Robot tax, come finanziare il welfare con i guadagni dell’automazione

Origini e sviluppo del concetto di robot tax

Nel febbraio 2017 Bill Gates ha portato alla ribalta una domanda cruciale: se un robot sostituisce un lavoratore, chi paga le imposte e i contributi che finanziano il welfare? In un’intervista a Quartz, il cofondatore di Microsoft propose di tassare l’impiego dei robot per finanziare la riqualificazione dei lavoratori e rafforzare servizi come la scuola e l’assistenza agli anziani. Questa proposta ha reso popolare il principio della robot tax, ovvero chiedere a chi automatizza una quota delle risorse necessarie a sostenere i costi sociali della trasformazione.

Gates non ha inventato l’idea. Già negli anni quaranta esistevano proposte di tassazione delle macchine, come il disegno di legge del senatore statunitense Joseph O’Mahoney del 1940. A livello europeo, nel maggio 2016 l’eurodeputata Mady Delvaux ha sollevato il problema di misurare il contributo di robot e intelligenza artificiale ai risultati delle imprese per fini fiscali e previdenziali, aprendo una discussione che ancora oggi divide economisti e governi.

Nuove sfide con l’AI generativa

Con l’avvento dell’intelligenza artificiale generativa, la domanda supera i confini delle fabbriche e raggiunge uffici e professioni intellettuali. Sotto l’etichetta di robot tax convivono però strumenti differenti: imposta sull’impiego della tecnologia, maggiore prelievo sui guadagni prodotti e revisione delle agevolazioni che favoriscono la sostituzione del lavoro. La scelta riguarda dove intercettare il valore dell’automazione e come utilizzarlo per finanziare il welfare.

Analisi accademica e proposte di tassazione

Nel lavoro Workers’ incentives and the optimal taxation of AI, pubblicato su Economics Letters nel 2026, Growiec e colleghi distinguono quattro fattori produttivi: lavoro manuale, lavoro cognitivo, capitale tradizionale e intelligenza artificiale. La convenienza sociale del prelievo dipende da come questi fattori modificano la posizione relativa dei lavoratori.

Nel modello, tassare l’AI diventa ottimale quando i lavoratori cognitivi si trovano in svantaggio rispetto a quelli manuali, condizione che può emergere se la tecnologia sostituisce in modo efficace le attività cognitive. Lo studio individua una soglia teorica legata agli effetti sul lavoro, ma non ne certifica il superamento nell’economia reale.

Conseguenze politiche

Una tassa sull’AI richiede una giustificazione distributiva verificabile: quali lavoratori vengono penalizzati, attraverso quali meccanismi e con quali possibilità di ricollocazione. L’etichetta tecnologica da sola offre poche indicazioni su come costruire il tributo. Inoltre, si distinguono due obiettivi:

• un prelievo sull’impiego dell’AI, che modifica la convenienza a utilizzarla;
• un’imposta sui redditi generati dall’AI, che interviene sulla distribuzione dei benefici.

Entrambe le opzioni possono raccogliere risorse, ma producono incentivi diversi per le imprese.

Raccomandazioni del FMI e dell’OCSE

La nota Global Economic and Financial Implications of Artificial Intelligence: Lessons from a Scenario Planning Exercise, pubblicata dal FMI il 3 aprile 2026, sconsiglia imposte generiche sull’impiego di robot e AI, poiché rischiano di frenare gli investimenti produttivi. Gli autori propongono invece di aumentare il prelievo sulle rendite economiche e sui redditi da capitale delle persone, in modo da cogliere i guadagni dell’automazione a valle.

Se il sistema fiscale rende conveniente un investimento che sostituisce lavoratori, il settore pubblico può contribuire ad accelerare una transizione la cui sostenibilità dovrà poi essere finanziata. Rivedere le agevolazioni fiscali significa correggere la scelta iniziale su come impiegare le risorse pubbliche.

Il prelievo sui rendimenti

Questo approccio affronta il problema a valle: se l’automazione accresce utili e redditi dei proprietari del capitale, una parte di quei benefici può finanziare servizi e trasferimenti sociali. Tuttavia, la difficoltà è raggiungere effettivamente quei redditi. Gli autori sottolineano che aumentare solo le imposte societarie può compensare parzialmente l’erosione del gettito sul lavoro, soprattutto a causa della mobilità del capitale e della concorrenza fiscale internazionale.

Negli scenari esaminati, il problema è più acuto per i Paesi che consumano servizi di AI anziché produrli, creando una questione internazionale su dove si formano i guadagni e dove diventano imponibili.

Proposte dell’OCSE per una tassazione equilibrata

Il rapporto Financing of Social Protection, pubblicato il 9 settembre 2026 nell’ambito di un progetto congiunto OCSE–Commissione europea, osserva che l’automazione può ridurre la quota di reddito destinata al lavoro anche con occupazione stabile o in aumento. Affidarsi esclusivamente alle retribuzioni rischia di escludere dal finanziamento sociale una parte dei guadagni di produttività dell’AI.

L’OCSE suggerisce di diversificare le fonti del welfare, senza indicare una specifica tassa sui robot. Vengono considerati anche:

• formazione professionale per favorire l’accesso a impieghi meglio retribuiti;
• contrattazione collettiva per tradurre parte dei benefici dell’automazione in aumenti salariali.

Retribuzioni più elevate aiutano a sostenere le entrate fiscali e contributive che finanziano la protezione sociale.

Distribuzione del carico fiscale

Il working paper Automation and Optimal Taxation: A Task-Based Theory (2026) di Kleven e Zidar, calibrato sulla distribuzione salariale e sull’esposizione all’automazione negli Stati Uniti, mostra che l’intensità dell’automazione raggiunge il massimo intorno al quarantesimo percentile salariale, nella parte medio‑bassa della distribuzione.

Rispetto a uno scenario senza automazione, il modello ottimale prevede:

• maggiori integrazioni al reddito per i lavoratori meno pagati;
• imposte inferiori nella fascia intermedia;
• tassi più alti per i redditi più elevati.

Il prelievo ottimale sul capitale resta consistente, ma nel modello non aumenta a causa dell’automazione, evidenziando una terza strada: una redistribuzione tramite imposte e trasferimenti, piuttosto che una singola tassa sui robot.

Conclusioni e prospettive future

Raggiungere i guadagni dell’automazione è soltanto una parte del problema; è altrettanto fondamentale decidere come distribuire il carico fiscale fra chi lavora e chi beneficia della tecnologia. L’esposizione alla AI varia notevolmente lungo la scala dei redditi, perciò una tassazione uniforme rischia di penalizzare in modo sproporzionato i lavoratori a basso reddito.

Le evidenze di FMI e OCSE indicano che le soluzioni più efficaci combinano:

• una revisione delle agevolazioni fiscali per l’adozione di AI;
• un rafforzamento del prelievo sui redditi da capitale e sui rendimenti;
• investimenti in formazione e contrattazione collettiva per condividere i guadagni di produttività.

Solo attraverso una strategia integrata sarà possibile garantire che il welfare partecipi ai benefici dell’automazione senza frenare gli investimenti necessari per mantenere la competitività economica.