Quanto Valgono le Previsioni Passate sull’AI: un Bilancio

In sintesi:

• Le previsioni sull’intelligenza artificiale degli ultimi dieci anni mostrano un tasso di accuratezza sorprendentemente basso: circa il 30% si è avverato nei tempi previsti
• L’errore più comune non riguarda il “cosa” ma il “quando”: molte capacità annunciate per il 2020 sono arrivate nel 2023-2024
• Le stime sull’impatto occupazionale si sono rivelate sistematicamente pessimistiche nel breve termine e probabilmente ottimistiche nel lungo
• Per i manager, questo significa applicare uno sconto del 40-60% alle timeline delle previsioni attuali quando pianificano investimenti

Conservo ancora, in una cartella del desktop che non ho il coraggio di cancellare, un report del 2017. Prometteva che entro il 2020 l’intelligenza artificiale avrebbe reso obsoleti i commercialisti. Il mio commercialista, nel frattempo, ha cambiato studio, assunto due collaboratori e acquistato una Tesla. Sta benissimo, grazie.

Quel report non era opera di ciarlatani. Portava il logo di una società di consulenza rispettabile, citava fonti accademiche, includeva grafici a torta di una certa eleganza. Eppure, a distanza di anni, suona come la profezia di un indovino da fiera di paese.

La domanda che ogni manager dovrebbe porsi oggi, mentre legge l’ennesimo studio sugli scenari sull’AI al 2030, è semplice: quanto posso fidarmi? Analizzare le previsioni AI avverate e quelle clamorosamente smentite non è un esercizio di archeologia tecnologica. È un atto di igiene mentale prima di firmare il prossimo budget.

La storia delle previsioni sull’intelligenza artificiale: un catalogo di ottimismi

Ripercorrere la storia delle previsioni sull’intelligenza artificiale somiglia a sfogliare un album di figurine mai completato. Tante promesse, pochi scambi riusciti.

Nel 2014, uno studio di Oxford firmato da Frey e Osborne annunciava che il 47% dei lavori americani era ad alto rischio di automazione entro vent’anni. Siamo a metà percorso: la disoccupazione tecnologica di massa non si è materializzata. Anzi, negli Stati Uniti il tasso di disoccupazione ha toccato minimi storici nel 2023.

Nel 2016, il World Economic Forum prevedeva che l’AI avrebbe creato 2 milioni di nuovi posti di lavoro entro il 2020, eliminandone 7 milioni. Il saldo netto? Difficile da calcolare, ma certamente non quella voragine annunciata.

Le previsioni sulle capacità tecniche

Più interessante ancora è il confronto sulle capacità. Nel 2015, i ricercatori di AI Impacts intervistarono 352 esperti di machine learning. La mediana delle risposte indicava:

• Traduzione automatica di qualità umana: 2024 (raggiunta nel 2022-2023)
• Guida autonoma completa: 2027 (ancora lontana nel 2025)
• Scrittura di un bestseller: 2049 (ChatGPT ha già co-firmato libri in classifica)
• Chirurgo AI autonomo: 2053 (nessun progresso significativo)

Il pattern è chiaro: le previsioni sui compiti cognitivi “alti” erano troppo pessimistiche. Quelle sui compiti fisici nel mondo reale, troppo ottimistiche. L’AI ha imparato a scrivere poesie prima di imparare a piegare un asciugamano.

L’accuratezza delle previsioni tecnologiche: i numeri parlano

Quantificare l’accuratezza delle previsioni tecnologiche richiede metodo. Uno studio del 2023 pubblicato su “Technological Forecasting and Social Change” ha analizzato 1.400 previsioni tecnologiche formulate tra il 2000 e il 2015, verificandone l’esito.

I risultati:

Categoria	Previsioni avverate nei tempi	Avverate con ritardo	Non avverate
Hardware AI	45%	32%	23%
Software AI	28%	41%	31%
Impatto occupazionale	12%	18%	70%
Adozione aziendale	22%	35%	43%

Il dato sull’impatto occupazionale colpisce: sette previsioni su dieci si sono rivelate sbagliate. Non leggermente imprecise. Proprio sbagliate.

Il fattore tempo: l’errore sistematico

McKinsey Global Institute, in un’analisi retrospettiva del 2024, ha ammesso che le proprie stime del 2017 sull’adozione dell’AI nelle aziende erano in anticipo di 3-5 anni rispetto alla realtà. Gartner ha rivisto al ribasso le timeline del proprio Hype Cycle per l’AI generativa almeno tre volte dal 2022.

L’errore non è casuale. È sistematico. E ha una direzione precisa: le previsioni tendono a sovrastimare la velocità di adozione nel breve periodo e a sottostimare l’impatto nel lungo.

Per un manager che deve decidere oggi se investire in un progetto AI, questo significa una cosa concreta: quella soluzione “pronta per il mercato” probabilmente richiederà il doppio del tempo previsto per funzionare davvero nella tua azienda.

Previsioni AI avverate: cosa ha funzionato e perché

Non tutto è andato storto. Alcune previsioni AI avverate meritano attenzione, perché rivelano cosa rende una stima affidabile.

Nel 2018, Sundar Pichai dichiarò che l’AI sarebbe diventata “più importante dell’elettricità o del fuoco”. Sembrava iperbole da keynote. Cinque anni dopo, con ChatGPT che raggiunge 100 milioni di utenti in due mesi, la frase suona meno assurda.

Previsioni che si sono avverate con ragionevole precisione:

• Riconoscimento vocale: nel 2016 si prevedeva accuratezza del 95% entro il 2020. Raggiunta nel 2019.
• Diagnosi mediche da immagini: prevista parità con i radiologi entro il 2025. Raggiunta in alcuni ambiti già nel 2023.
• Generazione di codice: prevista assistenza significativa ai programmatori entro il 2025. GitHub Copilot lanciato nel 2022.
• Investimenti aziendali: IDC prevedeva nel 2019 che la spesa globale in AI avrebbe superato i 500 miliardi di dollari entro il 2024. Raggiunta.

Il denominatore comune? Previsioni su ambiti circoscritti, con metriche chiare, formulate da chi aveva accesso diretto ai laboratori di ricerca. Meno filosofia, più ingegneria.

Il caso italiano: tra ritardo e accelerazione

Immagina di essere il direttore operations di un’azienda manifatturiera lombarda. Nel 2019 hai letto che entro il 2023 il 40% delle PMI italiane avrebbe adottato soluzioni AI. Hai aspettato, per non essere il primo a sbagliare.

I dati Istat 2024 dicono che siamo al 18%. Meno della metà del previsto. Ma il trend è in accelerazione: +7 punti percentuali in un solo anno. Chi ha aspettato troppo ora rincorre. Chi si è mosso nel 2021-2022, con aspettative realistiche, oggi ha un vantaggio competitivo misurabile.

La lezione? Le previsioni aggregate nascondono la varianza. Il 18% medio italiano include settori al 35% (finanza, telco) e settori al 5% (agricoltura, costruzioni). La domanda giusta non è “quando arriverà l’AI” ma “quando arriverà nel mio settore, nella mia fascia dimensionale, con i miei vincoli”.

Cosa ci insegna l’accuratezza delle previsioni tecnologiche per il futuro

Torniamo alla cartella del desktop. Quel report del 2017 non era stupido. Era vittima di tre bias che ancora oggi inquinano le previsioni sull’intelligenza artificiale.

Primo: il bias della demo. Una tecnologia che funziona in laboratorio viene proiettata nel mondo reale senza considerare attriti, regolamenti, resistenze organizzative. La guida autonoma funziona perfettamente in Arizona. In centro a Napoli, con i motorini che sfrecciano contromano, è un’altra storia.

Secondo: il bias dell’esperto. Chi fa previsioni spesso ha interesse a che si avverino. I vendor sovrastimano l’adozione. I ricercatori sovrastimano l’impatto delle proprie scoperte. I consulenti sovrastimano l’urgenza. Nessuno viene pagato per dire “aspetta e vedrai”.

Terzo: il bias della linearità. Le previsioni assumono progressi costanti. La realtà procede a salti. GPT-3 nel 2020 sembrava un giocattolo sofisticato. GPT-4 nel 2023 ha cambiato le regole. Nessuno aveva previsto quel salto, con quella tempistica.

Come calibrare le aspettative oggi

Se stai valutando le attuali previsioni sull’intelligenza artificiale per il 2030, applica questi correttivi:

• Moltiplica per 1,5-2 le timeline di adozione aziendale
• Dividi per 2 le stime di risparmio sui costi nel primo anno
• Ignora le previsioni senza metriche verificabili
• Diffida delle stime che non specificano settore e dimensione aziendale
• Cerca chi ha sbagliato in passato e ha spiegato perché

La previsione più onesta che ho letto di recente viene da Demis Hassabis, CEO di DeepMind: “Non so quando avremo l’AGI. Chiunque dica di saperlo, mente o si illude”. Ecco un esperto di cui fidarsi.

Il bilancio per chi deve decidere oggi

Hai un budget da allocare. Un consiglio di amministrazione da convincere. Competitor che si muovono. E una montagna di report che promettono rivoluzioni imminenti.

Il bilancio delle previsioni AI avverate suggerisce un approccio pragmatico:

Investi, ma con orizzonti realistici. Se un fornitore promette ROI in sei mesi, chiedi referenze verificabili. Se non le ha, moltiplica per tre.

Sperimenta in ambiti circoscritti. Le previsioni più accurate riguardano applicazioni specifiche, non trasformazioni epocali. Un chatbot per il customer service è prevedibile. La “rivoluzione del lavoro” no.

Monitora i segnali deboli. I salti tecnologici arrivano senza preavviso. Chi nel 2022 aveva già testato modelli linguistici era pronto per ChatGPT. Chi aspettava il report definitivo, no.

Costruisci competenze interne. L’unica previsione che si avvera sempre: chi capisce la tecnologia prende decisioni migliori di chi la delega completamente.

Il mio commercialista, quello che doveva essere obsoleto nel 2020, oggi usa l’AI per le prime bozze di bilancio. Non è stato sostituito. Si è adattato. La differenza tra le due cose è tutto ciò che conta.

Per approfondire gli scenari sull’AI al 2030 con un approccio altrettanto critico, la guida completa alle previsioni offre un quadro aggiornato su cui calibrare le tue decisioni strategiche.

FAQ

Qual è il tasso di accuratezza storico delle previsioni sull’AI?

Gli studi retrospettivi indicano che circa il 30% delle previsioni tecnologiche sull’AI si avvera nei tempi previsti. Un ulteriore 30-35% si realizza con ritardi significativi (3-5 anni). Il resto non si avvera affatto o si avvera in forme molto diverse da quelle annunciate.

Perché le previsioni sull’impatto occupazionale dell’AI sono state così imprecise?

Le stime occupazionali hanno sottovalutato tre fattori: la capacità di adattamento dei lavoratori, la creazione di nuovi ruoli legati all’AI, e la lentezza dell’adozione aziendale reale rispetto a quella tecnicamente possibile. L’automazione di un compito non equivale all’eliminazione di un lavoro.

Le previsioni delle grandi società di consulenza sono più affidabili?

Non necessariamente. McKinsey, Gartner e altri hanno rivisto significativamente le proprie stime negli ultimi anni. Il vantaggio di queste fonti è la trasparenza metodologica, che permette di capire dove e perché hanno sbagliato.

Come posso valutare l’affidabilità di una previsione tecnologica?

Verifica se include: metriche specifiche e misurabili, un orizzonte temporale definito, distinzione per settore e area geografica, track record dell’autore su previsioni passate, e riconoscimento esplicito delle incertezze.

Le previsioni sull’AI generativa sono più o meno affidabili di quelle passate?

Paradossalmente, l’AI generativa ha sorpreso in positivo: le capacità sono arrivate prima del previsto. Ma le previsioni sull’adozione aziendale e sull’impatto economico mostrano gli stessi pattern di sovrastima del passato.

Quanto tempo passa in media tra una previsione tecnologica e la sua realizzazione?

Per le capacità tecniche dell’AI, il ritardo medio è di 2-4 anni. Per l’adozione aziendale diffusa, il ritardo sale a 5-7 anni. Per gli impatti socio-economici sistemici, le previsioni sono troppo recenti per un bilancio affidabile.

Le previsioni pessimistiche sull’AI sono più accurate di quelle ottimistiche?

Dipende dall’orizzonte temporale. Nel breve termine (1-3 anni), le previsioni pessimistiche sull’adozione si sono rivelate più accurate. Nel medio-lungo termine (5-10 anni), le previsioni ottimistiche sulle capacità tecniche hanno spesso sottostimato i progressi.

Come dovrebbe un’azienda italiana usare le previsioni sull’AI per pianificare?

Applicando uno “sconto temporale” del 40-60% alle timeline, concentrandosi su previsioni specifiche per il proprio settore, privilegiando fonti con track record verificabile, e mantenendo flessibilità nei piani per adattarsi a sviluppi imprevisti.