di una ripresa trainata dall’IA è quello che specifica con esattezza quali condizioni devono essere soddisfatte.

Lo storico dell’economia Paul David trovò lo schema nell’elettricità. Le prime centrali elettriche aprirono all’inizio degli anni Ottanta dell’Ottocento, ma l’azionamento elettrico si diffuse lentamente nelle fabbriche statunitensi, e la produttività manifatturiera non accelerò fino agli anni Venti del Novecento, circa quarant’anni dopo. I direttori di fabbrica che sostituivano le macchine a vapore con le dinamo avevano mantenuto la disposizione fisica esistente: un’unica fonte di energia centrale che azionava le macchine attraverso alberi e cinghie. I guadagni di efficienza dei singoli motori elettrici andavano in gran parte sprecati, perché la fabbrica era organizzata intorno ai vincoli della trasmissione meccanica dell’energia.

La svolta arrivò quando i vecchi stabilimenti arrivarono a fine vita e quelli nuovi, molti costruiti nel boom degli investimenti degli anni Venti, furono progettati da zero intorno ai sistemi ad azionamento individuale, con un motore su ogni macchina. Questo consentì planimetrie a un solo piano che seguivano il flusso dei materiali e del lavoro, con sequenze produttive disposte secondo logica anziché secondo la vicinanza a un albero di trasmissione. Fu quella riorganizzazione, più dei motori in sé, a produrre l’impennata di produttività degli anni Venti.

Gli economisti chiamano la versione moderna curva a J della produttività: le tecnologie di uso generale richiedono grandi investimenti complementari intangibili, come la riprogettazione dei flussi di lavoro, la riqualificazione del personale e la ristrutturazione organizzativa, prima che i guadagni di produttività si materializzino, e quella fase di investimento deprime la PTF misurata prima che i guadagni compaiano. Per l’IA, la domanda è se le imprese stiano ancora facendo girare motori nuovi sul vecchio albero di trasmissione, inserendo l’IA in flussi di lavoro immutati, o se abbiano cominciato a costruirle intorno organizzazioni nuove.

Al livello dei singoli compiti, le prove sono solide. Fra oltre 5.000 addetti all’assistenza clienti di un’azienda, l’accesso a uno strumento di IA aumentò i casi risolti per ora in media di circa il 15 per cento, con guadagni molto maggiori per i lavoratori alle prime armi. Gli sviluppatori dotati di GitHub Copilot completarono un compito di programmazione standard circa il 56 per cento più in fretta di un gruppo di controllo.

Se quei guadagni si sommino nell’intera economia è un’altra questione. Un guadagno del 15 per cento allo sportello di assistenza di un’azienda, o un’accelerazione del 56 per cento su un compito di programmazione controllato, non sposta da solo il PIL. Per invertire la stagnazione, il tempo risparmiato deve trasformarsi in più prodotto dalle stesse ore, o nello stesso prodotto con meno ore retribuite, in tutta l’economia.

Quella traduzione dipende da dove si trova il collo di bottiglia. Far risparmiare ore ogni settimana a uno sviluppatore aumenta il prodotto dell’impresa solo se il tempo degli sviluppatori è ciò che frena l’impresa. Se le decisioni di prodotto, l’infrastruttura di test o le pipeline di rilascio dettano il ritmo, il risparmio si dissolve nel tempo morto: pause pranzo più lunghe e pomeriggi più lenti a parità di ore retribuite, che nessuna statistica registra come produttività. La stessa logica vale per ogni settore: chi esamina le pratiche di sinistro di un’assicurazione più in fretta produce di più solo se il collo di bottiglia era la capacità di esame, e non il flusso delle pratiche o l’approvazione regolamentare. Un ricercatore legale più veloce produce più lavoro fatturabile solo se lo studio fattura la velocità anziché le ore. L’analogia della dinamo dice che cosa cercare: imprese organizzate in modo diverso intorno alla tecnologia.

Tecnologie di uso generale

La definizione standard di tecnologia di uso generale ha tre criteri: diffusione pervasiva tra i settori, miglioramento tecnico continuo e capacità di generare innovazioni complementari. Il vapore, l'elettricità e l'informatica li soddisfano tutti. Se l'IA attuale li soddisfi tutti e tre, o solo i primi due, resta una questione aperta. La pervasività è evidente e il miglioramento tecnico è rapido. La questione aperta riguarda il terzo: se i progressi dell'IA aumentino la produttività dell'innovazione nei settori che la usano, generando nuovi processi e prodotti costruiti su di essa. Le prove in questo senso restano aneddotiche, non sistematiche.

Che cosa mostrano i dati

I dati disponibili finora sono di tre tipi, e non puntano nella stessa direzione.

I numeri più solidi sono quelli ufficiali. La crescita della produttività del lavoro negli Stati Uniti è rimasta rispettabile dopo il rimbalzo ciclico del 2024, mentre la crescita della produttività totale dei fattori nel settore privato non agricolo è scesa allo 0,8 per cento nel 2025, dall’1,5 per cento del 2024. Nessuna serie di dati aggregati fino a metà 2026 mostra una rottura strutturale compatibile con un’accelerazione dell’intera economia trainata dall’IA.

Le indagini sui lavoratori sono più incoraggianti. Alla fine del 2024, il tempo che gli utenti dell’IA dichiaravano di risparmiare ammontava all’1,4 per cento di tutte le ore lavorate, abbastanza da alzare la produttività aggregata di circa l’1,1 per cento se il tempo risparmiato fosse diventato prodotto aggiuntivo anziché tempo morto assorbito. Nell’estate del 2025 più di un terzo dei lavoratori statunitensi usava l’IA generativa sul lavoro, una diffusione più rapida di quella del personal computer nella stessa fase della sua diffusione, e l’IA generativa rappresentava il 5,7 per cento di tutte le ore lavorate negli Stati Uniti.

Tempo risparmiato e tempo impiegato sono misure diverse, e nessuna delle due misura direttamente il prodotto. Gli economisti che conducono quelle indagini vedono però primi indizi nei numeri aggregati: tra il lancio di ChatGPT e la metà del 2025, la crescita cumulata della produttività ha superato di circa 1,9 punti percentuali la sua tendenza prepandemica, e i settori che dichiaravano maggiori risparmi di tempo tendevano a crescere più della propria tendenza. Sottolineano che il legame non può essere letto come causale, e le statistiche ufficiali fino a metà 2026 non hanno accertato una rottura strutturale trainata dall’IA.

Le previsioni sono le meno certe. Il Penn Wharton Budget Model stima il contributo dell’IA alla crescita della PTF in circa 0,01 punti percentuali nel 2025, minimo perché la maggior parte delle imprese non ha ancora adottato strumenti di IA su larga scala. Prevede un contributo crescente negli ultimi anni del decennio 2020, con un picco all’inizio degli anni Trenta, ma si tratta di risultati di un modello basati su ipotesi specifiche, non di osservazioni.

Due letture si adattano a questo quadro. Una è la curva a J: il costo di introdurre l’IA e di riorganizzarsi intorno a essa tiene bassa la produttività per un po’, come accadde con l’elettrificazione, e il ritorno arriva dopo. L’altra è che il tempo liberato venga assorbito come tempo morto, così che la tecnologia aiuta i singoli lavoratori mentre l’economia non trasforma mai i loro risparmi in produzione.

I dati non permettono ancora di distinguerle. Lavoratori che finiscono i compiti più in fretta e intervistati che dichiarano risparmi di tempo non chiuderanno la questione, perché entrambi comparirebbero sia nello scenario ottimista, una curva a J prima del decollo, sia in quello pessimista, in cui i guadagni sui singoli compiti non si sommano mai.

La storia dell’elettrificazione dice da che cosa si vedrebbe che «funziona». I guadagni di PTF si manterrebbero nei settori in cui l’adozione dell’IA è matura da tre anni o più. I miglioramenti di produttività reggerebbero attraverso diverse fasi del ciclo economico invece di riflettere variazioni cicliche. E le imprese riprogetterebbero lavoro, squadre e prodotti intorno all’IA su larga scala, invece di sovrapporre strumenti a strutture immutate. Nei termini della dinamo, le imprese starebbero costruendo la fabbrica a un solo piano invece di imbullonare il motore elettrico al vecchio albero di trasmissione. Gli studi di caso su imprese che lo fanno si moltiplicano, ma restano esempi isolati, e lo schema a livello dell’intera economia non è comparso.

Il circolo

Il secolo speciale non pose mai l’enigma di Solow. Ridisegnò la vita economica quotidiana così a fondo che un viaggiatore nel tempo partito dal 1870 non avrebbe riconosciuto il 1940, e nessuno aveva bisogno di misurazioni sofisticate per accorgersene. I computer posero l’enigma, e l’IA lo ha riproposto.

Perché l’IA spezzi il circolo, le imprese dovrebbero fare ciò che fecero i costruttori di fabbriche negli anni Venti: ricostruirsi intorno alla tecnologia ed eliminare intere categorie di lavoro, invece di svolgere il lavoro esistente un po’ più in fretta. Quando una riorganizzazione di questo tipo è avvenuta, nel secolo speciale e di nuovo nell’impennata del 1996–2004, si è vista chiaramente nei numeri. Se arriverà il turno dell’IA, nessuno avrà bisogno di citare Solow.

Avvertenza sull’IA generativa

Alcuni contenuti di questa pagina sono stati generati e/o modificati con l’ausilio di un’IA generativa.

Media

Hyundai Motor Group – Pexels

Fonti principali e riferimenti

Robert Solow, “We’d Better Watch Out,” New York Times Book Review, July 12, 1987, p. 36.

Erin Henry, Pierre-Daniel Sarte, and Jack Taylor, “The Productivity Puzzle: AI, Technology Adoption and the Workforce,” Federal Reserve Bank of Richmond Economic Brief No. 24-25, August 2024. https://www.richmondfed.org/publications/research/economic_brief/2024/eb_24-25

Sasha Rogelberg, “Thousands of CEOs admit AI had no impact on employment or productivity—and it has economists resurrecting a paradox from 40 years ago,” Fortune, February 17, 2026. https://fortune.com/2026/02/17/ai-productivity-paradox-ceo-study-robert-solow-information-technology-age/

Robert J. Gordon, The Rise and Fall of American Growth: The U.S. Standard of Living Since the Civil War, Princeton University Press, 2016.

Tyler Cowen, The Great Stagnation: How America Ate All the Low-Hanging Fruit of Modern History, Got Sick, and Will (Eventually) Feel Better, Dutton/Penguin, 2011.

U.S. Bureau of Labor Statistics, Productivity and Costs news releases, 2024–2026, including “Total Factor Productivity — 2025” (March 19, 2026) and “Productivity and Costs, Second Quarter 2026, Revised” (September 3, 2026). https://www.bls.gov/productivity/ · https://www.bls.gov/news.release/prod3.nr0.htm · https://www.bls.gov/news.release/prod2.nr0.htm

OECD, Compendium of Productivity Indicators 2026, June 2026. https://www.oecd.org/en/publications/2026/06/oecd-compendium-of-productivity-indicators-2026_04e21c23.html

Erik Brynjolfsson, Avinash Collis, W. Erwin Diewert, Felix Eggers, and Kevin J. Fox, “GDP-B: Accounting for the Value of New and Free Goods in the Digital Economy,” NBER Working Paper 25695, 2019. https://www.nber.org/papers/w25695

Chad Syverson, “Challenges to Mismeasurement Explanations for the US Productivity Slowdown,” Journal of Economic Perspectives, vol. 31, no. 2, Spring 2017, pp. 165–186. https://www.aeaweb.org/articles?id=10.1257/jep.31.2.165 · https://www.nber.org/system/files/working_papers/w21974/w21974.pdf

Paul A. David, “The Dynamo and the Computer: An Historical Perspective on the Modern Productivity Paradox,” American Economic Review: Papers and Proceedings, vol. 80, no. 2, May 1990, pp. 355–361.

Erik Brynjolfsson, Daniel Rock, and Chad Syverson, “The Productivity J-Curve: How Intangibles Complement General Purpose Technologies,” American Economic Journal: Macroeconomics, vol. 13, no. 1, January 2021, pp. 333–372. https://www.aeaweb.org/articles?id=10.1257/mac.20180386

Erik Brynjolfsson, Danielle Li, and Lindsey Raymond, “Generative AI at Work,” Quarterly Journal of Economics, vol. 140, no. 2, 2025, pp. 889–942. https://academic.oup.com/qje/article/140/2/889/7990658

Sida Peng, Eirini Kalliamvakou, Peter Cihon, and Mert Demirer, “The Impact of AI on Developer Productivity: Evidence from GitHub Copilot,” arXiv:2302.06590, February 2023. https://arxiv.org/abs/2302.06590

Alexander Bick, Adam Blandin, and David Deming, “The Impact of Generative AI on Work Productivity,” Federal Reserve Bank of St. Louis, On the Economy blog, February 27, 2025. https://www.stlouisfed.org/on-the-economy/2025/feb/impact-generative-ai-work-productivity

Alexander Bick, Adam Blandin, and David Deming, “The State of Generative AI Adoption in 2025,” Federal Reserve Bank of St. Louis, On the Economy blog, November 13, 2025. https://www.stlouisfed.org/on-the-economy/2025/nov/state-generative-ai-adoption-2025

Penn Wharton Budget Model, “The Projected Impact of Generative AI on Future Productivity Growth,” September 8, 2025. https://budgetmodel.wharton.upenn.edu/issues/2025/9/8/projected-impact-of-generative-ai-on-future-productivity-growth

Congressional Budget Office, “Labor Productivity: Developments Since 1995,” March 2007. https://www.cbo.gov/sites/default/files/110th-congress-2007-2008/reports/03-26-labor.pdf

Timothy F. Bresnahan and M. Trajtenberg, “General Purpose Technologies: ‘Engines of Growth’?” Journal of Econometrics, vol. 65, no. 1, January 1995, pp. 83–108. https://doi.org/10.1016/0304-4076(94)01598-T

Robert J. Gordon, “Off Its Pinnacle,” Finance & Development, IMF, vol. 53, no. 2, June 2016. https://www.imf.org/external/pubs/ft/fandd/2016/06/gordon.htm

“The Great Stagnation: Why Hasn’t Recent Technology Created More Jobs?” (interview with Tyler Cowen), PBS NewsHour, 2011. https://www.pbs.org/newshour/show/the-great-stagnation-why-hasn-t-recent-technology-created-more-jobs

Jeremy Greenwood, Ananth Seshadri, and Mehmet Yorukoglu, “Engines of Liberation,” Review of Economic Studies, vol. 72, no. 1, 2005, pp. 109–133. https://users.ssc.wisc.edu/~aseshadr/Publications/engines.pdf

Brink Lindsey, “Not So Stagnant,” Reason, April 15, 2011. https://reason.com/2011/04/15/not-so-stagnant/

Shawn Sprague, “Contributions to labor productivity growth, private nonfarm business, 1948–2018,” Monthly Labor Review, U.S. Bureau of Labor Statistics, 2021. https://www.bls.gov/opub/mlr/2021/highcharts/data/sprague-fig2.stm

McKinsey Global Institute, “US Productivity Growth 1995–2000,” October 2001. https://www.mckinsey.com/featured-insights/americas/us-productivity-growth-1995-2000

David M. Byrne, Stephen D. Oliner, and Daniel E. Sichel, “How Fast Are Semiconductor Prices Falling?” NBER Working Paper 21074, 2015. https://www.nber.org/papers/w21074

National Park Service, “About the Homestead Act,” Homestead National Historical Park. https://www.nps.gov/home/learn/historyculture/abouthomesteadactlaw.htm