15 settembre 2025 – In un’analisi fondamentale sull’implementazione dell’intelligenza artificiale, l’ultimo rapporto sull’indice economico di Anthropic evidenzia la velocità di adozione senza precedenti della tecnologia, sottolineando al contempo forti disparità geografiche e settoriali. Basandosi su dati estesi sull’utilizzo di Claude.ai e sul traffico delle API aziendali, il rapporto documenta come l’intelligenza artificiale sta trasformando i flussi di lavoro in aree concentrate, sollevando preoccupazioni sulla potenziale divergenza economica se i modelli attuali persistono.
Lo studio, intitolato “Uneven Geographic and Enterprise AI Adoption”, si basa su iterazioni precedenti incorporando suddivisioni geografiche in più di 150 paesi e tutti gli stati degli Stati Uniti, insieme a un esame pionieristico dell’utilizzo delle API first-party (1P). Questa espansione consente ai ricercatori di monitorare non solo i modelli di consumo, ma anche il modo in cui le aziende stanno integrando a livello di programmazione modelli di intelligenza artificiale di frontiera come Claude nelle operazioni. I risultati del rapporto si basano su dati aggregati e resi anonimi provenienti da milioni di interazioni, mappati su tassonomie professionali come O*NET, e sottolineano la duplice natura dell’intelligenza artificiale sia come strumento di automazione che come potenziatore della produttività.
Al centro del rapporto c’è l’osservazione che il lancio dell’intelligenza artificiale sta accelerando più rapidamente rispetto ai precedenti storici. Negli Stati Uniti, l’utilizzo dell’intelligenza artificiale da parte dei dipendenti sul posto di lavoro è quasi raddoppiato, passando dal 20% nel 2023 al 40% entro settembre 2025, secondo i dati Gallup citati nel rapporto. Questa ondata supera la diffusione di tecnologie trasformative come l’elettricità, che ha impiegato più di 30 anni per raggiungere le famiglie rurali degli Stati Uniti dopo l’adozione nelle città, o i personal computer, che hanno impiegato due decenni per penetrare nella maggior parte delle case dopo il loro debutto nel 1981. Anche Internet, spesso acclamato per la sua rapida diffusione, ha impiegato circa cinque anni per raggiungere livelli di penetrazione simili.
Tale velocità deriva dai vantaggi intrinseci dell’intelligenza artificiale: la sua ampia applicabilità a tutte le attività, la perfetta integrazione con gli strumenti digitali esistenti e le interfacce intuitive che non richiedono formazione specializzata, ma semplicemente suggerimenti di digitazione o di conversazione. Il rapporto attribuisce ulteriore slancio ai rapidi progressi nei modelli di frontiera, che espandono continuamente le capacità e attraggono una base di utenti più ampia. Tuttavia, questo entusiasmo iniziale maschera le concentrazioni sottostanti: l’uso dell’intelligenza artificiale rimane concentrato su una serie limitata di compiti all’interno delle aziende ed è geograficamente raggruppato, riecheggiando modelli osservati nelle innovazioni del XX secolo ma compressi in tempistiche più brevi.
Per quantificare queste dinamiche, il rapporto introduce l’Anthropic AI Usage Index (AUI), una metrica che confronta i volumi di conversazioni di Claude.ai con le popolazioni in età lavorativa in regioni specifiche. Questo indice rivela una forte correlazione tra l’adozione pro capite dell’IA e i livelli di reddito economico, segnalando potenziali rischi di disuguaglianza globale. Nazioni ad alto reddito come Singapore e Canada sono in testa con punteggi AUI rispettivamente di 4,6 volte e 2,9 volte l’utilizzo previsto, in base alla dimensione della popolazione. Al contrario, le economie emergenti registrano un notevole ritardo: l’Indonesia registra un utilizzo previsto di 0,36 volte, l’India 0,27 volte e la Nigeria solo 0,20 volte.
Negli Stati Uniti, i punti caldi dell’adozione rispecchiano i punti di forza economici locali. Washington, D.C., è in cima alla lista con un utilizzo pari a 3,82 volte quello previsto, guidato dalle richieste di editing di documenti e assistenza professionale nel suo hub di servizi professionali e politici. Lo Utah segue da vicino con 3,78 volte, beneficiando di un fiorente ecosistema tecnologico. La California presenta elevate applicazioni legate all’IT, mentre la Florida vede una maggiore dipendenza dalle attività di servizi finanziari. Queste variazioni regionali illustrano come la diffusione dell’IA sia adattata alle esigenze settoriali, con la codifica dominante nelle aree ad alto contenuto tecnologico e le funzioni amministrative prominenti in quelle orientate ai servizi.
Immergendosi più a fondo nei modelli di utilizzo, il rapporto traccia un’evoluzione nelle interazioni di Claude.ai negli ultimi otto mesi, in coincidenza con gli aggiornamenti dei modelli e i miglioramenti delle funzionalità. La codifica rimane la categoria più numerosa con il 36% dell’utilizzo totale, sottolineando il ruolo dell’intelligenza artificiale nello sviluppo del software. Tuttavia, le applicazioni non tecniche stanno guadagnando terreno: i compiti educativi sono aumentati dal 9,3% al 12,4%, riflettendo l’utilizzo dell’intelligenza artificiale da parte di studenti e professionisti per l’apprendimento e la ricerca. Allo stesso modo, i compiti scientifici sono aumentati dal 6,3% al 7,2%, indicando una crescente integrazione nell’analisi dei dati, nelle simulazioni e nella verifica delle ipotesi.
Un cambiamento notevole è l’aumento delle conversazioni “direttive”, in cui gli utenti delegano compiti completi a Claude invece di impegnarsi in scambi iterativi. Queste interazioni orientate all’automazione sono passate dal 27% al 39% delle sessioni. Nell’ambito della codifica, ciò si manifesta con un aumento di 4,5 punti percentuali nella creazione di programmi e un calo di 2,9 punti percentuali nelle richieste di debug, suggerendo che gli utenti stanno ottenendo risultati in modo più efficiente nelle singole interazioni. Questa tendenza è in linea con la maturazione dell’intelligenza artificiale, consentendo una maggiore autonomia e riducendo la necessità di intervento umanosupervisione dei processi di routine.
Le disparità geografiche si estendono oltre i semplici tassi di adozione fino alla diversità e allo stile di utilizzo. Nei paesi a basso AUI come l’India, la codifica rappresenta oltre il 50% delle interazioni, superando di gran lunga la media globale di circa un terzo, indicando un’attenzione ristretta alle applicazioni tecniche in un accesso limitato a strumenti più ampi. Le regioni ad alta adozione, al contrario, mostrano portafogli più diversificati: istruzione, scienza e attività commerciali rivendicano ciascuna quote significative, favorendo incrementi di produttività globali.
Dopo aver adeguato la composizione delle attività, il rapporto rivela modalità di collaborazione divergenti. Le aree a bassa AUI tendono all’automazione, con gli utenti che scaricano più frequentemente attività complete sull’intelligenza artificiale. Le regioni con un’elevata AUI, tuttavia, favoriscono l’incremento – modelli che coinvolgono l’apprendimento, l’iterazione e il lavoro di squadra tra uomo e intelligenza artificiale – che possono amplificare lo sviluppo delle competenze e l’innovazione a lungo termine. Questa biforcazione solleva preoccupazioni in termini di equità: mentre l’automazione ottimizza l’efficienza in contesti con risorse limitate, l’aumento nelle aree ricche potrebbe ampliare le lacune di conoscenza e le divisioni economiche.
Passando ai contesti aziendali, il report fornisce una visibilità senza precedenti sul traffico API 1P, che rappresenta l’accesso programmatico a Claude da parte di aziende e sviluppatori. A differenza di Claude.ai basato su chat, l’utilizzo dell’API rivela implementazioni specializzate e scalabili. Ancora una volta la codifica domina, ma i modelli API divergono: mostrano concentrazioni più elevate nella codifica e nelle attività di ufficio/amministrative, mentre Claude.ai si orienta verso attività educative e di scrittura. Ciò riflette che le aziende danno priorità all’automazione del backend rispetto alla creatività rivolta al consumatore.
L’automazione prevale negli scenari API, comprendendo il 77% degli usi aziendali rispetto a circa il 50% su Claude.ai. L’interfaccia programmatica facilita l’integrazione perfetta nei flussi di lavoro, come la generazione di report o l’elaborazione dei dati senza l’intervento dell’utente. Tuttavia, il rapporto rileva che i costi non sembrano essere l’ostacolo principale; le attività utilizzate di frequente spesso comportano spese più elevate a causa delle esigenze computazionali, indicando una bassa sensibilità ai prezzi. Invece, le decisioni di implementazione dipendono dalle capacità del modello e dal valore tangibile dell’automazione di funzioni specifiche, come la riduzione del lavoro manuale in settori ad alto rischio.
Un collo di bottiglia chiave individuato è la cura dei dati contestuali. Per applicazioni aziendali complesse, come l’analisi legale o l’ottimizzazione della catena di fornitura, l’efficacia dell’intelligenza artificiale dipende dalla fornitura di un contesto ricco e pertinente. Il rapporto suggerisce che molte aziende si trovano ad affrontare ostacoli nella modernizzazione dei dati e nella ristrutturazione organizzativa per fornire questo input, bloccandone potenzialmente un’adozione più ampia. Gli investimenti in questi settori potrebbero sbloccare il potenziale dell’intelligenza artificiale in settori sofisticati, ma rappresentano costi iniziali significativi, in particolare per le imprese più piccole.
Queste intuizioni sono rafforzate dall’open source del set di dati del rapporto, un impegno alla trasparenza che invita a un controllo indipendente. La versione include classificazioni a livello di attività per i dati API di Claude.ai e 1P, suddivisioni della collaborazione e dettagli geografici per l’utilizzo da parte dei consumatori. I ricercatori possono ora esplorare domande urgenti: in che modo l’adozione dell’intelligenza artificiale influisce sui mercati del lavoro locali? Quali politiche possono democratizzare l’accesso nelle regioni a bassa adozione? Il costo delle attività influenza le strategie aziendali e quali profili di lavoratori traggono maggiori vantaggi dall’automazione rispetto all’aumento?
Storicamente, le tecnologie trasformative come l’elettrificazione e il motore a combustione interna hanno guidato la crescita economica moderna, ma inizialmente hanno esacerbato le disuguaglianze globali, come documentato nei lavori degli economisti Robert Gordon e Lant Pritchett. L’intelligenza artificiale rischia una traiettoria simile: se gli incrementi di produttività si riversano principalmente nelle economie ad alto tasso di adozione, le recenti tendenze di convergenza della crescita – evidenziate dagli studi di Michael Kremer e altri – potrebbero invertire, radicando i divari tra paesi ricchi ed emergenti.
All’interno delle aziende, l’adozione non uniforme dei compiti potrebbe rimodellare il panorama occupazionale. L’automazione può sostituire i ruoli entry-level nella programmazione o nell’amministrazione, aumentando al contempo i lavoratori esperti con conoscenze organizzative, aumentando potenzialmente i salari per questi ultimi. Il rapporto cita la ricerca di David Autor e altri sulla diffusione della tecnologia, sottolineando che le prime concentrazioni spesso precedono una trasformazione diffusa quando emergono innovazioni complementari.
L’analisi di Anthropic arriva in un momento cruciale, poiché i modelli di frontiera come Claude continuano ad evolversi. Gli autori del rapporto, guidati da Ruth Appel, Peter McCrory e Alex Tamkin, sottolineano che, sebbene il progresso tecnico sia inevitabile, i risultati sociali dipendono da scelte deliberate. I politici potrebbero promuovere un accesso equo attraverso investimenti infrastrutturali, sussidi per strumenti di dati nelle regioni in via di sviluppo o programmi educativi che uniscano l’alfabetizzazione all’intelligenza artificiale con le competenze umane.
I leader aziendali, nel frattempo, hanno tutto da guadagnare dall’affrontare tempestivamente le barriere contestuali. Modernizzando le pipeline di dati e foGuidando la collaborazione tra uomo e intelligenza artificiale, le aziende possono estendere l’intelligenza artificiale oltre i silos di codifica in operazioni diverse, migliorando la competitività. I risultati del rapporto sulla debole sensibilità ai prezzi suggeriscono che con l’avanzare delle capacità, l’adozione probabilmente accelererà, ma sono necessari interventi mirati per garantire l’inclusività.
Guardando al futuro, Anthropic prevede un monitoraggio continuo di questi modelli, fornendo ancore empiriche per orientarsi negli effetti economici a catena dell’intelligenza artificiale. Essendo la terza parte dell’Indice Economico, questa edizione amplia il quadro con approfondimenti API e granularità globale, sottolineando il duplice potenziale della tecnologia: amplificare la prosperità o approfondire le disparità.
Nelle osservazioni conclusive, gli autori avvertono che “gli effetti economici dell’intelligenza artificiale trasformativa saranno modellati tanto dalle capacità tecniche quanto dalle scelte politiche che le società faranno”. La storia dimostra che le traiettorie di adozione sono malleabili e si evolvono con maturità, innovazioni e implementazione intenzionale. Gli attuali modelli concentrati potrebbero ampliarsi, catturando il pieno potenziale di produttività dell’IA attraverso settori e confini. Tuttavia, i passi proattivi attuali, dalla difesa pubblica alla strategia aziendale, definiranno se l’intelligenza artificiale favorirà la convergenza o la divergenza nell’economia globale.
Questo rapporto non solo illustra le tendenze attuali, ma fornisce anche alle parti interessate strumenti basati sui dati per influenzare la traiettoria dell’intelligenza artificiale. Con l’intensificarsi dell’adozione, l’interazione tra geografia, esigenze aziendali e modalità di utilizzo sarà fondamentale per sfruttare l’intelligenza artificiale per una crescita equa.
