di Olessia Kirtchik*
Prevedere il futuro o anticipare il passato?
L’IA non «prevede» il futuro: lo proietta a partire dal passato. Dal Piano alla predizione algoritmica, una trasformazione dell’economia in scienza comportamentale, tra opacità dei modelli, asimmetrie di potere e restringimento dell’immaginario politico.
Il saggio offre una chiave di lettura utile per distinguere la capacità di previsione dalla comprensione dei fenomeni e dalla possibilità di intervenire sulle loro cause. La sua rilevanza per l’economia politica consiste soprattutto nel mostrare che gli strumenti tecnici non sono separabili dagli obiettivi istituzionali e dai rapporti di potere entro cui vengono impiegati.
La domanda conclusiva non è se l’intelligenza artificiale possa produrre previsioni sempre più accurate, ma quali decisioni vengano affidate a tali previsioni, chi ne stabilisca i criteri e quali possibilità rimangano aperte per la critica e la trasformazione sociale.
Parole chiave: previsione algoritmica · pianificazione · nowcasting · datificazione · scatola nera · economia comportamentale · controllo del futuro · governance algoritmica · IA e Stato
editor Deep Dazhou
| Campo | Registrazione |
|---|---|
| Autrice | Olessia Kirtchik |
| Titolo originale | Dalla pianificazione alla previsione algoritmica: quale visione del futuro? |
| Fonte di pubblicazione | ACrO-Pòlis |
| Data di creazione/pubblicazione originaria | 5 ottobre 2026 |
| Ripubblicazione | Sinistrainrete, 9 ottobre 2026 |
| URL | Leggi l’articolo su Sinistrainrete |
| Autrice: qualifica | Sociologa, direttrice di ricerca presso il CNRS, membro del Centre Internet et Société |
| Tipologia documentaria | Saggio di analisi sociologica e teorico-critica |
| Area disciplinare principale | Sociologia della tecnologia e dell’economia |
| Aree secondarie | Economia politica, studi sull’intelligenza artificiale, teoria della pianificazione, governance pubblica |
| Lingua del testo fornito | Italiano |
| Tema centrale | Trasformazioni della pianificazione e della previsione economica con l’affermazione degli algoritmi predittivi |
Concetti e parole chiave
Previsione algoritmica; pianificazione; machine learning; nowcasting; big data; econometria; scatola nera; causalità; correlazione; comportamento economico; decisione automatizzata; governance pubblica; trading ad alta frequenza; rischio finanziario; pianificazione economica; controllo democratico; opacità epistemica; potere predittivo; innovazione; scenari futuri.
Abstract
Kirtchik colloca la previsione algoritmica nella lunga storia delle tecniche con cui gli Stati hanno cercato di anticipare e governare il futuro economico: i piani quinquennali sovietici, la pianificazione indicativa francese del dopoguerra, la «prospettiva» degli anni ’70. La predizione algoritmica, nata nella finanza (trading automatico, HFT) e oggi in espansione nella pubblica amministrazione, condividerebbe con queste pratiche l’ambizione del controllo, ma se ne distinguerebbe per tre trasformazioni. La prima è temporale: dal lungo periodo al tempo reale (nowcasting). La seconda riguarda il metodo: dall’econometria al machine learning, che offre precisione predittiva a costo dell’opacità e dell’indifferenza per le relazioni causali. La terza è comportamentale: si passa da norme e soglie fissate in anticipo a «norme» indotte dai pattern osservati. L’economia diventerebbe così una scienza predittiva, operativa e interventista. L’autrice smonta però il mito del «potere predittivo»: i modelli ottimizzano su dati passati, non colgono le fratture (un modello addestrato sui dati pre-2008 non avrebbe previsto la crisi) e sono conservativi per natura. I rischi sono l’asimmetria di potere tra chi produce i sistemi, chi li usa e chi li subisce, la sottrazione delle decisioni al controllo democratico e un restringimento dell’orizzonte politico al semplice monitoraggio delle tendenze.
Analisi per punti
- Premessa genealogica. Anticipare il futuro per controllarlo è una costante del potere, dalla divinazione al calcolo assistito. Nel XX secolo la legittimità dello Stato si lega alla crescita e alla prosperità, e per questo si dota di autorità economiche, centri di ricerca e agenzie statistiche.
- Storia della pianificazione. I piani quinquennali sovietici (fine anni ’20) guidano industrializzazione e coordinamento. L’economia di guerra diffonde pianificazione e strumenti matematici (programmazione, ricerca operativa, ottimizzazione). In Francia il Commissariato generale al Piano ha il suo apogeo nel dopoguerra. Entra in crisi negli anni ’70, con una certa riluttanza verso i metodi algoritmici, ed emerge la «prospettiva»: scenari sui futuri possibili invece di parametri vincolanti.
- Definizione. La previsione algoritmica individua pattern e anomalie in dati storici e in tempo reale. Il suo scopo non è descrivere il mondo ma orientare o automatizzare la decisione.
- Genesi e diffusione. Nasce negli anni 2000 nella finanza (trading algoritmico, HFT, analisi del sentiment). Si estende al credit scoring, all’individuazione delle frodi e poi ad assicurazioni, fisco, welfare, sanità, giustizia, istruzione e marketing, con problemi di etica, equità e diritti.
- Governance economica. Nowcasting di PIL, disoccupazione e inflazione, modelli sul debito pubblico, allarmi precoci su recessioni e insolvenze, LLM testati al posto degli esperti umani. È una priorità per il nuovo direttore della Fed (non nominato nel testo) e per autorità europee e francesi.
- Tesi centrale. Il passaggio da pianificazione e previsione a predizione riflette un mutamento nel modo di concepire l’economia e lo Stato, visto come insieme di «regolatori quasi automatici». Tre rotture:
- Temporalità. I piani sovietici producevano forti scostamenti tra compiti e risultati; la connettività permanente promette una correzione continua. Il nowcasting usa dati alternativi (borsa, Google Trends, mobilità, immagini satellitari). Ma la reattività si paga con un orizzonte ridotto: si proiettano tendenze nell’immediato, senza visione strategica né qualitativa del futuro.
- Metodo. Il ML tratta centinaia o migliaia di variabili, trova regolarità non previste dalla teoria, ma perde trasparenza («scatola nera», opacità epistemica). Ha precisione predittiva senza interesse per le cause né per il dibattito normativo o il progetto di riforma sociale.
- Focus comportamentale. Al posto di soglie fisse (l’allarme sopra i 10.000 euro), il modello apprende il «profilo» di ciascun soggetto e segnala le deviazioni. Ne derivano la regolamentazione algoritmica e un’economia che da normativa e teorica diventa predittiva, operativa e interventista, conoscenza e leva d’azione sui comportamenti.
- Il mito del controllo. La promessa della Silicon Valley è un «potere predittivo sul mondo». Nasconde asimmetrie di potere tra produttori, funzionari (per cui il funzionamento resta oscuro) e destinatari. Le decisioni sfuggono alla critica e al controllo democratico. Il «controllo del futuro» dipenderebbe da un’ottimizzazione continua sui dati, non dalla deliberazione sui valori e sui bisogni.
- Limiti epistemici. Gli algoritmi non «prevedono»: ottimizzano funzioni obiettivo su osservazioni passate. Sono bravi sulle tendenze a breve, falliscono sulle fratture profonde (il 2008, l’emergere di nuove norme culturali) e sono mal serviti nell’innovazione. Sono conservativi per natura, con rischio di standardizzazione delle decisioni e di restringimento dell’immaginario politico.
- Conclusione dell’autrice. La rivoluzione è potente ma limitata, contestabile e politicamente carica, lontana dall’utopia tecnocratica di una società interamente ottimizzabile dall’IA.
Conclusione critica
Pregi. È un testo limpido e ben costruito. La genealogia che lega pianificazione, prospettiva e predizione evita l’ingenuità del «tutto nuovo» e dà una griglia ordinata (temporalità, metodo, comportamento). L’argomento epistemico è il più solido: l’IA ottimizza sul passato, non cerca meccanismi causali e quindi fallisce sulle fratture. Va in questa direzione la tesi che il termine «previsione» sia ingannevole. Utile anche il nesso tra opacità dei modelli e sottrazione al controllo democratico.
Limiti.
- Natura del testo. È un saggio breve, privo di evidenze empiriche: nessun dato sull’efficacia reale del nowcasting o sull’effettiva sostituzione degli esperti, che l’autrice stessa dice «talvolta contestata».
- L’esempio del 2008. È retoricamente efficace ma ambiguo. Anche i modelli macroeconomici teorici e DSGE non previdero la crisi, quindi il fallimento non è specifico del ML e la contrapposizione con l’econometria classica ne esce indebolita.
- Piano e predizione. Il confronto tende a mettere sullo stesso piano due cose diverse. Il piano sovietico non è una previsione ma un’allocazione normativa e imperativa, mentre la predizione algoritmica è in larga parte un dispositivo di gestione del rischio privato. Il testo accenna alla distinzione ma non la sviluppa.
- Assenze. Manca il dibattito storico sul calcolo economico socialista (Mises, Hayek, Lange) e il suo ritorno con le discussioni sulla pianificazione cibernetica e sul ruolo dei dati. È un’assenza rilevante per un testo che parte proprio dalla pianificazione.
Il punto strutturale. Il quadro è critico ma essenzialmente epistemico-istituzionale e liberal-democratico. Il rimedio implicito è la deliberazione sui valori e il controllo democratico, non un’analisi dei rapporti di proprietà. Restano non detti:
- chi possiede dati, calcolo e modelli;
- la rendita tecnologica e la concentrazione in poche piattaforme;
- la funzione del dispositivo nel ciclo di accumulazione, in particolare finanziaria;
- l’uso nel disciplinamento del lavoro.
Le «asimmetrie di potere» restano descritte tra ruoli (produttori, funzionari, destinatari) e non tra classi. Così l’IA predittiva appare come un problema di governance e di epistemologia, non come espressione di un assetto del capitalismo.
