Negli ultimi anni si è progressivamente ampliata una divergenza tra la crescita economica degli Stati Uniti e quella dell’Europa. Dopo la fase più acuta della pandemia, l’economia americana ha mostrato una capacità di espansione più robusta rispetto all’Area Euro, sia in termini di PIL reale sia in termini di dinamica degli investimenti. Se inizialmente questa differenza poteva essere spiegata con politiche fiscali più aggressive o con una maggiore flessibilità del mercato del lavoro statunitense, oggi emerge con crescente evidenza un fattore strutturale: l’Intelligenza Artificiale.
L’AI è sempre più considerata una general-purpose technology, ossia una tecnologia trasversale capace di incidere in modo profondo sui processi produttivi, sull’organizzazione delle imprese e sulla produttività di lungo periodo. Nella teoria della crescita economica, il PIL potenziale dipende da capitale, lavoro e produttività totale dei fattori (TFP). È proprio su quest’ultima variabile che l’AI sembra avere il maggiore impatto: migliorando l’efficienza, riducendo costi di coordinamento, automatizzando funzioni cognitive e ottimizzando decisioni, essa può generare incrementi strutturali della produttività.
Le stime dell’OCSE indicano che l’adozione diffusa dell’AI nei paesi avanzati potrebbe generare significativi guadagni di produttività nel medio periodo, ma tali effetti non sono automatici: dipendono dalla capacità del sistema economico di integrare la tecnologia nei processi produttivi e di riallocare rapidamente capitale e lavoro. In questo senso, la differenza tra Stati Uniti ed Europa non è soltanto tecnologica, ma anche istituzionale ed economica.
Gli Stati Uniti dispongono di un ecosistema particolarmente favorevole allo sviluppo e alla diffusione dell’AI. Il volume di investimenti privati in intelligenza artificiale negli USA è nettamente superiore rispetto a quello europeo, con gli Stati Uniti che attirano oltre il 70–74 % del capitale globale dedicato al venture capital in AI, mentre l’Europa resta significativamente indietro in termini assoluti e concentra la maggior parte delle operazioni early-stage. Inoltre, enormi raccolte di capitali privati e corporate, come i mega-round record di startup quali OpenAI, Anthropic e Scale AI, hanno polarizzato l’attenzione degli investitori, con OpenAI che da sola ha raccolto oltre 40 miliardi di dollari in un round di finanziamento.
Questa abbondanza di capitale negli USA è sostenuta da fondi di venture capital specializzati in AI come Andreessen Horowitz, che ha raccolto oltre 15 miliardi di dollari per finanziare startup tecnologiche, compresi verticali dedicati all’AI, e società come Basis Set Ventures, un fondo con sede a San Francisco focalizzato fin dall’inizio su startup costruite con l’intelligenza artificiale.
Un altro elemento chiave della leadership americana è rappresentato dalle infrastrutture di calcolo avanzato e dalla presenza di hyperscaler globali (AWS, Google Cloud, Microsoft Azure) che dedicano risorse massicce alla potenza computazionale per training e deployment di modelli AI, creando un vantaggio infrastrutturale nella formazione e nell’applicazione di tecnologie di generazione di linguaggio naturale e modelli di scala industriale.
Al contrario, l’Europa, pur vedendo segnali di crescita e mobilitazione di capitale (ad esempio con investitori come Index Ventures, Atomico o Balderton che attivano round AI, ma su scala molto più modesta), si trova a competere in un mercato più frammentato e meno concentrato. I fondi europei spesso operano con budget più limitati e su startup early stage rispetto ai mega-round americani, e l’attività complessiva di venture capital AI in Europa rappresenta una frazione significativa ma non dominante del mercato globale.
Infine, la combinazione di capitale, infrastrutture e ecosystem genera un effetto cumulativo negli Stati Uniti: le startup AI americane non solo raccolgono più investimenti, ma riescono anche a scalare più rapidamente, attrarre talenti internazionali e trasformare la ricerca in applicazioni industriali scalabili, alimentando ulteriormente la crescita produttiva nazionale.
Confronto degli investimenti in Intelligenza Artificiale: Stati Uniti vs UE27
Gli investimenti in data center e infrastrutture digitali hanno inoltre un effetto macroeconomico diretto, contribuendo alla formazione di capitale fisico e stimolando la domanda aggregata. A ciò si aggiunge un effetto indiretto sulla produttività, che rafforza il potenziale di crescita nel medio-lungo periodo. Si crea così un circolo virtuoso: innovazione, investimenti, produttività e crescita si alimentano reciprocamente.
L’Europa, pur disponendo di competenze scientifiche di alto livello, presenta caratteristiche strutturali meno favorevoli alla diffusione rapida dell’AI rispetto agli Stati Uniti. La prima differenza riguarda la struttura del mercato. Gli Stati Uniti operano come un unico spazio economico integrato, con circa 330 milioni di consumatori e un sistema normativo uniforme. L’Unione Europea, pur essendo formalmente un mercato unico, è composta da 27 Stati con sistemi fiscali, regimi di incentivi e applicazioni normative differenti. In ambito digitale, le diverse interpretazioni regolatorie e i costi di conformità transfrontalieri rallentano la scalabilità delle imprese tecnologiche. Negli USA, invece, una startup può espandersi immediatamente su tutto il territorio nazionale senza ulteriori barriere interne.
Una seconda differenza riguarda la disponibilità di capitale di rischio. Secondo l’AI Index Report (Stanford University) e analisi sul venture capital globale, gli Stati Uniti concentrano stabilmente oltre il 70–80% degli investimenti privati globali in AI, mentre l’Europa si colloca su livelli significativamente inferiori. Nel 2023 e 2024 le startup statunitensi hanno raccolto decine di miliardi di dollari, anche grazie a mega-round superiori al miliardo. In Europa, pur in crescita, i round medi risultano più contenuti e meno frequenti. Una maggiore disponibilità di capitale consente alle imprese americane di investire di più in ricerca, infrastrutture computazionali e acquisizione di talenti, accelerando la scalabilità.
Un ulteriore elemento strutturale riguarda la composizione del tessuto produttivo. Nell’Unione Europea oltre il 99% delle imprese è costituito da PMI, che dispongono mediamente di risorse più limitate per adottare tecnologie avanzate come l’AI. I dati OCSE ed Eurostat mostrano che la percentuale di imprese che utilizza strumenti avanzati di intelligenza artificiale è più elevata negli Stati Uniti rispetto alla media europea, soprattutto tra le aziende di medie e grandi dimensioni. Ciò implica una diffusione più graduale dell’AI nel sistema produttivo europeo, con effetti più lenti sulla produttività totale dei fattori.
Infine, pur vantando una produzione scientifica comparabile a quella americana, l’Europa presenta una minore capacità di trasformare la ricerca in applicazioni industriali scalabili. Negli Stati Uniti esiste un forte collegamento tra università, venture capital e grandi imprese tecnologiche, che consente una commercializzazione più rapida delle innovazioni. In Europa il trasferimento tecnologico appare mediamente più lento, anche per minore profondità dei mercati dei capitali e maggiore avversione al rischio. Dunque la frammentazione europea si manifesta in quattro dimensioni misurabili: mercato meno integrato, minore capitale di rischio, predominanza di PMI e trasferimento tecnologico più lento. Questi fattori contribuiscono a spiegare perché la capacità di trasformare l’AI in crescita economica risulti attualmente più elevata negli Stati Uniti rispetto all’Europa.
Un altro elemento cruciale riguarda il capitale umano e il mercato del lavoro. Negli Stati Uniti, l’attrattività verso talenti internazionali, l’elevata mobilità professionale e la maggiore flessibilità contrattuale favoriscono una rapida riallocazione delle competenze verso i settori più innovativi. Il forte collegamento tra università, venture capital e grandi imprese tecnologiche facilita il passaggio dalla ricerca alla creazione di startup o all’ingresso in aziende high-tech. Questo consente un’integrazione più veloce dell’AI nei processi produttivi.
L’Europa, pur vantando eccellenze universitarie, presenta alcune rigidità strutturali che rallentano la valorizzazione del capitale umano. Il mercato del lavoro è più regolamentato e frammentato tra Stati membri, rendendo meno agevole la mobilità delle competenze. Inoltre, si osserva una significativa migrazione di talenti STEM verso gli Stati Uniti, attratti da salari più elevati e maggiori opportunità di finanziamento.
Un ulteriore limite riguarda la dimensione e concentrazione dei cluster tecnologici. Negli USA esistono poli altamente integrati, con forti economie di agglomerazione. In Europa, pur essendoci hub innovativi, questi risultano mediamente meno capitalizzati e meno integrati. Di conseguenza, la capacità di trattenere talenti e trasformare competenze avanzate in imprese scalabili appare inferiore. Negli Stati Uniti capitale umano, mobilità e finanziamento si rafforzano reciprocamente, in Europa rigidità del mercato del lavoro e minore integrazione dei cluster incidono sulla velocità con cui l’AI può tradursi in crescita economica.
Distribuzione geografica delle startup AI finanziate (2013-2023)
È importante sottolineare che l’aumento della produttività generato dall’AI non implica automaticamente una crescita proporzionale dei salari né una distribuzione equa dei benefici. La teoria economica mostra che i guadagni di produttività possono essere assorbiti in misura maggiore dal capitale piuttosto che dal lavoro. Negli Stati Uniti, ad esempio, la labor share sul PIL è diminuita rispetto ai livelli degli anni ’70, scendendo sotto il 60% negli ultimi anni secondo dati Federal Reserve, segnalando una crescente concentrazione dei profitti nei settori ad alta intensità tecnologica. L’AI produce inoltre effetti skill-biased, premiando lavoratori altamente qualificati e sostituendo mansioni routinarie. L’OCSE stima che circa il 20–30% dei posti di lavoro nei paesi avanzati sia esposto a trasformazioni rilevanti dovute all’automazione. Ciò può ampliare le disuguaglianze salariali, anche in presenza di maggiore produttività aggregata. Dal punto di vista macroeconomico, tuttavia, la capacità di integrare rapidamente innovazione, capitale e competenze resta determinante per la crescita del PIL potenziale. In questo senso, l’AI agisce come un moltiplicatore delle strutture economiche preesistenti.
Gli Stati Uniti risultano meglio posizionati grazie a un ecosistema integrato e a investimenti privati che rappresentano oltre il 70% del totale globale in AI (AI Index Report), mentre l’Europa si colloca sotto il 20%. Inoltre, il tessuto produttivo europeo è composto per oltre il 99% da PMI, che adottano tecnologie avanzate
con maggiore gradualità rispetto alle grandi imprese. Anche i dati su produttività totale dei fattori (TFP), secondo stime OCSE e IMF, mostrano una dinamica più favorevole negli Stati Uniti rispetto all’Area Euro negli ultimi anni.
Il divario non è tecnologico in senso stretto, ma strutturale e misurabile: intensità di investimento, profondità dei mercati finanziari, struttura produttiva e velocità di adozione tecnologica. L’AI non crea queste differenze, ma tende ad amplificarle. Nei capitoli successivi sarà quindi necessario valutare l’impatto macroeconomico complessivo dell’AI sul PIL potenziale, nonché i rischi legati a concentrazione di mercato, disuguaglianze e dipendenza tecnologica.
Negli Stati Uniti la politica industriale legata all’AI è chiaramente pro-innovazione e fortemente centrata sulla capacità di calcolo e sulla ricerca avanzata. Il CHIPS and Science Act mobilita circa 52 miliardi di dollari in sussidi e crediti d’imposta per la manifattura di semiconduttori, più circa 200 miliardi per ricerca su AI, quantum e robotica, cioè proprio sulle tecnologie abilitanti per i modelli di frontiera. Questa scelta di concentrare risorse su chip, supercalcolo e ricerca di base crea un ambiente in cui università, big tech e startup possono scalare rapidamente nuovi modelli, beneficiando di infrastrutture e fondi pubblici ma con grande libertà di sperimentazione. L’obiettivo esplicito è usare l’AI come leva di competitività strategica contro la Cina, vista come il principale rivale tecnologico ed economico di questo secolo, e di riflesso rafforzare il ruolo delle piattaforme statunitensi nel mercato globale dell’AI.
L’Unione Europea ha elaborato una strategia per colmare il gap, ma parte da una base di investimento molto più debole e frammentata. Il rapporto Funding the AI Economy mostra che tra 2020 e 2025 gli USA hanno destinato il 34% del loro venture capital complessivo all’AI, contro il 18% dell’Europa, su una base di capitali comunque molto più piccola. Bruegel (Brussels European and Global Economic Laboratory) sottolinea che la risposta europea si concentra sull’espansione dellarete di supercomputer pubblici (EuroHPsC) e su grandi progetti infrastrutturali, ma che queste macchine non sono progettate in modo ottimale per l’addestramento dei modelli di frontiera e, soprattutto, non esistono mercati complementari sviluppati: mancano hyperscaler cloud europei, mercati di sbocco di grandi dimensioni e late-stage venture capital in grado di sostenere i costi fissi elevati dei modelli generativi. In questo contesto, molte startup UE finiscono per appoggiarsi a big tech USA per calcolo e capitali, rafforzando la dipendenza tecnologica.
Sul coordinamento strategico la distanza è altrettanto evidente. Negli USA il CHIPS Act concentra in un unico grande pacchetto una visione di lungo periodo: rafforzare la filiera dei semiconduttori, finanziare la ricerca in AI e creare nuovi programmi di capacity-building, con una regia federale relativamente chiara (Department of Commerce, NIST, NSF). In Europa, al contrario, Bruegel descrive una situazione in cui la politica industriale per l’AI si sovrappone a molte iniziative separate: EuroHPC, fondi nazionali, programmi di investimento UE, regolazione digitale e ora anche l’AI Act, spesso non pienamente coordinati. Il rapporto della Commissione su Funding the AI Economy aggiunge che il finanziamento rimane fortemente frammentato per Paese e fase di sviluppo: l’UE è relativamente presente nei round iniziali, ma solo nel 26% dei deal sopra i 25 milioni di euro, dominati da capitali USA e UK.
Mentre gli USA dispongono di una catena decisionale più lineare che collega politica industriale, difesa tecnologica e ricerca, l’Europa procede con un insieme poco coordinato di strumenti che fatica a tenere il passo.
Dal lato regolatorio, gli Stati Uniti seguono un modello più flessibile e frammentato rispetto all’Europa. Washington si muove soprattutto tramite linee guida, ordini esecutivi e regolazione settoriale (per esempio in sanità o finanza), orientati a una gestione dei rischi più “reattiva” che preventiva. Ad esempio, la regolamentazione del riconoscimento facciale mostra chiaramente le differenze tra Europa e USA. L’AI Act europeo vieta esplicitamente e totalmente l’uso di questa tecnologia in tempo reale da parte della polizia negli spazi pubblici, proteggendo preventivamente i diritti dei cittadini. Gli Stati Uniti invece non hanno alcuna legge federale, agenzie come l’FBI la utilizzano liberamente e solo 15 stati hanno introdotto qualche limitazione. Famosamente, la conseguenza di questo approccio meno stringente è che tutti gli arresti sbagliati documentati a causa di errori del sistema hanno riguardato persone afroamericane.
L’Executive Order federale sull’AI riconosce la necessità di guardrail, ma non crea un quadro unico, lasciando grande spazio alla sperimentazione tecnologica e al ruolo dei singoli regolatori. Questo significa che, almeno nel breve periodo, sviluppatori e imprese americane si confrontano con meno vincoli formali e con un ambiente dove è più facile testare e lanciare applicazioni innovative ad alto rischio/rendimento, accettando però un maggior margine di incertezza sui diritti dei cittadini e sul coordinamento fra autorità pubbliche.
L’UE, con l’AI Act, ha scelto una logica quasi opposta: un quadro unico, orizzontale, a portata extraterritoriale, basato su una classificazione dei sistemi in quattro livelli di rischio (inaccettabile, alto, limitato, minimo), con divieti espliciti e obblighi pesanti per gli usi ad alto rischio. L’atto introduce una impostazione preventiva molto forte: alcuni usi come il social scoring sono vietati, mentre per gli altri sono richiesti valutazioni d’impatto, documentazione dettagliata, supervisione continua e nuove strutture di governance come l’AI Office e l’AI Board europei. Bruegel evidenzia che i costi di conformità e l’incertezza sulle modalità applicative dell’AI Act si sommano alle lacune di mercato precedentemente descritte, contribuendo a rendere il contesto europeo meno attraente per gli investimenti in AI di frontiera, soprattutto per startup con poche risorse.
Queste differenze di regolamentazione generano un trade‑off evidente tra velocità dell’innovazione e tutela dei diritti. L’approccio prudente europeo mira a costruire “fiducia” nell’AI, garantendo che lo sviluppo non comprometta diritti fondamentali e sicurezza, ma rischia di spostare l’innovazione più sperimentale verso ecosistemi regolati in modo più leggero, come quello statunitense. Al contrario, il modello americano, centrato su flessibilità e su un approccio più “ex post”, facilita la rapida diffusione di nuove tecnologie o metodi di sviluppo, ma rimanda a dopo la gestione di molti effetti collaterali su privacy, trasparenza e discriminazioni. Nel medio periodo questa asimmetria può spiegare perché gli USA consolidano la leadership sul mercato dell’AI, mentre l’Europa tende a specializzarsi nella regolazione e in applicazioni “a valle” dei grandi modelli sviluppati altrove, con un forte dibattito politico interno su come bilanciare competitività e protezione dei cittadini.
Le stime sull’impatto dell’AI sulla produttività sono molto variabili, ma convergono su un potenziale significativo se la tecnologia viene adottata su larga scala. Un’analisi dell’OCSE riassume il dibattito: da un lato ci sono studi che attribuiscono all’AI la possibilità di aggiungere 1–1,5 punti percentuali di crescita della produttività all’anno, ribaltando il rallentamento degli ultimi decenni; dall’altro, economisti come Daron Acemoglu parlano di effetti macro molto più moderati, nell’ordine di 0,1 punti percentuali l’anno. La chiave è la diffusione: se l’AI rimane concentrata in poche imprese leader, l’impatto medio sulla produttività resta limitato, mentre una diffusione più ampia potrebbe generare guadagni di efficienza molto maggiori.
Dal punto di vista del PIL potenziale, il Fondo Monetario Internazionale descrive l’AI come uno degli strumenti più promettenti per allentare i vincoli di offerta che oggi frenano la crescita globale: invecchiamento demografico, scarsità di lavoro qualificato, transizione energetica costosa, investimenti pubblici sotto pressione.
Se l’AI riuscisse a far ripartire la produttività e a ridurre il costo del capitale nel lungo periodo, questo si tradurrebbe in una traiettoria di PIL potenziale più alta, con ricadute positive anche sulla sostenibilità dei conti pubblici e sugli investimenti necessari per il “Green Deal“ e le infrastrutture digitali. Tuttavia, sia l’IMF sia l’OCSE insistono sul fatto che si tratta di scenari condizionati: servono politiche attive per accelerare l’adozione (investimenti, formazione, concorrenza) e per evitare che i benefici rimangano chiusi in poche “superstar firms” come NVIDIA, OpenAI o Amazon con AWS.
A livello di competitività internazionale, la capacità di integrare l’AI in modo capillare nelle catene del valore può diventare un vantaggio decisivo. L’IMF sottolinea che, se usata bene, l’AI può ridurre costi, migliorare la qualità dei prodotti e permettere di traslare in alto la frontiera tecnologica, rafforzando la posizione di chi controlla modelli, dati e infrastrutture di calcolo. Bruegel applica questo discorso all’Europa, evidenziando che l’assenza di hyperscaler e di grandi mercati interni per i modelli di frontiera fa sì che, per ora, il grosso del potere di mercato e della rendita tecnologica rimanga nelle mani delle big tech statunitensi. Questo aiuta a spiegare perché gli USA stanno “vincendo” il mercato dell’AI: combinano leadership di ricerca, capitale di rischio, chip e un ambiente regolatorio flessibile, mentre l’UE tende a competere soprattutto in applicazioni verticali e in regolazione, con minore capacità di dettare standard de facto attraverso le proprie piattaforme.
L’AI può inoltre modificare in maniera significativa il commercio globale, riducendo i costi di logistica, finanza, e servizi digitali. Riducendo i costi di capitale, l’AI potrebbe facilitare i massicci investimenti necessari per la transizione verde e le infrastrutture digitali, con effetti di spillover lungo le catene globali del valore. Bruegel avverte però che, se l’Europa rimane dipendente da infrastrutture e piattaforme AI statunitensi, rischia di importare non solo tecnologia ma anche modelli di business, standard tecnici e persino scelte di governance sui dati, riducendo il suo potere negoziale e la sua capacità di garantire il rispetto dei diritti dei propri cittadini. In pratica, gli USA non esportano solo software, ma intere “architetture” di uso dell’AI, che poi diventano di fatto standard globali, mentre l’UE cerca di reagire soprattutto con la leva regolatoria.
Gli effetti dell’AI sulle disuguaglianze sono ancora in evoluzione e la letteratura non è univoca. Un lavoro dell’OCSE su 19 Paesi mostra che, finora, non si trova evidenza che l’esposizione all’AI abbia aumentato la disuguaglianza salariale tra occupazioni, a differenza di ondate tecnologiche precedenti come l’automazione robotica, che tendevano a penalizzare in modo netto alcune professioni. Anzi, c’è qualche indicazione che l’AI possa ridurre le differenze di produttività e di salario all’interno della stessa occupazione, perché gli strumenti aumentano comparativamente di più la performance dei “low performer” rispetto ai top performer. L’OCSE e l’IMF, tuttavia, ricordano che questo non esclude rischi di polarizzazione più ampia: se i guadagni di produttività vengono catturati soprattutto da poche imprese e dal capitale, mentre l’adozione resta limitata, la distribuzione del reddito potrebbe comunque diventare più diseguale a livello macroeconomico, soprattutto nei Paesi più poveri, e quindi meno pronti a gestire transizione tecnologica e formazione.
Sul piano della concorrenza, l’AI tende a rafforzare la concentrazione di mercato perché richiede enormi investimenti iniziali in calcolo, dati e talento. Bruegel evidenzia che in Europa mancano proprio i mercati complementari necessari per sostenere operatori di scala comparabile ai big tech americani: non ci sono hyperscaler cloud europei, il late‑stage venture capital è limitato e molte startup, per crescere, devono stringere partnership industriali con gruppi USA. Inoltre, il rapporto “Funding the AI Economy” mostra che la maggior parte dei round di grandi dimensioni in startup AI europee è finanziata da capitali statunitensi o britannici, con il rischio che il controllo e una parte sostanziale del valore creato finiscano fuori dall’UE. In questa configurazione, gli USA non solo dominano il proprio mercato interno, ma acquisiscono anche posizioni decisive nell’ecosistema europeo, consolidando un controllo globale dei modelli di frontiera e delle infrastrutture.
Per quanto riguarda il lavoro, i rischi occupazionali non si traducono (almeno per ora) in una “apocalisse” di posti di lavoro, ma in cambiamenti qualitativi profondi. Il paper OCSE sull’AI e la disuguaglianza salariale segnala che non si osserva ancora un effetto netto chiaro sull’occupazione complessiva, ma che l’esposizione all’AI è molto eterogenea tra professioni e potrebbe ridefinire compiti e competenze richieste, favorendo chi è in grado di usare gli strumenti e penalizzando chi resta indietro. L’OCSE, nel suo lavoro più ampio su produttività e crescita, sottolinea che senza politiche di formazione continua, protezione attiva e supporto, l’adozione dell’AI rischia di lasciare una parte della forza lavoro intrappolata in lavori a bassa produttività o fuori dal mercato, con tensioni sociali e politiche crescenti. Questo è un punto critico per l’Europa, dove sistemi di welfare e contrattazione collettiva potrebbero mitigare gli shock ma, se mal gestiti, anche rallentare la transizione verso i nuovi lavori abilitati dall’AI.
Nel complesso, gli Stati Uniti stanno vincendo il mercato dell’AI perché riescono a trasformare più velocemente la ricerca in applicazioni industriali scalabili, grazie a un ecosistema integrato di grandi imprese digitali, capitale di rischio, infrastrutture di calcolo avanzate e forte attrattività per talenti internazionali. L’Europa, pur non essendo arretrata sul piano scientifico, fatica a tradurre queste competenze in crescita della produttività a causa di un mercato dei capitali meno profondo, di un tessuto produttivo frammentato e di una trasmissione più lenta dell’innovazione al sistema delle imprese.
Le differenze di politica industriale e regolazione amplificano questo divario: il modello statunitense, trainato dal CHIPS and Science Act e da un approccio regolatorio più flessibile, tende a favorire sperimentazione e investimenti di frontiera, mentre l’UE combina strumenti frammentati e un quadro normativo più prudente, che aumenta i costi di conformità proprio nei segmenti più avanzati. Ne risulta uno squilibrio in cui gli USA concentrano il controllo su modelli, dati e infrastrutture, mentre l’Europa rischia di specializzarsi nelle sole applicazioni a valle e nella regolazione.
Dal punto di vista macroeconomico, questo si traduce in un maggiore potenziale di crescita per l’economia americana, dove l’AI può agire da moltiplicatore su produttività e PIL potenziale, a fronte di un impatto più incerto e graduale nell’Area Euro . Restano aperte questioni cruciali su disuguaglianze, concentrazione di mercato e rischi occupazionali, che riguardano entrambi i lati dell’Atlantico, ma pesano in modo particolare su un’Europa ancora dipendente da infrastrutture e piattaforme estere . La sfida, per l’UE, è quindi ridurre questa dipendenza rafforzando investimenti, coordinamento e politiche sul capitale umano, in modo da fare dell’AI non solo un fattore di divergenza, ma anche una possibile leva di convergenza futura .
Bibliografia:
Stanford HAI, 2022 – What The CHIPS and Science Act Means for AI
Bruegel – Catch-up with the US or prosper below the tech frontier: The EU artificial intelligence strategy
European Commission – Funding the AI Economy: Strengthening Europe’sInvestment Capacity
Hertie School – AI governance: EU and US converge on risk-based approach
OECD, 2024 – Artificial Intelligence: Promises and perils for productivity and broad-based economic growth
International Monetary Fund, 2024 – AI’s Promise for the Global Economy – Michael Spence
OECD, 2024 – Artificial Intelligence and Wage Inequality
12 risposte