I critici dell'intelligenza artificiale (IA) temono che possa sostituire un gran numero di lavoratori, portando a un calo dei salari e minando la base dei contributi sociali, che sono calcolati come percentuale dei guadagni. Ciò ha portato a richieste di pesanti tasse sul capitale per finanziare la spesa sociale e ridurre le tasse sui redditi rimanenti, anche se ciò potrebbe innescare la fuga di capitali. Tuttavia, i dati storici mostrano che le quote salariali del reddito nazionale sono rimaste relativamente stabili per decenni, aumentando anche leggermente in Germania a causa della carenza di manodopera. Negli Stati Uniti, mentre la quota dei salari nel reddito nazionale è diminuita, i salari totali aggiustati per l'inflazione sono aumentati in modo significativo. Le nuove tecnologie come l'IA non automatizzano tutti i compiti ma solo una piccola parte, secondo il premio Nobel Daron Acogluem, che stima che meno del cinque per cento dei posti di lavoro negli Stati Uniti potrebbero essere economicamente sostituiti dall'IA. Inoltre, il progresso tecnologico crea nuovi ruoli competitivi in cui gli esseri umani possono avere vantaggi competitivi, come i consigli etici o le perdite di produttività dell'IA.
Lettura del bias (Centro): L'articolo presenta sia le preoccupazioni sull'impatto dell'IA sui sistemi occupazionali e di sicurezza sociale, sia i controargomenti basati su tendenze economiche storiche e analisi di esperti.
Perché fattualità (85): The article provides specific statistics and references academic research (e.g., Daron Acemoglu’s findings) to back up its claims about automation rates. It cites historical data on wage shares and compares different countries, supporting its arguments with credible sources. This contributes to the
Perché obiettività (75): While the article presents a critical view of AI's potential negative effects on social security systems, it also includes counterarguments and positive observations, such as the stability of wage shares. The tone remains somewhat cautious but not overly biased.






