Il 21 settembre Fabio Panetta porta l’intelligenza artificiale dentro il perimetro della credibilità delle banche centrali: velocità di adozione, distribuzione dei guadagni, vigilanza sui modelli bancari.
Il 21 settembre, a Kyiv, il governatore della Banca d’Italia Fabio Panetta è intervenuto alla decima conferenza annuale di ricerca della National Bank of Ukraine e della Narodowy Bank Polski con un testo intitolato La sfida dell’innovazione. Metà dell’intervento riguarda l’intelligenza artificiale, e la tesi portante è che la credibilità di una banca centrale dipenda ormai anche dalla capacità di capire una trasformazione che nasce fuori dal perimetro monetario. I modelli economici, gli strumenti di vigilanza e le infrastrutture di pagamento, osserva il governatore, sono stati disegnati per un ambiente tecnologico diverso da quello attuale.
Il passaggio più netto riguarda il modo di misurare il ritardo europeo. Finora il confronto con gli Stati Uniti si è giocato sul lato dello sviluppo: quanti laboratori di frontiera, quanta capacità di calcolo, quanto capitale di rischio. Panetta riconosce il vantaggio americano sugli investimenti legati all’IA, che oltreoceano sono diventati un motore di crescita e hanno attirato capitale estero sui mercati azionari, e poi sposta l’asse. Il divario, scrive, resta modificabile: anche restando fuori dal gruppo di testa sullo sviluppo, l’Europa ha il potenziale per adottare e sfruttare queste tecnologie alla stessa velocità delle altre economie avanzate.
Le stime dello staff della Banca d’Italia danno una misura alla frase. I paesi che integrano l’IA più rapidamente possono assicurarsi un vantaggio duraturo di produttività, espandere le proprie quote sui mercati globali e attrarre più investimenti e capitale, mentre gli altri rischiano di vedere scendere la competitività relativa. Per l’Italia, la ricerca dell’istituto indica che un’adozione diffusa può alzare la crescita della produttività del lavoro di oltre un punto percentuale l’anno.
Un punto percentuale l’anno, in un paese che ha convissuto per due decenni con una produttività quasi piatta, è una cifra che cambia il quadro. E il fatto che arrivi dalla banca centrale la rende difficile da archiviare come entusiasmo di settore.
La parte più originale dell’intervento riguarda la trasmissione all’inflazione, e qui il governatore usa una distinzione che merita attenzione anche fuori dai dipartimenti di ricerca. L’uso dell’IA può seguire due strade. La prima è l’automazione: le macchine assorbono compiti prima svolti da persone, la domanda di lavoro si riduce e il reddito si sposta verso il capitale. La seconda è la creazione di nuovi compiti, in cui la tecnologia completa le capacità umane, alza la domanda di competenze e lascia ai lavoratori una quota piena dei guadagni di produttività.
Le due strade portano a esiti macroeconomici opposti. Se prevale la creazione di nuovi compiti e il reddito da lavoro atteso sale, le famiglie si sentono più ricche, i consumi si rafforzano e si sommano al boom di investimenti già in corso: la domanda cresce prima che la produttività produca i suoi effetti, e le pressioni inflazionistiche durano più a lungo. Se prevale l’automazione, l’incertezza su posti e salari spinge le famiglie a risparmiare, i consumi si indeboliscono e gli effetti disinflazionistici emergono prima.
La conseguenza per la politica monetaria è dichiarata in modo esplicito: stimare l’effetto dell’IA sulla produttività basta a metà. Serve capire chi incassa quei guadagni, perché la loro distribuzione modella la domanda aggregata e quindi l’inflazione. Sullo stesso registro Panetta colloca il tasso naturale di interesse, dove la crescita della produttività spinge verso l’alto mentre maggiore disuguaglianza, risparmio precauzionale e una quota più ampia di reddito che va al capitale spingono nella direzione opposta. L’indicazione operativa che ne ricava è di restare pragmatici: in una fase di cambiamento strutturale, gli andamenti osservati di domanda, attività e prezzi pesano più delle stime di variabili che restano invisibili.
È lo stesso bivio che si presenta in forma concreta dentro le imprese. Il deep del 18 settembre di questa sala stampa misurava la distanza fra il 58,6 % di PMI italiane che indicano le competenze come primo freno e il 7 % che ha avviato formazione strutturata. Quella forbice descrive, a livello di singola azienda, quale delle due strade il paese sta imboccando: chi forma le persone sta comprando il ramo dei nuovi compiti, chi si limita a installare strumenti sta comprando il ramo dell’automazione.
L’ultima parte del testo esce dalla politica monetaria ed entra nel terreno che interessa direttamente banche e assicurazioni. L’IA migliora valutazione del credito, rilevamento delle frodi e gestione del rischio, e allo stesso tempo apre vulnerabilità nuove. Il passaggio da tenere è questo: quando molte banche si appoggiano a modelli simili o a un numero ristretto di fornitori tecnologici, un errore o un’interruzione si propaga rapidamente nel sistema finanziario.
È un rischio di concentrazione che somiglia a quello già noto sul cloud, con una differenza rilevante. Una base di fornitori concentrata produce indisponibilità del servizio, che si vede e si misura. Una monocultura di modelli produce errori correlati, cioè decisioni sbagliate nella stessa direzione e nello stesso momento presso intermediari diversi, che si vedono molto più tardi. La risposta indicata è di competenza: i supervisori avranno bisogno di capacità tecniche più solide e di una comprensione più profonda di modelli, dati e interdipendenze tecnologiche.
Per il mercato italiano la traduzione è immediata. Nell’architettura nazionale di adeguamento all’AI Act le autorità di settore del comparto finanziario restano Banca d’Italia, Consob e IVASS, accanto ad AgID come autorità di notifica e all’Agenzia per la Cybersicurezza Nazionale come autorità di sorveglianza del mercato. L’esigenza di competenza tecnica dichiarata a Kyiv riguarda quindi le stesse strutture che dovranno esaminare i sistemi ad alto rischio del credito e dell’assicurazione.
Sul fronte dei pagamenti il governatore chiude con una formula che vale come criterio di metodo. Nuovi operatori e servizi più rapidi aumentano concorrenza ed efficienza, e allo stesso tempo rendono l’ecosistema più complesso e frammentato, con rischi operativi, legali e cyber inediti. La strada indicata è adattare il sistema monetario a due livelli, con la moneta di banca centrale come ancora e la moneta privata come strato operativo, mantenendone l’impianto.
Tre grandezze diranno, nei prossimi trimestri, quale delle due strade il continente sta prendendo.
La composizione dell’occupazione, più della quantità. Il dato aggregato sugli occupati dice poco sul bivio fra automazione e nuovi compiti. Le serie utili riguardano mansioni, inquadramenti e retribuzioni d’ingresso nei comparti dove l’adozione corre: quando il reddito da lavoro atteso sale, siamo sul ramo che sostiene la domanda.
La distanza fra tasso di adozione europeo e statunitense. L’intervento cita il lavoro comparativo del CEPR sul divario di adozione fra le due sponde. È la serie che misura la tesi centrale del discorso, ed è anche l’unica capace di smentirla nel giro di un anno.
La concentrazione dei fornitori di modelli presso gli intermediari. È il dato che la vigilanza chiederà per primo quando diventerà rilevante. Un censimento interno di quali modelli e quali fornitori sostengono decisioni di credito resta un esercizio che un intermediario può fare adesso, a prescindere dal calendario regolatorio.
La prossima verifica pubblica arriva con le stime aggiornate di produttività. Se quel punto percentuale l’anno comincia a comparire nei conti nazionali dei paesi che hanno adottato per primi, la tesi di Kyiv diventa una linea di politica economica. Se resta una proiezione, l’Europa scoprirà che il ritardo sullo sviluppo e il ritardo sull’adozione erano lo stesso problema, guardato da due lati.
Autore
Pablo Liuzzi
Founder, Synthos Logic