I campi di forza: perché l’intelligenza artificiale non produce ovunque gli stessi effetti
La tecnologia apre possibilità. Potere, diseguaglianza, tempo e digitalizzazione contribuiscono a orientare le traiettorie attraverso cui quelle possibilità diventano conseguenze sociali. Comprendere queste condizioni significa anche individuare dove e come sia possibile intervenire.
1. Se la tecnologia non decide da sola, che cosa orienta il cambiamento?
Nella prima parte di AI Impact abbiamo costruito una mappa degli impatti dell’intelligenza artificiale attraverso dieci dimensioni: dal lavoro alla democrazia, dalla conoscenza alla salute, dall’ambiente ai diritti.
Il radar ci ha permesso di rappresentare configurazioni differenti. Abbiamo inoltre osservato che le dimensioni non sono indipendenti: una trasformazione nel lavoro può influenzare la distribuzione del reddito; la concentrazione economica può incidere sull’accesso alle tecnologie; la qualità dell’informazione può avere conseguenze sullo spazio pubblico.
Ma questa rappresentazione lascia aperta una domanda fondamentale.
Perché due società, due territori o due organizzazioni, pur disponendo di tecnologie simili, possono sperimentare conseguenze tanto diverse?
Consideriamo un sistema di intelligenza artificiale che aumenta la produttività di un’impresa.
In un contesto, il miglioramento potrebbe accompagnarsi a formazione, riorganizzazione del lavoro, riduzione delle attività ripetitive e condivisione dei benefici.
In un altro, la stessa capacità tecnologica potrebbe essere impiegata principalmente per ridurre i costi, intensificare il controllo sulle prestazioni o concentrare i vantaggi economici.
Non stiamo descrivendo due esiti inevitabili, né sostenendo che la tecnologia sia irrilevante. Stiamo osservando che le sue caratteristiche, da sole, non bastano a spiegare le conseguenze.
Occorre guardare al sistema nel quale viene introdotta.
È questo il passaggio dal radar ai campi di forza.
2. Che cosa intendiamo per campo di forza?
Nel modello AI Impact utilizziamo l’espressione campo di forza per indicare una condizione strutturale e trasversale del sistema che contribuisce a orientare le traiettorie dell’impatto dell’IA.
Un campo di forza non è semplicemente un settore nel quale osserviamo conseguenze. È una caratteristica del contesto che influenza il modo in cui quelle conseguenze possono svilupparsi.
La distinzione è importante.
Le dimensioni indicano dove osserviamo gli effetti.
I meccanismi sistemici descrivono come gli effetti possono propagarsi ed evolvere: attraverso retroazioni, ritardi, soglie e interdipendenze.
I campi di forza descrivono le condizioni nelle quali quei meccanismi operano e che possono orientarne le traiettorie.
Questi livelli sono distinti per aiutarci a ragionare, ma nella realtà rimangono collegati.
Una trasformazione può modificare il contesto che l’ha resa possibile. Un vantaggio economico ottenuto attraverso l’IA, per esempio, può accrescere la capacità di un attore di investire ulteriormente nella tecnologia, influenzando le condizioni delle trasformazioni successive.
Il rapporto non è dunque una semplice sequenza di cause ed effetti.
Per questa lettura proponiamo quattro campi:
Potere, Diseguaglianza, Tempo e Digitalizzazione.
Non pretendiamo che costituiscano un elenco esaustivo di tutte le condizioni rilevanti, né che siano quattro fenomeni della stessa natura. Sono quattro prospettive complementari attraverso cui interrogare il sistema.
La loro utilità dipende dalla capacità di rendere comprensibili differenze che il solo radar non spiega.
3. Potere — Chi controlla le capacità?
L’intelligenza artificiale richiede risorse: competenze, dati, infrastrutture, capacità di calcolo, capitale, accesso ai mercati e possibilità di prendere decisioni.
Queste risorse non sono distribuite uniformemente.
Il campo di forza Potere riguarda la distribuzione, in un dato momento, della capacità effettiva degli attori di controllare risorse, infrastrutture, accesso e decisioni.
La domanda non è soltanto chi possieda una tecnologia, ma chi possa stabilire a quali condizioni viene sviluppata, resa disponibile e utilizzata.
Pensiamo a un’amministrazione pubblica che voglia introdurre sistemi di IA nei propri servizi.
Se dispone di competenze interne, capacità di valutazione e possibilità di scegliere fra diversi fornitori, può trovarsi in una posizione contrattuale diversa rispetto a un’amministrazione interamente dipendente da un’unica infrastruttura esterna.
La tecnologia potrebbe essere simile. Non lo sono le condizioni di controllo.
Lo stesso interrogativo riguarda le imprese, i lavoratori, le università e i cittadini: chi può negoziare? Chi può verificare? Chi può cambiare fornitore? Chi può rifiutare un impiego della tecnologia?
Il potere non coincide, tuttavia, con la sola concentrazione economica.
Nella Parte I osserviamo la concentrazione come uno degli effetti possibili della trasformazione. Qui consideriamo invece la distribuzione del potere prima e durante quella trasformazione.
Le due cose possono alimentarsi reciprocamente: una posizione di controllo iniziale può favorire ulteriore concentrazione; una maggiore concentrazione può, a sua volta, rafforzare il controllo futuro.
Non è un esito necessario. È una possibile retroazione da osservare.
La domanda del campo Potere è: chi dispone della capacità effettiva di orientare le scelte e di appropriarsi dei vantaggi?
4. Diseguaglianza — Chi può beneficiare della trasformazione?
Due persone possono avere accesso allo stesso strumento e non disporre delle stesse possibilità di utilizzarlo.
Le differenze possono riguardare reddito, istruzione, competenze, condizioni di lavoro, posizione geografica, disponibilità di tempo, accessibilità dei servizi e capacità di sostenere i costi di un cambiamento.
Il campo Diseguaglianza considera queste differenze come condizioni di partenza che possono influenzare gli effetti dell’intelligenza artificiale.
Una persona con competenze aggiornate, strumenti adeguati e possibilità di formazione può essere nelle condizioni di utilizzare l’IA per ampliare le proprie capacità professionali.
Un’altra, pur svolgendo attività esposte a trasformazioni analoghe, potrebbe non avere accesso alla formazione necessaria o non poter sostenere una fase di transizione.
La distinzione tra esposizione tecnologica ed esito occupazionale è essenziale. Uno studio dell’Organizzazione internazionale del lavoro del 2025 rileva che circa un quarto dei lavoratori nel mondo svolge occupazioni con qualche grado di esposizione all’IA generativa, ma sottolinea che esposizione non significa automaticamente sostituzione del lavoro: nella maggior parte dei casi esaminati, la trasformazione delle mansioni è uno scenario più plausibile della completa eliminazione dell’occupazione.
Un successivo studio dell’OIL, pubblicato nel marzo 2026 e riferito a 135 paesi, evidenzia inoltre che le differenze nelle infrastrutture digitali possono limitare la possibilità di ottenere benefici dall’IA anche dove esiste un potenziale di miglioramento della produttività.
Questi risultati non dimostrano una traiettoria unica. Mostrano perché occorre distinguere le capacità tecniche dalle condizioni concrete di accesso e utilizzo.
La diseguaglianza può essere sia una condizione iniziale sia un risultato.
Differenze preesistenti possono produrre vantaggi differenti. I vantaggi ottenuti possono poi modificare le diseguaglianze successive, ampliandole oppure riducendole a seconda del contesto e degli interventi.
La domanda del campo Diseguaglianza è: chi dispone delle condizioni necessarie per trasformare una possibilità tecnologica in un beneficio effettivo, e chi rischia di sostenere i costi della transizione?
5. Tempo — Quando la velocità diventa una condizione decisiva
Il cambiamento tecnologico e la capacità di risposta delle organizzazioni non procedono necessariamente alla stessa velocità.
Un sistema di IA può essere introdotto in tempi relativamente brevi, mentre modificare programmi scolastici, aggiornare competenze professionali, riorganizzare servizi o costruire procedure di controllo può richiedere molto più tempo.
È in questa differenza che il Tempo diventa rilevante.
Non intendiamo il tempo come semplice successione di date. Ci interessano le relazioni fra velocità del cambiamento, ritardi, sequenze decisionali e possibilità di intervenire prima che determinate scelte diventino difficili da modificare.
Immaginiamo un’organizzazione che automatizzi rapidamente alcune attività senza aver prima predisposto formazione e nuove responsabilità.
Gli effetti potrebbero dipendere non soltanto dalla tecnologia adottata, ma anche dall’ordine delle decisioni: prima l’introduzione dello strumento, poi la formazione; oppure un percorso in cui preparazione, sperimentazione e adozione procedono insieme.
Il tempo può contare anche attraverso la persistenza delle scelte.
Un investimento infrastrutturale, un contratto di lunga durata o l’adozione di un formato proprietario possono creare dipendenze che rendono successivamente più oneroso cambiare direzione.
In questo caso parliamo di possibili fenomeni di lock-in: decisioni presenti che restringono le alternative future.
Non tutte le accelerazioni sono negative e non tutti i rallentamenti sono desiderabili. Una risposta tempestiva può essere necessaria per cogliere opportunità o affrontare rischi.
La questione è comprendere quali processi stanno accelerando, quali richiedono più tempo e quali decisioni rischiano di diventare difficilmente reversibili.
È utile distinguere questa prospettiva dalla capacità istituzionale di rispondere al cambiamento: il Tempo riguarda qui le caratteristiche temporali delle trasformazioni; la capacità di organizzare una risposta verrà affrontata nella sezione sulla governance.
6. Digitalizzazione — Su quale infrastruttura arriva l’IA?
L’intelligenza artificiale non viene introdotta in un mondo tecnologicamente uniforme.
Organizzazioni e territori dispongono di infrastrutture, sistemi informativi, dati, competenze e livelli di interoperabilità differenti.
Un ospedale con sistemi informativi integrati affronta problemi diversi da una struttura nella quale i dati sono frammentati fra applicazioni incompatibili.
Un’impresa con processi già digitalizzati può incontrare condizioni di adozione differenti rispetto a una che gestisce ancora una parte rilevante delle proprie attività attraverso procedure non digitali.
Il campo Digitalizzazione riguarda questo substrato tecnico e organizzativo.
Non coincide con la semplice quantità di tecnologia disponibile.
Contano anche l’architettura dei sistemi, la qualità e l’accessibilità dei dati, la sicurezza, la possibilità di integrare strumenti differenti e il grado di dipendenza da specifici fornitori.
Una digitalizzazione avanzata può facilitare la diffusione delle capacità dell’IA, ma può anche amplificare vulnerabilità o dipendenze già presenti.
Al contrario, un’infrastruttura digitale limitata può ostacolare l’accesso a determinate opportunità, senza per questo implicare che ogni ulteriore digitalizzazione sia automaticamente vantaggiosa.
Lo studio OIL del 2026 sulle differenze fra paesi mostra un caso concreto di questa distinzione: la connettività insufficiente può impedire a una parte dei lavoratori di beneficiare delle opportunità di integrazione dell’IA nelle proprie attività.
Il punto è quindi osservare non soltanto quanto un sistema sia digitalizzato, ma come lo sia e quali possibilità o vincoli derivino dalla sua architettura.
7. Quando i campi si incontrano
I quattro campi non agiscono separatamente.
La loro interazione può produrre configurazioni differenti anche quando la capacità tecnologica disponibile è simile.
Consideriamo due incroci particolarmente utili per esplorare questa possibilità.
Potere × Digitalizzazione
Immaginiamo un territorio dotato di infrastrutture digitali avanzate, ma fortemente dipendente da un numero ristretto di fornitori.
La disponibilità tecnologica può essere elevata, mentre la capacità degli utilizzatori di scegliere, negoziare o modificare le condizioni di accesso rimane limitata.
Immaginiamo invece infrastrutture interoperabili, competenze diffuse e una maggiore pluralità di attori. Anche qui possono esistere dipendenze e concentrazioni, ma la configurazione delle possibilità è differente.
Non stiamo attribuendo punteggi a questi scenari. Il confronto serve a rendere visibile una distinzione: digitalizzazione e distribuzione del potere non sono la stessa cosa.
Un sistema può essere tecnologicamente avanzato senza garantire autonomia a chi lo utilizza.
Diseguaglianza × Tempo
Immaginiamo ora due gruppi di lavoratori coinvolti nella stessa trasformazione.
Entrambi devono acquisire nuove competenze, ma uno dispone di tempo retribuito per formarsi, sostegno economico e percorsi di accompagnamento. L’altro deve adattarsi immediatamente, senza risorse aggiuntive.
La velocità della trasformazione è simile; le condizioni di partenza sono differenti.
Una transizione rapida può quindi produrre conseguenze diverse a seconda delle risorse disponibili per affrontarla.
Anche in questo caso non descriviamo una legge universale. Individuiamo una relazione che merita di essere osservata e verificata nei contesti concreti.
Gli altri incroci sono altrettanto possibili: Potere × Diseguaglianza, Potere × Tempo, Diseguaglianza × Digitalizzazione e Tempo × Digitalizzazione.
Non occorre però trasformare tutte e sei le coppie in altrettante figure. L’obiettivo non è riempire una matrice: è individuare le interazioni che aiutano realmente a comprendere una situazione.
8. Dai campi di forza alle traiettorie: torniamo al radar
Possiamo ora ricomporre il percorso delle due parti dell’articolo.
Il radar mostra una configurazione degli impatti attraverso dieci dimensioni.
Le interdipendenze aiutano a comprendere come un cambiamento in una dimensione possa coinvolgerne altre.
I campi di forza richiamano l’attenzione sulle condizioni che contribuiscono a orientare queste trasformazioni.
Riprendiamo l’esempio della produttività.
Un incremento ottenuto grazie all’IA potrebbe essere accompagnato da miglioramenti della qualità del lavoro, investimenti nelle competenze e una distribuzione più ampia dei benefici.
Oppure potrebbe accompagnarsi a una maggiore concentrazione dei vantaggi e a difficoltà di adattamento per alcuni gruppi.
Per comprendere le differenze, possiamo porre quattro domande:
Potere: chi controlla le decisioni e le risorse?
Diseguaglianza: quali differenze esistono nelle possibilità di beneficiare del cambiamento?
Tempo: con quali velocità e sequenze si sviluppa la trasformazione?
Digitalizzazione: quali infrastrutture e dipendenze ne condizionano l’attuazione?
Le risposte non producono automaticamente una previsione. Permettono però di formulare ipotesi più precise e di individuare informazioni da raccogliere.
Il radar non è una fotografia definitiva del futuro. È uno strumento per osservare configurazioni possibili, confrontare contesti e porre domande migliori.
9. Governare il cambiamento senza pretendere di controllarlo completamente
Se le traiettorie dipendono anche dalle condizioni nelle quali l’IA viene introdotta, gli interventi pubblici e le decisioni organizzative possono cercare di modificare quelle condizioni.
Non esiste però una corrispondenza semplice fra un campo di forza e una singola misura.
Un investimento in infrastrutture pubbliche di calcolo, per esempio, potrebbe incidere contemporaneamente sull’accesso alle capacità tecnologiche, sulla distribuzione del potere e sull’architettura della digitalizzazione. Gli effetti concreti dipenderebbero dalle modalità di realizzazione, gestione e accesso.
Un programma di formazione potrebbe intervenire sulle differenze nelle opportunità di utilizzo dell’IA e sui tempi della transizione, senza garantire automaticamente un risultato occupazionale positivo.
Misure di interoperabilità potrebbero modificare alcune condizioni di dipendenza tecnologica, ma la loro efficacia andrebbe valutata nel contesto specifico.
Questi esempi illustrano un principio: una stessa leva può interessare più campi e produrre effetti che si rafforzano, si compensano o cambiano nel tempo.
La governance può essere letta, sul piano operativo, come la capacità di osservare ciò che accade, riconoscere conseguenze inattese, modificare gli interventi e apprendere dai risultati.
Questa formulazione non richiede di decidere qui se la governance costituisca un quinto campo di forza o un livello teorico separato. Per un articolo divulgativo è sufficiente chiarire la funzione che vogliamo discutere.
La capacità di intervenire non è inoltre indipendente dal sistema: risorse, competenze, distribuzione del potere e assetti istituzionali possono influenzare anche chi governa e come lo fa.
Per questo governare non significa immaginare un centro esterno capace di controllare ogni conseguenza. Significa predisporre strumenti di osservazione, responsabilità, partecipazione, valutazione e correzione.
I Principi OCSE sull’intelligenza artificiale, adottati nel 2019 e aggiornati nel 2024, costituiscono un riferimento istituzionale per questo tipo di approccio: affrontano, fra gli altri temi, diritti, trasparenza, responsabilità, inclusione e gestione dei rischi.
Si tratta di orientamenti di governance, non di una validazione del modello dei quattro campi di forza proposto da AI Impact.
La domanda operativa diventa allora:
Quali condizioni vogliamo osservare, quali conseguenze intendiamo verificare e quali strumenti abbiamo per correggere una traiettoria quando gli effetti reali divergono dagli obiettivi dichiarati?
10. Conclusione — Dalla mappa alla capacità di intervenire
L’intelligenza artificiale non arriva in una società priva di storia, diseguaglianze, infrastrutture o rapporti di potere.
Entra in sistemi già organizzati e contribuisce a trasformarli.
Il radar della Parte I ci aiuta a osservare gli impatti in più dimensioni, evitando di ridurre il fenomeno a un solo indicatore o a un’alternativa semplicistica fra benefici e rischi.
I campi di forza della Parte II aggiungono una seconda prospettiva: le conseguenze dipendono anche dalle condizioni nelle quali le capacità tecnologiche vengono sviluppate e utilizzate.
Potere, Diseguaglianza, Tempo e Digitalizzazione non sono quattro risposte definitive. Sono quattro domande da rivolgere a ogni trasformazione.
Chi controlla?
Chi può beneficiare?
Con quali tempi?
Su quali infrastrutture?
La risposta non può essere data una volta per tutte. Richiede osservazione, confronto fra contesti e disponibilità a rivedere le ipotesi alla luce degli effetti effettivamente prodotti.
La mappa serve a vedere il sistema. Comprendere le condizioni che orientano le traiettorie serve a rendere più informate le decisioni su come intervenire.
Riferimenti essenziali
- Organizzazione internazionale del lavoro, Generative AI and Jobs: A Refined Global Index of Occupational Exposure (2025).
International Labour Organization
- Organizzazione internazionale del lavoro, Disruption without dividend? How the digital divide and task differences split GenAI’s global impact (2026).
- OCSE, OECD AI Principles, adottati nel 2019 e aggiornati nel 2024.
OECD
fA & aiNEXUS (c) 09.2026