L’effetto dell’adozione dell’intelligenza artificiale sui posti di lavoro: prove dalle zone di pendolarismo degli Stati Uniti

L’intelligenza artificiale (IA) è spesso considerata una delle tecnologie più trasformative e dirompenti degli ultimi tempi (vedi i primi articoli di Vox di Baldwin 2018 e Bughin 2017). Grazie ai miglioramenti nelle tecniche di apprendimento automatico e alla crescente disponibilità di grandi quantità di dati digitali, gli ultimi due decenni hanno assistito a un enorme aumento nell’uso di applicazioni di IA, che includono motori di ricerca web, pubblicità mirata, sistemi di raccomandazione, strumenti generativi o creativi e chatbot. Una questione politica urgente è come questi progressi influenzeranno i mercati del lavoro e in particolare l’occupazione. Da un lato, gli strumenti intelligenti promettono di migliorare le capacità umane e creare una nuova domanda di determinate competenze (ad esempio Brynjolfsson et al. 2023, McKinsey Global Institute 2017). D’altro canto, l’IA potrebbe superare i lavoratori nei compiti decisionali e renderli ridondanti, oppure potrebbe alimentare l’automazione (Acemoglu 2022, Acemoglu e Johnson 2023). Se l’intelligenza artificiale integrerà o sostituirà i lavoratori è quindi una questione empirica, per la quale esistono ancora poche prove sistematiche.

In un recente lavoro (Bonfiglioli et al. 2023), studiamo l’effetto occupazionale della fase iniziale dell’adozione dell’IA, sfruttando la variazione nelle zone di pendolarismo (CZ) degli Stati Uniti nel periodo 2000-2020. Adottando una definizione ampia di IA come algoritmi applicati ai big data, la sua diffusione è iniziata nei primi anni 2000 e ha subito un’accelerazione dopo il 2010. Sebbene il nostro campione sia precedente allo sviluppo di grandi modelli linguistici come ChatGPT, copre comunque l’ascesa dell’economia digitale e di tutte le principali aziende coinvolte nella raccolta di big data, come Amazon, Google e Facebook.

Misurazione dell’adozione dell’intelligenza artificiale nelle zone di pendolarismo degli Stati Uniti

La nostra analisi affronta due sfide. La prima è che l’adozione dell’IA è difficile da misurare, poiché non sono disponibili statistiche ufficiali a oggi. Tuttavia, l’uso delle tecnologie di IA richiede lavoratori con competenze di programmazione molto specifiche. Sfruttando una nuova sezione del database O*NET, “Hot Technologies”, classifichiamo le occupazioni correlate all’IA come quelle le cui offerte di lavoro richiedono più frequentemente software utilizzato per l’apprendimento automatico e l’analisi dei dati. La nostra classificazione di base delle occupazioni correlate all’IA comprende 19 titoli, come data scientist, programmatori di computer, sviluppatori di software e web designer. Quindi, rileviamo l’adozione dell’IA dalla crescita dell’importanza relativa di queste occupazioni correlate all’IA. Una seconda sfida nell’identificazione degli effetti causali è che l’adozione dell’IA potrebbe essere correlata ad altri shock che potrebbero influenzare l’occupazione. Per superare questo problema, utilizziamo uno strumento di condivisione dei turni, l’esposizione all’IA, che combina l’adozione dell’IA a livello di settore per gli Stati Uniti con le quote di occupazione a livello di CZ pre-adozione nei settori. Ciò ci consente di identificare le CZ più esposte all’IA come quelle specializzate in settori che hanno registrato una crescita più rapida delle occupazioni correlate all’IA a livello nazionale.

Tra il 2000 e il 2020, la quota di occupazione delle professioni legate all’intelligenza artificiale è quasi raddoppiata negli Stati Uniti, passando dallo 0,14% allo 0,20%. La maggior parte di questo aumento ha avuto luogo dopo il 2010. Ci sono differenze considerevoli nella diffusione delle tecnologie di intelligenza artificiale nei vari settori. L’adozione dell’intelligenza artificiale è più diffusa nel settore dei servizi, soprattutto in rami avanzati come servizi di informazione, professionali, scientifici e aziendali. È importante anche in alcuni servizi di pubblica utilità, come l’elettricità, e in alcune aree del settore pubblico, come la sicurezza nazionale e gli affari internazionali. Al contrario, l’adozione dell’intelligenza artificiale è ancora limitata nel settore manifatturiero. Questa caratteristica distingue l’adozione dell’intelligenza artificiale dall’uso di robot industriali, che è per lo più concentrato nel settore manifatturiero (Acemoglu e Restrepo 2020).

La figura 1 presenta mappe a colori che mostrano come l’adozione dell’IA (pannello a) e l’esposizione all’IA (pannello b) variano tra le CZ degli Stati Uniti, con colori più scuri che rappresentano livelli più elevati di adozione o esposizione nel periodo campione. I valori negativi sono molto rari (solo il 6% delle CZ), il che implica che l’implementazione delle tecnologie di IA è stato un fenomeno diffuso negli Stati Uniti negli ultimi due decenni. È interessante notare che la nostra misura dell’adozione dell’IA (pannello a) è molto efficace nel catturare la diffusione dell’IA sia nei luoghi previsti come Boston, Seattle e Silicon Valley, sia nei nuovi hub high-tech come Boulder, Bozeman e Salt Lake City. La nostra misura dell’esposizione all’IA (pannello b) rimuove la variazione nell’adozione dell’IA che è più probabile che sia guidata da shock contemporanei a livello di CZ, che potrebbero confondere la stima.

Figura 1 Adozione dell’intelligenza artificiale ed esposizione all’intelligenza artificiale nelle zone di pendolarismo degli Stati Uniti

Fonte : US Census e American Community Survey.
Note : la mappa in alto traccia il valore medio della misura dell’adozione dell’IA in ogni CZ tra i decenni 2000-2010 e 2010-2020. La mappa in basso traccia i valori corrispondenti della misura dell’esposizione all’IA.

L’effetto negativo dell’adozione dell’intelligenza artificiale sull’occupazione

La figura 2 fornisce una rappresentazione grafica della nostra strategia empirica e dei risultati principali. I punti in ciascuno dei quattro diagrammi di dispersione rappresentano le osservazioni per ogni CZ e decennio (2000-2010 e 2010-2020), mentre la linea rossa è la linea di regressione lineare. Il pannello a (OLS) documenta una correlazione negativa tra l’adozione dell’IA e il cambiamento decennale nel tasso di occupazione-popolazione a livello di CZ. Il pannello b (prima fase) conferma che l’esposizione all’IA è un forte predittore dell’adozione dell’IA e, quindi, un potente strumento per l’implementazione di queste tecnologie. Il pannello c (forma ridotta) mostra che l’esposizione all’IA è fortemente correlata negativamente con la crescita dell’occupazione. Infine, il pannello d (2SLS) traccia la relazione tra l’adozione dell’IA, come previsto dall’esposizione all’IA, e il cambiamento decennale nel tasso di occupazione, evidenziando un forte effetto negativo (causale) dell’adozione dell’IA sulla crescita dell’occupazione. Nel complesso, questi grafici mostrano che le CZ specializzate in settori che hanno sperimentato un boom nell’occupazione correlata all’IA hanno avuto tassi più elevati di adozione dell’IA, il che a sua volta ha causato loro un relativo rallentamento dell’occupazione. Quantitativamente, le nostre stime implicano che se la CZ con un’adozione media dell’IA nel periodo campione non avesse ipoteticamente avuto alcuna adozione, il suo tasso di occupazione sarebbe cresciuto di 0,6 punti percentuali in più.

Figura 2 Adozione dell’intelligenza artificiale, esposizione all’intelligenza artificiale e impiego nelle zone pendolari degli Stati Uniti

Note : il campione di stima è costituito da 722 CZ osservate in due decenni, 2000-2010 e 2010-2020. In ogni grafico, un’osservazione è una coppia CZ x decennio. L’adozione prevista dell’IA è il valore adattato della misura dell’adozione dell’IA dalla regressione di prima fase nel grafico b).

Questi risultati sono robusti al controllo di diversi shock aggiuntivi del mercato del lavoro, come la concorrenza delle importazioni dalla Cina (Autor et al. 2013), l’adozione di robot industriali (Acemoglu e Restrepo, 2020) e il crescente utilizzo delle ICT. Sono validi anche quando si utilizzano definizioni alternative di occupazioni correlate all’IA e quando si controllano i valori anomali in vari modi.

La figura 3 mostra come la relazione tra adozione dell’IA e crescita dell’occupazione varia a seconda delle specifiche. La figura trasmette tre risultati principali. In primo luogo, l’effetto dell’adozione dell’IA è molto più forte quando l’adozione dell’IA è strumentata utilizzando l’esposizione all’IA (specifica 2SLS rispetto a OLS), il che suggerisce che i fattori confondenti tendono a mascherare l’impatto negativo dell’IA sull’occupazione. In secondo luogo, l’effetto dell’IA è guidato dall’adozione nel settore dei servizi, dove l’implementazione di queste tecnologie è più diffusa. In terzo luogo, i lavoratori senza una laurea sono i più negativamente influenzati dall’adozione dell’IA. Al contrario, gli unici lavoratori a beneficiare dell’adozione dell’IA sono quelli in occupazioni che richiedono una laurea STEM e quelli nel 10% più alto della distribuzione del reddito.

Figura 3 Eterogeneità

Note : La figura riporta coefficienti stimati e intervalli di confidenza al 90% sulla misura dell’adozione dell’IA da diverse specifiche. Il campione di stima è costituito da 722 CZ osservate in due decenni, 2000-2010 e 2010-2020.

I nostri risultati mostrano anche che l’effetto negativo dell’adozione dell’IA non è limitato al settore dei servizi, ma si estende anche all’occupazione nel settore manifatturiero, dove l’uso di queste tecnologie è ancora limitato. Nello specifico, il settore manifatturiero rappresenta quasi il 45% dell’impatto complessivo dell’adozione dell’IA sull’occupazione, contro il 60% del settore dei servizi. Per far luce sul meccanismo alla base di queste ricadute, la Figura 4 riporta gli effetti stimati dell’adozione dell’IA sull’occupazione nei diversi settori manifatturieri. La figura mostra che i lavoratori nei settori caratterizzati da un’elevata intensità di automazione, come i mezzi di trasporto e i prodotti in legno, sono particolarmente colpiti. Ciò suggerisce che l’adozione dell’IA nei servizi potrebbe, di fatto, essere utilizzata per l’automazione dei lavori nel settore manifatturiero.

Figura 4 Adozione e impiego dell’intelligenza artificiale nei singoli settori manifatturieri

Note : Il campione di stima è costituito da 722 CZ osservate nell’arco di due decenni, 2000-2010 e 2010-2020.

Conclusioni

I recenti miglioramenti nel campo dell’IA hanno scatenato molto clamore sul futuro del lavoro. Sebbene nessuno possa prevedere la direzione esatta che prenderanno le nuove innovazioni e applicazioni, pensiamo che sia importante iniziare dalla comprensione delle conseguenze che queste tecnologie hanno già avuto. I nostri risultati indicano solidi effetti negativi dell’adozione dell’IA sull’occupazione per la maggior parte dei lavoratori e dei settori. Sebbene siano necessarie più prove a livello micro per identificare con precisione il meccanismo attraverso cui si sviluppano questi effetti negativi, le nostre prove sono comunque coerenti con la visione secondo cui l’IA sta contribuendo all’automazione dei lavori e all’ampliamento delle disuguaglianze.

Riferimenti

Acemoglu, D (2022), “I danni dell’intelligenza artificiale”, in J Bullock et al. (a cura di), The Oxford Handbook of AI Governance , Oxford Academic.

Acemoglu, D e S Johnson (2023), Potere e progresso: la nostra lotta millenaria per la tecnologia e la prosperità , John Murray Press.

Acemoglu, D e P Restrepo (2020). “Robot e posti di lavoro: prove dai mercati del lavoro statunitensi”, Journal of Political Economy 128(6): 2188-2244.

Autore, D, D Dorn e G Hanson (2013), “La sindrome cinese: effetti della concorrenza delle importazioni sul mercato del lavoro locale negli Stati Uniti”, American Economic Review 103(6): 2121-2168.

Baldwin, R (2018), ” Intelligenza artificiale per economisti internazionali (di un economista internazionale): Parte 1 di 5 “, VoxEU.org, 7 dicembre.

Bonfiglioli, A, R Crinò, G Gancia e I Papadakis (2023), “ Intelligenza artificiale e posti di lavoro: prove dalle zone pendolari degli Stati Uniti ”, CEPR Discussion Paper 18495.

Brynjolfsson, E, D Li e L Raymond (2023), “Intelligenza artificiale generativa al lavoro”, NBER Working Paper 31161.

Bughin, J (2017), ” La nuova primavera dell’intelligenza artificiale: alcune prime economie “, VoxEU.org, 21 agosto.

McKinsey Global Institute (2017), “Intelligenza artificiale: la prossima frontiera digitale?” Documento di discussione.

________________

Autori

Alessandra Bonfiglioli, Professore di Economia (in aspettativa) alla Queen Mary University Of London, Rosario Crinò, Professore di Economia all’Università di Bergamo, Gino Gancia, Fellow, Commercio Internazionale ed Economia Regionale, e Ioannis Papadakis, Research Fellow all’Università del Sussex. Pubblicato originariamente su VoxEU.

---

---