European Central Bank - eurosystem
European Central Bank - eurosystem
Search
Opzioni di ricerca
Home Media Facciamo chiarezza Studi e pubblicazioni Statistiche Politica monetaria L’euro Pagamenti e mercati Lavorare in BCE
Suggerimenti
Ordina per
Piero Cipollone
Member of the ECB's Executive Board
  • INTERVENTO

Intelligenza artificiale: la prospettiva della banca centrale

Intervento di Piero Cipollone, Membro del Comitato esecutivo della BCE, alla Conferenza Nazionale di Statistica “La statistica ufficiale nel tempo dell’Intelligenza Artificiale”

Roma, 4 luglio 2024

Sono lieto di partecipare a questo incontro e discutere le implicazioni dell’intelligenza artificiale (IA) dal punto di vista della banca centrale[1].

Nel mondo stiamo assistendo a progressi straordinari nel campo dell’IA[2]. I modelli analitici, progettati per svolgere compiti specifici[3], stanno lasciando il posto a modelli di IA generativa in grado di creare contenuti simili a quelli prodotti dall’intelligenza umana.

L’interesse crescente per tale capacità generativa ha accelerato l’adozione dell’IA[4]. Secondo una recente indagine internazionale, quasi tre quarti delle organizzazioni hanno dichiarato di aver adottato l’IA in una o più funzioni aziendali e circa due terzi utilizzano l’IA generativa. Tuttavia, solo l’8% ha riferito di utilizzarla in almeno cinque funzioni aziendali, a riprova del fatto che siamo ancora nelle fasi iniziali dell’integrazione dell’IA[5].

L’IA può essere applicata a un’ampia gamma di attività, dai compiti routinari e ripetitivi, a quelli basati sulla conoscenza o di tipo creativo. È stato affermato che l’IA è una tecnologia di impiego generale, al pari del motore a vapore, dell’elettricità o del computer, che potrebbe trasformare le nostre economie nel lungo periodo[6].

Tuttavia, come già avvenuto con i computer, dall’IA potrebbe derivare un paradosso simile a quello reso famoso dall’economista Robert Solow: “I computer sono ovunque tranne che nelle statistiche sulla produttività”[7].

Con l’avvento del computer, la tecnologia dell’informazione e della comunicazione ha trasformato le nostre vite e l’economia. Oggi, la digitalizzazione è parte integrante dei nostri luoghi di lavoro, delle nostre case e della nostra socialità.

Presso la Banca centrale europea (BCE), la Direzione Generale Sistemi Informatici è l’area operativa più grande all’interno dell’istituzione. La tecnologia dell’informazione e della comunicazione è divenuta fondamentale per tutti i nostri compiti principali, dai modelli economici alla base delle nostre previsioni, fino all’attuazione della politica monetaria e alla gestione delle infrastrutture di mercato.

La tecnologia non ha però stravolto il modo in cui concepiamo la politica monetaria. E, proprio come osservato da Solow, il suo impatto macroeconomico sulla produttività non ha assunto le proporzioni che ci si sarebbe potuti attendere, almeno al di fuori del settore tecnologico.

Di fatto, il potenziale trasformativo dell’IA potrebbe non essere sempre impiegato per incrementare la produttività. Si pensi ad esempio al recente video deepfake, generato dall’IA e diventato virale su TikTok, dell’attore Tom Cruise che canta in accappatoio “Tiny Dancer” di Elton John a Paris Hilton[8].

Potremmo trovarci dinanzi a un paradosso di Solow anche con l’IA? In altre parole, in quale misura l’intelligenza artificiale ha il potenziale di incrementare la capacità produttiva dell’economia e delle banche centrali?

Oggi farò il punto su cosa sappiamo dell’impatto dell’IA sull’economia e parlerò delle sue possibili implicazioni per la nostra politica monetaria. Condividerò quindi il punto di vista della BCE su come utilizzare al meglio l’IA per i nostri compiti di banca centrale, adottando i presidi necessari per il suo uso responsabile.

L’impatto macroeconomico dell’IA e le sue implicazioni per la politica monetaria

L’impatto macroeconomico dell’IA

L’IA potrebbe influenzare l’economia in diversi ambiti particolarmente rilevanti per la conduzione della politica monetaria. Mi limiterò a richiamarne tre.

L’IA e la produttività

Il primo ambito riguarda la produttività.

È innegabile che l’IA abbia il potenziale di incrementare la produttività; lo può fare attraverso vari canali, ad esempio mediante effetti diretti sulla produttività totale dei fattori o su quella dei singoli fattori.

Diversi studi rilevano già notevoli aumenti di produttività indotti dall’IA a livello di impresa[9]. Tuttavia, le stime degli effetti aggregati nel prossimo decennio differiscono notevolmente nei vari studi; si passa da un incremento annuo della produttività totale dei fattori inferiore a 0,1 punti percentuali a una crescita annua della produttività del lavoro fino a 1,5 punti percentuali[10].

L’esito finale dipenderà dalla misura in cui assisteremo a un’adozione e diffusione rapida e generalizzata dell’IA in tutti i settori dell’economia. Finora il mero ritmo della sua diffusione nei settori e nelle imprese ha pochi precedenti nella storia[11]. Le evidenze suggeriscono che la sua adozione da parte delle imprese europee corrisponde quasi a quella delle imprese nordamericane[12].

Ma un rischio fondamentale deriva dalla possibilità che, per via della concentrazione dell’offerta in poche aziende, siano queste a beneficiare del valore creato dall’IA piuttosto che le imprese dove l’IA viene applicata[13]. Questo è uno dei motivi principali per cui i guadagni di produttività ottenuti dall’IA a livello di impresa possono non tradursi in guadagni durevoli di valore aggiunto a livello aggregato. Abbiamo già assistito a questo sviluppo con la diffusione dell’IT[14], a seguito della quale gli incrementi di produttività si concentrarono nel settore IT, principalmente a vantaggio di paesi con grandi società tecnologiche di successo. Ciò si riflette anche nella concentrazione senza precedenti del valore di mercato nelle aziende statunitensi cosiddette “magnifiche sette”[15], le quali beneficiano dell’attuale boom dell’IA e realizzano utili di esercizio superiori alle società quotate di Francia, Germania e Italia messe insieme.

Ciò ha importanti implicazioni per l’Europa. Come recentemente osservato da Mario Draghi, la crescita della produttività dell’UE negli ultimi vent’anni sarebbe stata pari a quella degli Stati Uniti se non fosse stato per il settore tecnologico[16]. I dati attuali indicano che l’area dell’euro si colloca dopo gli Stati Uniti per quanto riguarda gli investimenti privati nell’IA[17], le domande di brevetto e le pubblicazioni di riviste in questo ambito[18]. È quindi fondamentale definire una strategia europea in materia di IA con un obiettivo triplice: preservare la concorrenza nel settore[19]; creare un ecosistema favorevole alla competitività delle imprese europee operanti con l’IA, generando col tempo incrementi di produttività settoriali[20]; sostenere la diffusione dell’IA nell’economia, promuovendo lo sviluppo di prodotti e servizi supportati dall’IA[21].

L’IA e il mercato del lavoro

Il mercato del lavoro è il secondo ambito dell’economia a essere interessato dal probabile impatto dell’IA[22].

Come molte nuove tecnologie l’IA può sostituire o aumentare l’occupazione a seconda che prevalgano gli effetti di sostituzione tra capitale e lavoro o quelli di complementarità o che l’incremento di produttività aumenti redditi e consumi e per questa via la domanda di lavoro nei settori non automatizzati[23]. E le nuove tecnologie possono portare alla creazione di nuove tipologie di lavoro[24]. Il fatto che l’IA rappresenti un’opportunità o un rischio per l’occupazione dipende dall’effetto netto.

L’analisi degli esperti della BCE suggerisce che circa il 25% dei posti di lavoro nei paesi europei è costituito da posizioni altamente esposte all’automazione derivante dall’IA, mentre un altro 30% ha un grado medio di esposizione[25]. Ulteriori ricerche rilevano che i servizi ad alta intensità di conoscenza, in particolare quelli finanziari e assicurativi, pubblicità, consulenza e tecnologie dell’informazione, presentano maggiori probabilità di essere interessati dall’impatto dell’IA[26].

Ad oggi i dati riguardanti l’Europa suggeriscono che, in media, i lavori maggiormente esposti all’IA sono in aumento, seppur in gran parte per i profili altamente qualificati e i lavoratori più giovani, con una significativa eterogeneità tra paesi[27]. Ma l’impatto ultimo sull’occupazione rimane incerto e dipenderà probabilmente dalle competenze complementari all’IA di cui si doteranno le forze di lavoro[28].

L’IA e la stabilità finanziaria

Il terzo ambito dell’economia che potrebbe essere interessato dall’IA è la stabilità finanziaria.

L’IA può apportare sicuramente benefici. L’applicazione dell’IA potrebbe consentire alle banche di analizzare i rischi e pianificare il capitale e la liquidità in modo più efficiente[29]. Ma vi sono anche pericoli. Se i nuovi strumenti di IA verranno utilizzati ampiamente nel sistema finanziario e i fornitori di IA saranno concentrati, il rischio operativo, la concentrazione del mercato e le esternalità legate al fenomeno del “troppo grandi per fallire” potranno aumentare. Inoltre, l’adozione diffusa dell’IA potrebbe accrescere i comportamenti di gregge, la correlazione tra i comportamenti dei diversi attori del mercato, le frodi, le manipolazioni e i conflitti di interesse[30].

Le implicazioni per la politica monetaria

Le banche centrali, compresa la BCE, stanno seguendo attentamente questi sviluppi[31]. L’IA influenza non solo il contesto in cui operiamo, ma anche il modo in cui tale contesto interagisce con la nostra politica monetaria.

L’inflazione

In primo luogo, l’IA potrebbe influenzare le pressioni sui costi nell’economia in entrambe le direzioni.

L’IA potrebbe esercitare pressioni al ribasso sui prezzi in vari modi. Ad esempio, se l’IA avesse come effetto netto la sostituzione del lavoro e l’aumento della produttività, potremmo assistere a una riduzione del rischio di carenza di manodopera e a pressioni al ribasso sulla crescita del costo del lavoro per unità di prodotto. Questo aspetto è particolarmente rilevante nell’area dell’euro, dove la disoccupazione è ai minimi storici e la popolazione in età lavorativa diminuirà del 19%, secondo le proiezioni, entro la fine del secolo a seguito dell’invecchiamento demografico[32].

L’IA potrebbe anche far diminuire i prezzi dell’energia tramite il suo impatto sull’offerta, ad esempio attraverso una migliore gestione della rete e un consumo energetico più efficiente. In aggiunta potrebbe fornire ai consumatori strumenti migliori per confrontare i prezzi.

Ma l’IA potrebbe anche generare pressioni al rialzo sui prezzi.

Ad esempio, il ricorso all’IA influirà anche sulla domanda mondiale di energia: la potenza computazionale necessaria per sostenere lo sviluppo dell’IA raddoppierà ogni 100 giorni[33]. Di conseguenza, i costi energetici potrebbero lievitare. Inoltre, l’IA può incoraggiare politiche di prezzo finalizzate ad erodere la rendita del consumatore grazie all’analisi in tempo reale della domanda di consumo e della sua elasticità ai prezzi. Gli algoritmi, poi, imparano continuamente ad applicare prezzi collusivi superiori a quelli competitivi, anche senza la necessità che le imprese comunichino tra loro, sfruttando in parte il fatto bene conosciuto che i consumatori non seguono sempre comportamenti razionali[34].

La trasmissione della politica monetaria

In secondo luogo, l’IA può influenzare la trasmissione della politica monetaria.

L’IA creerà probabilmente nuovi vincitori e vinti nel mercato del lavoro e dei capitali, con conseguenze per la distribuzione del reddito e della ricchezza[35]. Questo aspetto è importante per la politica monetaria, perché, influenzando la propensione al consumo degli individui e il loro accesso al credito, ha effetti sull’intensità con cui la domanda aggregata reagisce ai cambiamenti della politica monetaria.

Inoltre, se l’IA comporterà un cambiamento della struttura finanziaria, come un aumento dell’intermediazione non bancaria[36], ne potranno scaturire ulteriori implicazioni per la trasmissione della politica monetaria. Alcune evidenze suggeriscono che, rispetto alle banche, gli intermediari non bancari sono più reattivi alle misure di politica monetaria che influenzano i tassi di interesse a più lungo termine, come gli acquisti di attività finanziarie. Gli intermediari non bancari presentano anche livelli più elevati di rischio di credito, di liquidità e di durata finanziaria rispetto al settore bancario[37].

Il tasso di interesse naturale

In terzo luogo, l’IA può influenzare il tasso di interesse naturale[38].

Se l’IA stimolerà la crescita della produttività e il prodotto potenziale, potremo osservare pressioni al rialzo sul tasso di interesse naturale, a fronte di un aumento della domanda di capitale per investimenti.

Ma se l’IA determinerà un aumento della sostituzione di lavoro con capitale e della disuguaglianza di reddito, potremo osservare una pressione al ribasso sul tasso naturale, riconducibile all’aumento del risparmio precauzionale e, di conseguenza, della disponibilità di fondi per l’offerta di credito.

L’utilizzo dell’IA nelle attività della banca centrale: l’IA presso la BCE

Questi sviluppi si dispiegheranno nel corso del tempo al di fuori della BCE e noi li seguiremo attentamente. Ma, in seno alla BCE, l’IA potrebbe contribuire a diversi compiti[39].

Illustrerò qualche esempio.

Le statistiche

Data la natura dell’evento di oggi, inizierò dalle statistiche. La BCE necessita di prodotti e servizi statistici affidabili e di elevata qualità e di un’ampia gamma di dati su cui fondare le proprie decisioni di politica monetaria.

Una delle principali lezioni della crisi finanziaria globale è che le statistiche aggregate da sole non bastano a comprendere la complessità dei mercati finanziari. Occorrono dati più granulari.

Come si può immaginare, gli insiemi di dati prodotti sono talmente ampi in termini di numero di osservazioni che la loro raccolta e diffusione richiedono processi statistici e metodi analitici in grado di superare gli approcci statistici tradizionali.

Circa sei anni fa, la BCE ha iniziato a esplorare l’applicazione dell’IA per migliorare l’efficienza e l’efficacia dei processi statistici. Questi sforzi si stanno rivelando fruttuosi.

Utilizziamo l’IA per migliorare la qualità dei nostri dataset, per il matching statistico tra dataset diversi; adottiamo le moderne tecniche di apprendimento automatico per l’assicurazione della qualità dei dati[40].

Inoltre, i large language model (LLM) possono facilitare la raccolta dei dati da fonti nuove e non tradizionali come ad esempio dati non strutturati come testi, immagini, video o audio.

L’analisi economica

L’IA è integrata sempre più nelle analisi economiche che svolgiamo per preparare le decisioni di politica monetaria.

L’IA può individuare gli andamenti dei dati in modo più efficace rispetto ai metodi tradizionali. Ciò vale soprattutto per le non linearità, che stanno assumendo un ruolo maggiore in un contesto esposto a shock sempre più frequenti. La possibilità di prendere decisioni tempestive, favorita dal fatto che l’IA consente anche l’analisi in tempo reale degli indicatori economici, è particolarmente preziosa in tempi di crisi.

Nel concreto la BCE utilizza l’IA per il nowcasting dell’inflazione, utilizzando tra l’altro il web-scraping dei dati sui prezzi e i LLM per la classificazione delle informazioni. Attualmente stiamo valutando l’uso dei big data e dei nuovi modelli di IA generativa in stretta collaborazione con il BIS Innovation Hub[41].

Inoltre utilizziamo i modelli di apprendimento automatico per le previsioni di inflazione, tenendo conto di eventuali non linearità[42]. Questi modelli stanno già funzionando bene rispetto a quelli convenzionali. Un altro progetto impiega tecniche di apprendimento automatico per le previsioni a brevissimo termine sul commercio mondiale[43].

Abbiamo inoltre avviato progetti che prevedono l’utilizzo di una combinazione di dati testuali e tecniche di apprendimento automatico per quantificare i rischi e le tensioni nell’economia mondiale e stiamo anche sperimentando l’uso dei dati satellitari per monitorare l’attività economica[44].

La comunicazione

La comunicazione della banca centrale è un altro ambito in cui l’IA può fornire un contributo.

L’IA potrebbe essere d’ausilio nell’assicurare che le decisioni di politica monetaria siano ben comprese e che le aspettative di inflazione restino ancorate. Con l’IA possiamo analizzare in tempo reale la copertura mediatica delle nostre decisioni e i commenti di mercato.

L’IA può inoltre facilitare la comunicazione con i cittadini in ogni angolo dell’area dell’euro. In quanto istituzione europea, la BCE comunica in tutte le 24 lingue ufficiali dell’UE. Già ora, l’IA e la traduzione automatica ci aiutano a soddisfare una domanda di traduzione che supera 6 milioni di pagine all’anno. Senza questi strumenti, i servizi linguistici della BCE potrebbero coprire soltanto circa 150.000 pagine all’anno.

L’IA può anche contribuire ad ampliare la portata della nostra comunicazione, semplificando i messaggi chiave e i prodotti divulgativi rivolti a specifici destinatari[45] che hanno meno consapevolezza o conoscenza della BCE[46]. E potrebbe aiutarci a rispondere a tutti i quesiti dei cittadini.

Tutte queste innovazioni potrebbero in definitiva accrescere la conoscenza che i cittadini hanno della BCE, agevolare l’efficacia della nostra politica monetaria e migliorare il modo in cui rispondiamo del nostro operato.

Le infrastrutture di mercato e i pagamenti

L’IA potrebbe apportare profondi cambiamenti anche nel campo delle infrastrutture di mercato e dei pagamenti.

La tecnologia potrebbe aiutare il mercato nella progettazione e nello sviluppo di servizi di pagamento innovativi personalizzati in base alle esigenze e alle preferenze dei consumatori. E potrebbe contribuire a promuovere l’inclusione finanziaria, ad esempio facilitando i pagamenti inizializzati con comandi vocali. Questi possibili sviluppi interessano la BCE per il suo ruolo di promotrice di pagamenti efficienti, integrati e inclusivi.

Analogamente l’IA potrebbe facilitare il lavoro della BCE nella sorveglianza sui sistemi di pagamento. La si può utilizzare per sviluppare modelli di allerta precoce volti a identificare, prima che si concretizzino, i rischi per la stabilità finanziaria connessi alle infrastrutture dei mercati finanziari. L’IA potrebbe anche essere utile per l’esame delle informazioni fornite dai soggetti vigilati, aiutandoci ad assicurare che le loro prassi siano allineate ai regimi normativi applicabili.

Quanto alla governance, la BCE ha elaborato un piano d’azione per l’IA al fine di facilitarne l’adozione ove rilevante per i nostri compiti, assicurandone l’uso sicuro e responsabile e promuovendo l’acquisizione da parte dei colleghi delle competenze necessarie.

I limiti dell’IA: dotarsi dei presidi necessari

Passerei ora a esaminare i limiti dell’IA.

Un elemento di forza essenziale dell’intelligenza umana è la capacità di riflettere sui propri limiti. Come scrisse il filosofo Immanuel Kant: “Noi tanto conosciamo a priori delle cose, quanto noi stessi poniamo in esse”[47]. Ma l’IA non ha questa capacità di autoriflessione. Né ha la capacità tipica del pensiero critico umano di dotarsi in autonomia di salvaguardie. Dobbiamo quindi essere consapevoli dei limiti dell’IA e delle loro implicazioni per la BCE, in modo da poter instaurare i presidi necessari.

In primo luogo, dobbiamo assicurare la riservatezza e la privacy.

Le decisioni delle banche centrali sono informazioni sensibili e garantirne la riservatezza è una condizione fondamentale. Lo stesso vale per l’uso dei dati: con l’IA aumenteranno le preoccupazioni relative alla privacy, e con esse l’importanza di applicare tutele tecnologiche e di governance e di rispettare le norme, prima tra tutte la legge sull’IA emanata dall’UE.

Per esempio, quando utilizziamo le soluzioni di IA per la produzione statistica dobbiamo corredarle con una documentazione esaustiva in grado di chiarire come esse siano state utilizzate per valutare, migliorare o integrare i dati. La fiducia in queste soluzioni dipende innanzitutto dalla comprensione del loro funzionamento.

Il secondo rischio derivante dall’IA è la misura in cui può essere utilizzata per diffondere informazioni e dati falsi, facilitare le frodi o lanciare attacchi informatici.

Dalla fine del 2022 si è registrato un aumento di 53 volte degli incidenti e delle minacce legati all’IA generativa riportati dai media[48]. Una cosa è un video deepfake di un finto Tom Cruise generato dall’IA che diventa virale. Tutt’altra cosa è quando a diventare virale è un deepfake di un politico, soprattutto in momenti di crisi, quando i livelli di attenzione sono elevati e la volatilità e l’incertezza sono già pronunciate.

Al tempo stesso, l’IA può essere utilizzata per individuare e affrontare tali rischi. Può aiutare a prevenire e rilevare gli attacchi informatici identificando in tempo reale le anomalie nei comportamenti degli utenti, dei sistemi e della rete[49].

Il terzo rischio emerge da quella che potrebbe essere descritta come una dipendenza generale dall’IA, che può manifestarsi in diversi modi.

Ad esempio, una maggiore dipendenza dall’IA può inavvertitamente accrescere il rischio di cadere nella trappola dell’“echo-chamber”. Si tratta del rischio che l’IA diventi autoreferenziale o ripeta distorsioni preesistenti, per via del fatto che per addestrare i LLM si ricorra sempre più a dati e informazioni prodotti dall’IA stessa.

Questo rischio è particolarmente importante per la politica monetaria. Se i mercati sono sempre più influenzati dalla comunicazione delle banche centrali, che però traggono le informazioni dai mercati stessi, potrebbe accrescere il rischio che emergano “echo-chamber” delle banche centrali[50]. Ciò potrebbe ad esempio aumentare i rischi associati all’utilizzo della forward guidance[51] come strumento di politica monetaria.

Un eccessivo ricorso all’IA potrebbe anche ridurre la nostra resilienza operativa.

Più l’IA entra a far parte del nostro modo di lavorare, più potremmo diventarne dipendenti per i nostri compiti fondamentali. Pertanto è importante comprendere le proprietà degli algoritmi e dei modelli di IA utilizzati al fine di ridurre i rischi di un potenziale effetto “scatola nera”, ovvero dell’incapacità di capire i meccanismi di funzionamento degli strumenti utilizzati.

Analogamente, se non utilizzata in modo responsabile, l’IA potrebbe anche sopprimere la diversità e l’originalità delle idee, aumentando così il rischio di pensiero di gruppo e bias di conferma (i cosiddetti “groupthink” e “confirmation bias”). Il matematico Alan Turing pose la famosa domanda: “Le macchine pensano?”[52]. L’ultima cosa che vogliamo è che la stessa domanda venga fatta a proposito di banchieri centrali che finiscono per essere troppo dipendenti dall’IA.

Una caratteristica fondamentale della cognizione umana è la capacità di mettere in discussione le teorie esistenti, produrne di nuove e trovare e utilizzare i dati per testarle[53]. Questa capacità deve essere preservata. Le riunioni del Consiglio direttivo della BCE possono essere meglio descritte come un processo per confrontare le opinioni sull’economia, considerare le interpretazioni alternative degli sviluppi economici e valutare i rischi da molteplici prospettive. L’incertezza presente nell’economia dimostra la maggiore, non minore, necessità di questo processo.

L’insegnamento generale è che gli esseri umani devono mantenere saldo il controllo, non solo per garantire un uso affidabile dei sistemi di IA, ma anche per affrontare questioni di responsabilità per il proprio operato e preservare la fiducia del pubblico nella banca centrale.

Conclusioni

Entrare nell’era dell’IA significa affrontare la sfida di realizzare il suo potenziale gestendone i rischi.

Resta incerto se l’IA apparirà nelle statistiche di produttività o se creerà un nuovo paradosso. In una certa misura, l’eventuale manifestarsi di un paradosso della produttività dell’IA dipenderà in parte dalla nostra capacità di misurare con precisione il suo contributo – e gli statistici hanno un ruolo importante da svolgere data la complessità della misurazione del capitale immateriale[54].

Come per altre tecnologie, però, l’IA potrà produrre pienamente i suoi effetti solo in un giusto ecosistema, che favorisca la concorrenza nella sfera dell’IA, assicuri una distribuzione equa dei possibili guadagni di produttività, stabilisca solide salvaguardie normative ed etiche e promuova le competenze corrispondenti nel mercato del lavoro.

Per le banche centrali, l’IA offre opportunità di innovazione e guadagni di efficienza, dall’analisi economica alla comunicazione. Ma ci sono anche rischi che devono essere presi in considerazione, e per i quali stiamo debitamente creando le adeguate salvaguardie.

Nell’integrare l’IA nei nostri processi, dobbiamo assicurare che il giudizio umano e il pensiero critico rimangano in primo piano. Questo equilibrio sarà essenziale per mantenere la fiducia nei nostri dati, nelle nostre decisioni e nel sistema finanziario in generale.

Grazie dell’attenzione.

  1. Desidero ringraziare Jean-Francois Jamet e Simon Mee per l’aiuto che mi hanno fornito nella preparazione di questo intervento. Ringrazio inoltre Siria Angino, Katrin Arnold, Maciej Brzezinski, António Dias Da Silva, Ferdinand Dreher, Maximilian Freier, Gabriel Glöckler, Guzmán González-Torres, Alexander Hodbod, Daniel Kapp, Baptiste Meunier, Roberto Motto, Chiara Osbat, Tom Sanders, Jürgen Schaff, Hanni Schölermann, David Sondermann, Anton Van der Kraaij and Balázs Zsámboki per gli utili commenti.

  2. Intelligenza artificiale è un termine collettivo con cui si indica l’elaborazione di processi cognitivi mediante l’uso della macchina. L’Organizzazione per la cooperazione e lo sviluppo economico (OCSE) definisce l’intelligenza artificiale come un sistema basato su macchina che, per obiettivi espliciti o impliciti, elabora, a partire dai dati acquisiti, ipotesi sulla generazione di previsioni, contenuti, raccomandazioni o decisioni che possono influenzare ambienti fisici o virtuali. Cfr. OCSE (2024), “OECD AI Principles”, maggio.

  3. Ad esempio, consigli di acquisto o analisi testuale.

  4. A due mesi dalla sua introduzione alla fine del 2022, ChatGPT contava già 100 milioni di utenti. Cfr. The Economist (2023), “ChatGPT mania may be cooling, but a serious new industry is taking shape”, 21 settembre.

  5. Cfr. McKinsey (2024), “The state of AI in early 2024: Gen AI adoption spikes and starts to generate value”, 30 maggio.

  6. Cfr. Crafts, N. (2021), “Artificial intelligence as a general-purpose technology: an historical perspective”, Oxford Review of Economic Policy, vol. 37, n. 3, autunno 2021, pagg. 521-536; Agrawal, A. et al. (2019), “Economic Policy for Artificial Intelligence”, Innovation Policy and the Economy, vol. 19.

  7. Solow, R.M. (1987), “We’d better watch out”, New York Times Book Review.

  8. Cfr. Tiktok, @ParisHilton; Forbes (2022), “The Story Behind Paris Hilton’s Viral TikTok With DeepTomCruise”, 22 novembre.

  9. Cfr. ad esempio Dell’Acqua, F. et al. (2023), “Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality”, Harvard Business School Technology & Operations Management Unit Working Paper, n. 24-013.

  10. Cfr. ad esempio Acemoglu, D. (2024), “The Simple Macroeconomics of AI”, MIT, 5 aprile; cfr. Briggs, J. e Kodnani, D. (2023), “The Potentially Large Effects of Artificial Intelligence on Economic Growth”, Goldman Sachs, 26 marzo. Per una panoramica, cfr. Filippucci, F. et al. (2024), “Should AI stay or should AI go: The promises and perils of AI for productivity and growth”, VoxEU, 2 maggio.

  11. Un sondaggio internazionale ha rilevato che nel settore impiegatizio tre lavoratori su cinque stanno già utilizzando l’IA generativa su base settimanale. L’indagine comprende 16 paesi tra Americhe, Europa, Asia e Oceania. Cfr. Oliver Wyman Forum (2024), “How generative AI is transforming business and society: the good, the bad, and everything in between”, pag. 23.

  12. Nel 2023 la quota delle imprese europee che utilizzavano tecnologie di IA era pari al 57%, rispetto al 61% del Nord America, al 58% dell’Asia/Pacifico e al 48% della Cina. Cfr. Maslej, N. et al. (2024) “The AI Index 2024 Annual Report”, AI Index Steering Committee, Institute for Human-Centered AI, Stanford University, Stanford, CA, aprile.

  13. Acemoglu, D. e Johnson, S. (2023), “Big Tech Is Bad. Big A.I. Will Be Worse”, The New York Times, 9 giugno.

  14. De Ridder, M. (2024), “Market Power and Innovation in the Intangible Economy”, American Economic Review, vol. 114, n. 1, pagg. 199-251. Cfr. anche Philippon, T. (2019), The great reversal: How America gave up on free markets, Harvard University Press.

  15. Le “magnifiche sette” sono Microsoft, Apple, Nvidia, Alphabet, Amazon, Meta e Tesla. Rappresentano attualmente quasi un terzo del valore di mercato dell’indice S&P.

  16. Cfr. Draghi, M. (2024), “An Industrial Strategy For Europe”, intervento presso il Monastero di San Jeronimo de Yuste in occasione del Carlos V European Award, 14 giugno: “If we were to exclude the tech sector, EU productivity growth over the past twenty years would be on par with that of the United States”. Le evidenze empiriche indicano inoltre che il settore con ampio ricorso alla tecnologia dell’informazione e della comunicazione negli Stati Uniti ha registrato un incremento molto maggiore della produttività rispetto all’Europa: i paesi dell’area dell’euro sono stati meno efficienti degli Stati Uniti nell’adozione delle tecnologie IT e nel loro sfruttamento per ottenere guadagni di produttività del lavoro. Cfr. Bergeaud (2024), “The past, present and future of European productivity”, documento presentato all’ECB Forum on Central Banking 2024.

  17. Nel 2023 gli investimenti privati nell’IA hanno raggiunto 67 miliardi di dollari statunitensi negli Stati Uniti a fronte di 11 miliardi di dollari nell’UE e nel Regno Unito insieme. Cfr. Maslej, N. et al. (2024), ibid.

  18. Le imprese dell’area dell’euro hanno presentato, in media d’anno, 475 brevetti connessi all’IA dal 2002 al 2022, tre volte meno che negli Stati Uniti e due volte meno che in Cina. Anche in termini di pubblicazioni di riviste relative all’IA, con correzione per le citazioni, gli Stati Uniti vengono prima dell’area dell’euro e della Cina. Cfr. Bergeaud (2024), ibid.

  19. Cfr. Coeuré, B. (2024), “Comments on ‘The simple macroeconomics of transformative AI’ by Daron Acemoglu”, Economic Policy Panel, Bruxelles, 4 aprile; Coeuré, B. (2024), “Artificial intelligence: making sure it’s not a walled garden”, intervento in occasione della riunione sull’attuazione delle politiche in materia di big tech e assicurazione presso il Financial Stability Institute della Banca dei regolamenti internazionali, 19 marzo.

  20. Queste alcune delle misure in tal senso: investire nella formazione nell’IA; incoraggiare gli investimenti in venture capital e un contesto favorevole alle startup dell’IA; accrescere la mobilità dei capitali finanziari fra i paesi europei; rafforzare l’interazione fra le università europee e le imprese europee dell’IA al fine di convertire la ricerca nell’IA in innovazioni commerciabili. Cfr. Bergeaud (2024), ibid.

  21. Cfr. Meyers, Z. e Springford, J. (2023), “How Europe can make the most of AI”, Centre for European Reform Policy Brief, 14 settembre.

  22. Cfr. Albanesi, S. et al. (2023), “Reports of AI ending human labour may be greatly exaggerated”, Research Bulletin, n. 113, BCE, 28 novembre.

  23. Una domanda elastica può sostenere l’occupazione anche in presenza di automazione, poiché la crescita della produttività si riflette nei prezzi e negli incrementi della domanda di beni e servizi. Cfr. ad esempio Bessen, J. (2020). “Automation and jobs: when technology boosts employment”, Economic Policy, vol. 34, n. 100, pagg. 589-626.

  24. Circa il 60% dei posti di lavoro nel 2018 può essere ricondotto a profili che non esistevano nel 1940. Cfr. Autor, D. et al. (2021), “New frontiers: the origin and content of new work, 1940-2018”, MIT Working Paper, luglio.

  25. Albanesi, S. et al. (2023) “New technologies and jobs in Europe”, Working Paper Series, n. 2831, BCE.

  26. Cfr. la figura 8 in (2024), “The impact of Artificial Intelligence on productivity, distribution and growth: Key mechanisms, initial evidence and policy challenges”, OECD Artificial Intelligence Papers, n. 15, 16 aprile, pagg. 33-34.

  27. Albanesi, S. et al. (2023) “New technologies and jobs in Europe”, Working Paper Series, n. 2831, BCE.

  28. Cfr. Green, A. (2024), “Artificial intelligence and the changing demand for skills in the labour market”, OECD Artificial Intelligence Papers, n. 14, OECD Publishing, Parigi.

  29. Cfr. la figura B.2 in Leitner, G. et al. (2024), “The rise of artificial intelligence: benefits and risks for financial stability”, Financial Stability Review, BCE, maggio.

  30. Cfr. Leitner, G. et al. (2024), “The rise of artificial intelligence: benefits and risks for financial stability”, Financial Stability Review, BCE, maggio; Gensler, G. (2023), “Isaac Newton to AI”, considerazioni dinnanzi al National Press Club, 17 luglio; Gensler, G. e Bailey, L. (2020), “Deep Learning and Financial Stability”, 1o novembre; Gensler, G. (2024), “AI, Finance, Movies, and the Law”, considerazioni dinnanzi alla Yale Law School.

  31. Banca dei regolamenti internazionali (2024), “Artificial intelligence and the economy: implications for central banks”, BIS Annual Economic Report 2024, capitolo III, 25 giugno.

  32. Come rilevato in Freier, M. et al. (2023), “Tendenze demografiche secondo le proiezioni EUROPOP2023 e relative implicazioni economiche per l’area dell’euro”, Bollettino economico, numero 3, BCE (disponibile in italiano nel sito Internet della Banca d’Italia).

  33. Cfr. Ammanath, B. (2024), “How to manage AI’s energy demand — today, tomorrow and in the future”, World Economic Forum, 25 aprile.

  34. Cfr. Calvano, E. et al. (2020), “Artificial Intelligence, Algorithmic Pricing, and Collusion”, American Economic Review, vol. 110, n. 10, pagg. 3267-97; per le distorsioni cfr. OCSE (2024), “The impact of Artificial Intelligence on productivity, distribution and growth: Key mechanisms, initial evidence and policy challenges”, Artificial Intelligence Papers, n. 15, 16 aprile, pagg. 33-34.

  35. Cfr. Cazzaniga, M. et al. (2024), “Gen-AI: Artificial Intelligence and the Future of Work”, FMI Staff Discussion Notes, n. 2024/001.

  36. L’uso dell’IA per il credit scoring potrebbe consentire alle big tech con accesso a grandi quantità di dati sui consumatori di espandersi rapidamente nel settore dei servizi finanziari e di mettere in discussione il ruolo tradizionale delle banche nel finanziare l’economia e nel fungere da punto di riferimento primario per i servizi finanziari. Cfr. Boot, A., Hoffmann, P., Laeven, L. e Ratnovski, L. (2021), “Fintech: what’s old, what’s new?”, Journal of Financial Stability, vol. 53.

  37. Cfr. Work stream on non-bank financial intermediation (2021), “Non-bank financial intermediation in the euro area: implications for monetary policy transmission and key vulnerabilities”, Occasional Paper Series, n. 270.

  38. Il tasso di interesse naturale è il tasso di interesse reale che non è né espansivo né restrittivo.

  39. Cfr. anche Moufakkir, M. (2023), “Careful embrace: AI and the ECB”, Il Blog della BCE.

  40. Ciò consente di identificare e dare priorità alle osservazioni anomale e agli outlier che richiedono ulteriore attenzione, valutazione e potenziale trattamento.

  41. Osbat, C. (2022), “What micro price data teach us about the inflation process: web-scraping in PRISMA”, SUERF Policy Brief, n. 470, 17 novembre.

  42. Cfr. ad esempio Lenza, M. et al. (2023), “Forecasting euro area inflation with machine learning models”, Research Bulletin, n. 112, BCE, 17 ottobre.

  43. Cfr. ad esempio Menzie, C. et al. (2023), “Nowcasting world trade with machine learning: a three-step approach”, Working Paper Series, n. 2836, BCE.

  44. Cfr. ad esempio d’Aspremont, A. (2024), “Satellites turn “concrete”: tracking cement with satellite data and neural networks”, Working Paper Series, n. 2900, BCE.

  45. Riguardo alla comunicazione a più livelli, cfr. Work stream on monetary policy communications (2021), “Clear, consistent and engaging: ECB monetary policy communication in a changing world”, Occasional Paper Series, n. 274, BCE; Bholat, D. et al. (2018), “Enhancing central bank communications with behavioural insights”, Staff Working Paper Series, Bank of England, n. 750, agosto.

  46. I risultati delle indagini mostrano una scarsa comprensione dei compiti della BCE. Due terzi dei cittadini dell’area dell’euro ritengono che sia compito della BCE stabilizzare il tasso di cambio, mentre oltre un terzo pensa che il ruolo della BCE sia di finanziare i governi. Cfr. il grafico 7 in Gardt, M. et al. (2021), “ECB communication with the wider public”, Bollettino economico, numero 8, BCE (disponibile in italiano nel sito Internet della Banca d’Italia).

  47. Kant, I. (1781), Critica della ragion pura.

  48. OCSE (2024), “OECD Digital Economy Outlook 2024 (Volume 1): Embracing The Technology Frontier”, 14 maggio, pag. 38.

  49. Cfr. Cipollone, P. (2024), “One step ahead: protecting the cyber resilience of financial infrastructures”, osservazioni introduttive alla nona riunione del Comitato di ciberresilienza dell’euro per le infrastrutture finanziarie paneuropee, 17 gennaio; Banca dei regolamenti internazionali, “Project Raven: using AI to assess financial system’s cyber security and resilience”.

  50. La banca centrale potrebbe non trarre più segnali indipendenti sullo stato dell’economia dai mercati finanziari, ma derivarne invece principalmente l’immagine speculare delle proprie comunicazioni.

  51. Le dinamiche delle “echo-chamber” possono creare una circolarità tra i prezzi di mercato e le indicazioni prospettiche. Cfr. Morris, S. e Shin, H. S. (2018), “Central Bank Forward Guidance and the Signal Value of Market Prices”, AEA Papers and Proceedings, vol. 108, maggio, pagg. 572-577.

  52. Turing, A. (1950), “Computer Machinery and Intelligence”, Mind, vol. LIX, n. 236, ottobre, pagg. 433-460.

  53. Cfr. ad esempio il ruolo dei cambiamenti di paradigma nello sviluppo scientifico in Kuhn, T. (1962), The structure of scientific revolutions. Cfr. anche Felin, T. e Holweg, M. (2024), “Theory Is All You Need: AI, Human Cognition, and Decision Making”, 24 febbraio.

  54. Cfr. Brynjolfsson, E. et al. (2017), “Artificial Intelligence and the Modern Productivity Paradox: A Clash of Expectations and Statistics”, NBER Working Paper Series, n. 24001, novembre.

CONTATTI

Banca centrale europea

Direzione Generale Comunicazione

La riproduzione è consentita purché venga citata la fonte.

Contatti per i media