Prima del previsto

Il futuro arriva sempre prima del previsto

Ogni grande invenzione è sembrata fantascienza, finché non ce la siamo ritrovata in tasca. Perché con l'intelligenza artificiale ci accorgiamo tardi del cambiamento, che cosa insegna la storia dell'elettricità e quali segnali guardare adesso.

Disegno a tratto: un piccolo biplano in basso a sinistra e una linea tratteggiata che sale fino a una luna piena nera in alto a destra, tra poche stelle.
Dal primo volo alla Luna: una sola vita umana.

In breve

  • Nel breve periodo sopravvalutiamo quasi sempre una tecnologia, nel lungo la sottovalutiamo. Con l'intelligenza artificiale il lungo periodo si è accorciato.
  • All'elettricità servirono decenni per cambiare davvero le fabbriche: i guadagni arrivarono solo quando il lavoro fu ridisegnato attorno alla nuova tecnologia.
  • Il vantaggio non va a chi insegue ogni annuncio, ma a chi riconosce i segnali giusti e ripensa prodotti, competenze e processi prima degli altri.

Dodici secondi, sessantasei anni

Il 17 dicembre 1903, a Kitty Hawk, il Flyer dei fratelli Wright restò in aria dodici secondi. Sessantasei anni dopo un uomo camminava sulla Luna.1 Una sola vita umana separa il primo volo a motore dallo sbarco: chi era bambino quel giorno ha potuto vedere entrambe le cose.

Racconto spesso questa storia perché descrive bene il modo in cui il futuro si presenta. Prima come una curiosità, poi come una notizia, infine come un'abitudine che nessuno nota più. Nessuno dei testimoni di Kitty Hawk pensava di assistere all'inizio del trasporto aereo di massa. Vedevano una macchina fragile che si staccava a fatica dalla sabbia.

Perché ce ne accorgiamo tardi

Lo studioso americano Roy Amara l'ha riassunto in una frase diventata una legge: tendiamo a sopravvalutare l'effetto di una tecnologia nel breve periodo e a sottovalutarlo nel lungo. L'intelligenza artificiale ne è l'esempio più chiaro. Nel 1955 i promotori del seminario di Dartmouth, quello che diede il nome alla disciplina, contavano di ottenere progressi significativi nel giro di un'estate.2 Seguirono decenni di promesse mancate, gli «inverni dell'AI».

Poi dati, potenza di calcolo e algoritmi sono maturati insieme, e tutto ha accelerato. Nel 2016 AlphaGo ha battuto Lee Sedol a go, un traguardo che molti esperti collocavano almeno dieci anni più avanti.3 Nel novembre 2022 è arrivato ChatGPT: secondo le stime di UBS riprese da Reuters, ha raggiunto 100 milioni di utenti mensili in circa due mesi. A TikTok ne erano serviti nove, a Instagram due anni e mezzo.4

66 annidal primo volo a motore dei fratelli Wright, nel 1903, allo sbarco sulla Luna, nel 1969Smithsonian, National Air and Space Museum
2 mesiil tempo stimato in cui ChatGPT ha raggiunto 100 milioni di utenti mensiliUBS, via Reuters, 2023
10 annil'anticipo di AlphaGo sulle previsioni: battere un professionista di go sembrava lontano almeno un decennioSilver e altri, Nature, 2016

La lezione della dinamo

C'è però un'altra metà della legge di Amara, quella che riguarda il lungo periodo, ed è la più utile per chi lavora. Alla fine dell'Ottocento l'elettricità era già una tecnologia matura: lampadine e centrali esistevano dai primi anni Ottanta. Eppure per decenni le fabbriche non diventarono più produttive.

Lo storico dell'economia Paul David ha spiegato perché in un saggio del 1990 diventato un classico.5 All'inizio gli industriali si limitarono a sostituire la grande macchina a vapore con un grande motore elettrico, lasciando tutto il resto com'era: lo stesso albero di trasmissione, le stesse cinghie, gli stessi edifici su più piani. I guadagni arrivarono solo quando le fabbriche furono ridisegnate attorno alla nuova tecnologia, con un piccolo motore per ogni macchina, linee di produzione su un solo piano e operai formati a prendere più decisioni.

Con l'intelligenza artificiale vedo lo stesso schema. Molte aziende stanno attaccando un assistente ai processi di ieri, come un motore elettrico al vecchio albero di trasmissione. Funziona, ma cambia poco. Il valore vero arriverà quando il lavoro sarà ripensato attorno a ciò che la macchina sa fare, e attorno a ciò che le persone sanno fare meglio di lei.

Cosa vedo da dentro

Nel mio lavoro osservo questa dinamica ogni settimana. Uno strumento che a gennaio sembra un esperimento, a giugno è dentro i processi di un'azienda. Il divario che conta separa chi ha capito la direzione da chi aspetta che la novità si stabilizzi. Di solito, quando si stabilizza, il vantaggio se lo sono già presi altri.

Accorgersi in tempo non significa inseguire ogni annuncio. Significa distinguere il rumore dai segnali: una tecnologia diventa innovazione quando incontra un problema reale e qualcuno che la usa. È la formula su cui ho costruito il mio libro per bambini, e vale per un'azienda quanto per una bambina di tre anni.

…il futuro è ancora aperto, e lo scriveranno persone che oggi hanno tre anni.

Da Un perché alla volta

Tre segnali da guardare

Quando devo capire se una novità è rumore o l'inizio di un cambiamento, guardo tre cose.

  • Il costo crolla. Quando un'attività che costava giorni di lavoro diventa quasi gratuita, cambiano i prodotti e i servizi costruiti sopra. È successo con la fotografia digitale, sta succedendo con il testo, le immagini e il codice.
  • La usano i non addetti. Una tecnologia esce dai laboratori quando la adottano persone che non sanno, e non hanno bisogno di sapere, come funziona.
  • Qualcuno riorganizza il lavoro. Il segnale più forte non è un annuncio ma un concorrente che cambia processi, ruoli e tempi grazie al nuovo strumento. Da quel momento, aspettare costa.

La domanda da farsi adesso

Quello che l'intelligenza artificiale sa fare oggi cambierà entro pochi mesi, quindi conviene chiedersi altro: che cosa diventa possibile quando ciò che oggi costa fatica costerà quasi nulla? Chi se lo chiede con anticipo ha il tempo di ripensare prodotti, competenze e organizzazione. Chi aspetta può solo adeguarsi.

Il futuro arriva sempre prima del previsto. Non sempre nella forma prevista, ma quasi sempre prima.

Note e fonti

  1. Smithsonian National Air and Space Museum, 1903 Wright Flyer ↗. ↩
  2. J. McCarthy, M. Minsky, N. Rochester, C. Shannon, A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence ↗, 1955. ↩
  3. D. Silver e altri, Mastering the game of Go with deep neural networks and tree search ↗, Nature, 2016. ↩
  4. Reuters, ChatGPT sets record for fastest-growing user base ↗, 1 febbraio 2023. ↩
  5. P. A. David, The Dynamo and the Computer: An Historical Perspective on the Modern Productivity Paradox, American Economic Review, 1990. Sintesi su AcaWiki ↗. ↩