Vincitori e perdenti nella trasformazione digitale del lavoro,

di Michael Spence

MILANO – Forse nessun singolo aspetto della rivoluzione digitale ha ricevuto più attenzione dell’effetto dell’automazione sui posti di lavoro, sul lavoro stesso, sull’occupazione e sui redditi. Per questo c’è almeno un’ottima ragione – ma probabilmente non è quella che la maggioranza delle persone citerebbero.

Utilizzare le macchine per aumentare la produttività non è niente di nuovo. Dal momento che ogni strumento è una macchina, gli umani lo sono venuti facendo per la maggior parte della loro breve storia su questo pianeta. Ma, dalla prima rivoluzione industriale – quando l’energia a vapore e la meccanizzazione produssero un vasto, prolungato incremento della produttività – questo processo è diventato iperattivo.

Non tutti hanno accolsero con entusiasmo questa transizione. Molti si preoccuparono che la domanda ridotta di lavoro umano avrebbe portato ad una disoccupazione permanentemente elevata. Invece, la produttività ed i redditi in crescita incoraggiarono la domanda, e quindi l’attività economica. Nel corso del tempo, i mercati del lavoro si sono adattati in termini di competenze, e alla fine le ore di lavoro sono diminuite, quando si spostò l’equilibrio tra reddito e tempo libero.

E tuttavia, come l’aumento del lavoro umano cede il passo all’automazione – con le macchine che realizzano un numero crescente di compiti in modo autonomo nell’informazione, nel controllo e negli scambi tra i segmenti dell’economia – i timori per perdite su larga scala dei posti di lavoro stanno di nuovo diffondendosi. Dopo tutto, i posti di lavoro dei colletti bianchi e blu che riguardano per la maggior parte compiti routinari – ovvero facilmente codificabili – stanno scomparendo con un ritmo accelerato, particolarmente dal 2000. Dato che molti di questi posti di lavoro occupavano la media distribuzione del reddito, questo processo ha alimentato la polarizzazione dei posti di lavoro e del reddito.

Tuutavia, come nel diciannovesimo secolo, i mercati del lavoro si stanno adattando. All’inizio, i lavoratori rimossi possono cercare nuova occupazione in impieghi che richiedono le loro competenze precedenti. Ma, a fronte di opportunità limitate, essi presto cominciano a proporsi impieghi con minori (o facilmente ottenibili) richieste di competenze, compresi impieghi a tempo parziale nell’economia precaria  permessa da internet, anche se ciò comporta accettare redditi più bassi.

Nel corso del tempo, un numero crescente di lavoratori comincia ad investire nella acquisizione di competenze che sono richieste in categorie di impieghi  non routinari, con paghe più elevate. In generale questo è un processo che richiede più tempo, sebbene in alcuni paesi, compresi gli Stati Uniti, sia stato accelerato da iniziative che coinvolgono i Governi, le imprese e gli istituti educativi.

Ma, anche con il sostegno di meccanismi istituzionali, l’accesso allo sviluppo delle competenze è lungi dall’essere equo. Soltanto coloro che hanno sufficiente tempo e risorse finanziarie possono fare gli investimenti necessari e, in una società altamente ineguale, molti lavoratori sono esclusi da questo gruppo. A fronte di questo retroterra, probabilmente dovremmo essere meno preoccupati di una disoccupazione permanente su larga scala e più preoccupati di un miglioramento nelle ineguaglianze e nelle loro conseguenze sociali e politiche.

Di sicuro, l’adattamento tecnologico può ridurre le dimensioni del problema della acquisizione dlele competenze. Dopo tutto, i mercati premiano le innovazioni che rendono le attrezzature e i sistemi digitali più facili da utilizzare. Ad esempio,  l’interfaccia grafico per l’utente [1], che ci permette di interagire con i dispositivi elettronici attraverso rappresentazioni di indicatori visuali, è adesso così diffuso che possiamo considerarlo sicuro. Al momento in cui tali approcci intuitivi vengono applicati a processi tecnologici sempre più complessi, il bisogno dell riqualificazione professionale – e dunque l’impatto nella distribuzione dei redditi della rivoluzione digitale – diminuirà.

Anche il processo dell’intelligenza artificiale avrà un impatto. Sino a dieci anni fa, l’automazione di basava su una codificazione dei compiti: le macchine sono programmate con un complesso di istruzioni che riproducono la logica umana del decidere. Ma cosa accade per i compiti che non possono essere distinti in una serie di passaggi logici e predefiniti? Dalla comprensione del linguaggio naturale al riconoscimento visivo degli oggetti, rientrano in questa categoria un ampio numero di attività, anche quelle palesemente semplici. Questo ha reso molti posti di lavoro “sicuri” rispetto agli effetti dell’automazione, ma, a seguito dei progressi nell’apprendimento automatico, ciò non durerà per molto.

L’appprendimento automatico è sostanzialmente un riconoscimento dei modelli [2] molto sofisticato. Utilizzando ampi giacimenti di dati e un potere computazionale massiccio, le macchine apprendono cose che noi non potremmo codificare. Gli avanzamenti nell’apprendimento automatico hanno aperto nuove aree alla automazione: la robotica, i veicoli autonomi e la scannerizzazione delle letteratura tecnica sanitaria per le principali ricerche. In molte aree – come nel riconoscimento dei modelli nelle genetica e nelle scienze biomediche – le macchine non sono solo capaci di rimpiazzare il lavoro umano; sotto certi aspetti, le loro capacità sovrastano quelle di ogni umano.

Questa notizia è migliore di quanto possa sembrare. È vero, di gran lunga molti obbiettivi e sotto obbiettivi verranno ricollocati sulle macchine. Ma lo scopo e l’esito della rivoluzione digitale deve essere trasformare l’automazione del lavoro in accrescimento digitale. E quando le macchine realizzano obbiettivi non possibili agli umani, l’accrescimeto è esattamente ciò che si ottiene.

Mentre in questi primi stadi è impossibile dirlo con certezza, ci sono ragioni per credere che i costi di transizione di questa nuova serie di sconvolgimenti connessi con il lavoro ci diverranno noti più ampiamente attraverso lo spettro del reddito, che non nella prima. Globalmente, nella parte bassa dello spettro del reddito, gli avanzamenti nell’intelligenza artificiale e la robotica sconvolgeranno e alla fine rimuoveranno le manifatture ad alta intensità di lavoro – e i modelli di sviluppo che dipendono da esse. Nella parte alta, le potenzialità connesse con l’apprendimento automatico avranno un maggiore impatto sulla ricerca scientifica e sugli sviluppi tecnologici, così come i servizi delle professioni sofisticate.

Resta il fatto, tuttavia, che ci stiamo misurando con transizione altamente complesse, non con equilibri: e non possiamo aspettarci un adattamento naturale da parte dei lavoratori e dei mercati del lavoro nel produrre risultati equi, particolarmente avendo come come punti di partenza grandi differenze nelle risorse delle famiglie. Questa è la ragione per la quale le autorità (in collaborazione con le imprese, con il lavoro e con le scuole) debbono concentrarsi su misure che riducano l’ineguaglianza dei redditi e della ricchezza, compreso il garantire un accesso ampio ai servizi di elevata qualità come l’istruzione e la formazione professionale. In assenza di questo genere di interventi, c’è un rischio significativo che la trasformazione digitale del lavoro lasci molte persone indietro, con conseguenze negative di lungo periodo per la coesione sociale.