Nel saggio pubblicato il 29 ottobre 2026, Google DeepMind distingue la competenza, cioè ciò che un agente sa fare, dal coordinamento, cioè la capacità di lavorare insieme agli altri. Nel modello, la competenza modifica l’output a parità di dimensione dell’impresa; il coordinamento determina come l’output cambia quando l’organizzazione cresce. La differenza conta perché una maggiore capacità individuale può migliorare gradualmente la produttività, mentre una soglia specifica di coordinamento potrebbe cambiare il modo in cui le imprese si espandono. Google DeepMind
Perché contano i gruppi, non solo i singoli agenti
Le imprese riuniscono capacità diverse e dividono il lavoro: per questo, secondo gli autori, le prestazioni del singolo agente non bastano a descrivere gli effetti economici dell’IA. Nel saggio, gli autori riferiscono che in un quiz svolto da 100 persone su sei ambiti, le coppie abbinate in base a competenze complementari hanno ottenuto risultati superiori del 32% rispetto a coppie casuali. Il dato riguarda quel compito e non è una misura generale della produttività.
L’idea è quella dell’intelligenza composita: un gruppo può combinare punti di forza diversi. Un insieme di specialisti può quindi ottenere un risultato migliore di quello che si dedurrebbe guardando soltanto alla prestazione media dei singoli. Nel modello, la domanda successiva è quanto bene gli agenti riescano a organizzarsi mentre il gruppo aumenta di dimensione. Il documento Organizing Intelligence formalizza questa distinzione.
Competenza e coordinamento producono effetti diversi
La competenza alza il livello di output che un’impresa raggiunge con un dato numero di lavoratori. Il coordinamento, invece, riguarda la relazione fra dimensione dell’impresa e output: comprende, per esempio, la capacità di ripartire i compiti e contenere i costi di comunicazione e di collaborazione.
| Dimensione del modello | Che cosa modifica | Possibile conseguenza nel modello |
| Competenza | L’output a una dimensione aziendale data | Può modificare produttività, salari, prezzi e composizione della forza lavoro senza cambiare necessariamente la dimensione efficiente dell’impresa |
| Coordinamento | Il modo in cui l’output varia al crescere dell’organizzazione | Oltre la soglia illustrativa del modello, può rendere possibili rendimenti crescenti con la dimensione dell’impresa |
Per la competenza, gli autori modellano cambiamenti graduali nella composizione delle imprese e dell’occupazione. Il coordinamento può invece produrre una discontinuità negli scenari in cui le imprese basate sull’IA raggiungono rendimenti crescenti e competono su larga scala. Sono esiti condizionali del modello, non risultati osservati nell’economia.
Che cosa indica la soglia superiore a 1
Nell’equazione illustrativa del documento, un coordinamento medio superiore a 1 è la condizione associata a rendimenti crescenti con la dimensione dell’impresa: aggiungere membri può aumentare l’output per lavoratore. Quel valore è un parametro dell’equazione, non una soglia universale con cui misurare gli agenti IA. Gli autori precisano che stabilire se l’IA la superi è una questione empirica. Il documento descrive la condizione nel proprio modello.
Il modello distingue tre fasi organizzative: lavoro individuale, crescita limitata e crescita senza lo stesso limite. Nella fase intermedia, la divisione del lavoro può inizialmente aiutare, mentre i costi di coordinamento finiscono per frenare i vantaggi della crescita. La fase di crescita senza quel limite dipende dalla condizione supercooperativa definita nell’equazione.
Google DeepMind usa inoltre quattro regimi analitici: AGI minimale, IA supercompetente, IA supercooperativa e superintelligenza artificiale (ASI). Sono categorie per esaminare combinazioni diverse di capacità, non una descrizione di traguardi raggiunti dai sistemi attuali.
Che cosa cambia negli scenari per imprese e lavoro
Gli esiti dipendono anche dal mercato. In quelli ampi e scalabili, gli scenari del documento consentono la crescita di grandi imprese basate sull’IA; nelle nicchie, la domanda limitata può frenare l’espansione. Nei servizi relazionali, la presenza umana può contribuire valore. Le condizioni del settore, quindi, contano insieme alle capacità degli agenti.
Nei casi modellati, miglioramenti della competenza possono ridurre gradualmente l’occupazione umana all’interno di imprese miste. In uno scenario distinto, il passaggio a imprese composte soltanto da IA può produrre una variazione più brusca dell’occupazione. Il saggio descrive gli agenti attuali come sempre più capaci nei compiti individuali, ma ancora deboli nel coordinarsi in gruppi. Il documento presenta i propri risultati come scenari teorici, non come previsioni empiriche o aziendali. Google DeepMind e gli autori di Organizing Intelligence legano dunque l’eventuale cambiamento economico a una condizione precisa del modello, non alla sola crescita delle capacità individuali.
Google DeepMind lancia un istituto per studiare l’AGI e i suoi rischi
