L'intelligenza artificiale come tecnologia normale: cosa aspettarsi entro il 2031

Arvind Narayanan e Sayash Kapoor, in un saggio pubblicato dal Knight First Amendment Institute, invitano a guardare all'intelligenza artificiale come a una «tecnologia normale». Può trasformare molti settori, ma viene sviluppata e messa in uso da persone che lavorano dentro organizzazioni e istituzioni esistenti. L'idea che un modello più capace diventi da solo una forza autonoma capace di rovesciare la società in poco tempo non regge, secondo i due autori.

Il punto centrale del saggio è la distinzione fra tre passaggi diversi: inventare un metodo, costruire un'applicazione utile e convincere le persone a fidarsi e a usarla. Un modello può superare un test e fallire in un lavoro vero, dove i dati sono disordinati, gli obiettivi poco chiari e qualcuno deve rispondere degli errori.

I dati sull'adozione confermano questo scarto. In un'indagine condotta negli Stati Uniti, gli economisti Bick, Blandin e Deming hanno rilevato una diffusione rapida dell'IA generativa già alla fine del 2024, ma hanno stimato che assistesse solo fra l'1 e il 5 per cento delle ore di lavoro. Provare uno strumento e riorganizzare il lavoro attorno a esso sono due cose distinte.

Dove gli errori costano

Un caso preso da un altro tipo di IA mostra quanto pesi il contesto. Uno studio indipendente pubblicato su JAMA Internal Medicine nel 2021 ha verificato un sistema di previsione della sepsi molto diffuso negli ospedali americani e ha trovato, in un ospedale, prestazioni nettamente inferiori a quelle dichiarate dal produttore. Il risultato non dice che l'IA generativa fallirà in corsia. Dice che ogni installazione ha bisogno di verifiche locali, di monitoraggio continuo e di una procedura per intervenire quando il sistema sbaglia.

Sul fronte della produttività i guadagni misurati sono concreti. Un esperimento controllato di Shakked Noy e Whitney Zhang, pubblicato su Science nel 2023, ha mostrato che l'accesso a ChatGPT permetteva di completare compiti di scrittura il 40 per cento più in fretta, con una qualità giudicata superiore del 18 per cento. Un esperimento su compiti di scrittura non dimostra però che ogni professione guadagnerà allo stesso modo, né che i lavoratori vedranno una parte di quei guadagni. Lo stesso strumento può servire a sostenere il personale, a intensificare i carichi o a tagliare i posti d'ingresso.

Definire l'IA una tecnologia normale non è quindi rassicurante. Le tecnologie ordinarie possono fare danni seri e i loro benefici dipendono da chi le controlla. Il merito del saggio è riportare l'attenzione su decisioni che le organizzazioni prendono davvero: quali sistemi comprare, quali compiti automatizzare, chi controlla i risultati e chi paga per gli sbagli. Narayanan e Kapoor puntano sulla resilienza delle istituzioni; resta da vedere se gli incentivi ordinari basteranno a produrre prudenza senza un controllo esterno.

Guardando al settembre 2031, la previsione più plausibile è che bozze, traduzioni, assistenza alla programmazione, ricerca e analisi di documenti comincino spesso da un'IA. Alcuni agenti software completeranno compiti delimitati, quando le loro azioni si possono verificare o annullare. In medicina, nel diritto e nella pubblica amministrazione la parte più difficile resterà dimostrare che un sistema funziona nel luogo preciso in cui viene usato, e la firma di una persona continuerà a contare per molte decisioni. Per giudicare questa previsione fra cinque anni non serviranno i punteggi nei test, ma tre domande: quale quota del lavoro reale è assistita o automatizzata, quali decisioni si possono contestare e chi risponde quando un sistema di IA sbaglia.