Il paradosso di Jevons applicato all'AI

C'è un concetto economico vecchio di oltre 150 anni che spiega sorprendentemente bene una delle dinamiche più importanti dell'AI: il paradosso di Jevons. Capirlo aiuta a prevedere come l'AI evolverà e perché alcune intuizioni "ovvie" sul suo impatto sono sbagliate. In questo articolo te lo spiego applicato all'AI.

Cos'è il paradosso di Jevons

Il paradosso di Jevons afferma che, quando un progresso tecnologico rende più efficiente (e quindi più economico) l'uso di una risorsa, il consumo totale di quella risorsa tende ad aumentare, non a diminuire.

Fu osservato dall'economista William Stanley Jevons nel 1865, a proposito del carbone: macchine a vapore più efficienti, che usavano meno carbone per unità di lavoro, portarono a un aumento del consumo totale di carbone. Perché? Perché l'efficienza rese il carbone più conveniente, e questo ne moltiplicò gli usi.

In breve: rendere qualcosa più economico ne aumenta l'uso totale, spesso più di quanto l'efficienza lo riduca.

Come si applica all'AI

Ecco il punto interessante: lo stesso meccanismo si applica all'AI. Man mano che l'AI diventa più efficiente ed economica (modelli più ottimizzati, costi per token in calo), succede una cosa controintuitiva: non usiamo meno AI, ne usiamo molta di più.

L'Ai più economica viene applicata a sempre più casi d'uso, da sempre più persone, per sempre più scopi. Cose che prima non valeva la pena automatizzare con l'AI, diventano convenienti. Il risultato è un'esplosione dell'uso totale, non una riduzione.

Le implicazioni

Il paradosso di Jevons applicato all'AI ha conseguenze importanti.

Sul lavoro

Un'intuizione comune è: "se l'AI rende più efficiente un compito, serviranno meno persone per farlo". Ma il paradosso suggerisce il contrario in molti casi: rendere un'attività più economica può espanderne la domanda così tanto da richiedere, complessivamente, più lavoro (anche se diverso). È uno dei motivi per cui l'impatto dell'AI sul lavoro è più complesso del semplice "sostituzione". Vedi l'AI sostituirà i programmatori?.

Sui costi e il consumo

Anche se ogni operazione AI diventa più economica, l'uso totale che esplode può far aumentare la spesa complessiva e il consumo energetico totale. L'efficienza per unità non garantisce un risparmio totale.

Sull'adozione

Il paradosso spiega perché l'AI si sta diffondendo così rapidamente: ogni calo di costo ne moltiplica gli usi, alimentando una crescita che si autoalimenta.

Perché è importante capirlo

Il paradosso di Jevons è un antidoto a previsioni semplicistiche. Quando senti dire "l'AI renderà X più efficiente, quindi servirà meno di Y", ricordati che spesso accade il contrario: l'efficienza espande l'uso. Questo aiuta a ragionare in modo più realistico su come l'AI cambierà il lavoro, l'economia e la società.

La mia riflessione

Trovo affascinante che un'osservazione sul carbone dell'Ottocento illumini così bene l'AI di oggi. La lezione di fondo: l'efficienza non porta automaticamente alla riduzione. Rendere l'AI più economica e capace probabilmente ne moltiplicherà l'uso in modi che facciamo fatica a immaginare, con conseguenze sia positive (più valore creato) sia da gestire (più consumo, più dipendenza). Tenerlo a mente rende le nostre previsioni sull'AI più sagge e meno ingenue.

In sintesi

Il paradosso di Jevons afferma che rendere più efficiente ed economico l'uso di una risorsa ne aumenta il consumo totale, invece di ridurlo. Applicato all'AI: man mano che diventa più economica, non ne usiamo meno ma molta di più, applicandola a sempre più casi. Le implicazioni: sul lavoro (l'efficienza può espandere la domanda invece di ridurre i posti), sui costi e il consumo (l'uso totale che esplode può aumentare la spesa e il consumo energetico), sull'adozione (la diffusione si autoalimenta). È un antidoto alle previsioni semplicistiche sull'impatto dell'AI.

Per i temi collegati, vedi l'AI sostituirà i programmatori? e quanto consuma l'AI.