L’IA cambierà davvero il lavoro? Il divario tra allarmi e realtà - Agenda Digitale

Da anni un numero elevato di analisi disegnano scenari apocalittici e contraddittori in merito agli effetti dell’introduzione dell’IA nei processi produttivi a livello internazionale. Riteniamo opportuno prima tracciare un quadro –necessariamente parziale- degli studi, per poi descrivere caratteristiche importanti dello scenario evolutivo globale, nel quale essi si inseriscono.Indice degli argomenti

Il divario tra stime aspettative e realtàI licenziamenti nelle big techIl paradosso della produttivitàLa grande questioneIl mindset della Silicon ValleyDiffusione e adozione dell’IAIncertezza e accelerazione: caratteristiche dominanti di un’era antropicaL’accelerazione dell’IAPotere algoritmico e sovranità degli StatiModelli aperti e soft powerBibliografiaIl divario tra stime aspettative e realtàMorgan Stanley (2026) stima che 300 milioni di lavori saranno esposti globalmente all’innovazione, Il CEO di Anthropic, Dario Amodei, ha recentemente ipotizzato che il 50% dei nuovi graduate in entrata sul mercato del lavoro vedrà dissolversi metà dei posti di lavoro nei prossimi 5 anni. Mustafà Suleyman, CEO di Microsoft AI, ritiene che la maggior parte dei colletti bianchi “saranno pienamente automatizzati nei prossimi 12-18 mesi” (Klein, 2026). L’Economist (2026a) riporta la preoccupazione, espressa da esponenti delle big tech come Amodei, circa l’ipotesi che la disoccupazione USA raggiunga il 10-20%. La cosiddetta job apocalypse non si è ancora realizzata, ma è vicina e occorre preparare strumenti adeguati per affrontarle (Economist, 2026b). Scartata l’idea di bloccare l’evoluzione dell’IA, l’Economist avanza tre linee di possibile evoluzione: 1) il calo dell’occupazione porterà maggiori profitti per società dell’IA produttrici di clip e data centers, nonché per altre entità attive nelle relative catene di subfornitura. Risorse per alleviare le eccessive e inevitabili asimmetrie distributive e di potere potrebbero essere acquisite mediante una clever tax reform sui profitti superiori ai rendimenti “normali” (in senso statistico) ottenuti sui mercati dei capitali, delle terre e delle risorse naturali. 2) Viene avanzata l’ipotesi di un intervento pubblico che favorisca processi di adattamento degli espulsi dal lavoro, mediante politiche salariali e formative che agevolino il passaggio da un’attività cessata ad altre possibili.–Si tratta di rimedi non facili da realizzare, con rischi elevati di incontrare ostacoli di natura politica, culturale, strategica-.C’è infine un’idea “radicale”: nazionalizzare le imprese di AI. –In questo caso, l’idea non pare plausibile, in quanto difficilmente realizzabile negli USA e in qualsiasi altro Stato. Siamo entrati in un’era in cui c’è una significativa erosione della sovranità tecnologica degli Stati, come si evince dai grandi contratti tra potere pubblico e big tech (Palantir, Anthropic, Microsoft) nel caso del Mistero della guerra USA e in molti stati del mondo in tema di cybersecurity (Italia compresa). La conseguenza è che la “pubblicizzazione” di quote azionarie delle società tecnologiche appare fonte di enormi, potenziali problemi.I licenziamenti nelle big techIn realtà, forse la strage (slaughter) di lavori è già iniziata, se si pensa al numero di licenziamenti annunciati da imprese leader delle big tech: Amazon, Block, Cloudfare, Meta hanno annunciato riduzioni di organico pari a 37.638 unità, quasi metà delle quali (47,9%) riconducibili all’impiego sostitutivo di IA (Vaugham e Nichols, 2026). Inoltre, secondo Nikkei Asia e le stime di Rational FX, il numero dei licenziamenti a livello globale nel 2026 ammonterebbero complessivamente a più di 78.000 (Cohen, 2026), di cui il 76,7% (55.570) negli USA (Fig.1)Recentemente Satya Nadella, CEO di Microsoft, ha pubblicamente affermato che l’IA elabora il 30% del codice di Microsoft (Novet e Vanian, 2026).Il quadro generale è dunque problematico e presenta elementi contraddittori, che possono dar luogo ad effetti apparentemente paradossali, come mostra Epoch AI, istituto di ricerca e analisi di trend nel campo dell’IA: la maggior parte della potenza computazionale disponibile non è usata nei laboratori di frontiera (Josh, 2026) (Fig. 2)Il paradosso della produttivitàUn altro dato che adombra un paradosso è l’enorme divaricazione tra l’IA e l’economia, definito “The Quadrillion-Dollar Disagreement” (Shenk, 2026), cioè il rilevante gap tra previsioni -da catastrofiche a molto ottimistiche- in tema di effetti dell’introduzione dell’IA e la realtà effettiva. Uno studio approfondito ha mostrato l’ampio ventaglio di previsioni effettuate da una serie di economisti e studiosi di produttività, crescita e andamenti occupazionali (Karger et al., 2026). Il range delle previsioni sulla crescita varia da +0,1 a +30%, fino al quadrillion-dollar nel 2035 (Shenk, 2026). Per contro, la crescita complessiva reale –al di là delle differenze tra i vari Paesi- segue un trend molto contenuto, conforme a quello degli ultimi decenni. Un discorso analogo riguarda la produttività del lavoro, al punto che si torna a parlare di “paradosso della produttività” (Dai, 2025), che è al di sotto delle favorevoli aspettative generate dall’avvento dell’IA generativa e della “nuova generazione” di Agentic AI (Brynjolfsson et al., 2018; Lichtenberg, 2026), nonostante interpretazioni suggestive: l’impiego di IA consente aumenti di produttività tali da “turning what used to be an eight-hour workload into something far larger. You used to spend six hours on that. Now it takes 40 minutes. But nobody is sending you home early.” (Lichtenberg, 2026).Alcuni motivi alla base di questo paradosso potrebbero essere connessi al fatto che l’impiego di IA nel coding richiede modifiche del sistema di controllo e verifica, nonché dei contesti culturali e operativi, eventualmente con la creazione di colli di bottiglia inattesi (chokepoints) (Bramhanwade e Patel, 2026).La grande questioneAlla TMT (Technology, Media & Telecom) Conference un analista di Morgan Stanley ha sollevato un quesito fondamentale: “come pagare il conto?” degli investimenti big tech in infrastrutture (data center e ulteriori avanzamenti tecnologici, che sono certamente in preparazione) (Morgan Stanley, 2026: 6-7). JP Morgan stima investimenti complessivi per 5 trilioni di dollari in 5 anni, ai fini della alimentazione energetica del compute. Bisogna tenere presente che la spesa di società importanti del mondo tecnologico cresce sempre più, grazie anche al finanziamento a debito con l’intervento di rilevanti protagonisti del mercato finanziario globale (Kinder, 2025). Le risorse finanziarie impiegate continuano pertanto ad aumentare, nonostante avvertimenti circa i rischi inerenti alla eccesiva esposizione debitoria (Smith et al., 2025)Può apparire strano che leader tecnologici e finanziari, così avveduti come quello delle imprese dominanti nel mondo dell’IA, non si preoccupano dello squilibrio tra spese e payoff (Lohr, 2025).Il mindset della Silicon ValleyIn realtà è possibile individuare due motivi principali dei trend divaricanti e della conseguente mancanza di reazione ai warnings ricevuti in merito agli squilibri. Il primo è che il mindset dominante nella Silicon Valley è espresso molto bene da Jensen Huang, CEO di NVIDIA, nel corso di un intervento alla IMT Conference, prima citata. In sintesi: 1) “Compute is the new economy”. Il suo aumento genera maggiore “intelligenza e redditività aziendale”. La nuova metrica della crescita per il CEO è il rapporto token/watt e il compute favorisce n livello più elevato. 3) L’introduzione dell’Agentic AI indurrà un’espansione dell’industria del software e della conseguente occupazione.Il secondo è che questo backgroud tecnico-culturale è chiaramente riconducibile alla visione espressa da Goldman Sachs (2023). L’IA non è una General Purpose Technology comparabile con le precedenti GPT (machina a vapore, elettricità) per le sue peculiarità, che inducono l’approfondimento del capitale (capital deepening) grazie a: 1) Possibilità di impiego generale senza vincoli di information processing. 3) Multimodalità, per cui essa può rielaborare e rispondere a input umani., anziché essere specializzata in limitati domini tecnologici.2) Abilità di produrre output human-like.Tutto questo induce una più rapida timeline di adozione rispetto alle precedenti GPT: 40 anni per l’elettrificazione, mentre la computerizzazione si è dispiegata in 20 anni.Diffusione e adozione dell’IABisogna però rilevare che la diffusione di IA non equivale ad adozione, nel senso che l’acquisizione non implica necessariamente il suo impiego e sviluppo all’interno delle organizzazioni. Uno studio congiunto CIO e Lenovo (Schuman, 2025) rileva, infatti, che l’88% dei progetti di AI pilots, cioè progetti di cui si valuta la fattibilità tecnica (proof of concept), non raggiunge la fase produttiva a causa di “obiettivi non chiari”, insufficienza di dati, assenza di expertise al proprio interno, nonostante pressioni dal top management per la realizzazione.Un’analisi approfondita del MIT (2026) presso 300 realtà mette in luce che l’utilizzo di IA generativa raggiunge la produzione solo nel 5% delle imprese, anche se presentano criticità nel trattare i workflow. L’80% delle organizzazioni dichiara di aver esplorato e verificato la fattibilità tecnica, mentre il 40% ha cecato di integrare i tools nei contesti economico-produttivi riuscendo ad aumentare la produttività individuale, ma non la redditività aziendale.Dati non dissimili sono emersi alla conferenza annuale del Brookings Institute (2026), nel corso della quale sono stati analizzati i trend di diffusione-adozione dell’IA in molti Paesi, comparati con gli USA. Gli aspetti più significativi ai fini della presente analisi sono i seguenti: 1) esiste un divario tra Europa e Stati Uniti in merito all’uso di IA da parte dei lavoratori (47,6% negli USA, 32% in 6 Paesi europei, con Italia ultima al 6%). L’impiego di IA nella produzione avviene nel 7% delle imprese USA e nel 4% di quelle operanti in 35 Paesi, ma nel Nord Europa si registrano valori più alti che negli USA. Tra i punti interpretativi di maggiore interesse è che le pratiche manageriali sono fortemente associate all’adozione di IA, ma non è rilevabile un fenomeno analogo per quanto riguarda adozione di IA ed espansione o contrazione dell’occupazione (Ivi: 40-41).Intanto grandi leader big tech come Meta impiegano i loro addetti attuali nell’addestramento di coloro che li sostituiranno (Huang et al., 2026) e Deloitte (2025) segnala che la redditività conseguente all’impiego di IA si ottiene dopo 2-4 anni, a differenza dei 12 mesi richiesti dai tradizionali investimenti tecnologici. È invece molto ottimista Jim Zemlin, CEO della Linus Foundation, perché grazie all’IA i progetti open source su GitHub sono aumentati in quantità e qualità. Parallelamente, se diminuirà il numero di sviluppatori che producono coding, aumenteranno invece gli ingegneri che “will designm review, secure and integrate that code” (Vaughan e Nichols, 2026).L’analisi svolta finora prefigura uno scenario molto incerto e contradditorio nell’evoluzione dell’IA in livello globale, con un paradosso evidente: persiste un divario economico e temporale tra redditività e investimenti colossali, mentre le aspettative dei protagonisti sono molto diversificate e in gran parte disattese. In tale quadro, sembra che incertezza e accelerazione si alimentino reciprocamente. È allora necessario introdurre ulteriori spunti di riflessione, memori di un’affermazione del grande fisico Werner Heinseberg: “Ma bisogna dire ben chiaro che non potrà mai essere razionalmente fondata la speranza di giungere, attraverso la conoscenza di una piccola parte del mondo, alla comprensione della sua infinita molteplicità” (Heisenberg, 1934-1978: 53)Incertezza e accelerazione: caratteristiche dominanti di un’era antropicaNel cercare di comprendere le basi dell’emergere del grande paradosso, dobbiamo ampliare lo sguardo prendendo in esame le tensioni geopolitiche e gli eventi bellici in atto o potenziali, la dinamica tecnico-scientifica e i conflitti socio-culturali. Occorre quindi focalizzare l’attenzione sulle interconnessioni tra crisi energetica, eventi climatici estremi, crisi delle catene di sub-fornitura di input materiali per l’industria dei processori (elio, materie prime), rischi di effetti a cascata nel nostro mondo iperconnesso (Acarech, 2015). L’infrastruttura materiale e immateriale che avvolge e permea la sfera fisica e sociale costituisce, infatti, un’intelaiatura basilare, che interconnette gran parte delle supply chain di tutti i tipi di output generati nel mondo. Ciò comporta che eventuali ostruzioni, casuali o procurate artatamente, dei flussi materiali possono provocare crisi generalizzate, in quanto nell’intreccio globalizzato delle supply chain vi sono punti nevralgici, tali da indurre effetti cumulativi senza limiti, innescando così molteplici dinamiche critiche a livello planetario. Ciò è quanto sta accadendo, ad esempio, con la chiusura e le ostruzioni dello stretto di Hormuz, che potrebbero portare ad una crisi dell’intera economia mondiale dagli effetti inimmaginabili: “Welcome to a Multidimensional Economic Disaster” (Wong e Warzel, 2026). Un discorso analogo potrebbe essere svolto se le tensioni relative al futuro di Taiwan superano una soglia oltre la quale è messa in discussione l’attività del maggiore produttore finale di chip a livello mondiale (TSMC).Non è possibile prevedere cosa accadrà, in ogni caso siamo prossimi ad eventi di portata epocale, connessi al potenziale di instabilità sistemica globale. Alla luce di questa prospettiva, guardiamo a quanto sta accadendo nel mondo dell’IA, tra paradossi e trend esponenziali. Abbiamo visto che i Laboratori di frontiera non usano ancora la maggior parte del compute disponibile (Josh, 2026). Nonostante questo, continuano grandi investimenti in infrastrutture quali i data center, quadruplicati nel periodo più recente (Fig. 3, Epoch AI, 2026), con un incremento del 70% a partire dal lancio di GPT-4, pari a 500 mld di dollari nel 2025.Bisogna inoltre tenere presente che gli investimenti relative all’IA hanno contribuito per almeno il 40% alla crescita del PIL USA nei primi nove mesi del 2025 (Emberson e Sevilla, 2025).Parallelamente a tutto questo, Jack Clark, co-fondatore di Anthropic, accenna a una probabile “esplosione” dell’IA alla fine del 2026, data per la quale la loro agenda di ricerca prevede che la propria IA sia capace di concepire codice e soprattutto sia in grado di effettuare sviluppo ricorsivo di auto-miglioramento, accelerando anche proprie linee di Ricerca & Sviluppo (VandeHei e Allen, 2026a).L’accelerazione dell’IAIn maggio una serie di eventi indicano un ulteriore processo di accelerazione dell’IA, “two hours that changed AI” (Basu, 2026): 1) un reasoning model di OpenAI risolve un problema di geometria che impegnava i matematici da 80 anni. 2) Anthropic ha avuto una crescita esplosiva dei ricavi, con rilevanti profitti, dopo anni di gap tra spese e ricavi. 3) Anthropic espande la propria dotazione di compute mediante un accordo con Space X e un impegno di spesa di 1,26mld al mese, mentre la stessa Space accelera per un’offerta azionaria al pubblico (IPO). 4) NVIDIA rende pubblici ricavi stratosferici.Un altro spunto per la riflessione è costituito dallo scontro verbale tra esponenti di OpenAI e Anthropic circa gli effetti di IA sul lavoro (Mils, 2026). Più pessimista Chris Olah, co-fondatore di Anthropic, che ha partecipato in Vaticano alla Conferenza su Etica dell’IA, evento preliminare all’Enciclica “Magnifica Humanitas” . Più ottimista Sam Altman, che oppone alla job apocalypse di Anthropic una visione meno drammatica: i licenziamenti attuali delle società di IA sarebbero indipendenti dall’impiego di agenti artificiali (Scammel, 2026).Lo scenario generale dell’IA presenta alcune peculiarità degne di nota: 1) l’IA dei GPT è la tecnologia più rapidamente adottata della storia (Wagner, 2025). 2) Uno degli ultimi modelli è descritto di potenza tale che non verrà reso pubblico: Mythos (https://www.anthropic.com/glasswing). 3) Sia OpenAI che Anthropic hanno modelli che si auto-costruiscono con modalità ricorsive. 4) Negli USA è montante un’ondata di paura e opposizione all’IA, L’espansione dei data center, ciascuno dei quali occupa 1 milione di mq ha innescato la rivolta dell’America rurale (Goldman Sachs, 2026). La casa di Sam Altman ha subito due attacchi in una settimana da individui isolati ed egli ha dichiarato in un post: “The fear and anxiety about AI is justified” (VandeHei e Allen, 2026b). Questi stessi autori sottolineano la grande incertezza che contraddistingue lo scenario odierno, tanto che “We’ve no clue where this ends, and the good or bad that might be unleashed along the way”.In effetti è in atto una corsa senza freni, alimentata da due fattori propulsivi fuori controllo.Da un lato la competizione delle big tech verso il primato nel raggiungere l’AGI (Artificial General Intelligence o superintellingence), che conferirebbe un potere indiscutibile e guadagni illimitati. La corsa incontrollata è anche il risultato del mindset prevalente nella Silicon Valley, dato che uno dei motivi dominanti è la cosiddetta scaling law, che significa aumento esponenziale delle tre variabili fondamentali dei modelli: compute, model parameters, training set.Potere algoritmico e sovranità degli StatiSu questa base si comprende come l’IA sia diventata l’infrastruttura materiale e immateriale che avvolge e permea la sfera terrestre, alimentata dai processi interattivi fisico e virtuali . Feedback loops tra dispositivi computazionali ubiquitari e flussi informativi globali hanno consentito che dall’auto-organizzazione bottom-up di tali flussi si passasse all’organizzazione strategica top-down per i motivi più vari, in primis per soddisfare esigenze di profitto. Le strategie di valorizzazione finalizzata hanno portato a una sempre maggiore concentrazione di quello che possiamo chiamare potere algoritmico, cioè sistemi di algoritmi, architetture e modelli di elaborazione in grado di influenzare processi decisionali individuali e collettivi. La competizione algoritmica, per così dire, ha portato alla formazione -nella sfera fisico-virtuale planetaria- di una sorta di oligopolio, composto da poche entità, in possesso degli strumenti per determinare i trend evolutivi della stessa IA.Occorre mettere in evidenza un altro aspetto fondamentale della dinamica tecno-scientifica globale. Dato il peculiare “ambiente infrastrutturale” via via sviluppatosi, la competizione tra entità private sta di fatto erodendo la sovranità degli Stati (Lombardi, 2026), mentre si sviluppa una compenetrazione con le tensioni geostrategiche, mosse da propensioni egemoniche in un contesto ad alto dinamismo. In sostanza quindi, allo spazio fisico e geopolitico, in cui si era consolidata una definita gerarchia politico strategica, è subentrato uno spazio fisico-virtuale, denso di tensioni e contraddizioni tra un coacervo di entità politico-istituzionali, private, pubbliche e semi-pubbliche, per di più di varia dimensione (grandi, piccole e medie). Tutte possono avere a disposizione strumenti diversificati per esercitare un grado di potere in un mondo fisico-cibernetico , contraddistinto dalla competizione tra sistemi tecno-economici, incentrati su ipernetwork flessibili con leadership tendenzialmente stabili, alla loro capacità di alimentare incessantemente sequenze di sistemi algoritmici via via più potenti. Il che evidentemente richiede una mobilitazione di crescenti risorse tecnico-scientifiche e finanziarie. Le alleanze strategiche e le reciproche partecipazioni azionarie costituiscono appunto uno strumento atto allo scopo .In questo scenario al tempo stesso dinamico, frammentato e volatile, in seguito all’altalena dei valori di borsa, si svolge la compenetrazione tra competizione oligopolistica di matrice USA e quella geostrategica, che vede protagonisti Usa e Cina. I primi hanno come obiettivo quello di preservare la loro leadership geopolitica, mentre la Cina aspira ad assumere un ruolo di co-protagonista. Come evidenziano Daniels e Dohmen (2026), uno degli ambiti decisivi su si esercita la competizione cino-americana è quello del soft power, espressone che si riferisce “to the ability to exert influence and shape other actors’ behaviors and preferences through factors other than military strength, such as shared ideology, commercial opportunities, or cultural attractiveness.” I modelli di IA sono “critical aspects of soft powr”. Ciò è logico nel contesto di quello che abbiamo chiamato “universo fisico-cibernetico”, dove la presenza ubiquitaria di dispositivi computazionali e l’evoluzione dei sistemi algoritmici costituiscono gli ingredienti fondamentali di concentrazione ed esercizio di un potere multi-dimensionale: tecnico-scientifico, culturale, economico, politico-strategico. I modelli di IA possono essere concepiti come infrastruttura complessa di penetrazione egemonica nel mondo odierno, frammentato e variabile. Appare quindi ragionevole avanzare la tesi che la corsa frenetica delle società leader dell’IA, nonostante il divario tra risorse investite e rendimenti, risponde ad un’esigenza di preservazione (USA) e di conquista (Cina) di un ruolo sistemico a livello globale. Tra gli effetti indesiderati, non presi esplicitamente in considerazione, della dinamica incontrollata vi sono macro-conseguenze quali la crisi climatica ed energetica, già incombenti, e il rischio che l’impiego di IA a fini militari –cosiddetta “weaponization of everytghing”- provochi cambiamenti inimmaginabili sia delle relazioni tra grandi, medie e piccole potenze, sia delle possibili gravi minace per l’umanità (bio-weapons) (Economist, 2026c).Modelli aperti e soft powerRestando sul piano della competizione nel campo del soft power, emerge un punto cruciale: appare necessario un importante cambiamento strategico. Non è sufficiente disporre di modelli sempre più potenti, efficienti e ottimizzati. Per realizzare le ambizioni egemoniche a livello globale, come argomentano Daniels e Dohmen, occorre passare a “modelli aperti”, per favorire la creazione di eco-sistemi dinamici, perché la battaglia per acquisire influenza richiede che altri Paesi, come quelli in via di sviluppo o nelle aree finora trascurate (Africa), possano accedere agevolmente ai cosiddetti technology stack, cioè The AI hardware, models, software, applications, and standards” (p. 2). Occorre quindi stimolare le imprese leader USA affinché superino visioni strategiche basate su modelli chiusi e creino modelli aperti, cioè sistemi i cui pesi –parametri che determinano gli output del modello per un dato input- siano disponibili per gli sviluppatori, al fine di adattarli alle loro realtà di riferimento.La strategia cinese, espressa nel “Global AI Governance Action Plan” (2025: 2) è la seguente: ““Creating a diverse, open, and innovative ecosystem. We need to fully leverage the respective role of multiple stakeholders, including governments, industries and academia, as well as various mechanisms and platforms to jointly promote international exchanges and dialogue on AI governance. We need to build cross-border open-source communities and secure reliable open-source platform”. La Cina enuncia così chiaramente la portata geostrategica dell’open model environment, diretto a coinvolgere i Paesi del Sud del Mondo, come già da tempo in Africa . OpenAI è stata la prima a elaborare un modello aperto (gpt-oss-120b) nell’Agosto 2025 (https://openai.com/it-IT/open-models/ ), ma non sembra che altre big tech abbiano per il momento intenzione di muoversi. È significativo in questo senso che l’ultimo documento strategico di Anthropic (2026) delinei due scenari, relativi alla competizione Cin-USA, senza fare alcun cenno all’apertura dei modelli .Siamo quindi in uno scenario globale di profonda incertezza e di accelerazione computazionale senza limiti, che alimentano una dinamica generale, nel passaggio da un ordine globale ad una configurazione tutta da definire. Siamo in un’era nel corso della quale si moltiplicano continuamente le fonti del disordine e della competizione egemonica multidimensionale: “The global system is becoming entropic because heterogeneous dynamics, often divergent and sometimes conflicting, develop within it. This poses the further risk of generating disruptive tensions, which can spread in a cascade effect, given global hyper-connectivity, as occurred in the serious global economic and financial crises of 2001 and 2007-2008.” (Lombardi, 2026: 115-116).Un’era densa di pericoli enormi, che spingere l’umanità a ripensare le fondamenta dei tessuti sociali, rifuggendo da strumenti di distruzione di massa.BibliografiaAcatech, 2015, Living in a Networked World, March.Anthropic, 2026, 2028: Two scenarios for global AI leadership, May 14.Basu Z., 2026, Two hours that changed AI, Axios, May 21.Bramhanwade L., Patel M., 2026, The AI productivity paradox: Why your teams are busier, but not faster, CIO.com, March 5.Brookings Institute, (2026), Mind the Gap: AI Adoption in Europe and the US, BPEA Conference Draft, March 26-27Brynjolfsson E., et al., 2018, AI and the Modern Productivity Paradox: A Clash of Expectations and Statistics, MIT IDE Research Brief, vol. 2018.01.Cohen A., 2026, Nearly 80,000 tech jobs cut in Q1, but AI’s full impact may be yet to come, Rational FX.Dai Q., 2025, A Review of Economics of AI and Productivity Paradox, Proceedings of ICMRED 2025 Symposium: Earnings Manipulation by Zombie Firms, DOI: 10.54254/2754-1169/157/2025.AB23338Daniels O.J., Dohmen H. 2026, Open Models, Soft Powerm and the Spectrum of U.S.-China Artificial Intelligence Competition, Rand Corporation, March.Deloitte, 2025, AI ROI The paradox of rising investment and elusive returns, October.Emberson L., Sevilla J., 2026, Is a compute crunch coming? Epoch AI, May 27.Epoch AI, 2026, , The Epoch Brief, June 1.Goldman Sachs, 2023, The Potentially Large Effects of Artificial Intelligence on Economic Growth (Briggs/Kodnani).Goldman S., 2026, The AI Data Center Boo Pits Rural America against Silicon Valley Billions, Fortune, January-February.Heisenberg W., 1934-1978, Recenti mutamenti nelle basi della scienza esatta (1934), in Mutamenti nelle basi della scienza, 1978, Bollati Boringhieri.Huang K., Tan E., Conger K., 2026, Metaʼs Embrace of A.I. Is Making Its Employees Miserable, New York Times, May 8.Josh Y., 2026, Frontier Labs don’t use most AI compute (yet), Epoch AI, May 22.Karger E. et al., 2026, Forecasting the Economic Effects of AI, NBER, April.Kinder T., 2025, Tech groups shift $120bn of AI data center debt off balance sheets, Financial Times, December 24.Klein E, 2026, Why the A.I. Job Apocalypse (Probably) Won’t Happen, New York Times May 3.Lichtenberg N., 2026, The AI productivity paradox: More work not Less, Fortune, March 10.Lohr S., 2025, Companies Are Pouring Billions Into A.I. It Has Yet to Pay Off, New York Times, August 13.Lombardi M., Vannuccini, 2022, Understanding emerging patterns and dynamics through the lenses of the cyber-physical universe, Patterns Cell Press, November 11.Lombardi M., 2026, CBDC and Macroeconomic Government in an Entropic World, in De Caria R. et al, 2026, The Tokenized Economy, Giappichelli.Mils M., 2026, OpenAI and Anthropic dig in against each other on AI jobs apocalypse, Axios, May 27.MIT NANDA, Challapally A. et al., 2025, The GenAI State of AI in Business, July.Muchie M., Baskaran A, Tang M. (eds), 2024, China-Africa Science, Technology and Innovation Collaboration, SpringerMorgan Stanley, 2026, AI’s $3 Trillion Question: How to Pay the Bill? TMT Conference, March 6Novet J., Vanian J., 2026), Satya Nadella says as much as 30% of Microsoft code is written by AI, CNBC, April 29.Scammel R., 2026, Sam Altman says AI is displacing jobs, but some companies are blaming it for layoffs they would’ve made anyway, Business Insider, February 19.Schuman E., 2025, 88% of AI pilots fail to reach production— but that’s not all on IT, CIO e Lenovo, March 25Shenk A., 2026, The Quadrillion-Dollar Disagreement on AI and the Economy, AI Frontiers, May 11.Smith I., Herbert E., Rees R, 2025, Fund managers warn AI investment boom has gone too far, Financial Times, November-11The Economist, 2026a, The jobs apocalypse: a (very) short history. Mass unemployment induced by AI would be unprecedented, May 14.The Economist, 2026b, Prepare for an AI jobs apocalypse It is not here yet. But governments should lay a safety-net, May 14The Economist, 2026c, How AI tools could enable bioterrorism, May 5.VandeHei J., Allen M., 2026a, Behind the Curtain: Intelligence explosion, Axios, May 7.VandeHei J., Allen M., 2026b, Behind the Curtain: We’ve been warned, Axios, April 29.Wagener T., 2025, Survey of Product Impact in the Connected Economy Artificial Intelligence, Report CCIA (Computer & Communication Industry Association), November.Wang J., 2026, Multi-Ecosystem Competition in Artificial Intelligence Adoption and Diffusion, Rand Corporation, April.Wong M., Warzel C., 2026, Welcome to a Multidimensional Economic Disaster, The Atlantic, March 23