L’intelligenza artificiale può ripristinare la sostenibilità fiscale degli Stati Uniti?

Produttività, lavoro, sanità, composizione dei redditi e costo del debito in quattro scenari al 2036

A partire dal working paper di Benjamin H. Harris, Neil Mehrotra e William Overcash, Can AI Restore Fiscal Sustainability in the US? Accounting for an AI-Driven Productivity Shock, Brookings Institution, giugno 2026.

Abstract. La crescita della produttività generata dall’intelligenza artificiale potrebbe ampliare il prodotto interno lordo e le basi imponibili, riducendo in modo significativo il disavanzo federale statunitense. Tuttavia, lo shock dell’AI non assomiglia necessariamente a un tradizionale progresso tecnologico. Una maggiore longevità può aumentare la spesa pensionistica e sanitaria; l’automazione può ridurre la partecipazione al lavoro; il reddito può spostarsi dal lavoro verso forme di capitale soggette a imposizione mediamente inferiore; gli investimenti possono elevare il tasso d’interesse naturale; la competizione geopolitica può accrescere la spesa per la difesa. Il working paper di Harris, Mehrotra e Overcash costruisce un modello integrato per misurare tali effetti fino al 2036 e conclude che l’AI può migliorare materialmente i conti pubblici, ma difficilmente può sostituire un riequilibrio strutturale della politica fiscale.

Indice

1. La domanda di fondo
2. Produttività e bilancio federale nella storia
3. I canali fiscali specifici dell’AI
4. Quanto potrebbe crescere la produttività
5. La metodologia del modello
6. I quattro scenari simulati
7. I principali risultati al 2036
8. Cosa significa per la sostenibilità fiscale
9. Profili degli autori e disclosure
10. Riferimenti bibliografici essenziali

1. La domanda di fondo: si può crescere fuori dal problema del debito?

1.1 Una traiettoria fiscale non sostenibile

Il punto di partenza del working paper è netto: il bilancio federale statunitense si trova su una traiettoria che, in assenza di correzioni, non può essere considerata sostenibile nel lungo periodo.

Le proiezioni del Congressional Budget Office richiamate dagli autori indicano che il debito detenuto dal pubblico potrebbe raggiungere il 175 per cento del PIL nel 2056. Il deterioramento è alimentato dall’invecchiamento della popolazione, dalla crescita dei programmi obbligatori, dalla dinamica della spesa sanitaria e dal progressivo aumento degli interessi sul debito. Da anni il dibattito di politica economica considera inevitabile una combinazione di maggiori entrate e minori spese. L’esplosione degli investimenti nell’intelligenza artificiale ha però riaperto una diversa ipotesi: una forte accelerazione della produttività potrebbe ampliare il denominatore del rapporto debito/PIL, aumentare i redditi imponibili e consentire agli Stati Uniti di “crescere fuori” dal problema fiscale.

1.2 Perché l’ottimismo tecnologico è plausibile, ma incompleto

L’ottimismo non è privo di fondamento. In passato, shock tecnologici e accelerazioni della produttività sono stati associati a una crescita delle entrate e a disavanzi più contenuti. Tuttavia, il legame non è meccanico. La crescita può modificare contemporaneamente entrate, spese, tassi di interesse, composizione dei redditi, struttura demografica e scelte politiche. Gli autori non chiedono quindi soltanto quanto l’AI possa far crescere il PIL, ma come ciascun canale dello shock possa attraversare il bilancio federale.

La questione decisiva non è se l’AI produca crescita, ma quale crescita produca, a favore di quali fattori della produzione e con quali conseguenze su popolazione, lavoro, programmi sociali, difesa e servizio del debito.

1.3 Obiettivo e contributo del working paper

Il contributo del lavoro è duplice. In primo luogo, individua i canali attraverso i quali uno shock di produttività legato all’AI incide sul bilancio federale, includendo sia i meccanismi tradizionali – maggiore PIL, più ampie basi imponibili e variazioni del tasso d’interesse naturale – sia meccanismi più specifici, quali la riduzione della mortalità, l’uscita dal mercato del lavoro, l’aumento delle richieste di Disability Insurance, la diversa utilizzazione di Medicare e Medicaid e una possibile corsa agli armamenti basata sull’AI. In secondo luogo, traduce tali canali in quattro scenari quantitativi confrontati con la baseline del CBO nel periodo 2025-2036.

2. Produttività e bilancio federale nella storia economica statunitense

2.1 Il carattere episodico delle grandi trasformazioni tecnologiche

Gli autori collocano l’AI nella storia delle tecnologie di uso generale. La produttività non accelera in modo continuo: tende piuttosto a muoversi per grandi ondate, innescate da infrastrutture e invenzioni capaci di riorganizzare produzione, consumo e organizzazione. Robert J. Gordon individua nel periodo 1920-1970 una fase eccezionale, sostenuta dall’elettrificazione, dal motore a combustione interna, dagli impianti domestici e dalle nuove comunicazioni. In tale periodo la produttività totale dei fattori crebbe a un ritmo molto superiore rispetto alle fasi precedenti e successive.

2.2 Crescita economica ed “era della finanza facile”

La crescita sostenuta del secondo dopoguerra ampliò le entrate federali anche senza continui aumenti delle aliquote. Il sistema di imposizione di massa nato durante la Seconda guerra mondiale poté finanziare l’espansione dei programmi interni e internazionali. William Elliot Brownlee definisce questa fase “Era of Easy Finance”: una fase in cui l’espansione della base economica attenuava il conflitto politico sulla redistribuzione fiscale.

2.3 Il paradosso dei computer e il ritardo della produttività

L’esperienza degli anni Ottanta mostra però che gli investimenti tecnologici possono precedere di molti anni il miglioramento misurato della produttività. Robert Solow osservò che l’era dei computer era visibile ovunque tranne che nelle statistiche della produttività. Le imprese sostenevano costi elevati per hardware, software e riorganizzazione, mentre i benefici aggregati tardavano a manifestarsi. Questo “ritardo di diffusione” è rilevante anche per l’AI: nella fase iniziale, gli investimenti deducibili possono persino comprimere i profitti imponibili prima che le nuove capacità si traducano in maggiore output.

2.4 Il boom informatico degli anni Novanta

La seconda metà degli anni Novanta offre un precedente più favorevole. Oliner e Sichel stimano che la produttività del lavoro nel settore non agricolo sia passata da poco più dell’1,5 per cento annuo nel 1991-1995 a circa il 2,6 per cento nel 1996-1999, e che produzione e utilizzo delle tecnologie dell’informazione abbiano spiegato circa due terzi dell’accelerazione. Nello stesso periodo, le entrate derivanti dall’imposta sul reddito individuale crebbero molto più rapidamente del PIL nominale e raggiunsero una quota elevata del prodotto. Pur non essendo possibile attribuire l’intero miglioramento fiscale alla tecnologia, la correlazione tra produttività, redditi e gettito è evidente.

2.5 La lezione storica

La storia suggerisce tre cautele. Primo, l’impatto fiscale della tecnologia può manifestarsi con ritardo. Secondo, riforme fiscali, spesa per la difesa e dinamiche demografiche possono amplificare o mascherare l’effetto della produttività. Terzo, anche quando le entrate aumentano, la spesa pubblica tende a crescere con il reddito nazionale. La crescita migliora la capacità fiscale, ma non elimina automaticamente la domanda politica di nuovi programmi.

3. I canali attraverso i quali l’AI modifica i conti pubblici

3.1 Espansione delle basi imponibili

Il canale più immediato è l’aumento del PIL. Nel lungo periodo, la letteratura sulla tax buoyancy mostra che le entrate complessive tendono a crescere in modo approssimativamente proporzionale all’attività economica. Il miglioramento fiscale dipende però dalla composizione della nuova ricchezza. Un incremento dei salari amplia l’imposta sul reddito da lavoro e i contributi, mentre un incremento dei rendimenti del capitale amplia basi mediamente tassate con aliquote effettive inferiori. Nel modello, questa differenza è centrale: lo stesso aumento del PIL può generare gettito molto diverso a seconda che si traduca in reddito da lavoro, capitale non societario o profitti societari.

3.2 Partecipazione al lavoro e programmi di sostegno

Uno shock tradizionale della produttività tende a sostenere domanda di lavoro e redditi. Uno shock basato sull’automazione cognitiva può invece spiazzare una parte dei lavoratori o indurli a uscire dalla forza lavoro. Una riduzione del labor force participation rate restringe la base contributiva e aumenta la probabilità di accesso a Medicaid, Supplemental Security Income, assistenza alimentare, crediti sanitari, indennità di disoccupazione e Disability Insurance. Il costo non dipende soltanto dal numero dei posti sostituiti, ma dalla velocità di ricollocazione e dal grado di copertura del sistema di welfare.

3.3 Sanità: efficienza, utilizzo e longevità

L’AI può ridurre i tempi di diagnosi, migliorare la prevenzione, automatizzare attività amministrative e ridurre il costo unitario di alcune prestazioni. Tuttavia, l’efficienza non coincide necessariamente con una minore spesa aggregata. Diagnosi più accessibili possono aumentare l’utilizzazione; l’overdiagnosis può generare trattamenti non necessari; le nuove tecnologie possono ampliare la frontiera delle cure e rendere possibile trattare condizioni prima non trattabili.

Il canale più importante è la mortalità. Se l’AI migliora la sopravvivenza, aumenta la popolazione che percepisce più a lungo Social Security e Medicare. Il beneficio sociale della maggiore longevità può quindi tradursi in una pressione fiscale. Il risultato netto dipende dall’equilibrio tra minori prezzi, maggiore utilizzo e più lunga durata dei trattamenti e delle prestazioni pensionistiche.

3.4 Spesa discrezionale e difesa

L’automazione può rendere più efficiente l’amministrazione pubblica, ridurre i costi di audit, migliorare il controllo dei pagamenti impropri e comprimere il fabbisogno di lavoro in alcune funzioni. Ma l’AI è anche una tecnologia strategica e militare. La competizione tra grandi potenze può alimentare investimenti in infrastrutture di calcolo, sistemi autonomi, cyberdifesa e intelligence, trasformando una parte del dividendo di produttività in maggiore spesa per la sicurezza nazionale.

3.5 Tasso d’interesse naturale e servizio del debito

Se l’AI accresce il rendimento atteso degli investimenti, la domanda di capitale può aumentare e spingere verso l’alto il tasso d’interesse naturale, indicato come r*. Con un debito federale elevato, anche variazioni moderate dei tassi si trasferiscono progressivamente sul costo medio del debito quando i titoli vengono rinnovati. Di conseguenza, la crescita più rapida può migliorare il saldo primario ma contemporaneamente aumentare gli oneri finanziari.

I cinque fattori che recuperano parte del dividendo fiscale

Il working paper identifica cinque forze capaci di riassorbire oltre la metà dei benefici di uno shock convenzionale: maggiore longevità e spesa per gli anziani; uscita dal mercato del lavoro e aumento dei trasferimenti; spostamento del reddito dal lavoro al capitale; aumento del tasso d’interesse naturale e degli oneri finanziari; crescita della spesa per la difesa in presenza di una corsa strategica all’AI.

4. Quanto potrebbe essere grande lo shock di produttività dell’AI?

4.1 Una letteratura caratterizzata da ampia dispersione

Le stime disponibili divergono perché dipendono dalla quota di attività esposte, dalla difficoltà dei compiti, dalla velocità di adozione e dalla capacità delle imprese di riorganizzarsi. Daron Acemoglu stima che le applicazioni attuali e prossime possano aumentare la produttività totale dei fattori di non più dello 0,66 per cento cumulato in dieci anni in uno scenario ottimistico, con una stima centrale inferiore allo 0,53 per cento quando si considera la maggiore difficoltà dei compiti complessi.

4.2 Le stime più ottimistiche

Philippe Aghion e Simon Bunel, utilizzando analogie con precedenti tecnologie di uso generale e una lettura più ampia delle evidenze microeconomiche, ipotizzano un aumento della crescita annua della produttività compreso tra 0,8 e 1,3 punti percentuali nel prossimo decennio, con una stima mediana di circa 0,7 punti percentuali. Le simulazioni dell’OCSE collocano il contributo annuo alla produttività totale dei fattori negli Stati Uniti tra 0,25 e 0,6 punti percentuali. Il Penn Wharton Budget Model stima un livello del PIL superiore di circa l’1,5 per cento entro il 2035, con un’accelerazione temporanea della produttività che raggiunge il massimo intorno al 2032.

4.3 Diffusione, complementarità e curva a J

Le tecnologie generali richiedono investimenti complementari in dati, software, capitale organizzativo, competenze e nuovi processi. I costi di adattamento possono inizialmente abbassare la produttività misurata e generare una “curva a J”: una fase di investimento e apprendimento seguita da una fase di rendimento. Il working paper assume quindi che l’AI possa produrre uno shock rilevante nell’orizzonte di bilancio, ma non tratta come certo un aumento permanente del tasso di crescita di lungo periodo.

5. La metodologia: un modello fiscale e macroeconomico integrato

5.1 Orizzonte, baseline e confronto controfattuale

Il modello copre dodici anni, dal 2025 al 2036. La baseline replica le proiezioni del CBO a legislazione vigente. Per ciascuno scenario alternativo vengono modificati parametri macroeconomici, demografici e fiscali, e viene misurata la differenza rispetto al percorso di riferimento. Gli shock sono introdotti gradualmente, con una piena realizzazione a partire dal 2029, salvo la variazione della partecipazione al lavoro, che entra più rapidamente.

5.2 Modulo demografico

La popolazione è proiettata per singolo anno di età e sesso. Il modello utilizza le stime del Census Bureau, le tavole di mortalità della Social Security Administration, dati di fertilità del National Center for Health Statistics e tassi di partecipazione al lavoro per fascia di età. Gli scenari possono modificare la velocità di riduzione della mortalità e il tasso di partecipazione al lavoro della popolazione tra 18 e 64 anni.

5.3 Moduli di spesa

La spesa è articolata in Medicare, Medicaid, Social Security, programmi di sostegno al reddito e spesa discrezionale. Medicare è scomposta nelle parti A, B e D; Medicaid è proiettato per gruppi di eleggibilità; Social Security comprende pensioni e Disability Insurance. I programmi di sostegno reagiscono alla variazione della popolazione in età lavorativa non inserita nella forza lavoro attraverso elasticità stimate su dati storici.

5.4 PIL, composizione dei redditi ed entrate

Il PIL nominale alternativo viene scomposto tra reddito da lavoro, capitale non societario e profitti societari. A ciascuna componente sono applicate aliquote marginali effettive coerenti con le proiezioni del CBO. Il modello distingue così uno shock ad alta intensità di lavoro da uno shock nel quale la maggior parte dei nuovi redditi affluisce al capitale.

5.5 Debito e interessi

Gli interessi sono calcolati tenendo conto della struttura per scadenza e del progressivo rinnovo del debito. Gli autori assumono che circa il 30 per cento dello stock venga rifinanziato ogni anno, permettendo a una variazione dei tassi di trasmettersi gradualmente alla spesa per interessi. Il saldo complessivo combina saldo primario e costo del debito.

5.6 Natura del modello

Il modello non pretende di fornire una previsione puntuale. È uno strumento di scenario che rende esplicite le relazioni causali e permette di osservare come ipotesi diverse su crescita, lavoro, salute, difesa e tassi producano risultati fiscali diversi. La sensibilità finale mostra che il parametro più determinante è la crescita del PIL nominale.

6. I quattro scenari simulati

Scenario	Caratteristiche economiche	Principali effetti fiscali attesi
1. Shock tradizionale di produttività	Forte crescita del PIL; nessuna variazione rilevante di mortalità o partecipazione; distribuzione del nuovo reddito simile alla baseline; maggiore efficienza amministrativa e sanitaria.	Ampia espansione delle basi imponibili, riduzione della spesa discrezionale e sanitaria, calo dei disavanzi e degli interessi.
2. Shock sul mercato del lavoro	Crescita moderata; partecipazione al lavoro inferiore di circa 3 punti; maggiore quota del reddito a capitale e profitti; lavoratori spiazzati verso programmi di sostegno.	Entrate meno dinamiche sul lavoro, maggiori trasferimenti e Disability Insurance; beneficio fiscale molto più contenuto.
3. Shock sanitario	AI concentrata su diagnosi, terapie e organizzazione sanitaria; forte riduzione della mortalità; prezzi inferiori ma utilizzo maggiore; partecipazione invariata.	Più persone in età pensionabile, maggiore OASI e Medicare; risparmi unitari compensati da longevità e utilizzo.
4. Shock dirompente combinato	Alta crescita, minore partecipazione, maggiore longevità, più utilizzo sanitario, spostamento del reddito verso il capitale, aumento dei tassi e corsa agli armamenti.	Forte gettito da capitale e società, ma anche Medicaid, pensioni, difesa e interessi più elevati; miglioramento netto ma molto inferiore allo scenario tradizionale.

7. I risultati al 2036

7.1 Popolazione e struttura per età

Nel breve orizzonte considerato, anche riduzioni molto marcate della mortalità modificano poco la popolazione complessiva, ma incidono sensibilmente sul numero degli anziani. La baseline raggiunge 339,4 milioni di residenti nel 2036. Lo scenario sanitario arriva a 343,1 milioni e lo scenario dirompente a 341,5 milioni. La popolazione di almeno 65 anni passa da 74,1 milioni nella baseline a 77,1 milioni nello scenario sanitario e a 75,8 milioni nello scenario combinato.

7.2 Partecipazione e dimensione della forza lavoro

Nella baseline e negli scenari 1 e 3, la partecipazione della popolazione in età lavorativa resta intorno al 77,2-77,7 per cento. Negli scenari 2 e 4 scende di circa 3 punti, stabilizzandosi intorno al 74,4-74,7 per cento. Nel 2036 la forza lavoro è pari a 155,5 milioni nella baseline e nello scenario tradizionale, 156 milioni nello scenario sanitario, 149,5 milioni nello scenario lavoro e 149,8 milioni nello scenario dirompente.

7.3 Medicare, Medicaid e Social Security

La spesa Medicare diminuisce di circa il 5 per cento rispetto alla baseline negli scenari 1 e 2, grazie alla riduzione dei prezzi, mentre aumenta di circa l’8 per cento nello scenario 4 e leggermente meno nello scenario 3. Le pensioni OASI crescono di circa 100 miliardi di dollari annui nello scenario sanitario e di 58 miliardi nello scenario combinato. La Disability Insurance aumenta di circa 15 miliardi nel 2036 negli scenari 2 e 4. Medicaid registra l’effetto più forte nello scenario 4, con circa 130 miliardi di spesa annua aggiuntiva, dovuti alla minore partecipazione, al maggiore utilizzo e all’aumento degli anziani.

7.4 Spesa discrezionale e difesa

I risparmi della spesa non difensiva restano limitati in termini aggregati: anche nello scenario tradizionale la riduzione è di circa 50 miliardi alla fine dell’orizzonte. Nello scenario dirompente, la corsa agli armamenti aggiunge invece più di 350 miliardi cumulati di spesa per la difesa rispetto alla baseline.

7.5 Entrate fiscali

Le entrate da lavoro aumentano in tutti gli scenari, ma nello scenario tradizionale l’incremento annuo arriva a circa un trilione di dollari nel 2036. Negli altri scenari l’effetto è inferiore al 56 per cento di tale importo. Le entrate sul capitale non societario aumentano da circa 180 miliardi nello scenario sanitario a oltre 500 miliardi nello scenario dirompente. Le imposte societarie crescono di circa 110-200 miliardi nei primi tre scenari e di oltre 300 miliardi nello scenario 4.

7.6 Interessi e deficit

Gli interessi diminuiscono nei primi tre scenari, con una riduzione annua di circa 280 miliardi nel 2036 nello scenario tradizionale. Nello scenario dirompente, l’aumento del tasso naturale e il maggiore rifinanziamento fanno crescere gli interessi di circa 60 miliardi.

Esito al 2036	Scenario 1	Scenario 2	Scenario 3	Scenario 4
Riduzione del deficit annuo rispetto alla baseline	Oltre 2.200 miliardi di dollari	Circa metà del beneficio dello scenario 1	Circa 700 miliardi di dollari	Oltre 870 miliardi di dollari
Riduzione in punti di PIL	Circa 5,0 punti	Beneficio approssimativamente dimezzato	Circa 2,0 punti	Circa 2,6 punti
Lettura sintetica	Lo shock convenzionale convalida l’ottimismo tecnologico.	Lo spiazzamento del lavoro recupera gran parte del dividendo.	La longevità aumenta gli impegni sociali.	La crescita resta positiva, ma difesa, tassi, welfare e composizione dei redditi attenuano il risultato.

Il risultato centrale

In tutte le simulazioni l’AI migliora materialmente il quadro di bilancio. Soltanto lo scenario tradizionale, però, riduce il deficit da circa il 6 per cento a circa il 2 per cento del PIL. Quando lo shock assume caratteristiche realisticamente associate all’AI, oltre metà del beneficio può essere riassorbita.

8. Interpretazione: crescita necessaria, ma non sufficiente

8.1 La produttività rimane la variabile dominante

L’analisi di sensibilità conferma che la crescita del PIL nominale è il parametro più influente. Nello scenario tradizionale, valori più bassi della crescita portano il deficit 2036 vicino a 2.000 miliardi, mentre valori più elevati possono condurre a un avanzo. La partecipazione al lavoro ha un effetto diretto più contenuto sul deficit annuale, ma assume grande rilevanza sociale e distributiva e può influire in modo persistente sulle finanze pubbliche.

8.2 L’AI non è fiscalmente neutrale nella distribuzione dei benefici

La sostenibilità fiscale dipende da chi riceve il nuovo reddito. Se la produttività aumenta i salari e mantiene elevata la partecipazione, il sistema fiscale intercetta una quota ampia dei benefici. Se l’incremento si concentra nel capitale e nei profitti societari, il gettito cresce comunque, ma con aliquote effettive inferiori e una minore diffusione dei redditi. La politica fiscale potrebbe quindi dover adattare basi e aliquote alla nuova composizione dell’economia.

8.3 Il paradosso della longevità

Un miglioramento della salute è un successo sociale, non un costo da evitare. Dal punto di vista del bilancio, tuttavia, più anni di vita significano più anni di pensioni e copertura sanitaria. Il modello mostra perché la valutazione dell’AI non può limitarsi ai risparmi per prestazione: deve considerare l’intero ciclo di vita e la durata dei diritti sociali.

8.4 L’efficienza pubblica non coincide automaticamente con minori uscite

L’AI può ridurre il lavoro amministrativo e migliorare controlli, previsioni e allocazione delle risorse. Ma l’efficienza liberata può essere reinvestita in nuovi servizi, infrastrutture, competenze e sicurezza. La spesa pubblica è una decisione politica oltre che tecnica; una maggiore capacità fiscale può generare nuova domanda di intervento.

8.5 La conclusione per la politica economica

Il lavoro non nega il potenziale dell’AI. Al contrario, in tutti gli scenari il miglioramento del bilancio è sostanziale. La conclusione è più rigorosa: l’AI può attenuare la pressione fiscale e rendere meno oneroso l’aggiustamento, ma non garantisce da sola la sostenibilità. La composizione dello shock, la regolazione del mercato del lavoro, il finanziamento dei programmi sociali, la tassazione del capitale, la strategia sanitaria e la gestione del debito restano determinanti.

L’AI può cambiare la dimensione del problema fiscale; non elimina la necessità di decidere come distribuire i benefici della crescita e come finanziare gli impegni pubblici.

9. Gli autori, le istituzioni e le disclosure

Benjamin H. Harris

Benjamin “Ben” Harris è Vice President e Director of Economic Studies presso la Brookings Institution, dove ricopre anche la Bruce and Virginia MacLaury Chair. La sua ricerca si concentra su finanza pubblica e macroeconomia. Ha svolto incarichi di vertice nella politica economica statunitense, tra cui Assistant Secretary for Economic Policy e Chief Economist presso il Dipartimento del Tesoro, Chief Economist e consigliere economico del Vicepresidente degli Stati Uniti, Senior Economist presso il Council of Economic Advisers e presso la House Budget Committee. Ha conseguito un Ph.D. in Economics alla George Washington University e master alla Cornell University e alla Columbia University.

Neil Mehrotra

Neil Mehrotra è Assistant Vice President e Policy Advisor presso la Federal Reserve Bank of Minneapolis. In precedenza ha ricoperto il ruolo di Deputy Assistant Secretary for Macroeconomic Analysis presso il Dipartimento del Tesoro, Senior Economist alla Federal Reserve Bank of New York e Assistant Professor of Economics alla Brown University. Ha conseguito un A.B. in Economics alla Princeton University e un Ph.D. in Economics alla Columbia University. La sua ricerca riguarda il tasso naturale d’interesse, la stagnazione secolare, le implicazioni per la politica monetaria e fiscale, le frizioni finanziarie e la dinamica delle imprese.

William Overcash

Il working paper indica William Overcash come affiliato alla Brookings Institution e coautore del modello e dell’analisi. Il documento non contiene ulteriori informazioni biografiche dettagliate; per questa ragione il presente contributo non attribuisce ruoli, titoli accademici o incarichi ulteriori non espressamente documentati dalla fonte originaria.

Disclosure e ringraziamenti del working paper

Gli autori precisano che le opinioni espresse sono personali e non rappresentano necessariamente la Federal Reserve Bank of Minneapolis, il Federal Reserve System o la Brookings Institution. Ringraziano Martin Baily, Marc Goldwein, Liam Marshall, Ryan Nunn, Mike O’Hanlon e Sanjay Patnaik per commenti e suggerimenti. La ricerca è stata resa possibile dal sostegno della Peter G. Peterson Foundation; gli autori si assumono la responsabilità di eventuali errori.

10. Riferimenti bibliografici essenziali richiamati nel working paper

Fonte principale

Harris, Benjamin H., Neil Mehrotra e William Overcash. Can AI Restore Fiscal Sustainability in the US? Accounting for an AI-Driven Productivity Shock. Working Paper. Washington, DC: Brookings Institution, giugno 2026.

Finanza pubblica, produttività e storia economica

Brownlee, W. Elliot, e Lee H. Hamilton. Federal Taxation in America: A Short History. Cambridge University Press, 2004.

Congressional Budget Office. The Budget and Economic Outlook: 2026 to 2036. Washington, DC: CBO, 2026.

Cornevin, Antoine, Juan Corrales e Juan Pablo Angel. A Deep Dive into Tax Buoyancy: Comparing Estimation Techniques in a Large Heterogeneous Panel. International Monetary Fund, 2023.

Gordon, Robert J. The Rise and Fall of American Growth: The U.S. Standard of Living since the Civil War. Princeton University Press, 2016.

Oliner, Stephen D., e Daniel E. Sichel. “The Resurgence of Growth in the Late 1990s: Is Information Technology the Story?” Journal of Economic Perspectives 14, n. 4 (2000).

Romer, Christina D., e David H. Romer. “The Macroeconomic Effects of Tax Changes: Estimates Based on a New Measure of Fiscal Shocks.” American Economic Review 100, n. 3 (2010).

Solow, Robert. “We’d Better Watch Out.” New York Times Book Review, 1987.

Intelligenza artificiale e crescita

Acemoglu, Daron. “The Simple Macroeconomics of AI.” Economic Policy 40, n. 121 (2025): 13-58.

Aghion, Philippe, e Simon Bunel. AI and Growth: Where Do We Stand? Federal Reserve Bank of San Francisco, 2024.

Arnon, Alexander. “The Projected Impact of Generative AI on Future Productivity Growth.” Penn Wharton Budget Model, 2025.

Brynjolfsson, Erik, Daniel Rock e Chad Syverson. “The Productivity J-Curve: How Intangibles Complement General Purpose Technologies.” American Economic Journal: Macroeconomics 13, n. 1 (2021): 333-372.

Filippucci, Francesco, Peter Gal e Matthias Schief. Miracle or Myth? Assessing the Macroeconomic Productivity Gains from Artificial Intelligence. OECD Artificial Intelligence Papers, n. 29, 2024.

Karger, Ezra, et al. “Forecasting the Economic Effects of AI.” NBER Working Paper n. 35046, 2026.

Lavoro, welfare e partecipazione

Autor, David H., e Mark G. Duggan. “The Rise in the Disability Rolls and the Decline in Unemployment.” Quarterly Journal of Economics 118, n. 1 (2003): 157-206.

Ganong, Peter, e Jeffrey B. Liebman. “The Decline, Rebound, and Further Rise in SNAP Enrollment.” American Economic Journal: Economic Policy 10, n. 4 (2018): 153-176.

Congressional Research Service. Social Security: Economic Growth and the Funding Shortfall. R46479, 2020.

Sanità, mortalità e spesa sociale

Agha, Leila. “The Effects of Health Information Technology on the Costs and Quality of Medical Care.” Journal of Health Economics 34 (2014): 19-30.

Baicker, Katherine, Amitabh Chandra e Jonathan S. Skinner. “Saving Money or Just Saving Lives? Improving the Productivity of US Health Care Spending.” Annual Review of Economics 4 (2012): 33-56.

Harris, Benjamin H., Neil Mehrotra ed Eric So. The Fiscal Frontier: Projecting AI’s Long-Term Impact on U.S. Old-Age Entitlement Spending. Brookings Institution, 2025.

Marino, Alberto, e Luca Lorenzoni. The Impact of Technological Advancements on Health Spending: A Literature Review. OECD, 2019.

Sahni, Nikhil R., Brandon Carrus e David M. Cutler. “Administrative Simplification and the Potential for Saving a Quarter-Trillion Dollars in Health Care.” JAMA 326, n. 17 (2021): 1677-1678.

Social Security Administration. 2025 Annual Report of the Board of Trustees of the Federal Old-Age and Survivors Insurance and Federal Disability Insurance Trust Funds. 2025.

Spesa pubblica e tassi di interesse

Holston, Kathryn, Thomas Laubach e John C. Williams. “Measuring the Natural Rate of Interest: International Trends and Determinants.” Journal of International Economics 108 (2017): S59-S75.

Lamartina, Serena, e Andrea Zaghini. “Increasing Public Expenditure: Wagner’s Law in OECD Countries.” German Economic Review 12, n. 2 (2011): 149-164.

Lunsford, Kurt G. “Productivity Growth and Real Interest Rates in the Long Run.” Federal Reserve Bank of Cleveland, Economic Commentary 2017-20.

Summers, Lawrence H., e Lukasz Rachel. “On Falling Neutral Real Rates, Fiscal Policy and the Risk of Secular Stagnation.” Brookings Papers on Economic Activity, 2019.

Nota di attribuzione. Il presente contributo costituisce una rielaborazione editoriale, divulgativa e consulenziale del working paper di Benjamin H. Harris, Neil Mehrotra e William Overcash, Can AI Restore Fiscal Sustainability in the US? Accounting for an AI-Driven Productivity Shock, Brookings Institution, Working Paper, giugno 2026. Le analisi, i dati, gli scenari e i riferimenti bibliografici richiamati sono attribuiti agli autori e alle fonti originarie; la struttura espositiva, la traduzione, la sintesi e le interpretazioni sono state curate da Meta – AllaMeta ai fini di approfondimento professionale e pubblicazione sul blog.

Meta – AllaMeta | Documento editoriale per il blog | Luglio 2026