Il mercato è sempre stato una macchina di coordinamento senza un centro unico. Milioni di decisioni individuali, di prezzi, di aspettative, di paure e desideri producono un ordine che nessuno concepisce mai interamente. È proprio questo che ha interessato a lungo gli economisti: un sistema capace di organizzare quantità immense di informazioni disperse senza un comando centrale assoluto.

L’intelligenza artificiale non sostituisce questa logica. Modifica la natura degli attori che vi partecipano. Finora, anche quando un software eseguiva una transazione, l’intenzione e l’analisi erano largamente definite da esseri umani. Domani una parte crescente degli agenti economici potrà osservare, confrontare, negoziare e reagire in modo molto più autonomo. Il mercato diventerà dunque un sistema multiagente in senso quasi letterale.

È qui che cambia la geometria della concorrenza.

Un consumatore umano non può confrontare continuamente migliaia di offerte. Un agente può farlo. Un’impresa umana non può rinegoziare ogni secondo i propri prezzi con ogni cliente. Un sistema può farlo. Una banca non può ricalcolare manualmente ogni minuto i rischi di tutte le proprie controparti. I modelli possono farlo quasi ininterrottamente.

La prima conseguenza è dunque una riduzione gigantesca dei costi di ricerca e di transazione. È potenzialmente molto positivo. Un mercato più trasparente, in cui ogni acquirente può confrontare rapidamente prezzi e condizioni, può diventare più concorrenziale. Le rendite legate all’opacità diminuiscono. È ciò che ho vissuto con Artprice. L’opacità non è mai neutrale. Chi possiede l’informazione può appropriarsi di un valore semplicemente perché gli altri non sanno. Rendere accessibile l’informazione trasforma il rapporto di forza.

L’agente economico personale potrebbe generalizzare questa logica. Il consumatore non guarda più cinque offerte. Il suo agente ne guarda cinquemila. Il commerciante non può più contare altrettanto sull’inerzia o sulla difficoltà di confronto. Questo può produrre una pressione considerevole sui prezzi e sulla qualità. Ma, come sempre, la conseguenza di secondo ordine può essere molto diversa. Se anche i venditori dispongono di agenti capaci di osservare i concorrenti in tempo reale, adeguare i prezzi e apprendere i comportamenti degli acquirenti, il mercato si trasforma in una competizione algoritmica su entrambi i versanti.

Possiamo allora avere una trasparenza estrema e simultaneamente una nuova opacità: nessuno comprende esattamente perché il prezzo visualizzato cambi. Il prezzo si personalizza e si fa dinamico, fino ad assumere una forma quasi conversazionale. Non si tratta più soltanto del prezzo di un prodotto. Si tratta del prezzo proposto a questa persona, in questo istante, secondo un insieme di condizioni. Questo esiste già in alcune forme. L’IA può renderlo molto più preciso.

Questa personalizzazione pone un’importante questione economica e morale: due persone devono sempre pagare lo stesso prezzo per lo stesso bene? L’economia risponde che da molto tempo esistono discriminazioni di prezzo legittime: sconto studenti, prezzi secondo l’orario, tariffe negoziate. Ma quando il sistema stima individualmente la tua disponibilità massima a pagare, la relazione cambia. Il venditore cerca allora di catturare quasi tutto il surplus del consumatore. L’agente sa forse che hai un’urgenza, che il tuo reddito è elevato, che sei poco sensibile al prezzo.

Può dunque adattare l’offerta. È razionale per il venditore. Ma può produrre un profondo senso di ingiustizia se i criteri sono opachi. Ecco perché la trasparenza dei prezzi diventerà probabilmente un tema di grande rilievo. Non si tratta necessariamente di esigere un prezzo unico ovunque, il che sarebbe economicamente assurdo, ma di rendere visibili determinati meccanismi. Il consumatore deve forse sapere che un prezzo è personalizzato e su quali grandi categorie di dati si fonda. Ancora la provenienza, applicata questa volta al prezzo.

Da dove viene questa cifra? Eravamo abituati a considerare il prezzo come un dato oggettivo esposto su un’etichetta. In un mercato algoritmico diventa una decisione dinamica. Possiede dunque una genealogia.

Quale modello?

Quali variabili?

Quale concorrenza osservata?

Il prezzo stesso entra nel calcolo algoritmico.

Questo cambia il modo di pensare la concorrenza. Tradizionalmente, l’autorità di regolazione osserva livelli di prezzo, quote di mercato, accordi tra imprese. Ma che cosa accade quando più agenti di determinazione dei prezzi apprendono indipendentemente che una certa stabilità dei prezzi è più redditizia? Possono convergere verso un comportamento che assomiglia a una collusione senza aver mai scambiato un messaggio esplicito: «non abbassiamo i prezzi». È un problema estremamente interessante. Il diritto della concorrenza si è costruito intorno alla prova di un accordo o di una pratica concordata.

Ma algoritmi adattativi possono produrre un coordinamento emergente. Nessuno ha dato l’ordine. Eppure il risultato assomiglia a un’intesa. Ritroviamo esattamente il problema degli sciami: regole locali possono produrre un comportamento collettivo che nessuno ha deciso esplicitamente. La questione della responsabilità si rivela allora ardua. Si può sanzionare un’impresa perché il suo algoritmo ha appreso un comportamento coordinato? Se l’impresa poteva ragionevolmente prevedere il rischio e lo ha lasciato fare, forse.

Se il risultato era realmente imprevedibile, il diritto dovrà essere più sottile. Non si può abbandonare l’esigenza di causalità semplicemente perché il sistema è complesso. Ma non si può nemmeno lasciare che l’opacità diventi un rifugio. Occorrerà probabilmente imporre alle imprese che usano determinati sistemi avanzati di determinazione dei prezzi un obbligo di sorveglianza dei loro effetti. Ancora il dovere di diligenza algoritmica. L’impresa non può limitarsi a dire: non ho programmato una collusione.

Deve guardare che cosa produce realmente il suo sistema. Questo si ricollega all’intera filosofia dei capitoli precedenti: chi beneficia di un agente deve assumersi anche un dovere di controllo. Ma attenzione al rischio di eccesso di regolamentazione. Se ogni modifica di prezzo operata da un modello dovesse essere convalidata da un essere umano, si distruggerebbero proprio i guadagni dell’automazione. Occorre dunque distinguere l’azione individuale normale dal comportamento sistemico problematico. L’autorità di regolazione potrebbe analizzare gli schemi nel tempo. È qui che userà essa stessa l’intelligenza artificiale.

Entriamo in un’economia in cui gli agenti di mercato saranno sorvegliati da agenti di regolazione. Ancora la ricorsività. Questo ricorda i mercati finanziari, dove la sorveglianza automatizzata esiste già. Ma questa logica potrebbe estendersi al commercio, all’energia, ai trasporti. Le autorità di regolazione avranno bisogno di capacità comparabili a quelle degli attori che sorvegliano. Altrimenti l’asimmetria cognitiva assume proporzioni considerevoli. È una regola generale del potere: un’autorità incapace di comprendere l’architettura dell’industria regolamentata diventa progressivamente dipendente da quell’industria.

L’IA amplifica questo problema perché la complessità tecnica aumenta. Occorre dunque investire nella capacità pubblica. Questo non significa che lo Stato debba possedere i modelli più performanti del mercato in ogni ambito. Deve possedere competenze e strumenti sufficienti per svolgere audit. È ciò che ho sostenuto per lo Stato algoritmico. La regolamentazione deve avere la propria infrastruttura.

Ma il mercato algoritmico pone un altro problema: la velocità. Una violazione o un’instabilità può prodursi in pochi secondi. La procedura amministrativa tradizionale richiede mesi o anni. Il tempo giuridico e il tempo algoritmico si dissociano completamente. Questo obbliga a distinguere due funzioni della regolamentazione: la reazione immediata e l’indagine. Per la prima occorrono interruttori di sicurezza, limiti automatici.

Per la seconda, il contraddittorio può richiedere tempo. I mercati finanziari hanno già risposto a questa difficoltà con le sospensioni delle contrattazioni. Quando il sistema si muove troppo rapidamente, si ferma temporaneamente il meccanismo per permettere al tempo umano di tornare. Questa idea del dispositivo di rallentamento ritorna ancora e ancora. Non è accidentale. La civiltà consiste spesso nell’introdurre latenza in sistemi capaci di andare più veloci della nostra capacità di giudizio. Il mercato algoritmico avrà bisogno di dispositivi di rallentamento.

Ma dove collocarli?

Troppe restrizioni possono ridurre la liquidità e l’efficienza. Troppo poche possono permettere dinamiche di panico. È un compromesso classico. Il crollo lampo ne fornisce un’immagine particolarmente chiara. Gli algoritmi reagiscono agli algoritmi, gli ordini si propagano, i prezzi crollano o balzano senza che i fondamentali siano cambiati nelle stesse proporzioni. Il fenomeno può essere corretto rapidamente.

Ma rivela una cosa essenziale: un mercato può produrre uno stato che nessuno voleva individualmente. È una proprietà del sistema. L’IA aumenta questa possibilità perché gli agenti diventano più complessi e più numerosi. Le interazioni possono produrre circuiti di retroazione difficili da anticipare. Un modello osserva un ribasso e vende. Gli altri osservano queste vendite e concludono che il rischio aumenta. Vendono anche loro.

Il circuito si amplifica come una dinamica di folla portata alla velocità della macchina. Il mercato ha sempre conosciuto il panico. L’algoritmo non lo inventa. Può comprimerlo. Questo cambiamento di temporalità è fondamentale. Un movimento che avrebbe richiesto ore può richiedere pochi secondi.

L’essere umano non ha più il tempo di intervenire. Ecco perché il governo del mercato deve essere integrato nel protocollo stesso. Non si può contare soltanto su un supervisore che guarda uno schermo. Occorrono regole automatiche. Il codice diventa una microregolamentazione. Ma questa automazione della sicurezza può essa stessa produrre effetti inattesi. Più interruttori di sicurezza possono attivarsi simultaneamente e spostare la liquidità verso altri mercati.

Ancora la complessità. Occorre dunque testare le regolamentazioni come si testano i sistemi: simulazioni, scenari avversi, situazioni estreme. Il diritto finanziario diventa un’ingegneria dinamica. È interessante perché mostra l’evoluzione generale dell’istituzione. La regola non è più soltanto un testo. Diventa un parametro operativo.

Un limite di variazione.

Un intervallo di tempo.

Una soglia.

È esattamente la convergenza tra diritto e codice. Ma occorre mantenere una distinzione essenziale: il parametro è modificabile.

Chi lo sceglie?

In base a quale legittimità?

Una soglia del 5 % o del 10 % può produrre effetti economici diversi. Questa scelta sembra tecnica. Possiede tuttavia una dimensione politica. Ritroviamo esattamente il problema dello Stato algoritmico. La tecnica contiene valori. Il mercato algoritmico non sarà dunque più neutrale del mercato umano. Ci saranno semplicemente regole talvolta più difficili da vedere.

È per questo che la trasparenza sulle grandi architetture è importante. Il pubblico non ha bisogno di conoscere ogni riga del codice di una borsa.

Ma i principi devono essere comprensibili:

In quali situazioni il mercato si ferma?

Chi può intervenire?

Come viene stabilita la priorità degli ordini?

Sono quasi regole costituzionali del mercato. Il confronto non è eccessivo. Una borsa è un’istituzione di fiducia. I partecipanti accettano di scambiare perché pensano che le regole siano stabili e applicate equamente. Se l’infrastruttura favorisce segretamente alcuni attori, la fiducia scompare. È per questo che l’accesso alla velocità stessa è diventato storicamente una questione. Nei mercati elettronici, pochi microsecondi possono rappresentare un valore.

La vicinanza fisica dei server e la qualità dei collegamenti creano vantaggi. È già un mondo in cui lo spazio e il tempo sono mercificati. L’IA aggiunge ora la qualità cognitiva. Un agente più rapido, ma anche migliore nell’interpretare i segnali, può cogliere più opportunità. Entriamo dunque in una competizione in cui il capitale tecnologico produce un vantaggio quasi istantaneo. Questo pone una questione di equità del mercato. Occorre garantire a tutti esattamente la stessa tecnologia?

Ovviamente no. La concorrenza poggia anche sull’innovazione. Ma occorre impedire che determinate asimmetrie derivino da un accesso privilegiato alle regole o a dati non pubblici. È la distinzione classica tra vantaggio competitivo e abuso di informazioni privilegiate. L’IA non cambia questo principio. Aumenta semplicemente la capacità di sfruttare l’informazione. Un modello può combinare migliaia di dati pubblici per dedurre qualcosa che nessuno aveva visto.

È un vantaggio legittimo? In linea di principio sì. È precisamente l’analisi. Ma quando i dati includono informazioni ottenute illecitamente o per privilegio, il problema rimane. Il diritto deve dunque continuare a guardare la provenienza dell’informazione. Ancora questa nozione. Da dove viene il segnale?

La macchina può produrre un’inferenza brillante. Se poggia su un dato vietato, il risultato può essere giuridicamente contaminato. La difficoltà sta nel fatto che l’IA può inferire informazioni vicine a dati privati a partire da dati pubblici. Abbiamo visto il problema con le inferenze personali. Esiste anche nei mercati. Un modello può forse stimare che un’impresa stia per annunciare un problema a partire da immagini satellitari delle sue fabbriche, da movimenti nelle assunzioni o dal traffico marittimo. È un’analisi di dati aperti.

Può dare un vantaggio considerevole. Il mercato diventerà dunque una battaglia di intelligence economica automatizzata. Questo può aumentare l’efficienza dei prezzi perché più informazioni vengono incorporate rapidamente. Ma può anche rafforzare gli attori capaci di pagare i dati migliori e il calcolo migliore. L’informazione pubblica non mette tutti sullo stesso piano se alcuni possono trattarla molto meglio. È una vecchia verità. Una biblioteca aperta a tutti non abolisce la differenza tra chi sa interrogarla e chi non lo sa.

Artprice è nata esattamente da questa comprensione. Il valore non è soltanto l’accesso ai documenti. È la normalizzazione, l’indicizzazione, la capacità di far emergere relazioni. L’IA generalizza tutto questo all’intero mercato. La competizione si sposterà dunque verso le infrastrutture di dati. Gli attori capaci di costruire corpus proprietari di qualità avranno un vantaggio. Questo può creare barriere all’ingresso.

Una startup può avere un eccellente modello ma non vent’anni di dati. Un’impresa storica può avere i dati ma un’architettura tecnica più lenta. La concorrenza combina ormai memoria e calcolo. È una geometria interessante. Il nuovo entrante possiede talvolta la tecnologia. Il vecchio, la profondità storica. Chi sa combinare le due cose possiede un vantaggio.

Questo spiega perché le acquisizioni di dati diventano strategiche. Lo abbiamo vissuto con Artprice. Acquistare archivi, fondi, non significava accumulare carta. Significava acquisire tempo storico. Alcune serie non si possono ricreare rapidamente. Il tempo diventa una risorsa economica. L’IA ne aumenta il valore perché sa sfruttare ciò che l’essere umano non poteva percorrere interamente.

È una rivincita del lungo termine in un mercato ossessionato dalla velocità. Ecco un paradosso che mi interessa particolarmente: i sistemi più rapidi possono trarre il proprio vantaggio dagli archivi più antichi. Velocità e profondità non si oppongono. Si moltiplicano. È precisamente il mio modo di pensare. La modernità più radicale può poggiare sulla memoria più antica. Ritroviamo l’alchimia, l’archivio, la banca dati.

Il mercato algoritmico non è dunque soltanto un mercato di millisecondi. È un mercato in cui secoli di dati possono essere mobilitati in millisecondi. Ma questa capacità aumenta anche il rischio di sovradattamento ai dati storici. Un modello può trovare magnifiche regolarità che non esistono più. Il mercato cambia. I regimi monetari cambiano. I comportamenti cambiano.

Una relazione osservata per vent’anni può scomparire quando un numero sufficiente di attori la usa. È la riflessività. Non appena una strategia diventa nota, il suo vantaggio diminuisce. Il mercato reagisce al modello del mercato. È questo che distingue profondamente l’economia da molti fenomeni naturali. Il modello non rimane esterno: agisce sul mercato.

L’IA amplifica questa riflessività. Se un modello diffuso rileva che un determinato segnale annuncia un rialzo, milioni di agenti possono comprare non appena il segnale compare, facendo salire il prezzo prima ancora dell’evento atteso. La previsione si avvera perché viene creduta. Oppure, al contrario, si annulla perché tutti hanno già agito. Il sistema entra in un circuito ricorsivo. È estremamente difficile da modellare. I modelli apprendono da un mondo che si trasforma in funzione delle loro stesse raccomandazioni.

È quasi un circuito cibernetico. Ecco perché il mercato algoritmico probabilmente non potrà mai essere interamente prevedibile, anche con IA molto potenti. La potenza di calcolo non elimina la riflessività. Può accelerarla. È un limite fondamentale all’idea di un mercato perfettamente ottimizzato. Il mercato è un sistema adattativo popolato da attori che apprendono gli uni dagli altri. Ogni strategia efficace attira imitatori e modifica l’ambiente.

Ancora la mutazione. Solo i mutanti sopravvivono. Ma qui la mutazione è permanente. Un agente deve ricalibrare le proprie strategie via via che gli altri cambiano. Questo assomiglia alla coevoluzione militare. La frontiera tra strategia economica e strategia avversaria si assottiglia. Ovviamente il mercato non è la guerra.

Gli attori possono cooperare, creare valore comune. Ma cercano anche un vantaggio relativo. Gli agenti impareranno dunque ad anticipare gli agenti altrui. Questo può condurre a livelli di sofisticazione impressionanti.

L’agente non si chiede più soltanto:

Qual è il prezzo migliore?

Si chiede:

Come reagirà l’altro agente se propongo questo prezzo?

Entriamo in interazioni strategiche ricorsive. È esattamente la teoria dei giochi potenziata dall’apprendimento. Due sistemi possono testare migliaia di strategie. Questo può migliorare la negoziazione. Ma può anche produrre tattiche difficili da comprendere per gli esseri umani. Un agente scopre che una particolare sequenza di proposte massimizza il risultato. Perché?

Forse nessuno sa spiegarlo semplicemente. La negoziazione diventa opaca proprio mentre è più efficace. Questa opacità pone un problema di consenso. Un’impresa deve accettare contratti negoziati secondo strategie che non comprende? Se i limiti vengono rispettati, forse. Ma per gli atti importanti, il consulente umano deve comprendere almeno le clausole principali. Ancora l’autonomia proporzionale all’irreversibilità.

Una microtransazione può essere completamente automatizzata. Un’acquisizione d’impresa non dovrebbe essere conclusa semplicemente perché due agenti sono giunti a convergere. La gerarchia degli atti rimane essenziale. Il mercato algoritmico non significa dunque scomparsa dell’essere umano. Produce una stratificazione temporale. Le macchine possono farsi carico del rapidissimo, del ripetitivo, del micro. Gli esseri umani rimangono maggiormente sul lento, sullo strategico, sull’irreversibile.

Ma questa frontiera può essa stessa spostarsi. Alcune decisioni che oggi consideriamo strategiche potranno essere largamente automatizzate quando i sistemi diventeranno più affidabili. Occorre dunque conservare principi, non un elenco immutabile. Ancora la permanenza mutante. Il governo dei sistemi deve rivedere regolarmente le proprie soglie. Ma esiste un rischio politico importante: via via che i mercati diventano troppo rapidi per essere compresi direttamente, possono perdere la loro legittimità sociale.

Il cittadino vede un prezzo muoversi, un’impresa scomparire, un fondo guadagnare miliardi, senza comprenderne i meccanismi. L’economia può essere percepita come una macchina estranea. A volte è già così. L’IA può accentuare questa sensazione. Una società non può poggiare soltanto su un’efficacia che nessuno comprende. La legittimità esige una certa intelligibilità. Questo non significa che ogni cittadino debba comprendere i modelli ad alta frequenza.

Ma deve poter comprendere le regole, sapere che vengono controllate e che gli abusi vengono sanzionati. È esattamente la differenza tra complessità e opacità. Una centrale nucleare è complessa. La società ne accetta l’esistenza se si fida delle istituzioni che la controllano. Il mercato algoritmico avrà bisogno della stessa cultura della sicurezza. Forse la finanza dovrà abbandonare una parte del proprio immaginario di libertà totale per pensarsi maggiormente come infrastruttura critica. Lo è già.

I pagamenti, il credito, i mercati finanziano l’economia reale. Un guasto sistemico può colpire tutti. L’IA rafforza dunque l’idea che un mercato sia un’infrastruttura, non soltanto un luogo di speculazione. Questo giustifica protezioni. Ma la regolamentazione deve rimanere consapevole che anche l’assunzione di rischi è necessaria. Un mercato senza rischio non esiste. Se si impedisce ogni perdita, si distrugge il meccanismo dei prezzi.

Occorre dunque distinguere il normale rischio economico dal rischio sistemico creato da un’architettura. È una sfumatura essenziale. Un investitore può perdere perché ha preso una decisione sbagliata. È il mercato. Ma milioni di investitori non dovrebbero subire un guasto perché un protocollo mal progettato ha innescato un circuito incontrollato. Il ruolo dell’autorità di regolazione è anzitutto mettere in sicurezza l’infrastruttura, non garantire ogni risultato. Questa distinzione deve rimanere chiara.

Altrimenti l’azzardo morale aumenta. Questo si ricollega alla responsabilità del capitale. Chi ottiene il guadagno deve accettare una parte del rischio. L’IA non deve permettere di privatizzare la performance e socializzare automaticamente l’errore. Ma i sistemi molto interconnessi creano un problema: lasciar cadere un attore può provocare un contagio. È il dilemma classico del troppo grande per fallire.

L’IA può produrre nuovi attori troppo connessi per fallire. Un’impresa può non essere gigantesca per fatturato e diventare tuttavia un nodo cognitivo centrale per molte altre. Un fornitore di modelli. Un servizio di dati. Il suo fallimento può propagare uno shock. Ecco perché l’analisi del grafo economico deve entrare nella regolamentazione sistemica. La dimensione non basta più.

Occorre guardare la centralità. È esattamente la stessa logica delle reti terroristiche o delle infrastrutture digitali. Quale nodo collega quanti attori? La regolamentazione sistemica dovrà cartografare queste dipendenze. Questo può condurre a obblighi specifici di resilienza per alcuni fornitori. Ancora l’infrastruttura critica. Se un modello è usato da migliaia di imprese finanziarie, il suo status cambia di fatto.

Diventa quasi sistemico. Questo non significa che lo Stato debba controllarlo direttamente. Ma può esigere piani di continuità, test, meccanismi di ridondanza. È già la logica applicata ad altre infrastrutture. L’IA vi si integra.

E questo pone immediatamente un’altra domanda:

Che cosa accade se questi nodi critici appartengono a imprese di un’altra potenza?

Torniamo alla sovranità cognitiva. Un mercato nazionale può essere legalmente sovrano e tecnicamente dipendente. Imprese francesi possono usare agenti ospitati negli Stati Uniti o altrove. In caso di crisi geopolitica, quali garanzie? Il mercato algoritmico diventa dunque anche un mercato geopolitico. Le sanzioni possono interrompere l’accesso alle tecnologie. Gli Stati possono usare il controllo dei modelli come leva economica.

È già visibile con i semiconduttori.

L’IA aggiunge un nuovo strato. Una potenza che possiede le infrastrutture cognitive può influenzare l’economia altrui senza controllarne direttamente le imprese. Ecco perché l’Europa, la Cina e gli Stati Uniti cercano ciascuno di sviluppare le proprie capacità. Non è soltanto protezionismo. È anche il riconoscimento di una dipendenza critica.

Ma una sovranità eccessivamente chiusa può frammentare il mercato mondiale.

Ritroviamo lo stesso dilemma: mettere in sicurezza senza isolare. Se ogni blocco sviluppa agenti incompatibili e standard diversi, i costi di transazione risalgono. Occorrerà dunque preservare protocolli di interoperabilità. Il mercato mondiale dipende da standard comuni. Il mio agente francese deve poter comprendere il contratto dell’agente indiano.

Questo richiede formati, identità, regole. La battaglia delle norme sarà considerevole. Chi vede il proprio standard diventare dominante può strutturare una parte del commercio. È esattamente ciò che è accaduto con le carte di pagamento, i sistemi operativi, i protocolli Internet. Gli agenti diventano la prossima interfaccia. Chi possiede l’interfaccia possiede una forma di potere.

Ma esiste una particolarità: l’agente può scegliere da sé il fornitore. Se gli agenti personali ottimizzano realmente nell’interesse dell’utente, possono ridurre l’importanza dei marchi dominanti. Possono cercare automaticamente l’offerta migliore presso un piccolo attore sconosciuto. Questo potrebbe favorire la concorrenza. Ma le grandi piattaforme possono anche controllare l’agente stesso e quindi orientare la ricerca. È il nuovo collo di bottiglia.

Il potere si sposta dalla pagina dei risultati all’assistente. Il motore di ricerca mostrava più collegamenti. L’agente può scegliere direttamente. Questo concentra enormemente la funzione di intermediazione. Ecco una questione antitrust di grande rilievo. Se un agente dominante effettua gli acquisti per centinaia di milioni di persone, la sua regola di selezione può decidere il successo o il fallimento di migliaia di imprese. Anche senza intenzioni malevole, la sua architettura diventa una politica economica privata.

Questo merita una vigilanza considerevole. I criteri di raccomandazione devono forse essere più trasparenti quando un agente raggiunge una posizione quasi infrastrutturale. Ma attenzione a non obbligare a rivelare tutti i segreti algoritmici, il che favorirebbe l’aggiramento. Ancora l’equilibrio.

Si possono imporre principi: possibilità di scegliere altri agenti; divieto di favorire segretamente i propri servizi; audit indipendente.

È simile ai dibattiti storici sulle piattaforme. L’IA non crea il problema dell’intermediazione dominante. Lo rende più potente perché l’interfaccia diventa decisionale. È una differenza di grado immensa. Una piattaforma che ordina prodotti influenza. Un agente che compra senza mostrare tutta la graduatoria decide. Ecco perché il mandato fiduciario degli agenti personali diventa centrale.

Se l’agente agisce giuridicamente nel mio interesse, non dovrebbe favorire l’ecosistema del proprio fornitore senza dichiararlo. Questo principio può ristrutturare il mercato. Potrebbe creare agenti indipendenti pagati direttamente dall’utente, come un consulente. Il modello economico è determinante. Un servizio gratuito finanziato dai venditori non ha la stessa lealtà di un servizio pagato dall’acquirente. Abbiamo già incontrato questa questione nella finanza con i consulenti. L’IA generalizza il conflitto d’interessi.

Ancora la provenienza della raccomandazione. Il mercato algoritmico può dunque rendere il consumatore estremamente potente o estremamente manipolabile a seconda dell’architettura. È una biforcazione essenziale. Se gli agenti sono leali verso l’utente e portabili, la concorrenza può intensificarsi. Se sono controllati da poche piattaforme integrate, la concentrazione può aumentare. La tecnologia permette entrambi i futuri. Questo conferma ancora una volta che è l’istituzione a decidere.

Lo stesso progresso tecnico può produrre un’architettura aperta o chiusa. Non esiste un destino tecnologico. Esistono scelte di standard, di diritto, di modello economico. Questa responsabilità politica è importante. Non dobbiamo dire fra dieci anni: era inevitabile. No.

Verranno fatte delle scelte. Il ruolo del diritto è orientare gli incentivi senza pretendere di progettare ogni risultato. È delicato. Intervenire troppo può irrigidire un settore. Non intervenire può lasciare che si instaurino posizioni difficili da rovesciare. La scelta del momento diventa essenziale. Una regolamentazione che arriva dopo che uno standard proprietario detiene quasi tutto il mercato è molto più difficile.

È esattamente l’effetto di vincolo. Occorre dunque talvolta agire presto sull’interoperabilità anziché sui prodotti. È una lezione di Internet. Preservare le porte aperte. Se l’utente può cambiare agente e portare con sé i propri dati, la concorrenza rimane possibile anche se un attore domina momentaneamente. La portabilità diventa dunque uno strumento di politica della concorrenza. È un’idea forte.

Il mercato algoritmico non deve essere concepito soltanto con regole sui prezzi, ma anche con regole sulla mobilità delle identità e dei dati. La concorrenza dipende dall’architettura tecnica. Questo mostra ancora la fusione tra diritto e ingegneria. Un pulsante «esporta» può diventare uno strumento di politica economica. Le grandi battaglie del potere si nascondono talvolta nei formati dei file. L’ho visto per tutta la vita. Chi possiede un formato chiuso possiede una rendita.

Chi impone l’interoperabilità ridistribuisce il potere. È proprio per questo che gli standard sono così politici. L’economia degli agenti rende questa realtà ancora più visibile. Ma non bisogna fantasticare su un mercato perfettamente fluido in cui gli agenti cambiano fornitore ogni secondo. La fiducia, la qualità, la reputazione continueranno a creare fedeltà. Una relazione economica non è soltanto un prezzo. Un agente può apprendere che un certo fornitore è leggermente più caro ma molto più affidabile.

Può integrare criteri qualitativi. Questo può migliorare il mercato rendendo la reputazione più misurabile. Ma anche qui, attenzione al punteggio unico. La reputazione è multidimensionale. Qualità. Tempi. Servizio. Un punteggio aggregato può nascondere. L’agente dovrebbe poter adattare i criteri alle preferenze dell’utente. Per uno, il prezzo. Per un altro, la provenienza ecologica. Per un terzo, i tempi. Il mercato diventa allora estremamente personalizzato. Questo può creare una frammentazione dei prezzi e delle offerte. La nozione stessa di mercato unico diventa più astratta.

Due persone non vedono più necessariamente lo stesso universo commerciale. È già così con le raccomandazioni. Gli agenti lo amplificheranno. Questo pone una questione sociologica: se ciascuno possiede il proprio mercato personalizzato, la percezione collettiva dei prezzi può frammentarsi. I confronti diventano più difficili. Le statistiche pubbliche dovranno forse evolvere. L’indice medio dei prezzi può diventare meno rappresentativo se i prezzi sono iperpersonalizzati. Avremo bisogno di nuovi metodi di misurazione.

È un tema macroeconomico importante. Le istituzioni statistiche dovranno raccogliere dati più dettagliati proteggendo al tempo stesso la vita privata. L’IA può aiutare a costruire indici dinamici. Ma non deve nascondere le disuguaglianze. Un prezzo medio può nascondere che alcuni gruppi pagano sistematicamente di più. Ancora la distribuzione. Le autorità di regolazione dovranno forse guardare agli scarti secondo i profili.

Ma questo richiede di sapere quali dati vengono usati. Ancora trasparenza. Il mercato algoritmico rende più complessa la misurazione stessa. È un paradosso: abbiamo più dati, ma le categorie economiche diventano più fluide. Un prezzo non è più stabile. Un prodotto può essere personalizzato. Come calcolare l’inflazione quando l’offerta stessa cambia per ogni utente?

Gli economisti dovranno sviluppare nuove metodologie. È una mutazione interessante perché mostra che l’IA non trasforma soltanto il mercato. Trasforma anche gli strumenti con cui lo guardiamo. La statistica economica deve mutare. E questo può avere conseguenze politiche immense. Le banche centrali prendono decisioni sulla base di indicatori. Se gli indicatori diventano meno adeguati, la politica monetaria può diventare meno precisa.

L’IA può ovviamente aiutare a usare più dati in tempo reale. Entriamo forse in una macroeconomia a frequenza più alta. Le banche centrali possono seguire pagamenti, prezzi online, flussi logistici quasi istantaneamente. Questo migliora la diagnosi. Ma anche qui, più dati non garantiscono una decisione migliore. Il rischio è reagire troppo rapidamente a segnali rumorosi. La macroeconomia ha bisogno di distinguere tendenza e volatilità.

Ancora il rallentamento. Una banca centrale che reagisce in tempo reale a ogni fluttuazione può amplificare l’instabilità. L’IA deve dunque servire a comprendere più rapidamente senza necessariamente decidere più rapidamente. Ritroviamo esattamente la distinzione del capitolo sulla guerra cognitiva: velocità di calcolo non è velocità d’azione. È un’invariante. Il mercato può produrre dati in millisecondi. La politica monetaria può avere bisogno di settimane di distanza per valutare.

L’intelligenza consiste nel rispettare la giusta temporalità per ogni decisione.

Questa molteplicità di tempi si impone come una competenza istituzionale essenziale. Le imprese operano al secondo. Gli investitori al minuto o all’anno. Gli Stati su più anni. L’IA tende a far convergere tutti i tempi verso l’istante. Occorre resistere a questa attrazione. Alcune cose non devono essere accelerate. Una politica industriale richiede dieci anni. Un mercato finanziario reagisce in dieci millisecondi. Confondere i due è pericoloso. Una delle funzioni dello Stato è precisamente rappresentare il tempo lungo al quale il mercato può attribuire un peso insufficiente.

L’IA può aiutare il mercato ad anticipare meglio il lungo termine. Ma gli incentivi rimangono spesso di breve periodo. Un gestore può sapere che esiste un rischio climatico a vent’anni ed essere valutato sulla propria performance trimestrale. Il modello non corregge l’incentivo. Ecco ancora un limite. La tecnologia non sostituisce l’istituzione. Occorre allineare gli orizzonti.

È una questione di governo. Il mercato algoritmico può persino accorciare ulteriormente l’orizzonte se gli agenti ottimizzano continuamente. Ogni secondo diventa un’opportunità. Questo può aumentare la rotazione del portafoglio e ridurre la pazienza del capitale. Ma è possibile il contrario. Un agente può essere programmato per perseguire una strategia su trent’anni senza essere influenzato dalla paura o dall’emozione quotidiana. Un fondo pensione algoritmico potrebbe avere una disciplina di lungo termine superiore a quella di un essere umano soggetto alle fluttuazioni.

Ancora la dualità. L’IA può accorciare o allungare il tempo secondo l’obiettivo. Non è la macchina a imporre la temporalità. È la funzione di ricompensa. Se chiediamo una performance quotidiana, ottimizza il quotidiano. Se chiediamo la preservazione intergenerazionale, può integrare un orizzonte molto più lungo. Questo si ricollega alle strategie statali di lungo termine.

L’IA potrebbe diventare uno strumento di politica di lungo termine proprio perché può simulare diversi decenni. Ma la simulazione rimane dipendente dalle ipotesi. Più l’orizzonte è lungo, più l’incertezza aumenta. Occorre dunque presentare scenari, non un’unica previsione. Ancora il pluralismo dei futuri. Il mercato algoritmico potrebbe beneficiare enormemente di questa cultura degli scenari. Un investitore non chiederebbe soltanto il rendimento probabile, ma gli scenari di rottura.

Questo migliorerebbe forse la resilienza. Ma il capitale ama le cifre uniche. Un punteggio semplifica. È pericoloso. Occorre imparare a mostrare le distribuzioni e le code di rischio. L’IA è perfettamente capace di farlo. Il problema è spesso l’interfaccia.

Torniamo alla presentazione dell’incertezza. Un valore del 7,2 % sembra preciso. Forse poggia su un intervallo enorme. La progettazione finanziaria deve diventare più onesta. È una dimensione del governo dei sistemi. La macchina può calcolare un miliardo di scenari. Se lo schermo visualizza una sola cifra, una parte dell’intelligenza va perduta.

Ecco un punto essenziale. L’IA può aumentare la complessità della nostra comprensione o nasconderla dietro un punteggio. La scelta dell’interfaccia è politica. Questo vale per il mercato come per lo Stato. È quasi una costante di tutta questa parte. Costruiamo sistemi molto complessi e dobbiamo decidere come restituire questa complessità all’essere umano. Troppe informazioni paralizzano.

Troppo poche creano un’illusione. Il giusto livello di sintesi è un’arte. Forse gli agenti personali diventeranno precisamente questo strato di traduzione. Il mercato produce una complessità immensa. Il mio agente la interpreta secondo i miei obiettivi. Questo può rendere il sistema più accessibile. Ma ancora una volta:

Devo fidarmi dell’agente.

Torniamo al mandato e alla lealtà. Il cerchio si chiude. È esattamente la struttura della rete: ogni capitolo diventa un nodo collegato agli altri. L’economia degli agenti non è un nuovo tema separato. Concentra identità, prova, sovranità, lavoro, responsabilità.

Questo mi conferma che l’IA agisce come un nuovo strato di coordinamento, non perché costituisca un settore isolato, ma perché attraversa tutte le altre strutture. Il mercato è esso stesso coordinamento. Il loro incontro è dunque particolarmente profondo. Possiamo persino immaginare che alcuni mercati scompaiano nella loro forma attuale perché gli agenti negoziano direttamente.

Perché esporre un prezzo fisso se ogni transazione può essere negoziata istantaneamente?

In alcuni settori, il prezzo esposto può diventare un prezzo indicativo. Il mio agente invia una proposta.

Il venditore risponde. Una sorta di bazar mondiale automatizzato. È quasi un ritorno a una forma antica di commercio con strumenti ipermoderni. La Storia è piena di questi ritorni. Il prezzo fisso nel commercio al dettaglio è storicamente relativamente recente. L’IA potrebbe reintrodurre la negoziazione su vasta scala. Sarebbe particolarmente interessante.

Ma questo può rendere il mercato meno leggibile per l’essere umano. Se nessuno sa che cosa pagano gli altri, l’asimmetria aumenta. Gli agenti dovranno dunque condividere alcune statistiche. Si possono immaginare servizi che dicano: acquirenti comparabili hanno pagato tra X e Y. Questo restituisce potere. Ancora l’informazione come contropotere.

Artprice ha precisamente trasformato una parte del Mercato dell’Arte fornendo riferimenti di prezzo là dove dominava l’opacità. L’economia degli agenti potrebbe riprodurre questa battaglia in altri settori. Se i prezzi diventano personalizzati, le banche dati delle transazioni reali diventano estremamente preziose. Chi sa che cosa hanno realmente pagato gli altri può negoziare meglio.

Vedremo dunque probabilmente comparire sistemi comparabili, nella loro funzione, a ciò che Artprice ha costruito per il Mercato dell’Arte: memorie di prezzi reali e di condizioni delle transazioni che alimentano gli agenti. Questo dato acquista un valore strategico. Ma pone questioni di riservatezza. Una transazione privata deve essere condivisa? Occorrerà aggregare, anonimizzare, talvolta differire la pubblicazione. Ancora il bilanciamento tra trasparenza del mercato e riservatezza commerciale. I mercati finanziari conoscono già questo problema.

Alcune transazioni devono essere pubblicate. Altre non lo sono immediatamente, per non rivelare una strategia. L’economia algoritmica generalizzerà queste questioni. La trasparenza totale non è sempre ottimale. Può persino facilitare la collusione permettendo a tutti i venditori di verificare immediatamente che nessuno abbassi i prezzi. Ecco un paradosso importante. Si pensa che la trasparenza aumenti la concorrenza.

In alcune architetture, troppa trasparenza tra venditori può facilitare il coordinamento. Ancora le conseguenze di secondo ordine. Non esiste una regola assoluta: più dati uguale mercato migliore. Occorre analizzare l’architettura.

Chi vede che cosa?

E quando?

Questa temporalità della trasparenza è essenziale. Un dato può essere pubblicato con ritardo. Questo protegge determinate strategie permettendo al tempo stesso l’audit. I mercati finanziari usano già questa logica. L’IA renderà probabilmente più sofisticati questi meccanismi. Avremo trasparenze differite, aggregate, condizionali. È precisamente questa granularità a produrre buone istituzioni.

Gli slogan falliscono sempre. Il mercato algoritmico è troppo complesso per «aprire tutto» o «chiudere tutto». Occorre costruire i flussi d’informazione. Ancora l’architettura. E questo pone la questione della democrazia economica. Se gli agenti diventano i principali intermediari del consumo e dell’investimento, il loro governo influenza enormemente la società.

Chi definisce i criteri etici, ambientali, geografici o di provenienza che usano?

Un cittadino può scegliere: privilegiare le imprese francesi; ridurre l’impatto del carbonio; massimizzare il prezzo più basso.

L’agente diventa una traduzione economica di valori personali. Questo può dare al consumatore un potere considerevole. Milioni di agenti possono spostare la domanda in funzione di preferenze etiche. Ma può anche frammentare l’economia in bolle ideologiche. Alcuni agenti evitano tutte le imprese legate a una certa posizione politica. Altri fanno il contrario. Il mercato diventa allora uno strumento di polarizzazione.

Vediamo già boicottaggi. L’automazione può renderli permanenti e invisibili. Una preferenza configurata una volta può escludere determinati fornitori per anni. Questo può avere conseguenze sociali. Ancora il rischio del profilo cristallizzato. Occorre permettere la revisione.

La libertà non è soltanto scegliere una volta. È poter scegliere di nuovo.

Un agente dovrebbe dunque verificare periodicamente se determinati criteri siano ancora desiderati. Tre anni fa avevi escluso questo tipo di fornitore. Vuoi mantenere questo criterio? Sembra un dettaglio d’interfaccia. È una filosofia della libertà. Una delega permanente può trasformare la scelta passata in destino. L’agente deve dunque integrare la possibilità della mutazione.

Ancora e sempre. Questo mi conferma che Solo i mutanti sopravvivono non è soltanto una formula biologica o imprenditoriale. È anche un principio di governo dei sistemi di IA. Un sistema deve permettere ai propri obiettivi e alle proprie preferenze di evolvere. La rigidità è una forma di vulnerabilità. Il mercato stesso sopravvive perché muta.

Le imprese compaiono.

Scompaiono.

I prezzi cambiano.

L’IA può accelerare questa mutazione. Può anche bloccare determinati comportamenti se gli standard si concentrano. È il paradosso. Il mercato rimane vivo finché esistono diversità e possibilità di ingresso. La concorrenza non è soltanto la presenza di più imprese oggi. È la possibilità che ne compaiano di nuove domani. L’interoperabilità è dunque una condizione della mutazione economica.

Se gli agenti dominanti possono parlare soltanto con le grandi piattaforme, i nuovi entranti diventano invisibili. I protocolli aperti costituiscono allora una politica dell’innovazione. Questa idea è essenziale.

L’architettura tecnica può decidere la contendibilità del mercato.

È quasi una costituzione economica. Anche qui lo standard non è mai neutrale. Definisce chi può entrare. L’autorità di regolazione dovrebbe dunque guardare i protocolli di scoperta.

Un piccolo fornitore può essere trovato dagli agenti?

Occorre pagare per essere indicizzati?

Gli agenti possono interrogare direttamente cataloghi aperti?

Questo assomiglia ai dibattiti sui motori di ricerca, ma con una posta in gioco più diretta perché l’agente può comprare. Il potere di intermediazione diventa transazionale. È probabilmente una delle grandi questioni future della concorrenza. I governi possono imporre obblighi di accesso equo a determinate interfacce. Ma occorre evitare di annullare la sicurezza. Un agente deve poter sapere che un fornitore è reale e degno di fiducia. Gli standard d’identità commerciale diventeranno importanti.

Ancora provenienza e reputazione. Tutto ritorna. Il mercato algoritmico potrebbe dunque essere molto più aperto tecnicamente e molto più filtrato cognitivamente. Milioni di fornitori accessibili. Ma l’agente ne mostra soltanto alcuni secondo determinati criteri. Il potere del filtro aumenta. Si vede dunque che il mercato del futuro potrebbe essere meno una battaglia per comparire su uno scaffale che una battaglia per essere selezionati dai modelli.

L’indicizzazione si trasforma. Le imprese cercheranno di rendere le proprie offerte leggibili dalle macchine, i propri dati strutturati, le proprie prove accessibili. Questo può essere positivo: descrizioni standardizzate, provenienza, certificazioni, prove di qualità. Ma può creare nuovi giochi di manipolazione. I fornitori impareranno a presentare i propri prodotti in modo da massimizzare il punteggio degli agenti. È esattamente la manipolazione delle metriche.

L’agente dovrà dunque rilevare i tentativi di manipolazione. Ancora la dinamica avversaria. Il mercato diventa un campo di ottimizzazione contro ottimizzazione. Questa dinamica sembra difficile da evitare. Può produrre una corsa alle certificazioni e alle prove. Ancora l’economia della fiducia. I fornitori affidabili avranno interesse a produrre dati verificabili.

Un marchio non sottoposto ad audit perderà valore. Questo può migliorare la qualità informativa del mercato. È una prospettiva interessante. L’IA può spingere le imprese a strutturare maggiormente i propri dati di provenienza perché gli agenti li esigono. Un prodotto privo di informazioni verificabili potrà avere minori possibilità di essere selezionato. Questo potrebbe favorire la tracciabilità ambientale o sanitaria.

Ma attenzione alle piccole imprese che non hanno i mezzi per produrre dati sofisticati. Gli standard devono rimanere accessibili. Altrimenti la conformità leggibile dalle macchine diventa una nuova barriera all’ingresso. Ancora un bilanciamento. Una norma che aumenta la fiducia può favorire i grandi attori capaci di pagare la certificazione. Occorre dunque progettare meccanismi proporzionati. È esattamente lo stesso problema della regolamentazione dell’IA stessa.

I costi fissi della conformità favoriscono la concentrazione. Il diritto deve saperlo. Si potrebbero avere livelli di certificazione secondo il rischio. Un piccolo artigiano non ha bisogno della stessa infrastruttura di una banca. Ancora la classificazione. Questa ripetizione può sembrare ossessiva. Eppure corrisponde al metodo necessario in un mondo complesso.

La granularità è una difesa contro gli effetti perversi.

E ci conduce a una domanda ancora più ampia.

Se i mercati diventano algoritmici, che cosa diventa la nozione di prezzo come informazione sociale?

Hayek aveva insistito sul prezzo come segnale che condensa informazioni disperse. Ma se i prezzi sono iperpersonalizzati e negoziati da agenti, esiste ancora un prezzo comune che svolga questo ruolo? Forse il sistema funziona maggiormente con distribuzioni di prezzi che con un prezzo unico. Il segnale diventa più ricco.

Ma meno visibile. Gli agenti possono comprenderlo. L’essere umano, meno direttamente. Entriamo in un’economia in cui le macchine potrebbero percepire determinate strutture del mercato meglio delle persone. Questo crea una dipendenza cognitiva collettiva. I cittadini non comprendono più direttamente i prezzi. Chiedono ai propri agenti:

È caro?

Il modello risponde confrontando migliaia di transazioni. È utile. Ma significa che il nostro rapporto con il mercato diventa mediato. Avevamo già questo con i comparatori. L’agente potrebbe diventare un comparatore quasi universale. Chi controlla il confronto struttura una parte della nostra percezione del valore.

È estremamente importante. Questo si ricollega al Mercato dell’Arte, dove la banca dati trasforma la percezione di un prezzo. Vedere lo storico cambia il giudizio. Artprice ha dato agli attori uno specchio del Mercato dell’Arte. L’IA generalizza questo specchio. Ma uno specchio può deformare. Occorre dunque sapere quali dati entrino. Ancora la provenienza.

Il cerchio è completo.

Valore. Prova. Identità. Mercato.

Tutto poggia infine sulla qualità delle architetture informative. È forse la conclusione provvisoria di questo capitolo. Il mercato algoritmico non elimina il mercato. Rivela ancora più chiaramente che un mercato è un’architettura di fiducia, d’informazione e di regole. L’IA accelera i flussi e aumenta le capacità. Ma non sostituisce nessuno di questi fondamenti. Al contrario. Rende la loro progettazione più critica. Il prezzo può essere calcolato dalla macchina. La legittimità delle regole rimane umana. La negoziazione può essere automatizzata. La responsabilità rimane.

La concorrenza può diventare più dinamica. Può anche chiudersi intorno a standard proprietari.

Tutto dipende dall’architettura.

Questa automazione del mercato apre infine una domanda più vasta: quando gli stessi strumenti servono al coordinamento di mercato e all’azione pubblica, la frontiera classica tra mercato e pianificazione si impone essa stessa come oggetto d’esame.

Che cosa diventa il mercato quando il coordinamento diventa quasi istantaneo?

Che cosa diventa la pianificazione quando l’IA può simulare e adeguare in continuo?

E soprattutto:

Chi definisce la finalità di un’economia capace di ottimizzare simultaneamente un numero immenso di variabili?

La questione riguarda allora meno il mercato che la finalità: chi definisce ciò che un’economia algoritmica cerca di ottimizzare?

È qui che la frontiera tra coordinamento di mercato e pianificazione deve essere riesaminata.