La minaccia dell'IA al lavoro rivalutata da Alex Imas

Paragrafo introduttivo

Alex Imas è intervenuto di recente nel dibattito pubblico — con un articolo pubblicato su Bloomberg il 18 aprile 2026 — mettendo in discussione un assunto centrale di buona parte della modellistica economica mainstream: che il progresso tecnologico e i mercati del lavoro assorbiranno senza scossoni l'automazione guidata dall'IA. Il suo argomento sposta l'attenzione dalla mera sostituzione di compiti a effetti aggregati sulla domanda che potrebbero comprimere le ore di lavoro e i salari nel medio termine. La tesi è rilevante per gli investitori istituzionali perché un cambiamento strutturale nella domanda di lavoro altererebbe i modelli di consumo, i margini aziendali e i percorsi della politica fiscale. Questo articolo esamina gli ancoraggi empirici citati da Imas, li confronta con la letteratura precedente e traccia le implicazioni a livello settoriale per l'allocazione del capitale, la produttività e la gestione del rischio. È basato su dati di studi accademici, statistiche ufficiali e indicatori di mercato, con un rimando alla copertura più ampia di Fazen Markets su tecnologia e temi macro argomento.

Contesto

La critica di Imas riformula il dibattito emerso con l'ondata di entusiasmo per l'IA nei primi anni 2020: l'idea che l'IA sposti prevalentemente compiti e non l'occupazione aggregata. Egli sottolinea i meccanismi attraverso i quali l'automazione potrebbe deprimere la domanda aggregata — per esempio se i lavoratori sostituiti affrontano perdite di reddito persistenti e se i guadagni di capitale si concentrano in modo sproporzionato tra pochi proprietari. Non si tratta solo di teoria; la letteratura offre stime quantitative divergenti. Frey & Osborne (2013) stimarono celebremente che il 47% dell'occupazione negli USA fosse ad alto rischio di computerizzazione, mentre l'OCSE (2019) propose una visione più cauta — circa il 14% dei posti di lavoro ad alto rischio e un ulteriore 32% soggetto a significative trasformazioni. Imas sintetizza questi filoni e sostiene che i modelli di equilibrio convenzionali sottovalutano le dinamiche distributive e i feedback dal lato della domanda (Bloomberg, 18 apr 2026).

Dal punto di vista della politica macroeconomica il timing conta. Il tasso di partecipazione negli USA era vicino al 62,6% a dicembre 2024 (BLS), e il tasso di disoccupazione ufficiale è rimasto basso rispetto ai cicli precedenti, ma la tightness del mercato del lavoro maschera eterogeneità tra settori e livelli di competenza. Per gli investitori in reddito fisso e azionario, l'implicazione è che un tasso di disoccupazione complessivo apparentemente benigno può coesistere con una diminuzione della quota del reddito da lavoro in segmenti dell'economia che guidano il consumo. Questa dissonanza è centrale nel ragionamento di Imas: modelli standard calibrati sul tasso di disoccupazione ufficiale e sulle posizioni vacanti aggregate possono perdere cambiamenti composizionali che incidono materialmente sulle elasticità della domanda.

Gli investitori istituzionali dovrebbero prestare attenzione ai canali enfatizzati da Imas: (1) cambiamento tecnologico favorevole al capitale che eleva i rendimenti del capitale rispetto al lavoro, (2) potenziale dell'automazione di ridurre le ore aggregate anche senza perdite di posti di lavoro proporzionali, e (3) disallineamento delle competenze che amplia la disoccupazione strutturale in determinate coorti. Questi canali implicano una crescita dei consumi più lenta da parte dei percettori di salario, un maggiore risparmio tra i titolari di capitale e una maggiore dipendenza dalla redistribuzione fiscale, se il contesto sociale e politico lo permetterà. Per la costruzione del portafoglio tali dinamiche rappresentano rischi di coda che alterano i flussi di cassa attesi per le azioni orientate al consumo e i profili di credito per imprese con leva finanziaria elevata.

Approfondimento dati

Per valutare quantitativamente la tesi di Imas attingiamo a tre insiemi di dati comunemente usati nella ricerca sull'automazione. In primo luogo, Frey & Osborne (2013) — che utilizzarono un'analisi a livello di compito e apprendimento automatico per stimare che fino al 47% dei posti di lavoro negli USA fosse suscettibile di automazione — resta un punto di riferimento elevato per l'esposizione potenziale. In secondo luogo, la rivalutazione dell'OCSE del 2019, che impiega una maggiore granularità dei compiti e considera le strutture del mercato del lavoro tra paesi, abbassa la cifra al 14% ad alto rischio e al 32% con probabile trasformazione significativa. In terzo luogo, gli andamenti degli investimenti a livello aziendale mostrano flussi di capitale sproporzionati verso imprese capaci in ambito IA: la crescita del capex per i maggiori fornitori di cloud e chip ha superato la crescita del capex dell'S&P 500 nel 2023–24, riflettendo la concentrazione della capacità produttiva.

Dati di mercato specifici evidenziano i rischi di concentrazione. Per esempio, una piccola coorte di aziende rappresenta la maggioranza degli investimenti in infrastrutture per l'IA e della creazione di proprietà intellettuale (IP); questa concentrazione implica che i guadagni di produttività potrebbero non diffondersi ampiamente e possono amplificare la disuguaglianza dei redditi. Questo schema è visibile nei margini aziendali: i principali fornitori di cloud e piattaforme IA hanno riportato un'espansione dei margini operativi di diverse centinaia di punti base tra il 2020 e il 2024 (bilanci aziendali). Questi guadagni di margine costituiscono una condizione necessaria per i benefici sul lato del capitale descritti da Imas, ma non determinano di per sé l'effetto netto sulla domanda aggregata.

Contano anche metriche comparative. Quando confrontiamo uno scenario di crescita diffusa della produttività (come nelle precedenti rivoluzioni tecnologiche) con uno shock di produttività guidato dall'IA e concentrato, le risposte dal lato della domanda divergono. Storicamente, ondate precedenti di automazione sono state accompagnate da nuova creazione di posti di lavoro — l'automazione manifatturiera fu poi bilanciata dalla crescita dell'occupazione nei servizi — ma quelle transizioni hanno richiesto decenni. Il punto di Imas è che la velocità e l'ampiezza dell'adozione dell'IA potrebbero comprimere i tempi di quella transizione, creando trimestri o anni in cui la domanda resta indietro rispetto all'offerta. Questo rischio temporale è una variabile chiave per gli investitori che valutano esposizioni cicliche e perdenti vs. vincitori secolari.

Implicazioni settoriali

Se i moniti di Imas si concretizzassero, gli effetti sarebbero molto disomogenei tra i settori. Beni di consumo di prima necessità e imprese del settore discrezionale con forte esposizione a consumi locali dipendenti dai salari sono più vulnerabili a uno shock di domanda originato dall'indebolimento della quota del reddito da lavoro. Per esempio, catene di vendita al dettaglio regionali e operatori di ristorazione small-cap — che hanno minore potere di determinazione dei prezzi e margini più sottili — riscontrerebbero un rischio di credito più elevato rispetto ai grandi produttori di beni di consumo diversificati. Al contrario, i fornitori di infrastrutture e software per l'IA che catturano rendite dall'adozione dell'automazione potrebbero sostenere una crescita degli utili superiore alla media anche se l'occupazione complessiva si contrae.