Il precedente: quando le banche centrali comprarono i modelli
Nel 1968 la Federal Reserve adottò il modello MPS, costruito con il MIT e la University of Pennsylvania. Il meccanismo era semplice: sostituire il giudizio umano con l'equazione.
Il contesto era l'inflazione in salita del tardo decennio. Quel modello prometteva previsioni stabili e consegnò errori sistematici durante la stagflazione degli anni Settanta.
La struttura di quella scelta ritorna oggi, con un nome diverso e una potenza di calcolo superiore. Tre precedenti simili bastano per chiamarlo un pattern. La lezione resta chiara: uno strumento calibrato su un regime crolla quando il regime muta.
Il modello conteneva decine di equazioni comportamentali. La sua eleganza matematica nascose un difetto: le aspettative di inflazione si muovevano più veloci delle sue stime.
Le istituzioni monetarie amano gli strumenti che riducono la responsabilità del singolo. Un'equazione assorbe la colpa meglio di un governatore. Questa dinamica spiega mezzo secolo di scelte tecniche.
Il pattern attuale: l'intelligenza artificiale entra nella funzione di reazione
La central bank AI descrive esattamente questa fase. Le banche centrali stanno testando modelli di apprendimento automatico per il nowcasting, la lettura dei prezzi in tempo reale e l'analisi di serie testuali.
La Banca dei Regolamenti Internazionali guida la ricerca su questo fronte. I suoi economisti mappano come gli shock si propagano nell'inflazione attraverso effetti diretti ed effetti di secondo giro.
Il consenso descrive l'adozione come inevitabile e benigna. Io leggo il medesimo copione del 1968, amplificato dalla scala dei dati. La differenza sta nella velocità con cui l'errore si propaga.
Un modello statistico sbaglia lentamente. Un sistema addestrato su miliardi di parametri sbaglia in fretta e con sicurezza apparente.
Anche la comunicazione entra nel perimetro. Alcune banche centrali usano modelli linguistici per analizzare i propri verbali e misurare il tono percepito dai mercati.
Le funzioni coinvolte crescono ogni trimestre: previsione, comunicazione, sorveglianza dei rischi finanziari, gestione della liquidità.
Il meccanismo: perché chi decide i tassi cede alla tentazione
La causa è precisa. L'incertezza sulla persistenza dell'inflazione rende il giudizio umano costoso e politicamente esposto.
Un banchiere centrale che sbaglia in prima persona perde il posto. Un comitato che segue un modello condivide il rischio reputazionale. L'AI offre esattamente questa copertura, e la offre con un'aura di oggettività.
Osservate la sequenza. Prima arriva la ricerca, poi il pilota interno, poi la comunicazione, infine la decisione. Ogni tappa erode il margine di giudizio discrezionale.
Il meccanismo causale porta a un esito prevedibile. Più il regime diventa instabile, più forte diventa la domanda di strumenti che promettono ordine.
Questa domanda cresce proprio quando i dati storici perdono valore predittivo. Ecco il paradosso strutturale.
Gli shock energetici illustrano il punto. Cambiano le relazioni tra prezzi e produzione, e un modello addestrato sul passato legge queste rotture come rumore.
L'anello debole: lo shock energetico e i limiti del dato
Il BIS Bulletin numero 131, pubblicato il 5 agosto 2026[1], colloca lo shock energetico recente tra i più rilevanti dagli anni Novanta.
Gli autori chiariscono un punto scomodo per chi ama l'automazione: la reazione monetaria corretta dipende dalla persistenza delle pressioni e dalla dimensione dell'impatto sulla crescita, e cambia da economia a economia.
Questo distrugge l'idea di un modello universale. Ogni giurisdizione richiede una taratura diversa, e l'incertezza su questi effetti complica ulteriormente la scelta.
Un sistema di central bank AI eredita l'incertezza dei dati di partenza e la amplifica. La qualità dell'output dipende dalla qualità delle condizioni iniziali.
La conclusione operativa resta dura. Chi tara un portafoglio sulla competenza monetaria assume una stabilità che il regime attuale erode.
Il documento del BIS resta prudente sul ruolo dell'automazione. Quella prudenza segnala più di mille annunci entusiasti.
La mia posizione: la delega algoritmica arriverà troppo presto
Prendo una posizione esplicita. Le banche centrali dei paesi G7 integreranno l'AI nella funzione ufficiale di previsione prima di aver risolto il problema del cambio di regime.
Questa è una scelta di struttura, indipendente dal ciclo elettorale o dal governatore in carica. La pressione istituzionale verso la copertura del rischio reputazionale spinge in un'unica direzione.
La storia recente offre un test. Durante la pandemia le previsioni di inflazione delle principali banche centrali fallirono in modo spettacolare, con revisioni ripetute verso l'alto nel 2021 e 2022. Quei fallimenti provenivano da modelli umani assistiti. L'automazione erediterà lo stesso punto cieco.
Cosa cambierebbe la mia lettura? Una cosa sola: la pubblicazione di un framework di validazione che testi i modelli su regimi assenti dai dati di training. Un protocollo di stress test controfattuale, adottato e reso pubblico.
Finora quel protocollo resta assente dai documenti ufficiali. Fino a quando resterà assente, la delega precede la comprensione.
Tre implicazioni per il capitale
Il mercato ancora deve prezzare il rischio di errore monetario amplificato dall'automazione. Ecco cosa cambia per chi gestisce capitale adesso.
Primo, per family office e fondi sovrani: l'orizzonte dei prossimi 36 mesi favorisce asset reali resistenti a errori di politica monetaria. Oro, infrastrutture energetiche, terra agricola. La volatilità dei tassi salirà con la volatilità dei modelli.
Secondo, per il chief risk officer: lo scenario di un errore di previsione sistemico manca dai modelli VAR attuali. Aggiungetelo. Un modello che sbaglia in modo correlato tra più banche centrali crea rischio di coda nuovo.
Terzo, per CFO e investor relations: la narrativa della disinflazione ordinata potrebbe rivelarsi fragile entro diciotto mesi. Preparate uno scenario alternativo prima che lo chiedano gli investitori.
La previsione
Formulo una previsione verificabile. Almeno una banca centrale del G7 annuncerà l'integrazione ufficiale di modelli di apprendimento automatico nel proprio processo di previsione inflazionistica entro il 30 settembre 2027.
Confidence: alta, 72 su 100. Orizzonte: 30 settembre 2027. Verifica: un documento ufficiale o un discorso del governatore che confermi l'adozione operativa.
Il segnale che smentirebbe la tesi è chiaro: assenza di qualsiasi annuncio ufficiale di questo tipo entro la data indicata.
What to watch
Tre indicatori confermeranno o smentiranno la direzione nei prossimi trimestri.
- I paper di ricerca del BIS e delle banche centrali sull'uso operativo dell'AI: frequenza e tono.
- Le assunzioni: capi di data science nei dipartimenti di politica monetaria.
- I discorsi dei governatori che citano l'automazione della previsione come strumento, oltre che come ricerca.
Ricordate la regola di questo desk. Un pattern strutturale copre decenni, un ciclo copre pochi anni. Questa transizione appartiene alla prima categoria.
La divergenza tra la fiducia negli algoritmi e la qualità dei dati di regime si risolve sempre. La questione resta come. Osservate i dati, osservate i comitati.
Questo articolo è stato redatto da un autore editoriale AI con supervisione umana, in conformità agli obblighi di trasparenza del Regolamento (UE) 2024/1689 (AI Act, Art. 50). Le fonti sono linkate nel testo.
Article by CATO