Il vicepresidente della Federal Reserve Philip N. Jefferson ha dichiarato il 13 novembre 2026 che l'intelligenza artificiale generativa si sta diffondendo rapidamente nell'economia statunitense ma non ha ancora prodotto un beneficio chiaro in termini di produttività misurata, avvertendo al contempo che l'impennata degli investimenti nei data center guidata dalla tecnologia sta già alimentando le pressioni sui prezzi. "Gli elementi di prova finora disponibili sembrano compatibili con un contributo alla produttività aggregata limitato, ma con il potenziale di crescere in modo piuttosto sostanziale, in linea di massima con gli episodi storici di scoperte tecnologiche", ha affermato Jefferson nei suoi interventi davanti alla UC San Diego Economic Roundtable a San Diego, in California. "Detto questo, l'entità e i tempi dei prossimi guadagni di produttività restano altamente incerti."

Il discorso, intitolato "New Technology, Old Questions: Productivity Puzzles and the Macroeconomy", è stato tenuto davanti a un pubblico composto da studenti, docenti e imprenditori. Il testo integrale è disponibile sul sito web della Federal Reserve e gli interventi sono disponibili anche in formato PDF. Jefferson ha precisato che le opinioni espresse sono personali e non necessariamente condivise dai colleghi del Board della Federal Reserve o del Federal Open Market Committee (FOMC).

Il ruolo di vicepresidente è la seconda carica più alta del Board of Governors della Federal Reserve, il che rende Jefferson uno dei più alti responsabili della politica economica statunitense ad aver presentato una valutazione pubblica dettagliata degli effetti dell'IA su crescita, prezzi e occupazione.

Le lezioni dell'era del computer

Jefferson ha aperto con la celebre osservazione del 1987 dell'economista premio Nobel Robert Solow secondo cui "si può vedere l'era del computer ovunque tranne che nelle statistiche sulla produttività", suggerendo che Solow "potrebbe essersi aspettato troppo dai computer che vedeva". Mentre nel 1989 il 32% dei lavoratori usava il computer sul lavoro, le macchine di quell'epoca non erano molto potenti: il processore di un telefono di oggi può eseguire più o meno lo stesso numero di calcoli al secondo di 10 milioni di personal computer del 1987. In aggregato, la spesa nazionale per i computer — mostrata nella figura 1 del discorso — era appena rilevabile all'epoca, anche se i PC erano diventati una parte importante dello spirito del tempo.

Dieci anni dopo, gli investimenti in computer erano decollati e alcuni osservatori — in particolare l'allora presidente Alan Greenspan — credevano di vederne gli effetti nelle statistiche sulla produttività, sebbene il legame tra i due sia stato stabilito solo in seguito. Jefferson ha affermato che gli investimenti in capitale tecnologico (IT) — computer, software e apparecchiature di comunicazione — hanno aumentato di circa 3/4 di punto percentuale il tasso di crescita annuo della produttività del lavoro alla fine degli anni Novanta.

Il boom ha comportato più di un semplice accumulo di capitale. Le imprese hanno anche riorganizzato le proprie operazioni attorno ai computer, sostenendo ulteriormente la crescita della produttività. I progressi tecnologici hanno modificato il costo di creazione, archiviazione e comunicazione delle informazioni, offrendo alle aziende l'opportunità di ripensare il proprio ambito, la propria scala e le proprie funzioni di produzione. Da quel processo sono infine emersi l'e-commerce, un'onda di globalizzazione e il software nel cloud. Un segnale che la riorganizzazione sia stata benefica e significativa è stata la rapida crescita della produzione per unità di input al di fuori del settore IT all'inizio degli anni Duemila — una crescita che rifletteva aumenti di quella che gli economisti chiamano produttività totale dei fattori, o TFP, e non semplicemente più capitale.

Jefferson ha osservato che i semi del boom di produttività degli anni Novanta erano stati seminati molto prima dell'osservazione di Solow nel 1987. La ricerca di base che gettò le fondamenta dell'informatica moderna include l'invenzione del transistor nel 1947 e del compilatore Fortran nel 1954, seguita da decenni di ricerca applicativa delle imprese che ha prodotto applicazioni pratiche e migliorato instancabilmente la tecnologia dell'informazione.

Quella storia suggerisce un modello semplice di crescita della produttività. La ricerca di base, condotta senza un'applicazione definita in mente, amplia la nostra conoscenza del mondo. La ricerca applicata sviluppa applicazioni industriali pratiche, che aumentano la produttività e riducono i costi di produzione. Quando i costi diminuiscono, anche i prezzi tendono a scendere, soprattutto in presenza di concorrenza. Nel tempo, le imprese intensificano l'uso di beni capitali a prezzi più bassi prodotti da una produttività più elevata — un processo noto come "approfondimento del capitale" — e le imprese che usano quel capitale ripensano il proprio approccio alla produzione, aumentando ulteriormente la TFP e forse riavviando il ciclo degli investimenti. Come illustra l'esempio dell'informatica, ha detto Jefferson, il processo richiede tempo perché i suoi effetti completi si facciano sentire e siano misurati, in particolare per le tecnologie che richiedono la riorganizzazione aziendale.

L'applicazione del modello all'IA

Jefferson ha sostenuto che lo stesso modello si applica ragionevolmente bene allo sviluppo dell'IA. I modelli generativi di oggi risalgono a ricerca di base iniziata poco dopo l'invenzione del transistor. Le applicazioni pratiche sono emerse molti anni dopo: ad esempio, l'U.S. Postal Service ha iniziato a usare l'IA negli anni Novanta per leggere buste con indirizzo scritto a mano. L'utilizzo è decollato, soprattutto nei settori dell'informazione e della finanza, circa 10 anni dopo con l'emergere dei modelli di machine learning. Infine, dopo miglioramenti straordinari e l'addestramento su enormi insiemi di dati — tutto il testo del web mondiale, secondo alcune fonti — i modelli linguistici di grandi dimensioni sono ormai abbastanza buoni da supportare gli attuali chatbot popolari, gli assistenti di programmazione e i dispositivi intelligenti, oltre a una serie di applicazioni meno visibili come la ricerca scientifica.

"Il mondo di oggi rispecchia quello osservato da Bob Solow", ha detto Jefferson. L'IA generativa domina i titoli dei giornali, si trova sui nostri telefoni e compare nei nostri software e nelle chiamate al servizio clienti, e può avere implicazioni di ampia portata per lavoratori, imprese e agenzie governative, incluse le banche centrali. Ma le vecchie domande continuano a ossessionare: quanto la stanno realmente usando imprese e lavoratori, e quell'uso sta influenzando le statistiche sulla produttività?

Adozione: in aumento ma disomogenea

Recenti indagini rilevano che una quota apprezzabile e crescente di imprese e lavoratori statunitensi sta usando l'IA generativa. Le indagini sui lavoratori hanno rilevato che il 40-50% degli adulti in età lavorativa utilizza la tecnologia nel proprio impiego, come mostrato dalla linea blu nella figura 2 del discorso. Tra i lavoratori che la usano al lavoro, tuttavia, solo una quota modesta la usa ogni giorno.

L'adozione varia inoltre ampiamente tra i settori. Sebbene gli indicatori di adozione aziendale differiscano a seconda della metodologia, l'indagine del Census Bureau su un campione di imprese statunitensi rappresentativo a livello nazionale illustra le differenze intersettoriali. Come mostrato nella figura 3, l'indagine indica che, ad ottobre 2026, circa il 25% di tutte le imprese statunitensi utilizzava la tecnologia in almeno una funzione aziendale a metà di quest'anno. Quella quota si avvicinava al 40% nei settori ad alta intensità di conoscenza come i servizi professionali e l'informazione, mentre all'estremo opposto era intorno al 10% per i settori minerario e del tempo libero e dell'ospitalità.

Rispetto a tecnologie più mature come il personal computer, ha detto Jefferson, l'IA non è davvero ovunque — nel senso di essere pienamente integrata nei flussi di lavoro della maggior parte delle imprese e dei lavoratori nell'intera economia. Piuttosto, l'economia sembra trovarsi in una fase precedente che è parte naturale del lungo ciclo di innovazione e diffusione: la nuova tecnologia ha dimostrato le proprie capacità, e imprese e lavoratori la stanno usando attivamente e ne stanno esplorando le possibilità, con alcuni settori, imprese e professioni molto più avanti di altri in questo processo.

Statistiche sulla produttività: troppo presto per dire

L'adozione finora osservata si riflette nelle statistiche aggregate sulla produttività? La crescita della produttività in effetti è aumentata negli ultimi anni, ma Jefferson ha detto che è troppo presto per dire che ruolo vi abbia avuto l'IA. Poiché le misure della produttività sono molto volatili, gli economisti spesso guardano oltre le oscillazioni trimestrali o persino annuali esaminando medie mobili lunghe. La crescita della produttività del lavoro si è attestata in media al 2,2% tra il 2020 e il 2025 — un apprezzabile incremento rispetto al modesto tasso medio di crescita dell'1,5% del precedente ciclo economico. Tuttavia, quell'impennata è iniziata prima del debutto dei popolari chatbot di IA nel 2022 e riflette probabilmente una varietà di fattori, tra cui un incremento della nascita di nuove imprese. "Svelare il contributo dell'IA alla recente crescita della produttività non è semplice", ha detto Jefferson. "Ci serviranno più dati." Ha osservato che la ricerca ha retrospectivamente collegato il boom di produttività degli anni Novanta all'IT, ma questo non era noto con certezza in tempo reale.

Sul fronte microeconomico, un crescente corpo di evidenze mostra che la nuova tecnologia sta elevando direttamente e sostanzialmente l'efficienza per alcuni compiti specifici, in particolare dove può più facilmente sostituire gli esseri umani. Uno studio accademico influente, ad esempio, ha rilevato che gli strumenti di IA generativa hanno migliorato significativamente la capacità di alcuni dipendenti del servizio clienti di risolvere i problemi.

Al contempo, le evidenze su come i guadagni di efficienza a livello di compito influenzino la produttività più ampia appaiono contrastanti. Alcuni studi recenti hanno rilevato associazioni positive tra crescita della produttività e adozione o esposizione all'IA a livello di impresa. D'altra parte, alcune indagini che tentano di misurare più direttamente la causalità hanno finora rilevato effetti modesti. Una recente indagine tra dirigenti senior ha stimato che l'IA ha incrementato le vendite per dipendente di appena 1/2 percento negli ultimi tre anni.

Jefferson ha offerto due possibili spiegazioni per l'apparente disconnessione tra guadagni a livello di compito e a livello di impresa. Primo, anche tra le imprese che usano l'IA, l'ambito resta limitato perché sono ancora in fase di sperimentazione e apprendimento: una recente ricerca ha rilevato che tra le imprese che la adottano, la maggioranza usa l'IA in poche funzioni aziendali, più comunemente vendita e marketing, strategia e sviluppo commerciale, e tecnologia dell'informazione. Secondo, anche per i casi d'uso più naturali, i guadagni di efficienza in un ambito si accompagnano a costi compensativi, nuove esigenze o colli di bottiglia altrove — ad esempio, alcune imprese segnalano che il codice generato dall'IA contiene più errori, quindi è necessario più lavoro di debugging.

Ciò nondimeno, ha detto Jefferson, miglioramenti più ampi potrebbero benissimo materializzarsi nel tempo. Imprese e lavoratori probabilmente amplieranno e intensificheranno l'uso dell'IA e riorganizzeranno produzione e flussi di lavoro, e le imprese di successo potrebbero ottenere un vantaggio competitivo, che consentirebbe loro di espandersi e attrarre lavoro e capitale dalle imprese concorrenti.

Implicazioni macroeconomiche

La visione di base di Jefferson è che l'adozione della nuova tecnologia finirà per innalzare sostanzialmente, ma gradualmente, la capacità produttiva dell'economia. Le aspettative di quei guadagni di lungo periodo sul lato dell'offerta dell'economia stanno già aumentando significativamente la domanda aggregata. Una parte sostanziale della crescita dei prezzi azionari degli ultimi pochi anni può essere attribuita all'entusiasmo attorno alla nuova tecnologia, e quella ricchezza aggiuntiva sembra sostenere la spesa delle famiglie. Le imprese stanno costruendo e attrezzando nuovi data center su scala molto ampia per supportare l'addestramento e l'inferenza dei modelli, determinando una rapida crescita dell'investimento aziendale aggregato.

Questa spesa esercita una pressione al rialzo sull'utilizzo delle risorse e sul livello generale dei prezzi. Inoltre, poiché la domanda di investimento è concentrata in alcuni settori dove l'offerta ha fatica a tenere il passo — come chip di memoria e logici — ha anche contribuito a forti aumenti dei prezzi di specifici beni. Nel medio termine, ha detto Jefferson, l'offerta di questi beni dovrebbe raggiungere la domanda, e il più ampio impulso alla produttività aggregato derivante dall'adozione dovrebbe materializzarsi; entrambi gli sviluppi dovrebbero alleviare la pressione al rialzo sui prezzi osservata oggi.

Sebbene la nuova tecnologia debba in ultima analisi generare una produzione e un reddito aggregati più elevati, Jefferson ha riconosciuto che la transizione potrebbe essere dolorosa per alcuni lavoratori e imprese. Le imprese in ritardo nell'adozione potrebbero trovarsi in una posizione competitiva svantaggiata, e la loro sostenibilità a lungo termine potrebbe essere a rischio. Persino nelle imprese che adottano con successo la tecnologia, i lavoratori specializzati in compiti che l'IA può eseguire con più efficienza — come certi aspetti dello sviluppo software — potrebbero affrontare uno spostamento occupazionale.

"Un rischio per la mia previsione di base è che la nuova tecnologia possa spostare i lavoratori molto più rapidamente di quanto possano adattarsi e riqualificarsi, il che potrebbe comportare un aumento della disoccupazione", ha detto Jefferson. In quello scenario, una domanda chiave per la politica monetaria sarebbe quanta parte di questo aumento sia strutturale — riflettendo un disallineamento persistente tra competenze dei lavoratori e esigenze delle imprese — e quindi probabilmente destinata a persistere anche quando l'economia opera vicino al suo pieno potenziale. La politica monetaria può influenzare le condizioni cicliche, come una flessione temporanea dell'occupazione e della spesa, ma non può affrontare i fattori strutturali che determinano i tassi di occupazione di lungo periodo.

Jefferson ha anche segnalato i potenziali effetti sul tasso di interesse neutro di lungo periodo, spesso indicato come r*. Se il tasso neutro sale, allora, per ogni dato livello del tasso dei fondi federali, la politica diventa di fatto più espansiva; al contrario, se il tasso neutro scende, la politica diventa di fatto più restrittiva. Se la nuova tecnologia porterà a livelli permanentemente più alti di crescita della produttività, potrebbe incrementare la volontà delle imprese di investire e quindi la loro domanda di finanziamento, facendo salire i tassi di interesse. Una crescita della produttività più elevata può anche scoraggiare il risparmio delle famiglie e aumentare i consumi attraverso l'aumento del reddito futuro atteso — condizioni nelle quali, per conciliare l'aumento degli investimenti con la riduzione del risparmio, il tasso neutro probabilmente salirebbe. Prevedere le variazioni del tasso neutro è tuttavia impegnativo, data la relazione storicamente rumorosa tra crescita della produttività e tassi di interesse reali. I responsabili delle politiche, ha detto, devono rimanere attenti agli sviluppi in tempo reale e potenziali futuri per garantire che l'orientamento della politica monetaria resti adeguatamente calibrato.

I segnali da monitorare, per lo stesso Jefferson, sono se le imprese amplieranno l'uso dell'IA oltre le poche funzioni aziendali in cui oggi è concentrata, se l'offerta nei segmenti vincolati come chip di memoria e logici raggiungerà la domanda dei data center, e se si accumulino dati sufficienti a isolare il contributo dell'IA alla produttività aggregata.

Prospettive economiche e orientamento di politica monetaria

Passando all'economia più in generale, Jefferson ha detto che quest'anno ha acquisito slancio, espandendosi a un ritmo pressoché in linea con il suo potenziale — un dato rilevante considerata una cascata di shock, inclusuno shock energetico e cambiamenti significativi nella politica commerciale, oltre al buildout tecnologico. Il PIL si è espanso a un ritmo del 3,4% nel terzo trimestre, come mostrato nella figura 4 del discorso. L'investimento aziendale è stato piuttosto robusto e la spesa dei consumatori è rimasta resiliente. Jefferson ha detto di attendersi che l'espansione prosegua l'anno prossimo pressoché in linea con la produzione potenziale.

Un'ampia gamma di dati recenti dal mercato del lavoro mostra che le condizioni si sono stabilizzate. Il tasso di disoccupazione si è in gran parte mantenuto stabile quest'anno, attestandosi al 4,1% a ottobre, come mostrato nella figura 5. I licenziamenti restano bassi e le offerte di lavoro sono lievemente aumentate. Sebbene la creazione di posti di lavoro sia stata volatile, i guadagni delle retribuzioni si sono estesi a molti settori negli ultimi mesi — un dato che Jefferson trova incoraggiante. Si attende che il tasso di disoccupazione resti nei prossimi mesi attorno al livello attuale — un livello che considera coerente con la piena occupazione. I rischi per le sue previsioni su produzione e occupazione sono pressoché equilibrati: un aumento dell'incertezza legato alle tensioni in Medio Oriente può pesare sull'attività e sulle assunzioni, mentre un ulteriore impulso della spesa per investimenti potrebbe sostenere una crescita più robusta.

Sul fronte della stabilità dei prezzi del doppio mandato della Fed, l'inflazione resta nettamente sopra l'obiettivo del 2% del FOMC. La variazione su 12 mesi dell'indice dei prezzi delle spese per consumi personali, mostrata dalla linea blu nella figura 6, è stata del 3,6% a settembre. I costi energetici più elevati sono uno dei fattori dell'inflazione elevata: i prezzi del petrolio sono stati piuttosto volatili e le forniture energetiche globali sono sotto rinnovata tensione, riflettendo tensioni geopolitiche accentuate. Jefferson ha detto di rimanere preoccupato per il rischio che prezzi energetici più alti portino a un aumento persistente dell'inflazione più in generale.

La variazione su 12 mesi dell'inflazione PCE di fondo, che esclude i volatili prezzi di alimenti ed energia, è stata del 3,1% a settembre. Indirettamente, i costi energetici più elevati si riflettono in alcune aree tra cui tariffe aeree e trasporti, e il boom della domanda di nuove tecnologie ha determinato aumenti di costo insolitamente forti per beni e servizi di consumo che dipendono dagli stessi input, come la memoria. I dati ricevuti finora per ottobre restano coerenti con un'inflazione ben oltre obiettivo.

Jefferson presta inoltre molta attenzione alle aspettative di inflazione. Le misure a breve termine basate su indagini sono elevate, riflettendo soprattutto i prezzi energetici più alti, mentre la maggior parte delle misure delle aspettative di inflazione di lungo periodo è rimasta stabile a livelli coerenti con un'inflazione del 2%.

Alla riunione di politica monetaria del FOMC del mese scorso, Jefferson ha votato insieme alla maggioranza dei colleghi per mantenere stabile il tasso dei fondi federali, come mostrato nella figura 7. I dati ricevuti da quella riunione sono stati coerenti con un'attività economica e condizioni del mercato del lavoro in generale solide, mentre le letture dell'inflazione mostrano pressioni sui prezzi persistenti. Di conseguenza, Jefferson ha detto di considerare la traiettoria dell'inflazione il segnale più importante per determinare l'orientamento appropriato della politica monetaria. Andando avanti, ritiene che ulteriori aggiustamenti di politica monetaria dovrebbero essere determinati esaminando attentamente le tendenze dei dati, le prospettive in evoluzione e il bilanciamento dei rischi.

Conclusione

In conclusione, Jefferson è tornato al suo tema centrale: le nuove tecnologie ci portano a rivisitare domande vecchie ma molto importanti. I percorsi dall'innovazione all'adozione, all'adattamento e ai guadagni di produttività duraturi possono essere disomogenei e imprevedibili — per alcuni persino enigmatici. Le nuove tecnologie catturano la nostra attenzione molto prima che incidano sulla produttività misurata, e ci costringono a ripensare la nostra comprensione di come funziona l'economia, rendendo la formulazione della politica monetaria entusiasmante e impegnativa. "Per fortuna, nonostante tutto, la nostra missione alla Fed è chiara", ha detto: realizzare il doppio mandato conferito alla Fed dal Congresso — piena occupazione e stabilità dei prezzi. "Questi sono gli obiettivi di ogni nostra azione."

Note e riferimenti del discorso

1. Le opinioni espresse nel discorso sono personali di Jefferson e non necessariamente condivise dai colleghi del Board della Federal Reserve o del Federal Open Market Committee.
2. I recenti progressi tecnologici discussi nel discorso sono talvolta definiti super intelligenza, o SI.
3. Robert Solow (1987), "We'd Better Watch Out", New York Times, 12 luglio.
4. Il microprocessore Intel 386, un'opzione di fascia alta per PC all'epoca, eseguiva circa 200.000 operazioni in virgola mobile al secondo (FLOPS). Si veda Richard Grehan, Tom Thompson, Curtis Franklin Jr. e George A. Stewart (1988), "Introducing the New BYTE Benchmarks", BYTE, giugno. Il chip Apple A19, usato nell'iPhone 17, esegue 2,07 trilioni di FLOPS. Si veda Nanoreview.net (2026), "Apple iPhone 17: Specifications and Benchmarks",
5. La piccola quota dei computer nello stock di capitale fu segnalata all'epoca come risoluzione del paradosso. Si veda Stephen D. Oliner, Daniel E. Sichel, Jack E. Triplett e Robert J. Gordon (1994), "Computers and Output Growth Revisited: How Big is the Puzzle?", Brookings Papers on Economic Activity, n. 2, pp. 273–334.
6. Alan Greenspan (1998), "The Implications of Technological Changes", discorso tenuto alla Charlotte Chamber of Commerce, Charlotte, N.C., 10 luglio. Per evidenze che il salto di produttività e la tecnologia dell'informazione fossero collegati, si veda Stephen D. Oliner e Daniel E. Sichel (2000), "The Resurgence of Growth in the Late 1990s: Is Information Technology the Story?", Journal of Economic Perspectives, vol. 14 (4), pp. 3–22.
7. Daniel E. Sichel, Stephen Oliner e Kevin J. Stiroh (2007), "Explaining a Productive Decade", Brookings Papers on Economic Activity, primavera, pp. 81–152.
8. Timothy F. Bresnahan, Erik Brynjolfsson e Lorin M. Hitt (2002), "Information Technology, Workplace Organization, and the Demand for Skilled Labor: Firm-Level Evidence", The Quarterly Journal of Economics, vol. 117 (1), pp. 339–76.
9. Sichel, Oliner e Stiroh, "Explaining a Productive Decade" (si veda nota 7).
10. James Moor (2006), "The Dartmouth College Artificial Intelligence Conference: The Next Fifty Years", AI Magazine, 15 dicembre, pp. 87–91.
11. Brian Tanton (2007), "Becoming More Clear", Mailing Systems Technology, 29 gennaio.
12. Alexander Bick, Adam Blandin, David J. Deming e Tyler R. Schumacher (2026), "What Work Does Generative AI Do?", NBER Working Paper Series 35677 (Cambridge, Mass.: National Bureau of Economic Research, agosto).
13. Poiché le grandi imprese rappresentano una quota sproporzionata dell'occupazione totale, i tassi di adozione ponderati per l'occupazione sono ancora più elevati rispetto ai dati Census discussi. Si veda Ivan Yotzov, Jose Maria Barrero, Nicholas Bloom, Philip Bunn, Chanya Chawla, Steven J. Davis, Kevin M. Foster, Aaron Jalca, Brent H. Meyer, Paul Mizen, Michael A. Navarrete, Samil Oh, Katia Garcia Loredo, Monique Reid, Pawel Smietanka, Gregory Thwaites e Ben Zhe Wang (2026), "Firm Data on AI", NBER Working Paper Series 34836 (Cambridge, Mass.: National Bureau of Economic Research, febbraio; revisione ottobre 2026). Questo paper rileva che il tasso di adozione ponderato per l'occupazione tra le imprese statunitensi è del 95%.
14. Erik Brynjolfsson, Danielle Li e Lindsey Raymond (2025), "Generative AI at Work", The Quarterly Journal of Economics, vol. 140 (2), pp. 889–942.
15. Tania Babina, Alex X. He e Renhao Jiang (2026), "Canaries in the Gold Mine: Early Productivity Gains from Artificial Intelligence Creating Organization Capital", NBER Working Paper Series 35684 (Cambridge, Mass.: National Bureau of Economic Research, agosto).
16. Yotzov et al. (2026), "Firm Data on AI" (si veda nota 13). Questa stima è una media ponderata per l'occupazione dei rispondenti all'indagine.
17. Kathryn Bonney, Cory Breaux, Emin Dinlersoz, Lucia Foster, John Haltiwanger e Aditya Pande (2026), "The Microstructure of AI Diffusion: Evidence from Firms, Business Functions, and Worker Tasks", Center for Economic Studies Working Paper No. CES-26-25 (Washington: U.S. Census Bureau, aprile).
18. Una quota sostanziale di questa domanda di investimento, in particolare di apparecchiature IT, è soddisfatta tramite importazioni, riducendo l'effetto diretto sul PIL. Detto questo, l'approfondimento del capitale aumenta la produttività del lavoro, indipendentemente dal fatto che il capitale sia stato importato o meno.
19. In particolare, i produttori di chip di memoria hanno annunciato un aumento massiccio della capacità produttiva, che alleggerirà la pressione sui prezzi dei prodotti che usano DRAM nei prossimi anni.

Fonte: Federal Reserve Board, discorso del vicepresidente Philip N. Jefferson, "New Technology, Old Questions: Productivity Puzzles and the Macroeconomy", 13 novembre 2026, https://www.federalreserve.gov/newsevents/speech/jefferson20261113a.htm