Intelligenza artificiale e politica monetaria: trasmissione più rapida ma più debole, nuovi rischi di coda, funzione di reazione da adattare (Banca d’Italia, QEF n. 1051/2026)

Banca d’Italia, Questioni di economia e finanza (Occasional Papers) n. 1051, luglio 2026 — “The implications of AI for monetary policy: a first assessment”, di Lucia Esposito, Elisa Guglielminetti, Elia Moracci, Andrea Papetti e Massimiliano Pisani.

In sintesi

Il lavoro offre una prima valutazione degli effetti dell’intelligenza artificiale (IA) sulla trasmissione della politica monetaria e sulla funzione di reazione delle banche centrali. Rendendo economia e prezzi più flessibili e reattivi agli shock, l’IA può accrescere i rischi di coda per la stabilità macroeconomica, monetaria e finanziaria e rendere la trasmissione della politica monetaria attraverso il credito più rapida ma più debole. Al tempo stesso, l’IA può rafforzare l’efficacia della politica monetaria migliorando la valutazione del quadro macroeconomico e dei rischi, e potenziando la comunicazione e la gestione delle aspettative. La funzione di reazione dovrà adattarsi a un meccanismo di trasmissione diverso e a nuova incertezza su tasso naturale (r*) e rischi estremi.

Oggetto e approccio

Il paper appartiene alla collana Occasional Papers, che ospita studi su temi di competenza istituzionale della Banca d’Italia e dell’Eurosistema. Non è un provvedimento né un orientamento di vigilanza: è un’analisi che ragiona sull’assetto di regime di un’economia “ad alta intensità di IA”, trattando l’IA come tecnologia general-purpose e potenziale “invenzione nel metodo di inventare”, capace di innalzare non solo il livello ma anche il tasso di crescita della produttività. Gli autori muovono da un punto fermo microeconomico — l’IA velocizza i compiti ripetitivi, rende più efficace il lavoro basato sulla conoscenza e accelera l’incorporazione dell’informazione nelle decisioni — per derivarne gli effetti macro e sui canali della politica monetaria.

I canali: che cosa cambia

Liquidità e mercato monetario. L’IA può spostare a sinistra la domanda di riserve delle banche presso la banca centrale e renderla più rigida in tempi normali (migliori previsioni dei fabbisogni riducono i buffer precauzionali), ma più elastica in caso di stress di liquidità, che potrebbe manifestarsi più rapidamente e in modo più severo. La conclusione operativa: la banca centrale ha bisogno di un assetto operativo robusto e flessibile, capace di accomodare una domanda di riserve strutturalmente più bassa in condizioni normali preservando la resilienza agli shock improvvisi.

Credito e mercati finanziari. L’IA può spostare a destra sia l’offerta sia la domanda di prestiti (maggiore concorrenza bancaria; più elevati fabbisogni di investimento) e rendere entrambe più elastiche (migliori screening e monitoraggio dal lato dell’offerta; minori frizioni di ricerca dal lato della domanda). Ne conseguono volumi di credito in aumento, con effetto ambiguo sui tassi. Complessivamente la forza della trasmissione della politica monetaria attraverso il credito si riduce, mentre la sua velocità aumenta; se emergono comportamenti imitativi degli algoritmi, le reazioni dei mercati agli impulsi di politica monetaria possono amplificarsi.

Settore reale e inflazione. L’IA aumenterebbe la crescita del prodotto via produttività, ma la stima quantitativa è incerta: le valutazioni per le economie avanzate nel prossimo decennio vanno da un impatto quasi nullo, in un approccio “task-based” (Acemoglu, 2025), a oltre 2,5 punti percentuali l’anno quando si considera un’accelerazione dell’innovazione (Baily et al., 2023). Effetti su salari e occupazione incerti; possibili rischi alla stabilità del settore reale. L’inflazione media potrebbe risultare più alta o più bassa rispetto all’economia pre-IA, ma verosimilmente più volatile per la maggiore flessibilità dei prezzi (curva di Phillips più inclinata); la trasmissione della politica monetaria a inflazione e domanda diventerebbe più rapida. Il lavoro richiama l’indagine Banca d’Italia sulle imprese di inizio 2026: tra le imprese che usano l’IA, il 70% non segnala finora impatti sulla produttività (metà ne attende di positivi nel triennio) e l’84% non rileva impatti sull’occupazione.

La funzione di reazione della banca centrale

Gli autori leggono il ruolo dell’IA attraverso i tre pilastri della funzione di reazione di una banca centrale come la BCE: quadro economico e inflazionistico, trasmissione, tasso naturale r*. Sul primo, l’IA migliora stime in tempo reale, nowcasting, individuazione dei rischi di coda e disegno degli scenari, avvicinando gli agenti all’ideale di “informazione completa e aspettative razionali”; ma lo staff deve restare saldamente al comando del processo analitico per garantire un uso affidabile, preservare accountability e fiducia, ed evitare IA auto-referenziale e distorta, oltre ai rischi operativi e cyber.

Sulla trasmissione, i ritardi tendono ad accorciarsi: ciò potrebbe suggerire un orizzonte operativo più breve, ma diverse ragioni giustificano il mantenimento dell’orientamento di medio termine — la necessità di “guardare oltre” gli shock di offerta, i trade-off tra reattività e volatilità del prodotto, l’inerzia ottimale e, soprattutto, l’ancoraggio delle aspettative, che rende la comunicazione ancora più centrale. Sul tasso naturale, l’effetto è ambiguo: il traino di produttività spinge r* verso l’alto, ma l’aumento di markup e disuguaglianza può spingerlo verso il basso; l’esito netto resta incerto.

Le conclusioni degli autori

In un’economia ad alta intensità di IA la stabilizzazione macroeconomica può diventare più impegnativa, perché la reazione dei mercati alle notizie e agli errori di politica può crescere e farsi ancora più rapida. Al contempo l’IA può accrescere l’efficacia delle banche centrali nel stabilizzare le condizioni macroeconomiche, migliorando la valutazione del quadro e dei rischi e sostenendo la comunicazione delle decisioni. Gli autori qualificano il contributo come “prima valutazione” e rinviano ad analisi successive. Classificazione JEL: O33, E44, E32, E31, E52.

Avvertenza: si tratta di un lavoro di ricerca. Le opinioni espresse sono degli autori e non impegnano la responsabilità della Banca d’Italia.

Documento ufficiale

Scheda del paper sul sito della Banca d’Italia (QEF n. 1051)

Documento integrale: scarica il PDF