Un recente studio di tre ricercatori dell’università di Trento, Mariasole Bannò, Emilia Filippi e Sandro Trento, analizza in modo nuovo l’impatto dell’automazione sull’occupazione, nelle forme dell’intelligenza artificiale e degli sviluppi straordinari dei servizi in rete[1].
Lo studio riprende i due approcci che, negli anni recenti, hanno caratterizzato gli studi sull’automazione, quello basato sulle probabilità di sostituzione dei lavoratori che occupano determinate posizioni lavorative e quello basato sulle mansioni che quei lavoratori svolgono all’interno del processo produttivo.
La differenza di approccio è dovuta al fatto che, ad esempio nel caso del venditore, nell’approccio basato sull’occupazione si considera il rischio di sostituzione del lavoratore con un sistema di eCommerce senza tener conto che, in molte attività di vendita, rimane comunque indispensabile una interazione diretta con il cliente e con altre persone dello staff di vendita o del marketing di prodotto. Se si tiene conto di questa fondamentale differenza, come nell’approccio basato sulle mansioni, il rischio di sostituzione di quell’occupato con sistemi automatici si riduce in misura significativa.
Intelligenza artificiale, l’impatto su occupazione e salari: luci e ombre
Il rischio di disoccupazione da innovazione
La figura 1 riproduce la probabilità di rimanere senza lavoro che riguarda diverse occupazioni, probabilità che sono comprese tra 0 e 1 sull’asse orizzontale. Letta in termini di rischio di rimanere disoccupati per effetto del progresso tecnico la figura ci dice che sono le occupazioni più diffuse, quelle dei lavoratori con minore qualifica, che sono esposte a maggior rischio. Le occupazioni a minor rischio sono legate all’istruzione, alla ricerca, alla salute, all’attività manageriale, mentre quelle più esposte sono le occupazioni del settore dei servizi di vendita, la produzione, le attività amministrative e burocratiche[2].
Figura 1: Rischio di disoccupazione dovuto all’automazione (automatability) negli Stati Uniti secondo Frey e Osborne.
Sull’asse verticale sono riportate le frequenze delle diverse occupazioni per i diversi livelli di rischio (employent based). Come si vede, nelle previsioni vi sono occupazioni a basso rischio e occupazioni ad alto rischio. Seguendo questo approccio troviamo poche occupazioni con livelli di rischio intermedi, quasi che gli occupati fossero addensati intorno al rischio di disoccupazione 0 o a quello totale 1. È evidente che si tratta di un quadro molto schematico, infatti la discussione di questi risultati si è dilungata nel cercare un certo numero di fattori di carattere organizzativo che possono rallentare l’adozione delle nuove tecnologie e modificare queste previsioni.
L’approccio basato sulle mansioni degli occupati, ha posto in evidenza come l’introduzione di nuove tecnologie come l’intelligenza artificiale, porti non ad una sostituzione diretta del lavoratore, ma ad una ricomposizione e redistribuzione delle mansioni tra gli occupati. Il saldo finale sarà sempre una riduzione dell’input di lavoro, ma assai meno violenta di quanto si registra con l’analisi basata sugli occupati.
Probabilità di automazione di una professione
La figura 2 indica come sia possibile confrontare i due approcci, per uno stesso set di dati occupazionali, giungendo a stime assai diverse. In particolare, con l’approccio basato sulle mansioni, le probabilità di disoccupazione non sono polarizzate sui rischi bassi (prossimi a 0) e sui rischi molto alti (prossimi a 1), ma si distribuiscono anche nella fascia intermedia. Il risultato finale è che la stima della probabilità media di “disoccupazione tecnologica”, come si chiamava ai tempi della prima ondata dell’automazione industriale sostenuta dall’informatica oltre mezzo secolo fa, risulta assai più contenuta se l’approccio seguito è quello basato sulle mansioni.
Figura 2: Distribuzione della automatability negli Stati Uniti: confronto tra stime basate sull’occupazione e stime basate sulle mansioni.
Frequenze normalizzate
Probabilità di perdere il lavoro per effetto dell’automazione (automatability)
– – – stime basate sull’occupazione
_____ stime basate sulle mansioni
La ricerca citata confronta anch’essa i risultati dei due approcci utilizzando dati italiani e giunge a due stime assai diversificate. Gli autori valutano che, seguendo l’approccio basato sull’occupazione, il rischio di disoccupazione dovuto all’adozione delle nuove tecnologie investirebbe oltre 7 milioni di occupati, ossia quasi un terzo del totale,
mentre, seguendo l’approccio basato sul tipo di mansione tale rischio investirebbe “solo” 3,8 milioni circa di lavoratori, pari al 18% del totale[3]. Si tratta di una differenza enorme, la cui causa deve essere capita per evitare di delineare scenari che risulterebbero poco credibili.
I ricercatori considerano anche le vischiosità con cui l’adozione delle nuove tecnologie devono fare i conti, che sono di tipo finanziario, organizzativo, di competenze della forza lavoro disponibile. Esse tendono a rallentare l’impatto occupazionale dell’innovazione.
Abbiamo visto che i due approcci in competizione considerano in modo diverso il processo di erogazione delle prestazioni lavorative. Nel caso dell’approccio occupazionale, si considera che un determinato lavoro comporti di per sé un rischio secco di essere eliminato dall’automazione derivante dall’introduzione dell’intelligenza artificiale. Nel caso dell’approccio basato sulle mansioni, si considera il rischio derivante dalla sostituzione di alcune delle mansioni svolte dal lavoratore, inquadrando quindi ogni processo di automazione come un processo di parziale riorganizzazione delle mansioni all’interno del processo produttivo.
Il secondo approccio rivela quindi un maggior realismo, anche se la maggiore accuratezza delle stime che esso consente si scontra con la disponibilità di dati, che è ancor più scarsa rispetto a quanto serve nel caso dell’approccio basato sulla occupazione.
A nostro giudizio trarre indicazioni generali dalle stime sul rischio occupazionale determinato dall’adozione di nuove tecnologie come intelligenza artificiale, machine learning, big data, analytics è azzardato.
Infatti, entrambi gli approcci adottati per le previsioni del rischio occupazionale per poter procedere devono dare per scontate alcune assunzioni:
- la tecnologia è quella che conosciamo ed il suo impatto è misurato con ogni probabilità non sulla base dell’ultima frontiera, ma dell’ondata tecnologica che la ha preceduta, poiché dobbiamo poter disporre di dati storici che hanno un ritardo temporale tra rilevazione, e pubblicazione, a volte assai significativo;
- la domanda di servizi, in particolare dei servizi connessi alle attività on line, è quella che conosciamo oggi e più probabilmente ieri ed anche i prezzi relativi, ossia il costo dei nuovi servizi rispetto a quelli che c’erano prima;
- l’assetto delle imprese, ossia la loro distribuzione per fatturato e occupazione, è quella che conosciamo, anche qui con i ritardi temporali determinati dalla distanza tra momenti di rilevazione e pubblicazione dei dati o delle ricerche su di essi basate.
Ora, il più importante impatto delle nuove tecnologie, anche quelle che ben conosciamo dalla storia dell’industrializzazione, a partire dal vapore fino all’elettricità, dall’informatica basata sui mainframe a quella distribuita e poi a quella cloud, è sempre la trasformazione radicale dei prezzi relativi.
Frizioni o cambiamenti strutturali?
Si può dire che la differenza tra i due approcci che abbiamo esaminato è soltanto un problema di realismo: sono più realistiche le frizioni di cui tiene conto l’approccio basato sulle mansioni, in cui vengono considerati con maggiore attenzione le trasformazioni organizzative portate nei processi lavorativi dall’innovazione[4]. I cambiamenti nell’organizzazione del lavoro, nelle competenze e nei processi necessari a sfruttare le potenzialità dell’intelligenza artificiale e delle altre innovazioni ad essa connesse, frenano la rapidità con cui l’impatto “labour saving” delle tecnologie si trasforma in realtà quando mette a repentaglio i posti di lavoro.
Gli altri aspetti da considerare
Ma ci sono altri aspetti da considerare nell’analizzare l’impatto dell’automazione.
In primo luogo, quando le grandi società di consulenza fanno le loro previsioni sull’impatto “disruptive” delle nuove tecnologie, esse tengono conto in genere dei giudizi del management che deve o dovrà gestire il primo impatto. Tali giudizi sono necessariamente “biased” verso il breve termine, ossia valutano l’impatto delle nuove tecnologie sullo stato dell’arte. In quest’ottica, se vogliamo riprendere il tema antico dei telai meccanici contro cui si batteva il Mahatma Gandhi nella sua lotta per l’indipendenza dal Regno Unito, è chiaro che, se un telaio produce 10 volte più dell’operaio semplice, vi sarà una sostituzione, a parità di altre circostanze, che penalizzerà l’occupazione. Ma è la parità di altre circostanze che l’innovazione fa mancare: essa riduce il prezzo del bene prodotto con i nuovi processi, crea quindi reddito reale per i consumatori che potranno esprimere nuovi bisogni, bisogni a cui nuovi occupati e nuove tecnologie daranno risposta.
L’aspetto disruptive dell’innovazione non si ferma alla produzione investita direttamente dall’innovazione; infatti, non ci si può limitare al primo impatto, ma si deve considerare la trasmissione all’intero sistema dell’impulso, che spinge l’intero sistema verso nuove frontiere. Il saldo occupazionale di questi salti tecnologici fino ad oggi si è sempre dimostrato positivo nel lungo termine perché nuovi settori e nuovi consumi si sono aperti.
L’innovazione sottopone a continuo cambiamento la struttura produttiva e l’organizzazione del lavoro: è questo uno degli aspetti poco considerati da coloro che polemizzano contro Big Tech sostenendo che quelle aziende ricercano con troppa disinvoltura la flessibilità sul mercato del lavoro, quasi volessero una flessibilità ad ogni costo.
Naturalmente c’è questo rischio, ma occorre anche considerare che un contesto innovativo e competitivo è in grado di creare più posti di lavoro di quanti ne vengano soppressi dall’automazione se si consente all’innovazione di esplicare compiutamente i suoi effetti. Se, invece, si cerca di bloccare sul nascere l’impatto dell’innovazione, contrastando la mobilità del lavoro e del capitale da un settore e da un paese all’altro, si finisce con rinunciare ai benefici dell’innovazione nel lungo periodo e a rendere il sistema meno competitivo, aumentando la disoccupazione a lungo termine.
Eliminando le frizioni nel mercato del lavoro e dei capitali si agevola la diffusione dell’innovazione e la creazione di nuovi posti di lavoro. Creando frizioni e bloccando la mobilità del lavoro si congela la competitività aggiuntiva potenziale che deriva dalla diffusione dell’innovazione in tutti i rami del sistema produttivo.
Segmentazione del mercato del lavoro e automatability
In un rapporto sul tema della disoccupazione tecnologica legata alla diffusione dell’intelligenza artificiale e delle tecnologie connesse, Price Waterhouse ha evidenziato i problemi che la diffusione dell’innovazione pone in un mercato del lavoro strutturato come il nostro.
Lo studio conferma l’asimmetria dell’impatto dell’automazione sul mercato del lavoro e quindi sui rischi di disoccupazione che si associano alla diffusione dell’innovazione, asimmetria determinata dalla segmentazione del mercato del lavoro[5].
La questione è di particolare rilevanza, stante che il nostro Paese presenta diversi punti di fragilità rispetto ad altri paesi con livelli di sviluppo economico confrontabili.
Figura 3: Automatability per sesso e livello di istruzione
La forte quota di occupati nell’industria espone ad un elevato rischio di disoccupazione da automazione il nostro rispetto agli altri paesi. Senza voler seguire l’agenda delle fasi di automazione proposta da PWC, che appare fortemente schematica e inconsistente a causa della proiezione molto in avanti negli anni, meritano di essere sottolineati i maggiori rischi cui è esposta la forza lavoro meno istruita, come risulta dalla figura 3.
Qui il divario tra il rischio di disoccupazione tecnologica tra i generi è assai diverso per diversi livelli di istruzione. Paradossalmente, il rischio è significativamente più alto per i maschi poco istruiti rispetto alle femmine dello stesso livello di istruzione: 54% contro 28%. Ciò significa che un lavoratore con bassa istruzione rischia la disoccupazione con probabilità 52% rispetto al 29% della collega con lo stesso livello di istruzione. La differenza si spiega con il fatto che i maschi sono occupati in operazioni facilmente automatizzabili, come l’handling e la gestione di macchinari e attrezzi, mentre le donne sono più rappresentate nelle vendite, nelle mansioni semplici di pulizia etc.
Per livelli di istruzione elevati, invece, le differenze tra i due sessi si annullano: entrambi registrano un rischio assai ridotto di disoccupazione tecnologica, o automatability, con il 12% e l’11% rispettivamente per femmine e maschi. Ma ciò non deriva da una struttura occupazionale analoga, bensì da mix occupazionali assai diversi, che tuttavia condividono analoghi livelli di rischi di disoccupazione. Le donne sono più presenti nell’istruzione, gli uomini nei servizi di telecomunicazione e nell’informatica.
Conclusioni
Recenti studi hanno richiamato l’attenzione sul procedere dei processi di automazione con l’applicazione di intelligenza artificiale, big data, analitics, machine learning: essi comportano rischi di disoccupazione che colpiscono diversamente i settori del mercato del lavoro.
La struttura dell’occupazione del nostro Paese, con la forte componente industriale, la bassa quota di occupazione femminile e il basso livello di istruzione medio della forza lavoro, rappresenta una articolazione particolarmente fragile rispetto ai rischi che l’avanzamento dell’automazione comporta per i segmenti più fragili del mercato del lavoro.
Occorre, come affermano gli autori della ricerca citata all’inizio della nota, “sviluppare la finanza per l’innovazione al fine di sostenere le start up più dinamiche e rivedere la tassazione del lavoro e il cuneo fiscale per rendere il lavoro umano conveniente”. Ma occorre anche perseguire con strumenti coerenti l’obiettivo di riduzione della segmentazione del mercato del lavoro, tra lavori più tutelati e meno tutelati e meno discriminatorio tra i generi. Occorre uno sforzo di lungo periodo di aumento dell’investimento in capitale umano, ovvero nei livelli di istruzione delle nuove generazioni e nella riqualificazione di quegli occupati che per ragione di età, di sesso e di istruzione, rischiano maggiormente l’obsolescenza delle proprie capacità professionali a fronte del diffondersi dei nuovi strumenti e processi di automazione.
Note
- ) Mariasole Bannò, Emilia Filippi, Sandro Trento, Rischi di automazione delle occupazioni: una stima per l’Italia, Stato e Mercato, dicembre 2021. ↑
- ) Frey, C.B. and M.A. Osborne (2013), The Future of Employment: How Susceptible are Jobs toComputerization?, University of Oxford, p 37. ↑
- ) Ivi. ↑
- ) Marguerita Lane, Anne Saint-Martin, The impact of Artificial Intelligence on the labour market: What we know so far?, OECD 2021, Social, Employment and Migration Working Papers n° 256. ↑
- ) Price Waterhouse & Coopers, Will robots really steal our jobs? An international analysis of the potential long term impact of automation, 2018. ↑
