Il Paradosso di Jevons: il nuovo termine che devi sapere per essere un esperto di AI

C'è un termine inglese che mi incurisce molto, si tratta della parola "Jargon". Il termine si riferisce ai classici "paroloni" e al gergo complicato che gli esperti di un determinato settore usano per far capire che sono esperti di un determinato settore.

Il Paradosso di Jevons è l'ultimo termine di tendenza che devi conoscere per dimostrare di essere esperto di AI.

Dopo aver padroneggiato l'epidemiologia durante la pandemia e geopolitica dopo l’invasione russa dell’Ucraina, molti “esperti” di Twitter (ora X) si sono buttati sull’intelligenza artificiale.

Dopo che, qualche giorno fa, DeepSeek ha sconvolto l’intero settore – creando un modello apparentemente superiore a Chatgpt spendendo "solo" 5 milioni di $, a fronte dei miliardi spesi da OpenAI – un nuovo termine è diventato imprescindibile per chiunque voglia inserirsi nel dibattito sul futuro dell'AI. Questo termine é il Paradosso di Jevons, con il traffico alla relativa pagina Wikipedia che è schizzato alle stelle questa settimana.

Cos’è il Paradosso di Jevons?

Il Paradosso di Jevons prende il nome dall’economista britannico William Stanley Jevons, che nel XIX secolo fece un’osservazione controintuitiva: l’aumento dell’efficienza nell’uso del carbone per le macchine a vapore non portò a una riduzione della sua domanda, ma a un incremento. In altre parole, quando una tecnologia diventa più efficiente, il costo dell’uso della risorsa diminuisce, il che porta a un aumento della domanda complessiva.

Il concetto si applica a numerosi settori, dalla produzione energetica ai trasporti, e oggi sta tornando di moda nel dibattito sull’intelligenza artificiale.

L’AI e il Paradosso di Jevons

Recentemente, il settore tecnologico ha assistito a un terremoto con lo sviluppo di modelli AI più efficienti e meno costosi, come DeepSeek. Quest'ultimo modello ha scosso l’intera industria e fatto perdere centinai di miliardi di dollari in capitalizzazione di mercato alle big tech Usa collegate al settore dell'intelligenza artificiale.

L’idea di fondo è questa: se l’AI diventa più efficiente, significa che serviranno meno chip avanzati e meno energia per ottenere gli stessi risultati? O, al contrario, proprio grazie alla riduzione dei costi, la domanda di AI esploderà, aumentando la necessità di chip e data center?

Due scuole di pensiero

Ci sono due modi di interpretare il Paradosso di Jevons applicato all’AI:

1. L’AI più efficiente significa meno domanda di risorse Se nuovi modelli AI come DeepSeek riescono a ottenere gli stessi risultati con meno risorse, potremmo assistere a un calo nella domanda di chip avanzati (come quelli prodotti da Nvidia etc.) e nella necessità di infrastrutture energetiche per alimentare questi sistemi.

2. L’AI più efficiente stimolerà ancora più domanda Se il costo dell’AI diminuisce, le aziende saranno incentivate a utilizzarla ancora di più in settori dove finora era proibitiva. Questo potrebbe portare a una crescita esponenziale nell’adozione dell’intelligenza artificiale, aumentando la necessità di più chip, più energia e più data center, anziché ridurla.

Dove sta andando il mercato?

All’inizio, il mercato sembrava propendere per la prima ipotesi, con un crollo delle azioni legate ai chip e ai data center. Tuttavia, già il giorno successivo, il sentiment era cambiato: Satya Nadella, CEO di Microsoft, ha citato esplicitamente il Paradosso di Jevons per spiegare perché l’uso dell’AI è destinato a schizzare alle stelle.

Se la storia ci ha insegnato qualcosa, è che rendere una tecnologia più efficiente e accessibile non ne riduce l’uso, ma ne espande il potenziale di crescita. L’AI potrebbe seguire la stessa traiettoria: diventare più economica, ma contemporaneamente più onnipresente.

Conclusione

Il Paradosso di Jevons ci ricorda che l’efficienza tecnologica non porta sempre a una riduzione dell’uso di una risorsa, ma spesso ne aumenta la domanda. Se applicato all’intelligenza artificiale, questo principio suggerisce che, invece di ridurre il bisogno di chip e infrastrutture, l’AI più efficiente potrebbe renderne l’adozione così diffusa da amplificare il fabbisogno di risorse.

La storia del carbone potrebbe ripetersi con l’AI. E se il Paradosso di Jevons ha ragione, il futuro dell’intelligenza artificiale non sarà solo più efficiente, ma anche più grande e diffuso di quanto immaginiamo

Alla prossima,

Michele