Home
Intelligenza Artificiale e Mercato del Lavoro: il nuovo dibattito d’Oltreoceano E-mail
di Gabriele Marzano
11 aprile 2016

L’Intelligenza Artificiale sta “esplodendo” in questi anni, in termini di dimensioni e capacità assolutamente impensabili in passato. Aspetti come l’aumento esponenziale della capacità di calcolo informatico, il volume in costante crescita di insiemi enormi di dati (disponibili soprattutto in Internet), l’applicazione di procedure nuove di apprendimento artificiale (es. il deep learning) sembrano risolvere il cosiddetto “paradosso di Polanyi”: “gli esseri umani sanno fare molte più cose di quante ne possono direttamente descrivere“. Molte funzioni inerenti ad attività lavorative complesse vengono così imparate dalle learning machines senza bisogno che gli operatori umani debbano previamente descriverle o codificarle. 


Tutto ciò sta innescando in questi anni una nuova grande ondata di automazione che non riguarda più solo funzioni di carattere semplice o routinario. Soprattutto in campo americano si sta sviluppando un acceso dibattito (a cui qui si intende accennare), sui nuovi processi di sostituzione uomo-macchina e su quanto questi ultimi stiano determinando nuovi fenomeni (più o meno irreversibili) di disoccupazione tecnologica, decrescente partecipazione al lavoro, precarizzazione dell’occupazione, ecc.  Con il termine reshoring si è inteso parlare in questi anni, del ritorno di molte aziende americane in madrepatria. Si è  calcolato che a partire dal 1994 (dopo la stipula dell’accordo NAFTA), la de-localizzazione all’estero (in particolare in Cina) ha fatto perdere circa 2 milioni e mezzo di posti di lavoro nell’industria americana. Anche per questo, all’indomani dell’uscita dalla Grande Recessione, la scoperta del reshoring ha prodotto forte entusiasmo. Che però ha avuto vita breve, avendo scoperto che i nuovi posti di lavoro ricreati nella manifattura americana, sarebbero stati occupati in gran parte da… robot.

Certo, si tratta di un trend che interessa tutto il mondo. Foxconn, azienda taiwanese, principale subfornitrice della Apple, ha annunciato due anni fa di voler automatizzare ben il 70% delle proprie postazioni di lavoro. Foxconn impiega in Cina continentale circa un milione di operai.

D’altra parte, l’impatto dell’automazione è evidente se si pensa che oggi lo stipendio orario medio di un operaio manifatturiero USA è intorno ai 28 USD, quello di un operaio cinese crolla a circa 3 USD, ma il costo orario medio per il funzionamento di un robot è calcolato intorno ai soli 0,30 USD (Forni, 2016). Sono aspetti al centro dell’attuale dibattito sulle nuove tecnologie di automazione e sul loro ruolo nell’attuale ripresa economica, che molti indicano ormai come lenta e, in definitiva, jobless (Summers, 2014).

Per alcuni non c’è niente di nuovo: l’automazione del lavoro è parte di quella “forza creatrice” (di shumpeteriana memoria) che rende obsolete, sin dalla prima Rivoluzione industriale, alcune professioni, ma, al contempo, ne crea altre, con specializzazioni e produttività sempre più elevate. E’ però vero che, se l’astrofisico Stephen Hawking avverte che l’Intelligenza Artificiale vivrà presto una crescita tanto esponenziale quanto “esplosiva”, allora forse c’è qualcosa di diverso da analizzare con nuovi strumenti.

Di sicuro, i criteri passati con cui si è stimata la probabilità di automazione del mercato del lavoro, sono diventati insufficienti (Autor, 2015): non sono più messe in discussione solo attività (umane) di carattere semplice e routinario. Gli esempi, a tal riguardo, sarebbero infiniti, tanto da nutrire una copiosa “narrativa” in questi anni, soprattutto in campo americano (per tutti, si veda Brynjolfsson, McAfee, 2014). Solo per la robotica mobile, le Google Car o i Robot Kiva sono due casi abbastanza noti. Le prime, una volta autorizzate alla circolazione su strada, rischiano di rendere superflui milioni di addetti alla guida (di trasporti pubblici, commerciali o privati); i secondi, utilizzati da Amazon nei propri centri di smistamento, promettono di sostituire gran parte delle professioni specializzate nella gestione di magazzino e nello stoccaggio e selezione delle merci. Ma il salto tecnologico non riguarda solo professioni manuali complesse, ma anche competenze “astratte”, di tipo intellettuale e cognitivo.

In una ricerca molto citata in questi anni, due ricercatori dell’Università di Oxford (Frey, Osborne, 2013), hanno stimato i processi di automazione negli Stati Uniti. Ne è risultata la figura seguente, la quale mostra come ben il 47% dell’occupazione americana sia già oggi “ad alto rischio”, soprattutto concentrata in attività di trasporto; di produzione in generale; di supporto amministrativo; di servizi di vendita. Nella parte sinistra del grafico, invece, un 33% dell’occupazione è “a basso rischio”, in quanto relativa ad attività di management, affari e finanza; informatica, ingegneria, e ricerca scientifica; attività educative, legali, artistiche, o legate alle comunicazioni; attività svolte da tecnici e operatori di cura socio-sanitaria.

 

Fig. n. 3: La distribuzione dell’occupazione statunitense del 2010, distinta per attività settoriali e in relazione alla probabilità di automazione-computerizzazione

figura_marzano.jpeg.png

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Fonte: Frey, Osborne (2013)

 

Per arrivare a questi risultati, Frey e Osborne hanno prima analizzato ben 702 professioni, descritte dal sistema di classificazione nazionale americano O*Net. Per esse, si è valutato il peso di alcune “dimensioni” su cui, secondo un esteso panel di esperti del settore, l’Intelligenza Artificiale non è ancora riuscita a proporre un’efficace sostituzione uomo-macchina:

-       percezione e manipolazione degli oggetti, soprattutto quando di forma irregolare e collocati in ambienti non strutturati;

-       intelligenza creativa, in quanto capacità di elaborare idee ed artefatti;

-       intelligenza sociale, per competenze come la negoziazione, la persuasione, la cura interpersonale, l’empatia.

E’ da aggiungere che le analisi di Frey e Osborne si basano solo sulle conquiste finora raggiunte dall’I.A. Raymond Kurzweil (2008) o Nick Bostrom (2014) prevedono che entro il 2040, intelligenza umana e intelligenza artificiale avranno raggiunto la sostanziale parità. E tutto questo per alcuni aspetti fondamentali:

-          la crescita esponenziale (e non più lineare) delle capacità di computazione delle macchine;

-          la disponibilità di immensi dataset (Big Data) di informazioni ogni giorno prodotte o riversate in Internet;

-          l’applicazione di nuovi metodi di apprendimento e risoluzione dei problemi in campo informatico, quali il deep learning;

Si parla così di learning machines, capaci di apprendere funzioni senza bisogno di supervisione e decodificazione umana. E’ un cambio di paradigma che risolve (Autor, 2015) il cosiddetto Paradosso di Polanyi: “gli esseri umani sanno fare molte più cose di quante ne possono direttamente descrivere”. Algoritmi informatici, mediante infinite osservazioni di attività complesse, e altrettante operazioni di prova ed errore, apprendono la complessità di problemi (non decodificabili), producendo modelli (pattern) di soluzioni, per mera inferenza statistica.

E così (per fare un esempio di un tool comunemente usato), Google Traduttore analizza milioni di traduzioni (umane) (come quelle disponibili presso organizzazioni internazionali). Più sono i documenti immessi, più gli algoritmi riconoscono relazioni statisticamente significative fra contenuti originali e loro traduzioni. La macchina approssima così regole grammaticali e semantiche presenti “in natura” e le utilizza poi per la traduzione automatica di vocaboli o frasi similari. In fondo, è da chiedersi, non è così che gli esseri umani apprendono nuove lingue?

Non ci si vuole qui soffermare sui campi infiniti su cui l’Intelligenza Artificiale si sta estendendo. Interessa molto più discutere se la visione ortodossa, prima richiamata, della “distruzione creatrice”, sia ancora utile. La sostituzione uomo-macchina si sta ampliando così tanto da rendere irrimediabile la non partecipazione al lavoro di parte della popolazione in età attiva? E’ significativo che, sempre in campo americano, entrambi i versanti (riformista e conservatore) considerano ormai indispensabile, di fronte a questi fenomeni, l’istituzione di un reddito minimo di cittadinanza (Ford, 2015), non condizionato a specifiche condizioni occupazionali dei potenziali percettori.

Si tratta di “lezioni americane” utili per il contesto europeo su più fronti. Limitandosi qui ad uno solo, si può citare l’assenza in Italia (e in gran parte d’Europa), di sistemi omogenei di forecasting dei fabbisogni professionali. Come è avvenuto da tempo negli Stati Uniti, si tratterebbe di dar vita a piattaforme pubbliche che permettano di orientare realmente i cittadini, sul fabbisogno di vecchie e nuove professioni, limitando così il mismatching fra domanda e offerta di lavoro (European Commission, 2016). Per far questo, banche dati amministrative di grande estensione (big data), sono disponibili in molti contesti europei (ad esempio nei sistemi informativi dei centri per l’impiego). Ma esperienze svolte in tal senso finora, scontano il limite di essere state sporadiche o riferite a contesti subnazionali o addirittura subregionali. Sarebbe necessario un impegno forte da parte delle stesse Istituzioni Europee, volto a promuovere iniziative di data mining omogenee ed estese per quanto possibile ai sistemi informativi sui mercati del lavoro di tutta l’Unione, per promuovere gli strumenti di policy appena detti.

 

Bibliografia sintetica:

·         Autor, D.H. (2015), Why Are There Still So Many Jobs? The History and Future of Workplace Automation, in Journal of Economic Perspectives, vol. 29, no. 3, pp. 3–30

·         Bostrom, N. (2014), Superintelligence: Paths, Dangers, Strategies, Oxford, Oxford University Press

·         Brynjolfsson, E., McAfee, E.A. (2014), The Second Machine Age, New York, WW Norton

·         European Commission (2016), Measuring Skills Mismatch, Analytical Web Note 7/2015

·         Ford, M. (2015), Rise of The Robots. Technology and the Threat of a Jobless Future, New York, Basic Books

·         Forni, A. (2016), Robot: la nuova era. Vivere, lavorare, investire nella società robotica di domani, Milano, FRN Trading Strategies

·         Frey, C.B., Osborne, M.A. (2013), The future of Employment: How susceptible are Jobs to Computerisation?, Working Paper, Oxford Martin School, University of Oxford

·         Kurzweil, R. (2008), La singolarità è vicina, Bologna, Apogeo Education

·         Summers, L. (2014), Reflections on the ‘New Secular Stagnation Hypothesis’, in Teulings, C., Baldwin, R. (ed.) (2014), Secular Stagnation: Facts, Causes and Cures, London, CEPR Press

 

  Commenti

Solo gli utenti registrati possono scrivere commenti.
Effettua il logi o registrati.

 
< Prec.   Pros. >