Resistere non basta: Panetta e la sfida dell’AI alle banche centrali

La moneta nazionale fu introdotta nel 1996, alla fine di un periodo di instabilità monetaria post-sovietica, e da allora ha attraversato tre decenni di crisi e, negli ultimi quattro anni, la prova di una guerra su vasta scala. Durante l’invasione russa, con l’inflazione salita oltre il 26 per cento e il tasso ufficiale portato al 25, il sistema bancario ucraino ha continuato a funzionare e l’impianto istituzionale ha retto. A febbraio il Fondo monetario ha approvato un nuovo programma quadriennale che riconosce questo risultato; e intanto l’allineamento delle regole bancarie ucraine agli standard europei ha continuato ad andare avanti, passando dal 50 per cento del 2022 a quasi l’80 di oggi.

È una storia di resistenza e resilienza, e Panetta la usa per ricordare che cosa significhi, di solito, la parola credibilità: tenere il punto. Difendere l’indipendenza, proteggere il quadro della politica monetaria, conservare la capacità di agire sotto pressione. La credibilità, in questa accezione, si costruisce nel tempo e si misura quando le circostanze diventano estreme. La banca centrale ucraina è l’esempio perfetto di questa virtù.

Banche centrali e intelligenza artificiale: la nuova prova

Ma il discorso di Panetta serve a introdurre una seconda questione, di natura opposta. Accanto alla capacità di resistere a uno shock ce n’è un’altra, più scomoda: la capacità di capire un cambiamento e di adattarvisi. E qui il banco di prova non è la guerra, è l’intelligenza artificiale.

La differenza è sostanziale. Davanti a una crisi geopolitica la banca centrale sa che cosa deve fare: irrigidirsi, difendere il perimetro. Davanti alla diffusione dell’AI non può fare lo stesso. I modelli economici, gli strumenti di vigilanza, le infrastrutture dei pagamenti sono stati costruiti per un mondo tecnologico diverso. L’AI generativa, ricorda Panetta, si sta diffondendo più in fretta di qualsiasi tecnologia precedente: negli Stati Uniti ha raggiunto metà delle famiglie in circa tre anni, contro i dieci abbondanti che servirono a internet e i sette al telefono cellulare. Una trasformazione di questa velocità produce cambiamenti della produttività, del lavoro, dei mercati e dei pagamenti così velocemente che chi deve governarli non ha il tempo di misurarli.

AI e politica monetaria tra inflazione e produttività

Il problema, per una banca centrale, è che l’AI sollecita le politiche monetarie in due direzioni opposte. Nel breve periodo spinge i prezzi verso l’alto: gli investimenti per costruire i data center e addestrare i modelli fanno da traino alla domanda, e insieme fanno salire il costo di ciò che serve a produrli, cioè potenza di calcolo, energia, competenze specializzate. Finché l’offerta di questi fattori non tiene il passo, la pressione sui prezzi resta. Nel lungo periodo, però, l’effetto dominante dovrebbe essere l’opposto: una tecnologia che rende più produttivo il lavoro allarga la capacità produttiva dell’economia e, a parità di tutto il resto, tende a far scendere l’inflazione. Per l’Italia, le stime della Banca d’Italia indicano che un’adozione diffusa dell’AI potrebbe aggiungere oltre un punto percentuale di crescita della produttività l’anno. Il condizionale, però, pesa: quel guadagno dipende da quanto in profondità la tecnologia viene effettivamente adottata, in particolare nelle piccole e medie imprese.

L’impatto dell’intelligenza artificiale sul lavoro

Quale dei due effetti prevarrà dipende soprattutto dal lavoro, cioè da come i benefici dell’AI verranno distribuiti. Panetta distingue due strade. Nella prima la tecnologia sostituisce le persone: automatizza compiti che prima svolgevano i lavoratori, riduce la domanda di lavoro e sposta il reddito verso il capitale. Nella seconda l’AI affianca e supporta i lavoratori: crea nuovi compiti, aumenta la richiesta di competenze e lascia che siano le persone a incassare parte dei guadagni. Le conseguenze sono divergenti. Se prevale la seconda strada, le famiglie si sentono più ricche e più sicure, consumano di più e le tensioni sui prezzi durano più a lungo. Se prevale l’automazione, l’incertezza su posti di lavoro e salari spinge a risparmiare e a consumare meno, e l’effetto di raffreddamento arriva prima. La realtà forse starà nel mezzo, ma con una complicazione: i guadagni non si distribuiscono in modo uniforme. Le imprese più grandi adottano l’AI prima e meglio delle piccole, e questo rischia di concentrare ancora di più i mercati. Per chi fa politica monetaria la lezione è netta: non basta stimare quanto l’AI farà crescere la produttività, bisogna capire a chi andranno quei guadagni, perché è la loro distribuzione a decidere la domanda e quindi l’inflazione.

Europa e AI: la velocità di adozione diventa decisiva

C’è poi una seconda domanda, che riguarda l’Europa: l’AI allargherà il divario tra i paesi? Oggi gli Stati Uniti corrono. Gli investimenti legati all’AI sono diventati un motore della loro crescita e attirano capitali dal resto del mondo: nel 2025 gli acquisti esteri di azioni americane hanno sfiorato i 742 miliardi di dollari. L’Europa, che sullo sviluppo dell’AI è ancora indietro, ha finora sentito questi effetti in misura molto minore. Ma secondo Panetta la partita non si gioca solo su chi costruisce la tecnologia, bensì anche su chi la adotta. Anche senza diventare un grande sviluppatore di modelli, il continente può usarli con la stessa rapidità delle altre economie avanzate. La differenza nella velocità di adozione diventa allora tutto: i paesi che integrano l’AI più in fretta si assicurano un vantaggio di produttività duraturo, ampliano le loro quote di mercato e attraggono investimenti; gli altri vedono scendere la propria competitività. È lo stesso nodo che l’Italia conosce bene: che quel punto di produttività in più si realizzi o resti sulla carta dipende quasi per intero dalla profondità con cui il paese adotterà la tecnologia, non dalla velocità con cui la tecnologia evolve.

Banche centrali, tassi e modelli in un’economia che cambia

Quindi Panetta ammette una riflessione prudente che, per un banchiere centrale, non è banale. Nessuno sa oggi dove si collochi il tasso di interesse “naturale”, quel livello di riferimento che né stimola né frena l’economia e che serve a orientare le decisioni sui tassi. Una produttività più alta tenderebbe ad alzarlo, ma una maggiore disuguaglianza, la propensione a risparmiare per precauzione e il maggior peso del capitale sui redditi potrebbero spingerlo verso il basso. In un’economia che cambia così in fretta, dice il governatore, le banche centrali dovrebbero dare più peso a ciò che accade davvero (la domanda, i prezzi) che alle stime di variabili che non si possono osservare direttamente. È un invito a fidarsi dei fatti più che dei modelli, e alle orecchie di chi i modelli li costruisce dovrebbe suonare quasi come una correzione di rotta.

A rendere il quadro più insidioso c’è il modo in cui i mercati stanno già scontando tutto questo. I prezzi delle azioni incorporano aspettative molto ottimistiche sui profitti futuri dell’AI: quelle valutazioni aiutano le imprese tecnologiche a raccogliere capitali e ad alimentare nuovi investimenti, ma espongono i mercati a correzioni brusche non appena le attese vengono deluse, come ha già mostrato la volatilità recente dei titoli tecnologici. Una transizione che passa di qui difficilmente sarà lineare, ed è una ragione in più perché la banca centrale resti pragmatica invece di inseguire un numero che non riesce a osservare.

Intelligenza artificiale, vigilanza bancaria e pagamenti

L’intelligenza artificiale, del resto, non mette alla prova solo la politica monetaria. Nella vigilanza bancaria può migliorare la valutazione del credito e la scoperta delle frodi, ma crea vulnerabilità nuove: quando troppe banche si affidano agli stessi modelli o agli stessi fornitori di tecnologia, un errore o un guasto si propaga infetta tutto il sistema. Al contempo nel settore dei pagamenti, nuovi operatori e servizi più rapidi aumentano concorrenza ed efficienza, ma rendono l’ecosistema più complesso e frammentato, con rischi operativi e di conformità inediti. La risposta che indica Panetta non è respingere l’innovazione, ma incorporarla nell’architettura esistente: un sistema a due livelli in cui la moneta della banca centrale resta l’ancora e la moneta privata e i servizi di pagamento sono lo strato che opera sopra di essa. Adattare, non smantellare.

Credibilità delle banche centrali tra resistenza e adattamento

Ed è qui che le due questioni di Kyiv si ricongiungono. Per decenni la credibilità di una banca centrale ha voluto dire una cosa sola: tenere la barra dritta sull’inflazione, difendere l’indipendenza, non piegarsi. La prima questione è dunque la credibilità, e la banca centrale ucraina l’ha mostrata nella sua forma più dura, sotto la guerra. A questa Panetta ne affianca un’altra, di segno opposto: la credibilità che sa cambiare, capace di capire una trasformazione che la banca centrale non era attrezzata a governare e di rimettere mano ai propri strumenti senza perdere di vista il mandato. Resistere e adattarsi non sono l’opposto l’uno dell’altro, ma le due facce della stessa sfida: restare credibili quando il mondo attorno cambia in profondità.