Nel 2021, i piazzali delle grandi fabbriche automobilistiche in Europa e in America offrivano uno spettacolo surreale: migliaia di vetture perfette, lucide e finite, ma impossibili da consegnare.
Mancava un componente grande quanto un’unghia e dal valore di pochi dollari: il semiconduttore.
Qualche mese più tardi, un improvviso rincaro del gas naturale ha innescato un effetto domino implacabile.
Ha colpito i costi dei fertilizzanti, frenato le acciaierie, rincarato i trasporti logistici e, alla fine della catena, ha fatto salire il prezzo del pane sulle nostre tavole.
A un occhio disattento potrebbero sembrare sfortunati incidenti di percorso slegati tra loro.
La verità, invece, è che raccontano la stessa cruda realtà: la nostra economia è una rete iperconnessa e nervosa, dove il battito d’ali di una crisi in Asia provoca un uragano sui prezzi in Occidente.
Per descrivere matematicamente questa ragnatela di dipendenze esiste uno strumento sorprendentemente potente nato quasi un secolo fa: il modello input-output di Wassily Leontief. Quello che fino a ieri era considerato un noioso esercizio accademico per economisti, oggi è tornato a essere la bussola per orientarsi nella realtà produttiva globale.
Il mondo come una gigantesca rete produttiva
Quando pensiamo a un prodotto, un’automobile, uno smartphone, una confezione di pasta, tendiamo a vederlo come un oggetto isolato. In realtà, ogni bene è il punto di arrivo di una catena estremamente complessa. Per assemblare un’auto servono acciaio, energia, gomma e un’infinità di componenti elettroniche. Ma la catena non si ferma lì: l’acciaio richiede a sua volta energia enorme, i microchip necessitano di terre rare e acqua ultrapura, il software per farla funzionare si appoggia a data center famelici di elettricità. L’economia moderna assomiglia molto più a un sistema nervoso centrale che a una catena di montaggio lineare.
Ed è qui che entra in gioco il modello di Leontief.
La matematica delle dipendenze economiche
L’idea di base del modello è semplice ma devastante per le sue implicazioni: ogni settore economico deve letteralmente “mangiare” una fetta della produzione degli altri settori per poter funzionare. L’industria automobilistica compra acciaio; quella siderurgica compra energia; il settore energetico compra macchinari; i produttori di macchinari comprano chip. Leontief tradusse questa rete in una matrice matematica, semplificabile nella formula:
[math]\displaystyle x = Ax + d[/math]
Dove x è la produzione totale, d è la domanda finale e A (la matrice dei coefficienti tecnici) è il vero cuore del sistema: una mappa che descrive con esattezza quante risorse ogni settore deve sottrarre agli altri per produrre una singola unità di output.
Perché un pugno di silicio ha bloccato il mondo
La crisi dei semiconduttori è l’esempio da manuale di come uno shock si propaghi nel sistema. Durante la pandemia, la domanda di elettronica per il lavoro da casa è esplosa, mentre le fabbriche asiatiche chiudevano per i lockdown. Molte aziende, temendo una recessione, hanno annullato incautamente i loro ordini. Quando i consumi sono ripartiti, la capacità produttiva non c’era più. Il blocco non ha colpito solo smartphone e console, ma ha paralizzato interi settori: automobili, dispositivi salvavita, infrastrutture cloud e sistemi industriali. Nel linguaggio di Leontief, il settore dei chip possiede una “centralità” altissima e forti connessioni input-output. È un nodo nevralgico: se cade quello, cade tutto, esattamente come in un blackout elettrico sulla rete nazionale.
La crisi energetica e il moltiplicatore invisibile
L’energia è l’applicazione più intuitiva del modello di Leontief. Qualsiasi attività, dall’agricoltura all’addestramento dell’intelligenza artificiale, richiede energia. Quando il prezzo del gas schizza in alto, l’effetto non resta confinato nella bolletta di fine mese. L’acciaio rincara, i trasporti marittimi diventano insostenibili, i fertilizzanti scarseggiano e l’agricoltura va in affanno. Il sistema economico agisce da cassa di
risonanza, amplificando lo shock iniziale.
Matematicamente, questo è descritto dalla matrice inversa di Leontief:
[math]\displaystyle x = (I – A)^{-1} d[/math]
Questa formula dimostra che gli effetti indiretti e collaterali di un aumento dei costi possono rivelarsi persino più devastanti degli effetti diretti.
I settori hub: i nodi che tengono insieme la rete
A questo punto emerge un elemento cruciale che spesso sfugge all’analisi superficiale: non tutti i settori sono uguali. Alcuni funzionano come veri e propri hub, nodi ad altissima connettività che alimentano decine di altri comparti. Sono i settori che, se rallentano, trascinano con sé l’intero sistema produttivo.
Energia, semiconduttori, logistica, chimica di base: non sono semplici industrie, ma snodi strutturali della rete economica.
Nel linguaggio di Leontief, sono i settori con:
- Alta centralità input: consumano output da molti altri settori
- Alta centralità output: forniscono input essenziali a una vasta porzione della rete
- Elevata elasticità di propagazione: uno shock su di loro si amplifica lungo la matrice [math](I – A)^{-1}[/math]
Sono l’equivalente economico dei nodi critici di una rete elettrica: se salta una presa periferica, si spegne una stanza; se salta una centrale,
si spegne un Paese.
Come si propaga uno shock: la dinamica invisibile
Quando un settore hub viene colpito, la propagazione segue tre livelli:
- Propagazione diretta: i clienti immediati subiscono rincari o ritardi.
- Propagazione indiretta: i clienti dei clienti iniziano a risentirne.
- Propagazione sistemica: gli effetti rimbalzano nella rete, generando impatti non lineari.
È il motivo per cui un chip da pochi dollari può fermare un’auto da 40.000 euro, o perché un aumento del gas può far lievitare il prezzo del pane.
La rete economica non trasmette gli shock: li amplifica.
L’Intelligenza Artificiale come nuovo hub (e nuovo rischio)
L’AI sta rapidamente diventando un nuovo settore hub. Non solo perché ottimizza la supply chain, ma perché dipende da:
- chip avanzati
- data center energivori
- infrastrutture cloud globali
- reti logistiche e digitali interconnesse
È un paradosso perfetto: l’AI è il sistema nervoso della rete, ma è anche uno dei suoi nodi più fragili. Ottimizza la matrice, ma allo stesso tempo ne è prigioniera.
L’Intelligenza Artificiale come sistema nervoso della supply chain
Le piattaforme moderne come Amazon hanno capito da tempo questa interdipendenza. Dietro la loro interfaccia non c’è un semplice catalogo, ma una macchina matematica che adatta i prezzi in tempo reale in base a una moltitudine di variabili: tempi logistici, costi energetici, traffico online e disponibilità nei magazzini. Le decisioni si trasmettono lungo la filiera in frazioni di secondo. Oggi, gestire manualmente reti così complesse è impossibile. Per questo l’Intelligenza Artificiale sta assumendo il ruolo di “sistema nervoso” della supply chain globale. Algoritmi di machine learning analizzano milioni di dati (meteo, traffico portuale, tensioni geopolitiche) per prevedere colli di bottiglia e deviare le rotte prima che il problema si verifichi. Eppure, in questo risiede un paradosso affascinante: l’AI stessa, per funzionare, ha un disperato bisogno di data center, semiconduttori avanzati e quantità immense di elettricità. Anch’essa è prigioniera della matrice che sta cercando di ottimizzare.
L’illusione dell’efficienza e l’ossessione per la resilienza
Per anni, l’intero sistema produttivo ha inseguito un unico dio: l’efficienza estrema. Il modello Just in Time ha azzerato i magazzini, tagliato le ridondanze e ridotto i costi all’osso, regalando al mondo l’illusione di una macchina perfetta. Ma la globalizzazione sfrenata ha creato fragilità spaventose. Concentrare la produzione mondiale di chip a Taiwan o dipendere dal gas di un unico fornitore si è rivelato un azzardo strategico. Pandemie, guerre e colli di bottiglia logistici hanno fatto crollare il castello di carte. Oggi le aziende stanno cambiando radicalmente rotta: non cercano più la perfezione dell’efficienza, ma la solidità della resilienza. Diversificano i fornitori, accumulano scorte strategiche (passando al Just in Case) e riportano parte della produzione in patria (reshoring). Cercano, in sintesi, di ridurre la loro vulnerabilità all’interno della matrice di Leontief.
Tutto è collegato
Le matrici di Leontief ci ricordano brutalmente una verità che la rincorsa ai profitti ci aveva fatto dimenticare:
nessuna industria si salva da sola.
L’automobile ha bisogno dei chip, i chip necessitano di energia, l’energia è schiava della geopolitica e l’intelligenza artificiale dipende dai cavi e dai data center.
Questi modelli matematici non sono vecchi arnesi da esame universitario.
Sono la chiave di lettura per capire perché una nave incagliata nel Canale di Suez o una fabbrica ferma dall’altra parte del pianeta possano, nel giro di poche settimane, cambiare le sorti del mercato globale e pesare direttamente sulle nostre tasche.
Modello di Leontief, matrici input-output ed economia quantitativa
👉Il modello di Leontief: analisi delle interdipendenze economiche
👉Matrici e microeconomia: equilibrio, elasticità e modello di Leontief con esercizi svolti
👉Matrici input-output: analisi strutturale e intersettoriale dell’economia
👉Modello input-output: come le matrici rivoluzionano l’analisi economica settoriale
(3)
Altri articoli nella categoria "Lezioni di Microeconomia"
- Come Calcolare l’Elasticità della Domanda? La Guida Definitiva al Metodo del Punto Medio
- Funzione di Produzione: Cobb-Douglas vs. CES, la Guida Definitiva all’Elasticità di Sostituzione (σ)
- Vantaggio Comparato e Assoluto: la Chiave del Commercio Internazionale e il Ruolo dei Dazi
- Efficienza vs. Equità: I Teoremi dell’Economia del Benessere e i Modelli Economici a Confronto
- Legge di Walras: Guida Completa per Studenti di Microeconomia con Esercizi Risolti
- Le Aste in Microeconomia: Guida Essenziale per Studenti Universitari (Strategie, Efficienza e Ricavi)
- Ottimo Interno e Minimizzazione dei Costi: Teoria, Esempio Cobb-Douglas e Esercizio Risolto
- Macroeconomia: avete mai sentito parlare della “tulipanomania”?
- Il Modello di Leontief: Un’Analisi Approfondita delle Interdipendenze Economiche
- Matrici di Input-Output: un’analisi strutturale e intersettoriale dell’economia