Quando l’informazione diventa acqua di rubinetto. Per decenni abbiamo costruito carriere e sistemi educativi attorno a un’idea semplice: chi possiede più informazioni e competenze tecniche vince. Il medico che memorizza migliaia di diagnosi, il programmatore che padroneggia cinque linguaggi, l’avvocato che conosce a memoria la giurisprudenza. Questo capitale cognitivo rappresentava il margine competitivo che giustificava e assicurava stipendi elevati e status sociale.

Oggi questa equazione si sta sgretolando. L’intelligenza artificiale sta trasformando la conoscenza specialistica in un’utility a basso costo, fruibile ovunque come l’elettricità. Quando una risposta “esperta” è a portata di prompt, il valore del possesso di quella competenza crolla.

Questo articolo riflette sul passaggio dall’economia della conoscenza a quella che potremmo chiamare “economia della rendita”, dove il vantaggio competitivo si sposta verticalmente: verso chi controlla le infrastrutture digitali e verso chi possiede capacità che l’IA non può ancora replicare.

La svalutazione del capitale cognitivo. Gary Becker, nella sua teoria del capitale umano del 1964, sosteneva che investire in istruzione significasse acquisire un capitale che avrebbe generato rendimenti crescenti nel tempo. Per mezzo secolo questo modello ha, nel complesso, funzionato: chi investiva anni di studio nell’acquisizione delle competenze giuste veniva premiato dal mercato.

L’IA generativa sta alterando questa dinamica attraverso la “commoditization della competenza cognitiva”. Un modello linguistico può scrivere codice in qualsiasi linguaggio, produrre analisi statistiche sofisticate, processare milioni di documenti tecnici in secondi. La conoscenza specialistica, un tempo scarsa e preziosa, diventa abbondante.

Il risultato è controintuitivo: si realizza una “concorrenza perfetta” proprio nell’ambito dell’informazione. Milioni di persone ora hanno accesso allo stesso “QI tecnico” fornito dai modelli linguistici. Il rendimento derivante dal semplice “saper fare una cosa tecnica” tende a zero.

La conseguenza pratica: il tempo necessario per acquisire una competenza tecnica e il suo valore di mercato divergono drammaticamente. Un giovane che ha impiegato tre anni per laurearsi in informatica può scoprire che il suo “capitale umano” ha già perso metà del valore, perché strumenti come GitHub Copilot consentono di ottenere lo stesso output tecnico a un costo marginale molto inferiore rispetto al salario che quel capitale umano, fino a ieri, era in grado di giustificare.

L’irreplicabile umano: il nuovo margine. Se ciò che è procedurale viene automatizzato, cosa crea ancora valore? Ciò che l’IA, per sua natura probabilistica, non può ancora generare.

Il nuovo margine competitivo si concentra in capacità che, almeno allo stato attuale, l’IA non è in grado di replicare. In particolare:
i) il giudizio in condizioni di incertezza radicale;
ii) la sintesi interdisciplinare originale;
iii) l’intenzionalità e la responsabilità dell’azione.

Quanto al primo punto, l’IA eccelle quando sono disponibili dati storici. Ma per assicurarsi un premio economico, che chiameremo margine, occorre la capacità di prendere decisioni quando i dati non esistono o sono contraddittori. È la differenza tra ottimizzare una supply chain esistente (IA) e decidere se entrare in un mercato completamente inesplorato (intuizione strategica).

Sul secondo punto, la sintesi interdisciplinare originale, i modelli linguistici sono eccellenti interpolatori: connettono punti esistenti. Il valore del contributo umano risiede nell’estrapolazione: creare connessioni tra domini mai prima collegati. È il biologo che applica principi evolutivi al design organizzativo.

Infine, sull’intenzionalità e la responsabilità, un sistema di IA non può “volere” nulla, né essere ritenuto responsabile. Del margine si appropria chi definisce la direzione strategica e assume su di sé il rischio delle conseguenze.

La rendita infrastrutturale: chi possiede il terreno digitale. Il terzo pilastro riguarda la distinzione, antica nella teoria economica, tra profitto e rendita. Già in Ricardo e, più tardi, in Marx, la rendita nasce dal controllo di una risorsa scarsa piuttosto che dall’innovazione produttiva. In epoca contemporanea, questo tema è stato ripreso, tra gli altri, da autori come Stiglitz, Piketty e Varoufakis, che hanno analizzato come il controllo delle infrastrutture e dei diritti di accesso possa generare rendite persistenti anche in mercati formalmente competitivi.

Quando agenti eterogenei accedono alla medesima infrastruttura computazionale, le capacità esecutive convergono. L’eccellenza operativa diventa un’utility a basso costo. La competizione tra lavoratori, come in un ideale mercato di concorrenza perfetta, deprime i salari ma non intacca il valore del servizio finale.

Ad avvantaggiarsene sono i proprietari delle infrastrutture, che si appropriano di una “rendita infrastrutturale”, che deriva non dalla vendita di un servizio, ma dal controllo del “terreno digitale” su cui avviene lo scambio. Il valore aggiunto creato dall’IA non viene incamerato dal lavoratore né dal consumatore, ma dal proprietario della piattaforma sotto forma di canoni, commissioni o controllo dei dati.

Case study: La consulenza software. Per rendere più tangibili queste dinamiche, analizziamo il caso dello sviluppo software. Fino a pochi anni fa, il margine si basava sulla scarsità di competenze tecniche. Il modello era: “Io so programmare, tu no. Mi paghi per questo.” I salari erano elevati grazie alla protezione derivante dalla difficoltà di accesso alla competenza

Con GPT-5 e altri assistenti, il “saper scrivere codice” è diventato una commodity. Se un junior con l’IA produce lo stesso codice di un senior in metà tempo, il valore di mercato crolla. Le aziende sono più produttive, ma la competizione deprime i prezzi. Il profitto evapora.

Di conseguenza il margine si sposta in tre direzioni:

1. Il Problem Framing. Mentre l’IA scrive codice, l’umano definisce cosa scrivere. Il valore sta nel comprendere processi aziendali complessi e tradurli in architetture. Spostamento: dal coder all’architetto di soluzioni.
2. La rendita di piattaforma. Invece di vendere ore di lavoro, le aziende di successo vendono accesso a un’infrastruttura SaaS. Non competono sul mercato del lavoro, ma incassano una rendita mensile.
3. I dati proprietari. Il margine appartiene a chi possiede dati unici su cui addestrare modelli non replicabili dalla concorrenza globale.

Case study: La medicina, Il settore medico tocca il confine tra scienza esatta (dove l’IA eccelle) e relazione umana (l’irreplicabile). Gli aspetti rilevanti sono i seguenti.

1. La svalutazione della conoscenza enciclopedica. Per secoli il prestigio medico è derivato dal possesso di una banca dati mnemonica immensa. Modelli come Med-PaLM processano milioni di pubblicazioni in millisecondi. La capacità diagnostica “pura” diventa commodity.
2. Lo spostamento del margine. Il valore si sposta su: l’arbitrato del rischio (l’IA suggerisce, ma il medico si assume la responsabilità legale); la sintesi bio-psico-sociale (intrecciare patologia, psicologia del paziente e contesto sociale); la gestione dell’imprevisto chirurgico che rompe lo schema algoritmico.
3. La salute digitale come fonte di rendita. Il conflitto non è più tra i soli medici, ma tra medici e proprietari del terreno digitale. Grandi corporation con database sanitari e piattaforme di telemedicina rischiano di ridurre il medico a prestatore d’opera intercambiabile. Il vero margine non è nella cura, ma nei dati estratti.

Va tuttavia precisato che non tutti gli spostamenti di margine favoriscono necessariamente le piattaforme. Come mostrato da David Autor e da una vasta letteratura sul lavoro non routinario, le attività caratterizzate da elevata discrezionalità decisionale e responsabilità possono continuare a beneficiare di rendimenti crescenti. Il problema emerge quando queste nicchie non sono sufficienti ad assorbire la forza lavoro qualificata prodotta dal sistema educativo, generando una polarizzazione che mette sotto pressione il patto sociale.

Il crollo del patto generazionale. Queste trasformazioni minacciano il contratto sociale su cui si basa la legittimità democratica, dando luogo a tre fenomeni.

1. Il crollo del ROI educativo. Il dogma del self-made man può essere così riassunto: sacrificio + studio = mobilità sociale. Poiché l’attuale sistema educativo sta perdendo sempre più questo ruolo per un problema di accesso, la meritocrazia fondata sul premio salariale all’istruzione pone comunque problemi importanti. Se l’IA rende il capitale umano una commodity mentre il costo dell’istruzione resta alto, l’investimento diventa un azzardo. Il padre in fabbrica investe per la laurea del figlio che viene svalutata prima dell’ingresso nel mercato.
2. Dalla scala mobile alla fortezza chiusa. Se il margine è nel possesso della piattaforma, non nella competenza, la mobilità sociale si blocca. Il figlio del professionista avrà capitale e contatti per gestire la piattaforma. Il figlio dell’operaio, pur studiando, rimarrà un “vassallo digitale”.
3. La crisi del consenso. Una delle fonti storiche della legittimazione del capitalismo, almeno nelle economie avanzate del secondo dopoguerra, è stata la promessa — spesso imperfetta ma politicamente potente — di una mobilità sociale ascendente. Se questa promessa viene meno, il consenso che sostiene il sistema economico si indebolisce.

Possibili conseguenze. Le possibili conseguenze sono essenzialmente di due tipi. La prima è La deriva neo-feudale: una piccola élite di proprietari di algoritmo, da un lato, e una massa di lavoratori livellati, senza speranza di ascesa, dall’altro.

La seconda è la redistribuzione della rendita: poiché l’IA è stata su dati prodotti collettivamente è giustificato che i profitti siano redistribuiti. Al riguardo si possono avanzare tre proposte concrete:

• Flexicurity nordeuropea: Proteggere il lavoratore (non il posto di lavoro) attraverso riqualificazione continua come diritto civile.
• Tassazione della rendita digitale: Destinare il profitto, che deriva da dati collettivi, al finanziamento dei servizi sociali.
• Socializzazione del capitale cloud: Creare fondi sovrani sociali che acquisiscono quote del capitale di aziende tecnologiche

Conclusione. Il nuovo patto sociale non può promettere “Studia e diventerai ricco”, ma “Studia e sarai sovrano della tecnologia, non suo servo”. La distinzione cruciale non è più tra chi sa fare qualcosa e chi non sa, ma tra chi definisce cosa vale la pena fare e chi esegue. Tra chi possiede l’infrastruttura e chi la usa.

La domanda per chiunque legga queste righe: in quale categoria ti trovi oggi? E in quale si troveranno i tuoi figli domani?