Roberto Vannacci ha reso di moda la remigrazione. È un eufemismo per indicare con una sola parola due concetti: l’espulsione e il rimpiatrio di persone straniere senza alcun titolo per restare in Italia. Nel linguaggio politico della destra, promette qualcosa di più: allontanare il prima possibile il maggior numero di stranieri irregolari senza lungaggini burocratiche. Futuro Nazionale non ha ancora un programma scritto su questo punto, in realtà su qualsiasi punto, ma Vannacci ha già spiegato quale sarebbe, secondo lui, la strada da seguire. Nel talk show “Otto e mezzo”, condotto da Lilli Gruber, l’ex generale ha detto che bisogna fare tre cose. Primo, costruire molti più Centri di permanenza per i rimpatri, i Cpr. Secondo, implementare gli accordi che esistono con «quasi tutti i paesi» da cui provengono gli immigrati irregolari. Terzo, applicare le nuove regole Ue che, secondo Vannacci, permetterebbero di trasferire i migranti in un Paese terzo considerato sicuro e, da lì, rimpatriarli, togliendoli intanto dal territorio italiano.

Detta così, sembra facilissimo. E allora perché nel 2025 il governo Meloni ha rimpatriato appena 6.772 persone, pari a circa il due per cento dei 339 mila stranieri irregolari stimati dal trentunesimo Rapporto sulle migrazioni? Semplice, perché nessuna delle tre soluzioni indicate da Vannacci funziona da sola, né può essere accelerata solo per volontà politica.

Costruire indiscriminatamente nuovi Cpr non serve a molto: non sono carceri per migranti in attesa che la politica decida cosa farne. Sono luoghi in cui vengono trattenute le persone che hanno già ricevuto un provvedimento di espulsione mentre lo Stato prova a trasformare quel foglio in una partenza vera. Siccome il trattenimento incide sulla libertà personale non può durare indefinitamente: il limite massimo è di diciotto mesi.

Non basta l’espulsione per rimpatriare. Se il consolato del Paese di provenienza del migrante non riconosce quella persona come propria cittadina o si rifiuta di rilasciare un lasciapassare per il rientro, o anche solo limita il numero di riammissioni, l’espulsione rimane solo su carta. E questo vale per gli Stati con cui si ha un accordo, come il Pakistan. Figuriamoci con la Somalia con cui non esiste una intesa europea di riammissione e da dove proviene l’11,2 per cento delle persone sbarcate via mare in Italia quest’anno. Anche il Sudan, da cui proviene l’8,3 per cento, è in guerra dal 2023. Ogni rimpatrio forzato deve fare i conti con il divieto di mandare una persona dove rischia violenze o trattamenti inumani.

Il nuovo Patto europeo su migrazione e asilo, entrato in applicazione ieri, non risolve il problema. L’Italia potrà accelerare l’esame delle richieste di asilo quando arrivano da cittadini di Paesi considerati in generale sicuri, ma dopo l’eventuale rigetto il problema resta lo stesso: per rimpatriare una persona serve uno Stato disposto a riprenderla e devono esserci le condizioni giuridiche e pratiche per farlo. Il trentuno per cento delle persone sbarcate nel 2026 viene dal Bangladesh, considerato dall’Unione europea un Paese di origine sicuro. Ma questo non significa che quelle domande possano essere respinte automaticamente. Un cittadino bengalese può sostenere che, nel suo caso specifico, il ritorno lo esporrebbe a un pericolo concreto. Va valutato caso per caso.

Il nuovo regolamento europeo sui rimpatri apre alla possibilità di creare i cosiddetti return hubs in Paesi fuori dall’Unione europea, ma anche qui serve un accordo con il Paese che li ospita. E quello Stato deve rispettare il divieto di rimandare una persona in un luogo dove rischia persecuzioni o trattamenti inumani. Il governo Meloni ha già stretto un accordo con l’Albania per realizzare i centri a Shëngjin e Gjadër. Un’operazione che costerà circa 653 milioni di euro fino al 2028 per gestire fino a tremila persone al mese, cioè trentaseimila l’anno, se il sistema funzionasse a pieno regime. A questo ritmo teorico ci vorrebbero quasi dieci anni per trattare un numero di persone pari agli irregolari attualmente stimati in Italia, senza considerare nuovi ingressi e irregolarità.

Vannacci propone di implementare il sistema, ma ogni nuovo centro fuori dall’Italia richiederebbe una copertura finanziaria pesante per le casse dello Stato a cui si aggiunge la spesa media per ciascun rimpatrio: 3.637,87 euro a persona, secondo il ministero dell’Interno. Il prezzo può salire o scendere a seconda del Paese di destinazione, dei documenti da ottenere, del volo e dell’eventuale scorta.

Serve anche un Paese terzo disposto ad assumersi un costo diplomatico alto perché i return hubs sono equiparati ai Cpr. Tradotto: le persone trasferite restano soggette alla legge italiana. I limiti di permanenza sono quelli previsti dall’ordinamento del nostro paese e le autorità italiane continuano a essere responsabili della procedura. L’Albania ha accettato perché ha un rapporto particolare con l’Italia e perché punta a entrare nell’Unione europea. Non è detto che altri governi accettino lo stesso.

Vannacci poi fa anche confusione su chi si dovrebbe rimpatriare. L’ex generale intende «coloro che non hanno motivo e diritto di rimanere sono l’ottanta per cento delle persone che andrebbero remigrate», senza spiegare da dove ha preso il dato e da chi sarebbe composto il rimanente venti per cento. Non tutti gli stranieri irregolari sono nella stessa condizione, e non tutte le persone arrivate senza un ingresso regolare possono essere rimpatriate subito. C’è chi può ottenere una forma di protezione, chi è minore, chi ha legami familiari tutelati. 

Insomma, parlare di remigrazione è facilissimo all’opposizione senza aver mai ricoperto incarichi di governo. Ma Vannacci dovrebbe spiegare tecnicamente con quali strumenti pensa di obbligare i Paesi d’origine a riprendersi sistematicamente i propri cittadini. Non basterà prendersela con Forza Italia per il voto sugli emendamenti più duri al Sistema di preferenze tariffarie generalizzate, lo strumento con cui l’Unione europea concede dazi ridotti o nulli ai Paesi in via di sviluppo. Sospendere alcune preferenze commerciali ai Paesi che non collaborano in modo persistente sui rimpatri dei migranti irregolari non equivale a chiudere un rubinetto. Prima della sospensione sono previste verifiche, una procedura più lunga e almeno dodici mesi di confronto con il Paese interessato. Per gli Stati meno sviluppati è previsto anche un periodo di due anni prima che questa condizionalità possa applicarsi. 

Nel 2022 la campagna elettorale del centrodestra aveva prodotto le stesse aspettative. Dopo quasi quattro anni di governo, la realtà si è rivelata più complicata. Mentre prometteva più rimpatri, il governo Meloni ha autorizzato anche migliaia di ingressi regolari per lavoro: centotrentaseimila quote nel 2023, centocinquantunomila nel 2024 e centosessantacinquemila nel 2025. Per il 2026 le quote sono 164.850. Non sono persone già entrate e assunte. Per diventare ingressi reali devono passare da contratti che restano validi fino alla fine della procedura. Nel 2024, secondo Istat, i nuovi permessi per lavoro sono stati 40.451, pari al 13,9 per cento del totale dei nuovi permessi rilasciati nell’anno. La distanza tra quote autorizzate e permessi effettivi è un problema cruciale. Le imprese chiedono lavoratori, il governo apre canali legali, ma il percorso resta lento. In quello spazio entrano intermediari, pratiche opache, contratti che saltano e promesse di lavoro mai rispettate. Così anche persone entrate o chiamate attraverso canali regolari possono finire nell’irregolarità.

L'articolo La falsa promessa di Roberto Vannacci sulla remigrazione proviene da Linkiesta.it.

Nelle università americane sta accadendo qualcosa che fino a pochi anni fa sarebbe sembrato impensabile. Nei corsi di letteratura, alcuni docenti non riescono più a dare per scontato che gli studenti arrivino in aula dopo aver letto un libro intero. Alla Columbia University si alleggeriscono i programmi del corso sui classici. Alla Southern Methodist University, Jonathan Malesic ha raccontato di essere passato dai volumi completi a testi più brevi, perché la lettura lunga è diventata un ostacolo anche per studenti preparati. Il segnale arriva dagli atenei, ma riguarda l’ambiente mentale in cui ormai viviamo tutti.  Leggere un romanzo fino alla fine, seguire un ragionamento difficile, restare dentro un compito senza cercare subito un’uscita richiede una resistenza che si è fatta più rara.

Nel secondo episodio di *Scenari 2026*, il podcast di Linkiesta per Intesa Sanpaolo On Air, Andrea Fioravanti parte da questa frattura per capire che cosa sta succedendo alla concentrazione. La ricerca sull’attenzione collettiva mostra un’accelerazione evidente: le notizie raggiungono più in fretta il momento di massima visibilità e vengono sostituite prima di sedimentare.  Nel lavoro cognitivo, chat, riunioni e notifiche interrompono il ragionamento proprio nei momenti in cui servirebbe continuità. Secondo Microsoft, per i lavoratori più esposti le interruzioni nelle ore centrali della giornata arrivano in media ogni due minuti. E ogni volta è faticoso ricostruire il contesto mentale: dove eravamo rimasti e che cosa stavamo decidendo. Così il lavoro più serio scivola prima delle nove del mattino o dopo le diciotto, nelle fasce orarie in cui arrivano meno messaggi e ci sono meno riunioni.

Cal Newport propone di trattare la concentrazione come un’igiene della mente, una disciplina da proteggere con la stessa serietà con cui si protegge il corpo. L’attenzione non è scomparsa: è finita dentro sistemi costruiti per interromperla.

Puoi ascoltare l’episodio completo di Scenari 2026, il podcast di Linkiesta per Intesa Sanpaolo On Air, su Spotify: 

L'articolo L’attenzione è il nuovo lusso nell’economia della distrazione proviene da Linkiesta.it.

Per anni i cantori dell’intelligenza artificiale hanno annunciato l’avvento di una rivoluzione inevitabile e dirompente, destinata a migliorare la vita dei lavoratori e i rendimenti degli investitori. Da Sam Altman in giù, erano tutti convinti che la traversata nel deserto sarebbe stata più breve del previsto, descrivendoci una Terra promessa economica in cui sarebbe bastato inserire qualche algoritmo nei processi aziendali affinché il mondo del lavoro cambiasse per sempre. Più produttività, meno fatica, crescita economica accelerata. Macchine sempre più autonome avrebbero svolto la maggior parte delle attività cognitive oggi affidate agli esseri umani.

L’IA continua ad attirare investimenti enormi, ma l’entusiasmo iniziale si sta scontrando con la realtà che, come insegnava Giulio Andreotti, è sempre un po’ più complessa. La rivoluzione non è ancora arrivata, e la crescita men che meno. Il problema non è il funzionamento della tecnologia, anzi. Gli strumenti di intelligenza artificiale si sono diffusi rapidamente nelle aziende e nelle abitudini quotidiane dei lavoratori. I modelli generativi scrivono testi, analizzano dati, generano codici, producono immagini e simulazioni con una velocità che fino a poco tempo fa sembrava fantascienza. Il problema è un altro: l’economia, per ora, non se n’è accorta.

Negli Stati Uniti la produttività è cresciuta nel 2025 a un ritmo vicino alla media storica, intorno al due per cento annuo secondo i dati del Bureau of Labor Statistics, ben lontano dal balzo registrato negli anni Novanta durante la rivoluzione digitale. Alcuni economisti, tra cui Daron Acemoglu del MIT, stimano che il contributo diretto dell’intelligenza artificiale alla crescita della produttività sia finora limitato, nell’ordine di pochi centesimi di punto percentuale all’anno.

Un’indagine del National Bureau of Economic Research su circa seimila dirigenti mostra che il settanta per cento delle aziende usa strumenti di intelligenza artificiale, ma l’ottanta per cento non ha registrato alcun cambiamento significativo né nella produttività né nell’occupazione negli ultimi tre anni. Le ragioni sono meno tecnologiche di quanto si immagini: dati incompleti o disordinati, sistemi informatici incompatibili con i nuovi modelli, mancanza di competenze interne e, soprattutto, l’assenza di un problema aziendale preciso che l’intelligenza artificiale dovrebbe risolvere.

Sloan Management Review e Boston Consulting Group, il novantacinque per cento dei progetti di IA generativa resta fermo alla fase di sperimentazione o non produce benefici economici misurabili, rimanendo confinato a prototipi o test interni. E secondo la società di ricerca Gartner, entro la fine del 2026 molte organizzazioni potrebbero abbandonare fino al sessanta per cento delle iniziative di IA avviate senza dati adeguati, infrastrutture compatibili o una strategia chiara di implementazione.

Gli investimenti nell’intelligenza artificiale possono aumentare la produttività delle imprese, ma solo se ci sono degli asset complementari: dati di qualità, infrastrutture digitali e personale qualificato. In molti settori, soprattutto nei servizi, queste condizioni non sono ancora diffuse. La principale conseguenza è che l’adozione della tecnologia segue spesso una curva a “J”. Nelle prime fasi le aziende registrano addirittura un calo di produttività, dovuto ai costi di implementazione, alla formazione del personale e alla necessità di ripensare i processi. Solo dopo alcuni anni emergono i benefici.

Non è la prima volta che accade una cosa del genere. L’elettricità, per esempio, iniziò a entrare nelle fabbriche occidentali già negli anni Ottanta dell’Ottocento, ma impiegò decenni prima di produrre un aumento significativo della produttività industriale. In una prima fase gli imprenditori si limitarono a sostituire il motore a vapore con un grande motore elettrico centrale, mantenendo invariata la struttura della fabbrica ereditata dall’era del vapore: lunghi alberi di trasmissione che distribuivano la forza meccanica nell’intero edificio.

Il vero cambiamento arrivò solo quando le imprese iniziarono a sfruttare le caratteristiche specifiche dell’elettricità. Tra gli anni Venti e Trenta del Novecento le fabbriche vennero progressivamente riprogettate: piccoli motori elettrici furono installati direttamente sulle singole macchine utensili, eliminando i complessi sistemi di trasmissione meccanica e permettendo di ridisegnare completamente la disposizione degli impianti. Le linee produttive divennero più flessibili, gli spazi più efficienti e il lavoro più specializzato. Solo allora i benefici dell’elettrificazione, evidenti fin dal primo giorno, come maggiore velocità, minori costi e un sensibile aumento della produttività, iniziarono a comparire nelle statistiche economiche.

Una storia simile si è ripetuta con i computer. Già negli anni Settanta i grandi mainframe erano entrati nelle banche, nelle compagnie assicurative e nelle grandi imprese industriali per gestire contabilità, pagamenti e archivi amministrativi. Poi arrivò la seconda ondata: tra il 1980 e il 1990 il numero di computer installati nelle imprese statunitensi aumentò di oltre dieci volte e le aziende investirono centinaia di miliardi di dollari in hardware e software. Ma non abbastanza da rivoluzionare il mercato del lavoro. Nel 1987 l’economista e premio Nobel Robert Solow sintetizzò il paradosso con una frase diventata celebre: «Si vede l’era dei computer ovunque, tranne che nelle statistiche della produttività». Il boom arrivò solo negli anni Novanta, quando l’informatica iniziò a riorganizzare davvero il funzionamento delle imprese: software gestionali integrati, reti informatiche interne, internet commerciale, logistica digitale e supply chain informatizzate.

In entrambi i casi il problema non era la tecnologia in sé. Il ritardo dipendeva, e dipende, dal fatto che le innovazioni più profonde hanno bisogno di cambiamenti organizzativi, istituzionali e culturali. Le macchine possono essere installate rapidamente; ripensare il modo in cui un’economia lavora è un processo decisamente più lento. I modelli devono dialogare con sistemi informatici costruiti negli anni, con procedure interne, con vincoli legali e normativi. Devono essere addestrati su dati affidabili, e spesso quei dati non esistono o sono disordinati.

Un altro elemento che ha raffreddato l’entusiasmo riguarda il tipo di lavoro che l’IA produce. Per mesi si è parlato di automazione e sostituzione. In molti casi sta succedendo qualcosa di più complicato. L’intelligenza artificiale non elimina il lavoro umano: lo cambia e spesso lo aumenta, come afferma il 77 per cento dei dipendenti sentiti durante un sondaggio dell’Upwork Research Institute. Quasi quattro lavoratori su dieci dichiarano di passare più tempo a controllare o correggere contenuti generati automaticamente. Programmatori scrivono codici più rapidamente ma devono verificare quello generato dagli algoritmi. Analisti producono report più velocemente ma dedicano più tempo alla revisione. Questo fenomeno si chiama paradosso di Jevons e gli economisti lo conoscono da oltre un secolo: quando una tecnologia rende più efficiente l’uso di una risorsa, il consumo totale di quella risorsa può aumentare invece di diminuire.

Un’altra ragione per cui la rivoluzione promessa tarda ad arrivare riguarda la natura stessa della produttività. Nei modelli economici più semplici la produttività è un rapporto tra input e output: se una tecnologia permette di fare una certa attività più velocemente, ci si aspetta automaticamente un aumento della produzione. Ma in un’azienda il valore non nasce solo dalla velocità con cui si eseguono i compiti. Molto spesso dipende da elementi più difficili da standardizzare e quindi da automatizzare: il giudizio umano nelle decisioni complesse, la creatività nel risolvere problemi nuovi, la capacità di interpretare informazioni incomplete o ambigue, oppure di coordinare persone e relazioni all’interno di un’organizzazione. In questi ambiti l’intelligenza artificiale può aiutare, ma raramente sostituisce del tutto il contributo umano. Ed è proprio lì che spesso si genera la parte più importante del valore economico.

Negli uffici, l’impatto dell’intelligenza artificiale appare più sottile di quanto suggerisca il dibattito pubblico. Uno studio pubblicato quest’anno da ricercatori della Seoul National University basato su un sondaggio su oltre cinquemila lavoratori in Corea del Sud, mostra che più della metà utilizza già strumenti di IA generativa nel lavoro quotidiano. L’effetto medio è modesto: tra chi li usa, il tempo di lavoro si riduce in media di circa il 3,8 per cento. E soprattutto quel tempo risparmiato non si traduce quasi mai in più produzione. In molti casi viene assorbito in modi meno visibili. Per esempio: pause più lunghe, minore pressione mentale o uno spostamento verso attività percepite come più interessanti. Una parte dell’impatto dell’intelligenza artificiale sembra emergere più come miglioramento delle condizioni di lavoro che come aumento della produttività misurata.

Un altro risultato interessante riguarda l’esperienza professionale. I lavoratori meno esperti sembrano trarre i benefici maggiori dall’uso dell’IA. Gli strumenti generativi funzionano spesso come una sorta di tutor sempre disponibile: suggeriscono soluzioni, correggono errori e aiutano a completare compiti complessi. In questo modo riducono il divario tra chi ha molta esperienza e chi ne ha meno. Nelle prime fasi della sua diffusione l’intelligenza artificiale sembra agire più come una tecnologia che livella le competenze che come un semplice moltiplicatore della produttività.

L’intelligenza artificiale sta seguendo a menadito l’Hype Cycle elaborato dalla società di ricerca Gartner. Secondo questo modello, quasi tutte le tecnologie emergenti attraversano una prima fase di entusiasmo, il cosiddetto picco delle aspettative gonfiate, in cui promesse e previsioni superano di gran lunga le applicazioni reali. E questa fase l’abbiamo passata ascoltando le promesse di Altman, Elon Musk e altri pioneri dell’IA alla ricerca di ingenti investimenti. Se gli investimenti crescono troppo rapidamente rispetto alla capacità delle imprese di trasformare la tecnologia in valore economico reale, il risultato può essere una sequenza di boom e disillusioni, come quello che stiamo vivendo adesso. Dopo aver investito tanto, imprese e investitori iniziano a confrontarsi con i limiti tecnici della tecnologia, i costi di implementazione e benefici più modesti del previsto.

La fine dell’hype non segna necessariamente la fine della rivoluzione. Piuttosto ne rappresenta l’inizio vero. Quando l’entusiasmo si riduce, le tecnologie smettono di essere esperimenti spettacolari e diventano strumenti da integrare lentamente nelle strutture economiche e sociali. È un processo lento e spesso poco visibile, fatto di cambiamenti nei processi, nei modelli organizzativi e nelle competenze. Ma è proprio in questa fase, quando l’entusiasmo lascia spazio all’integrazione, che le innovazioni finiscono davvero per trasformare l’economia.

La conseguenza non sarà tanto un rallentamento, quanto uno spostamento degli investimenti. I capitali si allontaneranno dai progetti più generici, difficili da valutare e poco integrati nei processi, che saranno i primi a essere ridimensionati o chiusi. Si concentreranno invece sulle applicazioni in cui l’intelligenza artificiale produce risultati chiari e misurabili. Dovranno soddisfare tre criteri su tutti: l’automazione industriale, l’ottimizzazione operativa e la riduzione dei costi. Non basta che i modelli funzionino; devono produrre valore. Finirà la stagione dei prototipi acchiappa investitori e inizierà l’era dell’implementazione.

Il futuro dell’intelligenza artificiale dipenderà probabilmente meno dalla potenza degli algoritmi e più dalla capacità delle organizzazioni di reinventare il modo in cui lavorano. Come accadde con l’elettricità e con i computer, la tecnologia da sola non basta. Servono nuove idee su come usarla. Idee, non profezie.

Questo è un articolo del numero di Linkiesta Magazine 01/26 – “Super Mario per l’Europa”, ordinabile qui.

L'articolo Ora l’intelligenza artificiale deve dimostrare di saper cambiare l’economia reale proviene da Linkiesta.it.