Il 24 ottobre 1929 è probabilmente il giorno più famoso della storia finanziaria: il ticker che resta indietro di ore, la folla in Broad Street, i banchieri che mandano Richard Whitney a comprare U.S. Steel sul parterre. Giovedì nero.

Poi si va a guardare la chiusura di quella seduta e il Dow Jones perde il 2,09%.

Non è un errore nei dati: il crollo del giovedì nero fu quasi tutto intraday, e la chiusura lo riassorbì. I giorni davvero neri, nella serie storica, sono lunedì 28 ottobre (meno 12,82%) e martedì 29 (meno 11,73%). Il 24, sul grafico delle chiusure, è una tacca rosa pallido incastrata fra due bande quasi nere.

Da questo scarto fra la memoria collettiva e i numeri nasce il pezzo. Non un’analisi: una cronaca. Le quotazioni giornaliere del Dow dal 1927 al 1929, e accanto gli eventi di quei giorni — finanza, politica monetaria, cronaca, cultura — per vedere che cosa succede quando le due cose scorrono insieme. Il risultato è l’infografica verticale qui sotto, in sei atti. Ma quello che voglio raccontare è soprattutto come è stata fatta: due fonti gratuite e qualche centinaio di righe di codice, il che significa che potreste rifarlo anche voi, su un altro pezzo di storia economica, entro stasera.

Uno. I dati esistono, ma mai dove potremmo pensare

Il vincolo che mi ero dato era che nessun file venisse scaricato a mano: tutta la catena doveva essere scriptabile, altrimenti fra sei mesi il numero non sarebbe riproducibile nemmeno da me.

Sembra facile, trattandosi di uno dei dati più celebri dell’Occidente. Invece quasi tutte le fonti moderne non arrivano fin laggiù (Yahoo Finance parte dagli anni Ottanta, FRED per quel decennio conserva solo la vecchia serie mensile del NBER) e Stooq, che la serie giornaliera ce l’ha davvero, mi ha risposto con una pagina di verifica anti-bot: per scaricare il CSV bisogna eseguire un calcolo crittografico nel browser. Vicolo senza uscita, e lezione numero uno: la disponibilità pubblica di un dato e la sua accessibilità automatica sono due cose diverse.

La fonte giusta è nobile e si chiama MeasuringWorth: il progetto di Samuel H. Williamson che pubblica i valori di chiusura giornalieri del Dow dal 1885 a oggi, raccordando tre serie storiche in una sola coerente. Standard accademico, uso libero per scopi educativi citando l’autore. Ma si scarica compilando un form. La soluzione è arrivata da dove arrivano quasi sempre: qualcuno aveva già specchiato quella serie su GitHub, e i contenuti grezzi di GitHub si scaricano con una riga. Da lì in poi la regola è stata una sola, non fidarsi mai di un mirror senza validarlo:

d = pd.read_csv("DJA.csv", index_col=0, parse_dates=True).loc["1927":"1929"]
d["ret"] = d["Close"].pct_change() * 100
 
# ancore: se una di queste non torna, ci si ferma
assert round(d.loc["1929-09-03", "Close"], 2) == 381.17   # il massimo storico
assert round(d.loc["1929-10-28", "ret"], 2)   == -12.82  # lunedì nero
assert round(d.loc["1929-10-24", "ret"], 2)   == -2.09   # giovedì nero (!)

Tutto tornava. Ottocentottantasette sedute nel triennio, di cui centotrentotto di sabato, perché fino al dopoguerra a Wall Street si negoziava anche il sabato mattina, dettaglio che il lettore moderno ha completamente dimenticato e che sull’infografica si vede benissimo. E il picco assoluto, 381,17 il 3 settembre 1929, un livello che l’indice non avrebbe più rivisto fino al 23 novembre 1954: venticinque anni dopo (quando la fiducia esce dal tubetto del dentifricio hai voglia a rimetterla dentro).

L’anno del denaro a buon mercato: il Dow da 155 a 202, senza correzioni degne di nota.

Due. Gli eventi, e come non sceglierli a piacere

Qui stava il rischio vero. Se scelgo io gli eventi da mettere accanto alle quotazioni, sto costruendo la narrazione che avevo già in testa e poi la illustro con i dati: esattamente il contrario del mestiere dell’intellettuale onesto (mi arrogo il diritto di classificarmi come tale). Serviva una fonte indipendente che dicesse che cosa era notizia in un certo giorno.

Quella fonte è Chronicling America, l’archivio della Library of Congress che ha digitalizzato le pagine dei quotidiani americani dal 1756 al 1963. Si interroga con un’API pubblica, senza chiave, senza registrazione, filtrando per intervallo di date e ricevendo indietro anche il testo OCR delle pagine.

https://www.loc.gov/collections/chronicling-america/
  ?qs=coolidge+choose+run
  &start_date=1927-08-02&end_date=1927-08-04
  &fo=json&dl=page

Il funzionamento è quello: parole chiave, finestra temporale, risposta in JSON. E la finestra va sempre spostata di un giorno o due in avanti rispetto al fatto, perché i giornali lo raccontano l’indomani.

Le due lezioni che ho imparato qui sono più utili del codice. La prima è banale e mi ha fatto perdere un giro: le query vanno scritte in inglese. Un archivio che non trova nulla (perché hai sbagliato lingua) e un evento che non è mai accaduto, dall’interno del codice, hanno esattamente lo stesso aspetto.

La seconda è più sottile. Avevo impostato la ricerca sulle sole prime pagine, ragionevolmente: se un fatto conta, sta in prima. Ho scoperto che quel filtro mi stava facendo scartare metà delle verifiche. La nascita della Goldman Sachs Trading Corporation, il debutto di una striscia a fumetti, le decisioni tecniche della Borsa: roba da pagina 14, non da apertura. Tolto il filtro, sono ricomparse tutte.

E poi c’è il caso più curioso almeno per me. Il 28 settembre 1928 Alexander Fleming osserva una muffa in una capsula di Petri. Ho interrogato l’archivio in tutti i modi possibili e non ho trovato niente, perché non c’era niente da trovare: la penicillina non fu una notizia. Fleming pubblicò l’anno dopo su una rivista specialistica e nessuno se ne accorse fino al 1941. In una cronistoria costruita su ciò che stava sui giornali, l’evento più importante del 1928 è proprio quello che nessun giornale ha stampato. Ho dovuto aggiungere alla tabella un terzo valore accanto a “verificato” e “non verificato”: non stampa. Non è fallimento della verifica ma risultato vero.

La Fed frena e il mercato accelera: da 203 a 300 in dodici mesi.

Tre. Il silenzio è un dato

A un certo punto ho chiesto al codice una cosa apparentemente stupida: elencami tutti i giorni feriali del triennio che non compaiono nella serie. Sono cinquantadue, distribuiti in quarantacinque intervalli. La maggior parte sono festività federali, prevedibili e noiose. Ma non tutte.

Il primo e il 2 novembre 1929 la Borsa di New York resta chiusa. Non per lutto e non per panico: per smaltire l’arretrato di carta. Nella settimana precedente si erano scambiate decine di milioni di azioni e il sistema di regolamento non ce la faceva materialmente a starci dietro. Quel fatto non l’ho verificato su nessuna fonte: era già scritto nell’assenza dei dati, nel buco fra il 31 ottobre e il 4 novembre. Sull’infografica quei giorni non sono una tacca ma una banda tratteggiata, un silenzio nella colonna dei rendimenti.

Si vedono, insomma, come una pausa sulla partitura.

C’è poi un secondo silenzio. Su centocinquantasette sabati del triennio ne mancano diciannove, e non sono sparsi a caso: si addensano in due episodi. Novembre 1929, che sappiamo. E aprile-maggio 1928, dove per sei settimane consecutive la Borsa rinuncia al sabato nel pieno dei volumi record. L’ipotesi ovvia è che sia la stessa cosa: il collasso amministrativo dell’ottobre ’29 aveva già avuto una prova generale diciotto mesi prima, e nessuno l’aveva letta come un avvertimento. Non sono riuscito a confermarlo, quindi lo lascio qui come idea da testare. Ma quando scorrerete l’atto 2 e vedrete quelle bande tratteggiate in primavera, sappiate che ne ritroverete di identiche in novembre.

Otto mesi di salita verso il massimo. La Fed avverte, Mitchell la sfida, il mercato sale lo stesso.

Quattro. Ruotare il grafico di novanta gradi

Una serie storica si disegna con il tempo in orizzontale. È la convenzione, e nella maggior parte dei casi è giusta. Ma una newsletter si legge in verticale: lo schermo è alto e stretto, il pollice scorre verso il basso, e l’asse orizzontale è esattamente quello che non ho.

Così il tempo l’ho messo in verticale. Scorre verso il basso, il valore dell’indice si sviluppa in orizzontale, e succedono tre cose insieme: lo scorrimento diventa il passaggio del tempo, il margine destro si libera per le didascalie, e il crollo si legge come una caduta letterale. A sinistra ho aggiunto un nastro: una tacca per ogni seduta, colorata di rosso o di verde secondo il segno, con l’intensità proporzionale all’entità. La curva racconta il livello, il nastro racconta violenza e intensità. Sono due informazioni diverse e nel formato verticale ci stanno entrambe. Il nastro ha anche un pregio ed è quello di restare leggibile in miniatura. Si vede una striscia verde che a un certo punto diventa nera, e la storia è già raccontata prima di aver letto una parola.

Su come colorarlo ho sbagliato al primo tentativo. I rendimenti giornalieri vanno da meno 12,8 a più 12,3 per cento, ma la stragrande maggioranza sta entro il due per cento. Con una scala lineare tutto il 1927 sarebbe stato un muro grigio; con una radice quadrata, che era il mio primo rimedio, ho ottenuto l’effetto opposto (un tessuto uniforme di righine rosa e verdi in cui nemmeno il lunedì nero riusciva a stampare). La soluzione sta in mezzo, e in una riga:

# compressione leggera: i giorni ordinari tacciono, quelli neri gridano
intensita = np.sign(ret) * np.abs(ret) ** 1.2
intensita = intensita / np.abs(intensita).max()

Dal massimo storico al giorno prima. Babson prevede il crollo, Fisher parla di un altopiano permanentemente elevato.

Cinque. Le correzioni, cioè il vero lavoro

Fin qui sembra tutto lineare. Non lo è stato affatto.

Il problema centrale di un’infografica come questa non sono i dati: sono le etichette. Sessantanove eventi devono stare accanto alla loro data senza sovrapporsi, e quando due fatti cadono nella stessa settimana le rispettive didascalie occupano lo stesso spazio verticale. La prima versione risolveva la cosa nel modo più ingenuo: incontrata una collisione, spingi l’etichetta più in basso. Il risultato è che l’errore si accumula, perché ogni spostamento si eredita su tutte le etichette successive. Nel primo render avevo sedici etichette su diciassette spostate, con uno scarto massimo di settecentosedici pixel: una didascalia a metà grafico dalla sua data, collegata da un filo lunghissimo. Non era un’infografica, era una lista con degli spaghi attaccati.

La soluzione è invece un algoritmo che si chiama pool adjacent violators e che viene dalla regressione isotona: invece di spingere in una sola direzione, raggruppa le etichette che si toccano, centra ogni gruppo sulla media delle posizioni desiderate e distribuisce lo scarto in entrambi i sensi. Si dimostra che è lo spostamento totale minimo possibile. Poche righe, e le didascalie sono tornate ognuna vicino al giorno giusto.

L’altra correzione è concettualmente più interessante. Avevo introdotto una misura che ho chiamato pressione, quanto spazio verticale, cioè, chiedono le etichette diviso quanto spazio c’è. Sopra uno, le didascalie non ci stanno. E la pressione mi ha detto una cosa che a occhio non avevo visto: il periodo settembre-novembre 1929 non è denso in modo uniforme. Settembre ha sette eventi in quarantaquattro sedute, la settimana del crollo ne ha undici in ventitré. Calcolare una densità unica per tutto il periodo significa dilatare settembre a vuoto per farci stare ottobre.

Da lì è nata la struttura definitiva: sei atti, ciascuno con la sua densità temporale, calcolata dalla pressione invece che scelta a mano. E l’atto della settimana nera si è preso una schermata tutta sua.

Diciassette giorni, dodici sedute, una schermata intera. Il cuore del pezzo.

Sei. La densità è la tesi

Se dovessi indicare una sola cosa da guardare in tutta l’infografica, non sarebbe la curva. Sarebbe il numeretto in cima a ogni atto, quello che dice quanti pixel occupa una singola seduta di Borsa.

Nel 1927 vale cinque pixel. Nell’atto della settimana nera vale settantaquattro. È un rapporto di quindici a uno e non è una scelta estetica: è il risultato del calcolo della pressione, cioè della quantità di cose che accadono. Il 1927 scorre via in un lampo perché nel 1927 non succedeva quasi nulla; l’ottobre del 1929 costringe il lettore a fermarsi su ogni singolo giorno perché in ogni singolo giorno succedeva di tutto. Il tempo si dilata mentre il crollo si avvicina, e il lettore lo sente scorrendo, senza che nessuno glielo debba scrivere.

È anche il punto in cui bisogna essere onesti, e per questo l’indicatore è stampato in chiaro su ogni atto: le pendenze di due atti diversi non sono confrontabili fra loro, perché la scala temporale cambia. Un’infografica che cambia scala senza dirlo è una piccola truffa. Un’infografica che cambia scala e lo dichiara sta usando lo spazio per raccontare il ritmo in modo funzionale a chi ne usufruisce.

Il fondo del 1929 e il grande inganno: 198,69 il 13 novembre. Sembra il punto più basso.

Fuor di metafora

Il 13 novembre 1929 il Dow chiude a 198,69, meno quarantanove per cento dal massimo di settembre. A dicembre risale sopra i 240 e chi guardava quel grafico in tempo reale poteva ragionevolmente pensare che il peggio fosse passato. Non era passato per niente: il minimo vero arriverà nel luglio 1932, quasi il novanta per cento sotto il picco, e per rivedere i livelli del ’29 ci vorranno venticinque anni. La cosa più inquietante di questa cronaca è che si chiude su un rimbalzo.

Ma la ragione per cui ho voluto raccontare anche il processo, e non solo il risultato, è un’altra. Tutto quello che avete visto viene da due fonti gratuite, pubbliche e interrogabili da chiunque: una serie storica curata da un economista e messa online per scopi educativi, e l’archivio digitalizzato dei quotidiani americani della Library of Congress, che risponde a chiamate automatiche senza chiedere una registrazione. Non ho pagato nulla, non ho avuto accesso a niente di riservato, e il codice che tiene insieme la cosa sta in poche centinaia di righe.

Il che significa che la barriera fra chi può raccontare la storia economica con i dati e chi può solo leggerla raccontata da altri si è spostata parecchio, e non nella direzione che si dice di solito. Non serve un archivio: serve sapere che l’archivio esiste, avere la pazienza di validare quello che si scarica, e accettare che il primo render venga sbagliato.

Il mio è venuto sbagliato tre volte.

Fonti. Quotazioni: Samuel H. Williamson, “Daily Closing Values of the DJA in the United States, 1885 to Present”, MeasuringWorth. Eventi verificati su Chronicling America, Library of Congress. Il codice della pipeline e la tabella degli eventi sono disponibili su richiesta

Da qualche parte in questa frase c’è un problema ed è quello che più mi interessa. Perché «valere» trecentoquarantadue milioni, per un bene che non è in vendita e che non ha mai avuto un prezzo, significa una cosa sola: che qualcuno ha costruito una macchina per stimare quanto costerebbe se in vendita lo fosse. E quella macchina (che ha un nome, tre autori, un articolo su una rivista peer review e un coefficiente di determinazione dell’ottantacinque per cento) è molto più sofisticata del numero che produce.

Questo numero del Canovaccio è diviso in tre parti. Nella prima apro il cofano della macchina e guardo che cosa c’è dentro. Nella seconda prendo i millenovantuno numeri che la macchina sputa fuori e li tratto come tratterei una distribuzione di redditi: curve di Lorenz, indici di Gini, scomposizioni di Theil, tutto l’armamentario che di solito si usa per misurare la disuguaglianza fra le persone e di cui ultimamente ho abusato nel Canovaccio. Nella terza provo a dire che cosa ne esce davvero, compresa la cosa più scomoda e cioè che una parte di quello che ho misurato non è il calcio, ma la macchina (do you remember economia dei bar?).

1. Come si costruisce un prezzo che non esiste

Il mercato dei calciatori è un caso di scuola per gli economisti, e non per le ragioni che si pensa. I beni sono unici e non fungibili, le transazioni sono rare, e i prezzi si osservano soltanto per la minoranza di giocatori che in un dato momento viene effettivamente venduta: una minoranza che, per definizione, non è un campione casuale di tutti gli altri, perché chi viene venduto lo è per ragioni precise che hanno a che fare col valore del giocatore e le sue qualità. È lo stesso identico problema delle case che nessuno mette in vendita, dei quadri appesi nei musei, delle aziende non quotate in borsa. Il valore c’è. Il prezzo no.

Il CIES Football Observatory di Neuchâtel (un centro di ricerca universitario, non una società di scommesse né una testata sportiva) risolve il problema nel modo più antico e più solido che esista: guarda i prezzi che sono stati pagati davvero e ci costruisce sopra una regressione. Il modello attuale, pubblicato nel 2024 sull’International Journal of Financial Studies da Raffaele Poli, Roger Besson e Loïc Ravenel, è una regressione lineare multipla stimata su 8.389 trasferimenti a titolo definitivo avvenuti fra il luglio 2014 e il marzo 2024, riguardanti 6.347 calciatori. La variabile dipendente è l’indennizzo effettivamente negoziato fra i club, bonus condizionati compresi, ripulito dall’inflazione del mercato attraverso un indice costruito sulla media dei trasferimenti compresi fra il decimo e il centesimo più caro delle ultime due finestre, un indice che dal 2010 al 2023 è quadruplicato, il che da solo dice parecchio sul decennio che ci siamo lasciati alle spalle, e trasformato in logaritmo, perché la distribuzione dei prezzi è talmente asimmetrica che senza logaritmo la regressione non starebbe in piedi.

Gli autori sono anche scrupolosi nel dire che cosa hanno escluso, che è sempre la parte più informativa di una nota metodologica: fuori i trasferimenti che riguardano meno di tre quarti dei diritti economici del giocatore, fuori i riscatti dopo un prestito, fuori le operazioni concluse attivando una clausola rescissoria. In tutti e tre i casi il prezzo pagato non è il frutto di una negoziazione libera e includerlo inquinerebbe la stima.

Il risultato è notevole: il modello spiega quasi l’ottantacinque per cento della varianza dei prezzi, e regge alla validazione incrociat: dividendo il campione in cinque parti, stimando su quattro e prevedendo la quinta, si resta stabilmente fra l’ottantatré e l’ottantacinque per cento. Merita sottolinearlo, perché va contro il senso comune. Il calciomercato viene raccontato come il regno dell’irrazionalità: i procuratori, le voci di corridoio, i colpi di testa dei presidenti, le cifre folli. Gli autori sostengono l’esatto contrario e i loro numeri gli danno sostanzialmente ragione. Le logiche seguite dagli attori del mercato sono in larghissima parte traducibili in un modello statistico.

Quando si apre il cofano, però, il meccanico apprende che le cose non sono così semplici. Alcune variabili si comportano in modo elegante e prevedibile. L’età pesa negativamente e in modo lineare: cinque anni in più valgono un meno quarantaquattro per cento, e la penalizzazione è la stessa passando da diciotto a ventitré anni o da ventotto a trentatré. La durata residua del contratto entra in logaritmo, il che significa che il suo effetto si fa più violento man mano che la scadenza si avvicina: perdere un anno quando ne mancano quattro costa il tredici per cento del valore, perderlo quando ne mancano due ne costa il ventinove. È l’aritmetica che spiega perché i direttori sportivi passino le notti a rinnovare contratti e perché un giocatore fortissimo in scadenza sia un asset che si scioglie in mano come un gelato. I centravanti, a parità di tutto il resto, sono il ruolo più valorizzato; il più penalizzato è il terzino, che vale il sedici per cento in meno (con buona pace dell’Inter che cerca l’esterno basso al prezzo migliore possibile).

Poi si guarda quale variabile pesa di più e la risposta non è nessuna di queste. Non l’età, non i gol, non i minuti giocati. È il livello sportivo delle partite disputate nell’ultimo anno: una misura costruita pesando ogni minuto passato in campo per il livello del campionato in cui è stato giocato, dove il livello di un campionato dipende a sua volta dai risultati ottenuti dai suoi club nelle competizioni internazionali degli ultimi cinque anni. Tradotto in italiano potabile: la cosa che più determina quanto vali non è quanto sei bravo, è dove giochi. Il modello lo dice con un coefficiente standardizzato, ma lo dice.

E c’è un secondo gruppo di variabili che ci servirà fra qualche momento. Il modello include la potenza economica del club che vende, quella del campionato che vende, quella del club che compra e quella del campionato che compra, tutte e quattro misurate come massimo storico di spesa o di incasso nelle ultime dieci finestre di mercato. Fra queste quattro, le due che pesano di più sono quelle del compratore. Gli autori lo scrivono senza giri di parole: nella determinazione del prezzo, il potere d’acquisto di chi recluta è la variabile che comanda.

Resta un dettaglio non da poco. Il modello che ho descritto stima il prezzo di un trasferimento quando si sa chi compra. Ma i valori pubblicati sul sito del CIES (quelli che ho scaricato liberamente su cui è costruita questa analisi) riguardano giocatori che non sono stati venduti e per i quali un compratore non esiste. Come si fa? Gli autori lo spiegano in fondo all’articolo, con una franchezza che va loro riconosciuta e che nessuno che citi quei numeri si prende mai la briga di leggere: si costruisce un secondo modello statistico, la cui variabile dipendente è la forza finanziaria del probabile acquirente. Quel secondo modello spiega circa il sessantacinque per cento della varianza, e il suo risultato entra come dato in ingresso nel primo.

Il numero che leggiamo sui giornali, insomma, non è una stima. È una stima costruita sopra una stima.

2. Millenovantuno aristocratici

Lo strumento pubblico del CIES mostra, per ciascun club di settanta campionati del mondo, il giocatore più prezioso della rosa e il suo valore stimato, accompagnato da una forchetta di più o meno 7,5 per cento. Sono millenovantuno club e millenovantuno giocatori: uno per squadra, il più caro, prestiti esclusi. Insomma, non sto guardando tutti i calciatori: sto guardando un’aristocrazia, l’uomo copertina di ogni squadra, dalla Premier League alla terza divisione tedesca. Qualunque disuguaglianza io misuri qui è, necessariamente, una stima al ribasso di quella vera.

Anche così, i numeri sono comunque potenti. La mediana è di 1,75 milioni di euro, la media di 8,15: quando la media sta quasi cinque volte sopra la mediana si sa già, senza aver fatto nessun calcolo, di avere a che fare con una distribuzione dominata dalla coda destra. Tre quarti dei club del pianeta hanno un uomo copertina che vale meno di sei milioni. Yamal, da solo, vale quanto centonovanta club mediani messi insieme.

L’indice di Gini di questa distribuzione è 0,765. Per dare una scala a chi non maneggia questi numeri tutti i giorni: il Gini dei redditi individuali, nei paesi per cui la Banca Mondiale lo calcola, va dallo 0,29 della Svezia allo 0,50 del Brasile, che è uno dei paesi più diseguali al mondo; gli Stati Uniti stanno a 0,42, la Germania a 0,34. La distribuzione dei valori calcistici è dunque più concentrata dei redditi di qualunque paese esistente e lo è guardando soltanto i più ricchi di ogni squadra. Il confronto serve a dare una scala, non a dimostrare che il calcio è più ingiusto del Sudafrica: i redditi si misurano sulle persone e si rilevano per campione, questi valori si misurano su società e sono stime di un modello. Ma la scala è quella e si tratta di una stima prudente.

Domanda successiva: da dove deriva questa concentrazione? Qui l’indice di Theil ha una proprietà che al Gini manca: si scompone in modo additivo, e permette quindi di chiedersi quanta parte della disuguaglianza totale nasca dalle differenze fra i gruppi e quanta dalle differenze dentro i gruppi. Applicato alle sole prime divisioni, con i paesi come gruppi, il risultato non lascia molto spazio all’interpretazione.

Scomposizione dell’indice di Theil sui valori dei club di prima divisione (823 club, 54 paesi).

Il settanta per cento della disuguaglianza globale dei valori calcistici sta fra i paesi, non dentro i paesi. Non è il Real Madrid contro il Getafe: è la Spagna contro l’Ecuador. In un mercato del lavoro in cui, dalla sentenza Bosman in poi, la circolazione è formalmente libera (nessun dazio, nessuna quota, nessuna barriera all’ingresso che non sia un permesso di soggiorno) il fattore che determina il valore di un giocatore più di ogni altro resta il paese in cui gioca. È esattamente il premio di cittadinanza di Branko Milanović, la constatazione che nella disuguaglianza mondiale dei redditi conta più dove sei nato che cosa sai fare. Nel calcio funziona allo stesso modo, all’interno di un mercato dove il talento dovrebbe essere perfettamente mobile.

Lo stesso fatto si vede, prendendo una strada completamente diversa, guardando l’estremo della distribuzione. Ho provato a stimare l’esponente della coda destra con lo stimatore di Hill, l’arnese che si usa per capire se una distribuzione ha una coda alla Pareto (n.b.: quella delle leggi di potenza, dove i valori estremi non sono anomalie ma parte della struttura). Il tentativo è fallito, ma in modo istruttivo: la curva non si stabilizza mai su un valore, il che di norma significa che si stanno mescolando popolazioni diverse. Quando ho separato le popolazioni, infatti, il motivo è saltato fuori da solo. Sopra la soglia dei 31,6 milioni ci sono sessantadue club al mondo. Cinquantadue appartengono ai cinque grandi campionati europei, che di club ne hanno novantasei in tutto. Gli altri novecentonovantacinque club del pianeta ne mettono dieci.

I 62 club sopra la soglia di coda (31,6 milioni), per appartenenza.

Più della metà dei club di Premier League, Liga, Serie A, Bundesliga e Ligue 1 sta nel sei per cento più ricco del mondo. Tutto il resto del pianeta ci arriva nell’uno per cento dei casi. Detto altrimenti: la coda estrema del calcio mondiale non è una selezione di fuoriclasse sparsi ovunque, è un fenomeno geografico.

Fin qui, la storia è quella che chiunque si aspetterebbe ma è ora di guardare dentro ai campionati.

Quello più diseguale del mondo, fra le competizioni con almeno otto squadre, è il Portogallo, con un Gini di 0,639. Il più egualitario è la MLS americana, 0,236. E in mezzo c’è la Premier League, con 0,304. La Serie A è quarantunesima, a 0,377. La Liga spagnola, invece, è undicesima, a 0,564.

Indice di Gini interno dei 54 campionati con almeno 8 club, con intervalli di confidenza al 95% (bootstrap BCa).

Una nota di metodo tecnica, prima di andare avanti, perché è il genere di cosa che decide se un risultato regge o no. Per chi volesse continuare a leggere potabile, saltate il paragrafo.

Gli intervalli di confidenza del grafico sono calcolati con un bootstrap corretto per la distorsione: la prima versione, quella ingenua, produceva intervalli sistematicamente spostati verso il basso. In cinquantaquattro campionati su cinquantaquattro il valore osservato cadeva sopra il punto medio del proprio intervallo, il che non è rumore, è un errore. La ragione è meccanica: ricampionando con reimmissione diciotto club, circa un terzo delle repliche non pesca il club dominante, e senza il Porto il Portogallo sembra un campionato normale. Corretta la distorsione, e verificate le differenze con un test di permutazione anziché guardando se gli intervalli si sovrappongono (che è l’errore più diffuso in questo genere di confronti, e per giunta un errore conservativo, che fa buttare via differenze vere) restano solide tre affermazioni: la MLS è più egualitaria del Portogallo, la Premier è più egualitaria del Portogallo, la Premier è più egualitaria della Liga. Serie A e Liga, invece, non sono distinguibili fra loro, e chi scrivesse che la Liga è più diseguale della Serie A starebbe leggendo rumore.

Le curve di Lorenz, quelle che mettono sull’asse orizzontale la quota cumulata di squadre e su quello verticale la quota cumulata di valore, e che tanto più si allontanano dalla diagonale quanto più la distribuzione è concentrata, ormai un classico di questa newsletter, raccontano la stessa cosa in modo più immediato di qualunque indice.

Curve di Lorenz dei valori di club in quattro campionati.

Portogallo e Spagna quasi si sovrappongono, lontanissime dalla diagonale. MLS e Premier League corrono vicine, molto più in alto. Sono due geometrie diverse dello stesso sport: i due campionati che si somigliano di più sono quello con il tetto salariale più rigido del mondo e quello con il fatturato più alto.

La spiegazione ovvia sarebbe che c’entri il denaro: che i campionati ricchi siano più diseguali, o più uguali, o comunque che la ricchezza abbia qualcosa a che fare con l’equilibrio interno. Ma non è detto.

Valore mediano per campionato e indice di Gini interno, 54 campionati.

La correlazione di rango fra il valore mediano di un campionato e il suo indice di Gini interno è meno 0,036, con un intervallo di confidenza che va da meno 0,31 a più 0,27 e un p-value di 0,80. Non è una relazione debole: è zero, misurato con una precisione statistica ragionevole. C’è una nuvola di punti piuttosto eloquente. Spagna e Inghilterra sono i due campionati più ricchi del mondo, con mediane rispettivamente di ventitré e settantatré milioni di euro; i loro indici di Gini interni sono 0,56 e 0,30.

Se non è il denaro l’elemento chiave, allora cosa? L’ipotesi che mi sembrava più promettente riguarda le coppe europee, e in particolare il fatto che i soldi della Champions League non arrivano a tutti allo stesso modo. Ho dunque classificato i campionati europei in tre gruppi (nessun club in Champions, uno o due club, tre o più) e ho stimato la relazione con la disuguaglianza interna tenendo sotto controllo la ricchezza del campionato.

Disuguaglianza interna per numero di posti in Champions League, 32 paesi europei.

I campionati con uno o due club in Champions hanno un Gini più alto di circa dodici punti rispetto a quelli che non ne hanno nessuno. Quelli con tre o più posti, invece, non si distinguono da quelli che non ne hanno affatto. Non è una relazione crescente: è una soglia. La voragine si apre quando la manna europea arriva a due o tre società e non alle altre: non quando arriva a molte, non quando non arriva a nessuna. Celtic e Rangers in Scozia, Porto, Benfica e Sporting in Portogallo, Olympiakos e Panathinaikos in Grecia: campionati che sulla carta hanno diciotto o venti squadre e nei fatti ne hanno due.

L’onestà impone di aggiungere che questo risultato è il terzo di tre specificazioni che ho provato, con soglie di categoria che ho scelto io a tavolino, e che il gruppo dei campionati con tre o più posti in Champions conta cinque paesi soltanto, troppo pochi, insomma, perché quel coefficiente non significativo significhi qualcosa. Regge all’esclusione di ciascun paese uno alla volta, tutte e trentadue le volte, il che vuol dire che non dipende da un singolo caso. Ma è un’ipotesi compatibile con i dati, non un effetto misurato, e presentarla come misura sarebbe una piccola truffa.

3. Tre cose che i numeri dicono chiaramente

La prima è che le frontiere contano più delle società. Il racconto corrente del calcio è quello dei club-mostro che schiacciano le rivali, della Premier League che compra tutto, delle sei sorelle inglesi che si dividono il mondo. I dati dicono parzialmente un’altra cosa: il settanta per cento della disuguaglianza sta fra i paesi, e la Premier (l’incarnazione stessa dello strapotere economico) è al proprio interno uno dei campionati più equilibrati del pianeta. Il suo dominio non si esercita sulle avversarie inglesi, che stanno tutte abbastanza vicine fra loro; si esercita su tutti gli altri campionati del mondo. Un campionato in cui sono ricchi tutti non è un campionato diseguale, e per capire la geografia del denaro calcistico bisogna smettere di guardare le classifiche e cominciare a guardare i confini. La seconda divisione inglese, giusto per dare un’idea, ha un club mediano più prezioso della massima serie di tre quarti dei paesi del mondo.

La seconda è che la disuguaglianza interna a un campionato è una scelta istituzionale, non una conseguenza automatica del denaro. Questo è il punto che mi pare più trasferibile fuori dal calcio, ed è quello che un economista può portare a casa da questi dati. La ricchezza non predice nulla: le regole sì. La MLS ottiene il proprio livellamento con un tetto salariale rigido e lo ottiene, si badi, proprio sulla variabile che il tetto formalmente non vincola, visto che le deroghe per i designated player esistono apposta per permettere a ogni club di comprarsi il proprio uomo copertina. La Premier League lo ottiene per un’altra strada, distribuendo i diritti televisivi con un rapporto fra il primo e l’ultimo classificato fra i più compressi d’Europa. La Liga, che fino al 2015 ha lasciato che i club vendessero i propri diritti individualmente, conserva una ripartizione molto più sbilanciata verso le due grandi. Il Portogallo non ha nulla di tutto questo. Sono quattro architetture istituzionali diverse, e producono quattro curve di Lorenz diverse a parità di quasi tutto il resto.

La terza cosa, infine, riguarda che cosa succede quando il prezzo non è osservato ma previsto. Torniamo al secondo modello di cui parlavo nella prima parte: quello che, non sapendo chi comprerà il giocatore, stima la forza finanziaria del probabile acquirente con un coefficiente di determinazione intorno al sessantacinque per cento. Quel numero entra nel modello principale, dove (l’abbiamo visto) le variabili che riguardano il compratore sono quelle che pesano di più. Il che significa che quando io misuro la disuguaglianza di questi valori e scopro che il valore è concentrato dove circolano i soldi, sto in parte scoprendo una proprietà della regressione, non del calcio. La circolarità non è totale: l’età, il contratto, i gol, i minuti giocati entrano nel modello in modo abbastanza indipendente dalla ricchezza del mercato. Ma c’è, ed è il primo limite che va dichiarato.

Ne ho avuto la conferma più netta provando a fare la cosa più naturale del mondo, e cioè correlare il valore del giocatore più prezioso di ogni club con i punti che quel club ha effettivamente conquistato in campionato. Il risultato è utile: la correlazione è forte e significativa in tutte e sette le grandi leghe europee che ho potuto verificare, il modello complessivo spiega il settantatré per cento della varianza, e raddoppiare il valore del proprio uomo copertina vale una decina di punti in classifica. Sembra la dimostrazione definitiva che i soldi comprano la classifica. Non lo è. Le stime del CIES sono aggiornate al ventisei maggio 2026, cioè a stagioni concluse, e il modello incorpora fra i propri fattori il rendimento recente del giocatore e (di nuovo) il livello sportivo delle partite che ha disputato. Correlare quei valori con i punti finali significa in buona parte correlare i punti con se stessi, passando attraverso la mediazione di una regressione altrui. Un settantatré per cento di varianza spiegata, in questo caso, non misura quanto il denaro compri la classifica: misura quanto il modello CIES abbia già visto la classifica, a mio modo di vedere.

Il modello di Poli, Besson e Ravenel è un ottimo modello, costruito con cura, validato, discusso apertamente dai suoi autori, che nell’articolo dedicano pagine a raccontare i casi in cui sbaglia di brutto, dal trasferimento di Hulk allo Shanghai pagato quattro volte la stima a quello di Balotelli al Liverpool pagato la metà, e che chiudono ammettendo di non avere i dati sugli stipendi, che migliorerebbero sensibilmente le cose. Il problema non è il modello. Il problema è che quando un numero prodotto da un modello diventa l’unico numero disponibile, smette molto rapidamente di essere trattato come una stima e comincia a essere trattato come un fatto: viene citato dai giornali, entra nelle trattative, compare nelle valutazioni patrimoniali, e a un certo punto influenza i prezzi che il modello stesso userà per aggiornarsi. Il valore di mercato di un calciatore, così come lo conosciamo, è un’opinione statistica ben costruita che il mercato ha promosso a dato di realtà.

Chiudo con un club che sta lì apposta per ricordarcelo. Nell’Eredivisie, dove la correlazione fra valore e punti è la più alta registrata, c’è una squadra che ha la rosa più preziosa del campionato e ha chiuso la stagione a metà classifica: venti punti sotto quello che il modello si aspettava da lei. L’Ajax non è un’anomalia statistica, è un promemoria. Il prezzo, anche il più accuratamente stimato, resta una previsione; e le previsioni, ogni tanto, perdono in casa.

La stessa identica cosa vale per il rating di un titolo obbligazionario, per la stima automatica del valore della casa in cui vivete, per il punteggio di affidabilità creditizia che una banca vi assegna senza avervi mai incontrati. In tutti questi casi qualcuno ha costruito una macchina per stimare un numero che non è osservabile, la macchina funziona ragionevolmente bene, e il numero che ne esce viene poi usato da tutti come se fosse stato misurato invece che previsto. La differenza sembra sottile ma non lo è affatto. È tutta la differenza che passa fra sapere quanto vale una cosa e sapere quanto un modello si aspetta che valga e, nel frattempo, come per Lamine Yamal, quella cosa continua tranquillamente a non essere in vendita.

Nota su dati e metodi

I dati sui valori provengono dallo strumento pubblico Player Value del CIES Football Observatory (aggiornamento del 26 maggio 2026): 1.091 club in 70 campionati, un giocatore per club, prestiti esclusi. Le classifiche 2025-26 dei sette campionati usati nella terza parte vengono da football-data.co.uk. La metodologia del modello è descritta in R. Poli, R. Besson, L. Ravenel, «Statistical Modeling of Football Players’ Transfer Fees Worldwide», International Journal of Financial Studies, 12(3), 93, 2024. I confronti fra indici di Gini di reddito usano l’indicatore SI.POV.GINI della Banca Mondiale, ultimo anno disponibile per ciascun paese.

Nel 2020, anno di picco, il 4,15% dei maschi nati in Italia si chiamava Leonardo: uno su ventiquattro, quindi più o meno uno per classe. Nell’epoca in cui ogni genitore è convinto di essere un artigiano dell’identità, il mercato dei nomi ha prodotto un quasi-monopolista. Ed è da questo paradosso che è partita la domanda di questa settimana: nell’era del massimo individualismo, i nomi convergono o divergono? I genitori italiani si stanno davvero liberando dalla tradizione, o hanno solo cambiato padrone, sostituendo il calendario dei santi con l’algoritmo delle mode?

Per rispondere ho fatto quello che i lettori affezionati ormai si aspettano: ho preso gli attrezzi della disuguaglianza economica (la curva di Lorenz, l’indice di Gini, quelli che avevamo costruito per l’analisi sui libri letti dagli italiani) e li ho portati con me all’ufficio anagrafe. Se il Gini misura quanto il reddito è concentrato in poche mani, il Gini onomastico misura quanto i nati sono concentrati in pochi nomi. Zero: ogni bambino ha un nome diverso, utopia libertaria. Uno: tutti si chiamano allo stesso modo, distopia da caserma. L’Italia, come vedremo, sta nel mezzo, ma si sta muovendo, e in una direzione precisa.

Come si conta un nome (ovvero: l’arte di scassinare gentilmente un contatore)

La fonte è il Contanomi dell’ISTAT, il giocattolo online con cui chiunque può scoprire quanti bambini hanno ricevuto il proprio nome dal 1999 a oggi. Delizioso per l’uso domestico, frustrante per la ricerca: l’interfaccia risponde a un nome per volta e la classifica annuale si ferma ai primi cinquanta. Nessun tasto «scarica tutto». Ma è qui che il signor Claudio è diventato un fido compagno di curiosità, facendo quello che si fa in questi casi: aprire il cofano. Dietro la pagina c’è un piccolo servizio che, interrogato con educazione (un secondo e mezzo di pausa tra una richiesta e l’altra e un biglietto da visita nell’intestazione) restituisce serie storiche pulite: nome, anno, conteggio, percentuale.

Qui la prima soddisfazione artigianale. L’API non dichiara il totale dei nati per anno, ma per ogni nome fornisce sia il conteggio sia la percentuale: basta una divisione per ricavare il denominatore. Se Leonardo nel 2024 fa 6.580 nati e rappresenta il 3,48%, i maschi nati nel 2024 sono 189.358. L’ho verificato su tutti e cinquanta i nomi in classifica: il totale implicito coincide alla virgola. Un dato che il sito non pubblica, ricostruito con l’aritmetica delle elementari (piccole gioie del mestiere).

Il problema vero è però un altro: la classifica si ferma al cinquantesimo posto, e a me serviva la distribuzione, non il podio. Ho quindi costruito un dizionario di nomi da fonti che pubblicano la distribuzione completa (l’INSEE francese, la Social Security americana e l’elenco Wikipedia dei prenomi italiani) e ho interrogato il Contanomi nome per nome, per entrambi i sessi. Ne è uscito un dizionario da 18.335 nomi e una notte di 8.400 interrogazioni. A un certo punto la connessione è caduta e lo script ha continuato per ore a bussare a un server che non poteva sentirlo: anche i computer, come certi corteggiatori, faticano ad accettare il silenzio.

Il bottino finale: 5.065 serie storiche di nomi effettivamente usati, che coprono l’86% dei maschi nati nel 1999 e il 76% di quelli nati nel 2024. E 3.345 zeri certificati: nomi interrogati che l’anagrafe non ha mai visto dal 1999 in poi. Metà sono i santi di Wikipedia (Teopompo, Prosdocimo, Abbondanzio: presenti nel calendario, fortunatamente estinti nelle culle) e metà nomi francesi e americani che non hanno mai attraversato la frontiera. Anche il nulla, se certificato, è un dato.

Il Gini che non posso calcolare (ma posso imprigionare)

Arriva ora una piccola confessione metodologica, che in questa newsletter è un genere letterario a sè stante. Quel 24% di nati del 2024 che sfugge al mio dizionario impedisce di calcolare il Gini esatto: la coda dei nomi rari (i nomi nuovi, i nomi stranieri, i nomi inventati) è invisibile per costruzione. La prima tentazione era calcolare il Gini sui nomi osservati e chiamarlo “stima”. Sbagliato, e ci sono cascato per un pomeriggio: il Gini di una distribuzione amputata è il Gini di un’altra popolazione, non un’approssimazione di quella vera.

La soluzione onesta è rinunciare al numero e costruirgli una prigione: un limite inferiore e uno superiore entro cui il Gini vero deve necessariamente trovarsi. Il trucco che rende la prigione stretta è una constatazione quasi banale: un nome che non compare nella top-50 (che io osservo per intero) non può avere più nati del cinquantesimo classificato. Nessun nome fantasma può nascondersi sopra la soglia della classifica, perché la classifica la vedo tutta. Sotto quel tetto, calcolo lo scenario di massima disuguaglianza possibile e quello di massima uguaglianza possibile della coda invisibile: il Gini vero abita lì in mezzo, senza possibilità di evasione.

Il verdetto: divergono

La risposta alla domanda di partenza è comunque netta. La quota dei trenta nomi maschili più diffusi è crollata dal 54,8% del 1999 al 42,9% del 2024: dodici punti in venticinque anni. Per le femmine, dal 45,4% al 36,3%. Questi numeri vengono dritti dalla classifica ISTAT, senza ipotesi né modelli: nel 1999 più di un maschio su due portava uno dei trenta nomi più diffusi; oggi la quota è scesa sotto il 43%. I nomi italiani si stanno de-concentrando, costantemente, anno dopo anno, senza un solo rimbalzo degno di nota.

Figura 1 — La de-concentrazione certificata: quota dei nati coperta dai primi 10 e dai primi 30 nomi, 1999–2024.

Il Gini racconta la stessa storia, con l’onestà supplementare della banda. Per i maschi l’intervallo passa da [0,855–0,897] nel 1999 a [0,744–0,856] nel 2024: gli intervalli non si sovrappongono e il calo è certificato anche dal più scettico dei criteri. Per le femmine le bande si sovrappongono di più e chi volesse fare l’avvocato del diavolo potrebbe cavillare, ma gli indicatori esatti tolgono ogni dubbio sulla direzione. Un dettaglio è la firma del fenomeno: la banda si allarga nel tempo, da quattro a undici punti. Non è il metodo che peggiora, ma la coda dei nomi rari che ingrassa. La mia incertezza cresce esattamente perché cresce la varietà che sto cercando di misurare: l’errore di misura, qui, è esso stesso una misura.

Figura 2 — Il Gini onomastico con i suoi bound: la banda che si allarga è la diversificazione che avanza.

L’oligopolio dei maschi, il mercato delle femmine

Fin qui la marea comune. Ma sotto la superficie, i due sessi raccontano due economie industriali opposte, che pare a me il risultato più simpatico dell’intera analisi. Ho misurato il turnover del podio: quanti dei dieci nomi più diffusi di un anno erano in top-10 anche dieci anni prima. Nel 2009 la risposta era identica per maschi e femmine: 70%. Nel 2024 le strade si sono separate brutalmente: 90% per i maschi, 50% per le femmine. Nove nomi maschili su dieci sono gli stessi di dieci anni fa; tra le bambine, metà classifica è stata rimpiazzata.

Figura 3 — Turnover della top-10: nel 2009 i due sessi erano identici (70%), nel 2024 li separano 40 punti.

I nomi maschili si comportano come un oligopolio maturo: Leonardo, Edoardo, Tommaso, Alessandro presidiano il mercato con la permanenza media di un consiglio di amministrazione: sedici anni in top-10, contro i dodici scarsi delle femmine. I nomi femminili sono invece un mercato contendibile, dove Sofia ha regnato sugli anni Zero (picco al 3,34% nel 2010), poi Aurora e Ginevra hanno scalato la classifica, e Martina e Alessia (le regine degli anni Novanta) sono uscite di scena perdendo un punto e mezzo percentuale a testa. Il grafico a corsie qui sotto vale più di mille parole: a sinistra binari dritti, a destra un intreccio da stazione di Milano Centrale.

Figura 4 — Le corsie del podio: 10 nomi maschili in 26 anni contro 13 femminili, con rotazione doppia.

Figura 5 — Le parabole dei singoli: l’ascesa di Leonardo e Ginevra, il lungo tramonto di Andrea, Luca, Martina e Alessia.

Perché? Qui l’economista deve dichiarare il confine tra ciò che misura e ciò che ipotizza. La misura dice che sulle figlie i genitori sperimentano di più e da sempre: partivano più diversificate nel 1999 e lo sono rimaste. L’ipotesi, corroborata dalla letteratura onomastica, non dai miei dati, è che il nome maschile porti ancora un mandato dinastico: il nonno, il capostipite, la continuità; quello femminile sia diventato lo spazio dove la famiglia si concede la moda, l’estetica, il rischio. Se è così, la disuguaglianza dei nomi è anche una piccola storia di genere: la libertà si sperimenta prima dove la tradizione sorveglia meno.

L’universo che si espande (e la denatalità che lo restringe)

Un ultimo regalo è arrivato dove non me lo aspettavo: dal vincolo di coerenza dei miei stessi bound. Per costruire la prigione del Gini serve ipotizzare quanti nomi distinti esistano nella coda invisibile; ma i dati impongono un tetto fisico, perché la coda non può contenere più nomi di quanti siano i neonati disponibili a portarne almeno uno ciascuno. Questo tetto, calcolato anno per anno, diventa una statistica autonoma: il numero massimo di nomi che l’Italia può fisicamente ospitare. Nel 1999 erano 35.843 per i maschi; nel 2011, al picco, 62.270: il 74% in più in dodici anni. Con un corollario che ha il sapore della dimostrazione per assurdo: l’universo onomastico oggi compatibile con i dati non avrebbe potuto esistere nel 1999. Non c’erano abbastanza neonati per distribuire tutti quei nomi. Che lo spazio disponibile per la varietà sia cambiato non è un’impressione: è un vincolo matematico.

Figura 6 — L’universo dei nomi fisicamente possibile: +74% dal 1999 al picco del 2011, poi la contrazione demografica.

E poi, dal 2011, la curva scende. Non perché i gusti si siano ri-conformati (la de-concentrazione continua imperterrita) ma per la ragione più malinconica di tutte: sono i neonati a mancare. Da 264mila maschi nati nel 1999 a 189mila nel 2024. La denatalità restringe perfino lo spazio matematico dei nomi possibili: si può essere più vari che mai, in un universo che si fa più piccolo ogni anno. Non conosco sintesi più asciutta del paese.

Fuor di metafora

Aveva ragione Eco, dunque, e non solo per la citazione a effetto. Nomina nuda tenemus: dei nostri figli, prima che esistano, teniamo in mano soltanto il nome, il primo segnale che scegliamo per loro. Costa poco produrlo e comunica moltissimo: aspirazioni, capitale culturale, appartenenza, distinzione. Per mezzo secolo gli italiani hanno firmato quel segnale con l’inchiostro della tradizione; dal 1999, dicono i dati, l’inchiostro è cambiato. Meno calendario dei santi, più mercato.

Il dato più robusto, però, non è soltanto che i nomi divergono. È che divergono mentre tutti scelgono liberamente, uno per uno, convinti di essere originali, e la somma di centinaia di migliaia di originalità individuali produce comunque un Leonardo ogni ventiquattro maschi. La rosa di Stein è una rosa è una rosa; i nostri figli, per fortuna, un po’ meno di prima. Ma la prossima volta che a un aperitivo qualcuno vi dice di aver scelto per il figlio «un nome particolare», sappiate che c’è un intervallo di Gini pronto a misurare esattamente quanto. E che quell’intervallo, come tutte le prigioni oneste, dice la verità anche quando non riesce a dirla tutta.

Nota metodologica in breve

Dati: ISTAT Contanomi (nati iscritti in anagrafe, 1999–2024), interrogato via API con rate-limiting e identificazione; dizionario nomi da INSEE (fichier des prénoms), SSA (baby names USA) e Wikipedia. Totali nati ricavati come denominatore implicito conteggio/percentuale (scarto nullo su tutti i nomi in classifica). Copertura osservata: 86%→76% (M), 83%→75% (F). Gli indicatori CR-k sono esatti; il Gini è riportato come intervallo [lower, upper] costruito su tre categorie di incertezza (nomi osservati; anni omessi dei nomi osservati, con conteggio certo tra 0 e 4; nomi mai interrogati, con tetto pari al conteggio del 50° classificato dell’anno), con analisi di sensibilità sul numero totale di nomi ipotizzato (±50%) filtrata per ammissibilità fisica. Il calo della concentrazione è certificato dagli indicatori esatti; per i maschi anche i bound del Gini risultano (quasi) disgiunti tra 1999 e 2024, per le femmine i soli bound non bastano a certificarlo. Codice, log e note di lavorazione (inclusi gli errori corretti in corsa) disponibili a richiesta.

Ennio Flaiano

Flaiano era di Pescara e non è un dettaglio trascurabile, in virtù di quello che segue. Perché quando lo scrittore più disincantato del Novecento italiano annotava che il connazionale ha un solo, vero nemico (l’arbitro, colpevole di emettere un giudizio) non sapeva di stare descrivendo, con mezzo secolo di anticipo e con la precisione involontaria della grande letteratura, la geografia della sua stessa terra. L’Abruzzo adriatico, la costa e le montagne che Flaiano si portava addosso come un refolo di grecale, è oggi il luogo d’Italia dove si comprano più giornali sportivi in rapporto a tutti gli altri. Non per amore del pallone, come vedremo, ma per una ragione molto meno romantica e molto più istruttiva. E qui comincia una piccola indagine che parte da una domanda ingenua e finisce per disegnare quattro Italie sovrapposte, nessuna delle quali coincide con quella che era lecito aspettarsi.

La domanda ingenua è questa:

Se prendessimo tutte le copie di quotidiani vendute in edicola, provincia per provincia, e ci limitassimo a guardare cosa comprano gli italiani (non quanto leggono, ma quale carta scelgono) che cosa vedremmo?

Ce lo aspetteremmo tutti, il risultato: il Nord operoso e informato che sfoglia il Corriere e il Sole, il Sud che si consola con la Gazzetta. La solita frattura, la solita retorica dei due Paesi in uno. I dati certificati di diffusione territoriale, testata per testata e provincia per provincia, dicono qualcosa di più curioso. Dicono che quella mappa mentale è sbagliata quasi ovunque, e che dietro la scelta del giornale non c’è un gusto ma una condizione: quella di un mercato dell’informazione che in metà del Paese si è semplicemente ritirato, lasciando sullo scaffale un solo prodotto ancora capace di vendersi da sé.

Cominciamo dalla cartina che ha dato il titolo a questo pezzo. Se coloriamo ogni provincia in base alla quota di quotidiani sportivi sul totale dei giornali nazionali venduti, non si accende affatto il Mezzogiorno indistinto dell’immaginario collettivo. Si accende una diagonale precisa, una dorsale che scende lungo l’Appennino affacciato sull’Adriatico: Teramo, dove le testate sportive valgono l’ottanta per cento di tutta la carta nazionale che entra in edicola; L’Aquila poco sotto, al settantasette; e a seguire Chieti, il Molise, la Ciociaria, la Puglia interna, giù fino alla punta dello Stivale.

Share dei quotidiani sportivi per provincia (2024). Elaborazione su dati ADS, diffusione cartacea certificata.

Non è il Sud del reddito basso, si badi: è la montagna del Centro-Sud, l’Italia interna e appenninica. E il contrappunto è perfetto, perché gli angoli dove lo sportivo tocca i minimi assoluti del Paese (Torino, Cuneo, Asti, Biella, tutti sotto il venti per cento, alcuni sotto il dodici) non sono affatto luoghi che disdegnano il calcio. Sono le province della Stampa, dove un quotidiano radicato da un secolo e mezzo presidia il territorio e non lascia spazio.

La quota di giornali sportivi sembra non misurare quanto una provincia ami il pallone, ma quanto sia deserto il mercato dell’informazione. Dove il grande quotidiano nazionale non è mai arrivato, e non c’è un forte giornale locale a fare da argine, resta la Gazzetta. Non vince per passione: vince per abbandono. È l’ultimo giornale rimasto in edicola, il prodotto di sostituzione di un’offerta che altrove si è dissolta.

Eccoci dunque a un primo ribaltamento, quello che manda a gambe all’aria l’intuizione di partenza. Proviamo a chiederci, per ogni provincia, se a prevalere sia un quotidiano a vocazione nazionale (o sportiva) oppure un giornale del territorio, uno di quei fogli locali e poliregionali che raccontano la cronaca sotto casa. Il senso comune suggerirebbe il Nord metropolitano e “nazionale” contrapposto a un Sud chiuso nel suo campanile. La mappa dice l’esatto contrario.

Prevale un quotidiano nazionale/sportivo o la stampa locale? Per provincia (2024). Elaborazione su dati ADS, diffusione cartacea certificata.

Il Nord-Est è quasi interamente colorato dalla stampa locale: il Veneto del Gazzettino e dell’Arena, il Friuli del Messaggero Veneto, l’Alto Adige del Dolomiten, l’Emilia del Resto del Carlino, la fascia pedemontana dei suoi giornali-radice, quei fogli che da generazioni strutturano l’identità di un territorio e ne tengono insieme la comunità. È, se vogliamo dirla con la categoria che di solito si tira in ballo a sproposito, il capitale sociale nella sua forma più tangibile: il giornale come collante, come rito quotidiano condiviso, come mappa mentale di un “noi”. Il Mezzogiorno continentale, invece, è tutto dall’altra parte, perché lì il locale è debole e a prevalere è lo sportivo. La geografia del quotidiano di comunità, insomma, è una faccenda nordorientale e centrale (con le due grandi isole a fare da fortezze, la Sardegna dell’Unione e della Nuova Sardegna, la Sicilia del suo Giornale) e non meridionale. Il familismo del campanile, quello che ci saremmo aspettati al Sud, abita in realtà a Nord-Est. È il putnamiano che si nascondeva esattamente dove non lo cercavamo.

Se poi, invece di accontentarci della dicotomia, chiediamo alla mappa di dirci qual è esattamente la testata più venduta in ciascuna provincia (nazionali, sportivi e locali tutti in gara) otteniamo un oggetto che vale la pena guardare a lungo, un mosaico di trentaquattro giornali diversi che vincono ognuno nel proprio fazzoletto di terra.

Testata dominante per provincia, includendo i quotidiani locali (2024). Elaborazione su dati ADS, diffusione cartacea certificata.

È la fotografia di due Italie tipografiche: il patchwork cromatico del Centro-Nord, dove ogni provincia ha il suo colore e il suo giornale, contro il monocolore arancione del Mezzogiorno continentale, dove lo sportivo domina per estensione come un’unica marea. E dentro il mosaico si annidano le storie che danno sapore alla mappa. Bolzano, dove il Dolomiten in lingua tedesca, con le sue ventiseimila copie, polverizza qualunque testata nazionale e disegna un’enclave a sé. Napoli, dove tra i soli quotidiani nazionali a vincere è (sorpresa che penso in pochi indovinerebbero) l’Avvenire, il giornale dei vescovi, non il Corriere né la Repubblica. Le isole coi loro piccoli imperi editoriali regionali, capaci di tenere testa a chiunque. Il Mezzogiorno, si scopre, non è affatto una terra senza giornali: è una terra senza giornali propri che reggano, salvo poche gloriose fortezze come il Mattino, la Gazzetta del Sud, la Nuova Sardegna. Dove quelle fortezze mancano, il vuoto lo riempie il pallone.

Resta l’ultima Italia, anzi le ultime quattro, che si affacciano quando smettiamo di aggregare e guardiamo una per una le grandi testate cosiddette quality. Perché ciascuna di esse, messa su carta geografica, non è un giornale nazionale nel senso che crediamo: è il ritratto di un pezzo di Paese, di una cultura, a volte di un’economia. Le quattro mappe che seguono usano una scala di colore tarata su ciascun titolo, così da leggere la distribuzione interna a ogni giornale: il che significa che i valori di vertice non sono confrontabili tra una mappa e l’altra come livelli assoluti, ma raccontano benissimo dove ciascuna testata ha il suo cuore e dove invece sfuma nel nulla.

Share per testata nazionale (2024), scala a quantili calibrata su ciascun giornale. Elaborazione su dati ADS, diffusione cartacea certificata.

Il Corriere della Sera disegna un cuore lombardo-veneto nettissimo, compatto, che sfuma via via che si scende lungo la Penisola: è il giornale della pianura padana centrale, l’establishment che pesa dove pesa la borghesia delle province settentrionali. La Stampa è quasi un fatto etnografico: un blocco piemontese serratissimo, dove in casa propria arriva a valere due terzi di tutto il mercato dei nazionali, e un’evaporazione pressoché totale altrove: si tratta del caso più estremo di giornale-territorio che questi dati conoscano, l’identità di una regione fattasi carta. La Repubblica è invece l’unica davvero nazionale nella sua diffusione, distribuita in modo più uniforme, con roccaforti che raccontano una geografia insieme culturale e politica: le zone rosse del Centro, la Sardegna, la Sicilia. E il Sole 24 Ore, infine, è la mappa della Terza Italia, quella dei distretti e della manifattura: pesa dove pesa l’economia che produce, il Nord-Est pedemontano, la pedemontana veneta e lombarda, i sistemi locali delle piccole e medie imprese. Chi legge di economia, verrebbe da dire, sta dove l’economia si fa.

Che cosa ci lasciano in eredità, allora, queste quattro Italie sovrapposte? Verrebbe spontaneo chiedersi se leggere di calcio anziché di politica renda una comunità più povera, più chiusa, meno civile (per lo meno è il sospetto implicito in tanta pubblicistica, ed è, per inciso, una tesi che i numeri non confermano: dove si vendono più giornali sportivi non si vota di meno ai referendum né si fondano meno associazioni, una volta tenuti fermi reddito e geografia). La composizione delle nostre letture non è una mappa di gusti e non è nemmeno una mappa di virtù. È, molto più prosaicamente, una mappa di desertificazione dell’offerta, lo stesso filo che lega questa storia a quella dei bar che chiudono e delle edicole che spariscono, l’infrastruttura civile che si assottiglia e lascia dietro di sé un solo prodotto rimasto sullo scaffale.

C’è, in fondo a tutto questo, un ultimo strato di onestà che va evidenziato e che rappresenta una metà del racconto. Questi sono dati di diffusione cartacea: fotografano chi ancora entra in un’edicola e mette sul bancone qualche moneta per un giornale di carta. Un’Italia che invecchia e si assottiglia di anno in anno, e la cui mappa è dunque anche, inevitabilmente, la mappa di un’abitudine in via d’estinzione. Ma è proprio questo a renderla preziosa, come tutte le fotografie scattate un attimo prima che qualcosa scompaia. Flaiano, che se ne intendeva di cose che finiscono, l’avrebbe capito al volo: l’italiano ce l’ha ancora con l’arbitro, e continua a comprarne le gesta in edicola. Solo che, in metà del Paese, in edicola non gli è rimasto molto altro da comprare.

Ho pensato dunque di verificare se lo fosse davvero e per farlo ho fatto la cosa più sciocca e più bella che i dati oggi permettano: ho geolocalizzato tutti i bar d’Italia.

Tutti, o quasi. Li ho scaricati da OpenStreetMap, la mappa del mondo scritta dai volontari, di cui tornerò a parlarvi, perché è l’eroe e insieme il traditore di questa storia, tenendo insieme le due etichette con cui il bar all’italiana viene catalogato senza troppa coerenza, bar e caffè. Sono venuti fuori 64.914 data point. Un numero che non dice nulla finché non lo si mette in rapporto con qualcosa: Milano ha naturalmente più bar di Aosta, ma ha anche molti più abitanti, e la domanda interessante non è dove ci sono più bar in assoluto, bensì dove un bar «pesa» di più per abitante. Così ho normalizzato, termine statistico per un gesto elementare: divido il numero di bar per la popolazione e moltiplico per diecimila, ottenendo i bar ogni 10.000 abitanti. Da un capo all’altro dello stivale il divario è vertiginoso: Aosta sfiora i 28, certe province del Sud non arrivano a 2.

Ogni punto è un bar o un caffè mappato su OpenStreetMap. È la carta più seducente del pezzo e, come vedremo, anche la più bugiarda.

· · ·

Con quei numeri si disegna una mappa coropletica (provo un brivido nello scriverlo): si colora ogni provincia con un’intensità proporzionale al valore, il chiaro dove i bar scarseggiano, il colore più carico dove abbondano. E la mappa, appena la guardi, comincia a raccontarti una storia. Le prime correlazioni la sussurrano con voce suadente. Il coefficiente di correlazione (quel numero compreso tra −1 e +1 che misura quanto due grandezze salgono e scendono insieme) dice che dove ci sono più bar tende a esserci più reddito. E voi direte: grazie e graziella.

E, dettaglio ben più elettrizzante, dice che dove ci sono più bar tende a esserci più affluenza alle urne. A questo punto, dal fondo dell’aula, si alza in piedi Robert Putnam.

Il politologo di Making Democracy Work ha insegnato a due generazioni che i luoghi dove la gente si incontra (che si tratti del circolo, della parrocchia o della bocciofila) producono quella cosa impalpabile e preziosa che chiamiamo capitale sociale: fiducia, reciprocità, tessuto civico. Il bar come collante della comunità, il bar come palestra di cittadinanza. Avrei potuto scrivere quel pezzo. Sarebbe stato commovente.

E sarebbe stato empiricamente falso.

La coropleta bivariata: due variabili in un solo colore. Il blu intenso segna le province dove bar e affluenza sono entrambi alti; la diagonale racconta l’accoppiamento, gli angoli le eccezioni che fanno la storia.

· · ·

Il tranello delle mappe affiancate è antico e ha un nome bellissimo, ma prima di arrivarci serve uno strumento più fine della correlazione ingenua. La correlazione ordinaria chiede: «una provincia con molti bar presenta anche molta affluenza elettorale?». La versione spaziale (l’indice di Moran bivariato) chiede qualcosa di più sottile e più fedele a come funziona la geografia: «una provincia con molti bar è circondata da province con alta affluenza?». Perché le cose vicine si somigliano (prima legge di Tobler: tutto è correlato con tutto, ma le cose vicine più delle lontane) e ignorarlo significa scambiare la geografia per destino. Su questa misura, bar e affluenza risultavano legati: positivo, significativo. L’ipotesi civica, dunque, confermata su una mappa.

Se non che nell’erba c’era una serpe, e la serpe si chiama fallacia ecologica. Una correlazione tra province non dice nulla sugli individui: se le province con più anziani hanno più bar, non sono necessariamente gli anziani a bere. E, peggio ancora, un’associazione che vive soltanto alla scala delle grandi aree può essere un banale gradiente Nord-Sud travestito da camice bianco. Il Nord ha molti bar mappati e alta affluenza; il Sud pochi degli uni e dell’altra. Mettili su una carta e si abbracceranno. Ma è la latitudine che abbraccia se stessa, non il civismo che incontra il bancone.

La prova del nove è tenere fermi reddito, densità e ruralità. Lo si fa con una regressione e concedetemi la metafora, perché la sostanza è tutta lì: immaginate di poter congelare quelle condizioni e osservare come cambia l’affluenza al variare della densità dei bar, isolando un filo solo dalla matassa. Fatelo e l’associazione con il civismo si capovolge: da positiva a negativa. Non è una prova di causalità, ma basta a smontare la storia più seducente.

Il testimone più pulito ha un nome emiliano. Modena, con l’affluenza più alta d’Italia (73,1 per cento), presenta nel dato OSM circa metà della densità media nazionale di bar. La cintura rossa, l’Italia più civica che abbiamo, appare un relativo deserto di locali mappati. Il bar, almeno contato in questo modo, non è l’agorà. Putnam chiude la scheda e si siede.

· · ·

A questo punto mi è venuto il dubbio più sano che possa venire a chi maneggia dati: stavo misurando i bar, o qualcosa che si spacciava per bar? Perché OpenStreetMap non è un censimento. È un atlante collaborativo disegnato da volontari (magnifico, per carità, gratuito e profondamente diseguale). Dove ci sono più persone con tempo, curiosità e una buona connessione, ci sono più mappatori, e la mappa si infittisce. E «persone con tempo e buona connessione» è un modo educato per dire: denaro.

Così ho fatto il test che o salva il pezzo o lo affonda: ho confrontato la mappa dei volontari con la fonte ufficiale, il Registro delle Imprese, categoria ATECO 56.3, «bar ed esercizi simili senza cucina», che conta 136.066 imprese attive. Il confronto non è perfettamente uno a uno: OpenStreetMap registra luoghi fisici e usa categorie proprie, mentre il Registro classifica imprese. Ma il divario, e soprattutto la sua geografia, sono troppo sistematici per essere ignorati.

Rispetto al totale registrato nella categoria ATECO 56.3, i punti di OpenStreetMap equivalgono in media a circa la metà. Potrebbe essere un limite tollerabile, se le omissioni fossero distribuite a caso.

Ma non lo sono: la copertura correla con il reddito a +0,43. Crotone è mappata al 7 per cento. Il Sud non è vuoto di bar; è soprattutto più vuoto di mappatori. La mia bellissima carta di dove bevono gli italiani era, in buona parte, la carta di dove vivono i volontari di OpenStreetMap.

La pistola fumante. Ogni punto è una provincia: dove sale il reddito (asse orizzontale) sale anche la quota di bar che OpenStreetMap riesce a vedere (asse verticale). Crotone in fondo, al 7 per cento; l’arco alpino in cima. La mappa dei bar è, in parte, la mappa dei mappatori.

Non restava che il test di robustezza: rifare la stessa identica analisi sulla fonte affidabile e guardare quali conclusioni sopravvivono al cambio di dati. Il risultato è un piccolo massacro delle mie ipotesi, e lo racconto con la soddisfazione di chi preferisce una storia plausibile a una lusinghiera.

Lo stesso indice di Moran bivariato, prima sui dati grezzi di OpenStreetMap e poi sul registro ufficiale delle imprese. L’associazione col reddito svanisce, quella col civismo si capovolge, quella con la rarefazione resta e si rafforza.

L’associazione spaziale con il reddito, inizialmente la più marcata, evapora: l’indice passa da +0,28 a −0,03, non più statisticamente distinguibile dallo zero. Non era il bar a seguire il denaro; era OpenStreetMap a seguire il denaro. L’associazione con l’affluenza conferma il suo rovesciamento e assume segno negativo. Due delle tre storie d’amore erano artefatti ottici. Restavo con una mappa che aveva mentito su di sé, il che è esattamente il numero che volevo fin dall’inizio, senza saperlo: come mentono le mappe, dimostrato sulla mappa stessa.

· · ·

Una relazione, però, sopravvive. E non solo sopravvive: sui dati ufficiali si fa più nitida e più significativa, da +0,16 a +0,24. È la meno romantica delle tre, quella che nessuno metterebbe su una cartolina: la ruralità. O meglio, il suo rovescio, cioè la rarefazione. Il bar è denso dove la gente è poca: nei territori composti da molti piccoli comuni, ciascuno con la sua piazza e il suo locale, mentre il denominatore — gli abitanti per cui dividere — resta magro.

È l’aritmetica stessa a raccontarlo, se la si ascolta. «Bar ogni 10.000 abitanti» è una frazione, e una frazione cresce in due modi: ingrassando il numeratore o affamando il denominatore. Aosta in vetta, la Sardegna interna, le valli alpine sono tutti posti dove il denominatore è affamato: pochi residenti sparpagliati in molti piccoli centri. Due sapori della stessa matematica, con anime opposte. Da un lato Lignano Sabbiadoro, 188 bar ogni 10.000 residenti, perché ci sono 6.870 anime e un’estate intera di turisti: il luogo pieno di altri. Dall’altro il paese di montagna, dove il rapporto s’impenna perché il paese si sta svuotando: il luogo pieno di nessuno. Stessa frazione, tenerezza opposta.

I grumi (in rosso) e i vuoti (in blu) della densità di bar nella mappa OpenStreetMap: alta densità contornata da alta nella Sardegna interna e sull’arco alpino, bassa contornata da bassa nella cintura meridionale. È una figura descrittiva da leggere con cautela: parte del vuoto del Sud è un vuoto di mappatori, non di bar.

· · ·

Qui smetto di misurare e comincio a leggere, e voglio che la linea tra le due cose resti visibile, perché è la cosa più onesta e perché è il patto che stringo con voi in ogni numero del Canovaccio. Ciò che i dati dicono, freddamente, è questo: il numero di bar per abitante non è una buona spia provinciale della ricchezza né della virtù civica, ma è associato alla rarefazione demografica. Se la densità dei bar fosse una buona misura del capitale sociale, qualcosa di quel legame dovrebbe affiorare nei numeri. Non affiora. Questo non significa che nei bar non nascano comunità; significa che contarli non basta a misurarla. Putnam e Ray Oldenburg, che chiamava questi spazi «terzi luoghi», restano fuori dalla regressione: la loro intuizione riguarda la qualità delle relazioni, non il semplice numero delle insegne.

Ciò che la mappa mi suggerisce è qualcosa di più tenue: non necessariamente lo scambio, ma la presenza. Non la comunità già formata, ma la compresenza. Il guscio del terzo luogo, dentro il quale la discussione può accendersi oppure restare spenta.

C’è un libro che di quella ricchezza umana è il monumento: Bar Sport di Stefano Benni, con la sua Luisona (la brioche invecchiata in vetrina come una reliquia) e la sua galleria di tecnici, ragionieri e fenomeni al biliardo. È il mito letterario per eccellenza del bar come teatro pieno di gente, parole e tipi umani. I dati non possono smentire quel mito, perché non osservano le conversazioni; possono però ricordarci che contare i locali non equivale a misurarne il brulichio. E vale la pena ricordare che Bar Sport è un libro del 1976, mezzo secolo fa, e fotografava un’altra Italia, più popolata e meno sola. Il bancone di oggi, in molte aree interne, può essere anche un’ultima sala d’attesa contro la solitudine.

La geografia che emerge può allora essere letta anche come una geografia dello spopolamento. Il bar è più fitto proprio dove la piazza rischia di cedere al buio. Il vecchio che va al locale del paese non per discutere di governo, ma semplicemente per non restare solo in casa, non compare in nessun coefficiente. Eppure sta facendo la cosa più umana che ci sia.

A leggerla in questa luce, la mappa non dice dove ci vogliamo bene. Suggerisce, più modestamente, dove qualcuno ha deciso che stare vicini, anche senza parlarsi, è meglio del buio.

· · ·

Fuor di metafora: volevamo il bar come specchio di chi siamo, e cioè prosperi, civici, socievoli. L’analisi ci ha restituito due immagini molto più prosaiche. La prima è che la densità dei bar è soprattutto una mappa della rarefazione demografica. La seconda, ancora più beffarda, è che una parte del disegno iniziale non parlava affatto di bar, ma dei volontari che li avevano mappati: più fitti dove c’è reddito, più radi dove ce n’è meno.

Perfino l’analisi mi ha mentito per prima, come fa ogni buona mappa, finché non l’ho costretta a confessare. E dopo Moran, dopo i grappoli locali, dopo la regressione e il confronto con il registro ufficiale, resta un’ultima onestà da consegnarvi: il modello, nella sua versione migliore, spiega il 27 per cento della variabilità. Gli altri tre quarti (perché proprio lì, perché proprio così tanti) sfuggono a ogni coefficiente. Il bar resiste alla regressione. E fa bene: c’è un genio italiano nel piantare un bancone a ogni angolo che nessun numero acchiapperà mai, e io, per quanto mi riguarda, sono contento che la mappa non ci sia riuscita.

Come è stato fatto

I dati. Bar e caffè da OpenStreetMap via Overpass API (amenity=bar + amenity=cafe, scaricati regione per regione, 64.914 punti dopo deduplicazione: 26.074 come bar, 38.840 come caffè). Confronto ufficiale: Registro Imprese, ATECO 56.3, 136.066 imprese attive al 31/12/2022 (Infocamere via open data camerali). Le due fonti non hanno unità e classificazioni perfettamente coincidenti: il confronto misura quindi una copertura indicativa e, soprattutto, la sua distribuzione territoriale. Reddito: dichiarazioni IRPEF comunali del MEF. Affluenza: politiche 2022, dati del Ministero dell’Interno rielaborati da ONDATA. Confini e popolazione: ISTAT ed Eurostat LAU 2022. Analisi a livello di 107 province.

Il metodo. Associazione spaziale misurata con l’indice di Moran bivariato (contiguità Queen, 999 permutazioni); regressione OLS con errori standard robusti per stimare associazioni condizionate, non effetti causali; grappoli locali LISA per individuare gli addensamenti. Pipeline costruita in Python (geopandas, libpysal, esda) e orchestrata da Claude Code.

Le avvertenze. La copertura di OpenStreetMap non è uniforme e correla col reddito (+0,43): i valori assoluti di densità, e ogni classifica Nord-Sud che ne discende, vanno letti con cautela. L’apparente legame positivo tra bar e affluenza elettorale è un artefatto che si capovolge sui dati ufficiali e non può essere usato come prova di capitale sociale. Reggono, e si rafforzano sul dato ufficiale, soltanto le associazioni con la ruralità. Il modello spiega il 27 per cento della varianza: gran parte della geografia del bar resta, felicemente, inspiegata.

C’è un italiano che non esiste, e ogni anno i giornali lo intervistano. È il lettore medio: quello che, stando alle statistiche, legge 2,8 libri all’anno. Un numero ragionevole, civile, persino confortante. Peccato che dietro quella mediocrità rassicurante si nasconda una delle disuguaglianze più feroci che il nostro Paese conosca, feroce quasi come quella dei redditi, con rispetto parlando. E per stanarla non servono i forconi: basta uno strumento che gli economisti usano da oltre un secolo per misurare chi ha cosa. La curva di Lorenz.

I dati, in tre righe

Partiamo dai fatti, che è sempre buona prassi. I numeri vengono dall’indagine ISTAT Aspetti della vita quotidiana, edizione 2023: oltre quarantamila persone dai 6 anni in su, un campione che (debitamente pesato) rappresenta circa 55,9 milioni di italiani. Il file è pubblico, scaricabile da chiunque abbia voglia di sporcarsi le mani. La domanda che ci interessa è candida: quanti libri ha letto negli ultimi dodici mesi, per puro piacere (niente manuali di diritto tributario, niente letture d’obbligo perché non vale)? La risposta, aggregata, è il nostro piccolo giacimento.

La curva di Lorenz, spiegata alla zia

Immaginate di mettere in fila tutti gli italiani, dal più povero di libri al più ricco. A sinistra chi non ne legge nemmeno uno; a destra, in fondo, i divoratori seriali. Ora chiedetevi: il primo 10% della fila quanti libri si porta a casa? E la prima metà? Se la lettura fosse distribuita in modo perfettamente equo (a ciascuno la sua identica dose) la risposta sarebbe banale: il 10% delle persone leggerebbe il 10% dei libri, il 50% ne leggerebbe il 50%. Una bella diagonale a 45 gradi: la retta dell’uguaglianza perfetta.

La realtà, naturalmente, non somiglia mai a quella diagonale. La curva di Lorenz è esattamente questo: il disegno di quanto la realtà si allontana dalla diagonale ideale. Più la curva sprofonda verso il basso, più pochi si accaparrano tutto. E per riassumere quella pancia in un solo numero gli statistici usano l’indice di Gini: 0 vuol dire paradiso egualitario (tutti leggono uguale), 1 vuol dire distopia (un solo onnivoro si legge tutti i libri del Paese, gli altri zero). Il reddito italiano, tanto per avere un metro, sta intorno a 0,33. Tenetelo a mente, perché tra poco ci servirà per cadere dalla sedia (va beh, esagero col pathos)

La curva di Lorenz dei libri letti in Italia. La linea rossa resta incollata allo zero per oltre metà della popolazione: sono i non lettori.

Il pollo di Trilussa, rilegato in brossura

Qui entra in scena Trilussa. Il poeta romano l’aveva capito un secolo fa, con la parabola che tutti ricordiamo: se io mangio due polli e tu nessuno, la statistica certifica serena che abbiamo mangiato un pollo a testa. Tu resti a digiuno, ma la media è salva. Ecco: i 2,8 libri del lettore medio sono il pollo di Trilussa, rilegato in brossura.

Perché il dato che fa crollare il teatrino è uno solo, e ve lo servo nudo: l’italiano mediano legge zero libri all’anno. Zero. Non «pochi», non «qualcuno»: nessuno. Il 58,3% della popolazione dai 6 anni in su, in dodici mesi, non ha aperto un libro per piacere. Il che significa che la metà inferiore della fila (guardate di nuovo la curva, quella linea rossa appiattita sull’asse delle ascisse) legge collettivamente lo 0,0% dei libri d’Italia. Non una frazione modesta: zero virgola zero.

E il Gini? Eccolo: 0,798. Avete letto bene. La lettura, in Italia, è circa due volte e mezza più diseguale del reddito. Mettiamola così: se i libri fossero euro, l’Italia farebbe la figura di una repubblica delle banane sceneggiata da un romanziere distopico.

La popolazione 6+ divisa in dieci scaglioni uguali, dal meno al più lettore. I primi cinque decimi leggono zero. Il decimo di vertice, da solo, il 62% dei libri.

Se la curva non vi avesse ancora convinto, ecco la fila spezzata in dieci scaglioni uguali. I primi cinque decimi della popolazione: una distesa piatta, zero libri. Il sesto: appena un’increspatura. Poi la scalata, fino alla torre rossa dell’ultimo decimo, che da solo si legge il 62% di tutti i libri del Paese. L’ 1% più vorace, da parte sua, ne divora il 15%. Una nobiltà della lettura, alla lettera: pochi aristocratici delle pagine in mezzo a una vasta plebe di astinenti.

Ritratto dell’aristocrazia

Ma chi sono, questi nobili lettori? Il ritratto è impietosamente prevedibile. Tra i lettori forti (chi macina almeno nove libri l’anno, il decimo di vertice) i laureati sono sovrarappresentati di oltre due volte rispetto al loro peso nella popolazione. Le donne dominano: sono il 63% dei lettori forti (quindi, lettrici forti) contro il 51% degli abitanti. E la geografia recita il solito copione dolente: il Nord-ovest pesa una volta e mezza la sua quota, mentre Sud e Isole si dimezzano. La lettura forte parla con accento settentrionale, ha una laurea in tasca ed è quasi sempre donna.

Nota per i complottisti del declino: il discrimine più brutale non è l’età (i ragazzi se la cavano persino meglio della media) ma il titolo di studio. Non è una questione di generazioni. È una questione di scuola.

Due parole sull’onestà dei conti, perché un numero spavaldo senza le sue note a piè di pagina è solo propaganda.

Primo: quel 0,798 è una stima al ribasso. Per proteggere la privacy, l’ISTAT «tronca» i lettori più estremi (chi ne legge più di cinquanta finisce impacchettato in un’unica categoria). Ma comprimere la coda dei fortissimi non fa che addolcire la disuguaglianza: il Gini vero è più alto, non più basso. Ho rifatto i conti in tre scenari, dal più prudente al più generoso con i divoratori, e l’indice oscilla tra 0,798 e 0,808. Comunque la si rigiri, la lettura resta uno dei beni più diseguali che possediamo. Il troncamento è un alibi che gioca a nostro favore, non contro.

Secondo, e qui scendo dal piedistallo: il file pubblico nasconde la struttura fine del campione (province, comuni), perciò gli intervalli di confidenza li ho ottenuti con un bootstrap fatto in casa, non con la varianza ufficiale a strati. Parliamo di un intervallo [0,794–0,801]: la sostanza non si muove di un millimetro, ma è giusto dirlo.

Resta il quadro, e non è dei più allegri. Metà Italia abita una biblioteca in cui non è mai entrata. La media dei 2,8 libri non racconta un Paese di lettori distratti: racconta un Paese spaccato in due, tra chi legge per dieci e chi non legge affatto. Trilussa, da par suo, l’aveva sintetizzato meglio di qualsiasi indice: la statistica è quella scienza per cui, se a metà popolazione manca il pollo, l’altra metà se l’è bello che mangiato. Anche quando il pollo è un libro.

— § —

Fonte: ISTAT, Indagine Multiscopo «Aspetti della vita quotidiana» 2023 (file ad uso pubblico). Elaborazioni dell’autore con l’ausilio di Claude Code. Variabile: libri letti negli ultimi 12 mesi per motivi non scolastici o professionali, popolazione di 6 anni e più.

Tenete a mente la ruota, perché la Banca d’Italia ne ha fatta girare una.

Succede dentro l’Indagine sui bilanci delle famiglie italiane, quella che ogni due anni fotografa redditi, risparmi e debiti di un campione di quasi diecimila famiglie. A un certo punto, parlando di prezzi, l’intervistatore legge una frase di servizio: nel 2022 l’inflazione in Italia è stata dell’8,7%. Poi pone la domanda: secondo lei, quanto sarà nei prossimi dodici mesi? Ed è qui che, per una di quelle note metodologiche che fanno la felicità di un economista, l’indagine si sdoppia. A metà delle famiglie, scelte a caso, la domanda viene posta a risposta libera: scriva un numero. All’altra metà, sempre a caso, viene messa davanti una scala di sette caselle, da «negativo» a «oltre il 10%». Stessa popolazione, stessa frase d’ancoraggio appena pronunciata, due soli modi di raccogliere la risposta. Un esperimento artigianale in piena regola, randomizzazione compresa, nascosto dentro un questionario, al punto che le due metà sono perfettamente bilanciate per età, reddito, istruzione, e perfino la durata dell’intervista è identica nei due gruppi. Tutto ciò che cambia è la forma della domanda.

Il risultato rivela che chi deve scrivere il numero a mano si ancora all’8,7 appena sentito: la mediana delle risposte si posa esattamente lì, sull’ancora. Non che la gente ripeta «8,7» (quasi nessuno lo fa, appena il 3%) ma arrotonda tutt’intorno, all’8, al 9, al 10, come limatura di ferro attratta da una calamita. Nove risposte su dieci sono numeri interi, una su tre è un multiplo di cinque. La distribuzione si stringe addosso all’ancora.

Gruppo A (risposta libera): le risposte si addensano attorno all’ancora dell’8,7%, con vistosi picchi sui numeri tondi 8, 9 e 10.

Chi invece sceglie tra le caselle si comporta in modo diverso. La casella in cima alla scala («oltre il 10%») è a portata di mano e così il pessimismo estremo diventa a buon mercato: la sceglie il 14% delle famiglie, il doppio esatto di chi quel «più di dieci» deve scriverselo da sé sul foglio bianco senza avere più opzioni a disposizione. All’altro capo, più gente segna «negativo». La scatola, insomma, lascia scappare verso gli estremi; il foglio bianco di nuovo tiene tutti raccolti attorno all’ancora.

Gruppo B (caselle): più di un terzo delle famiglie si rifugia nella casella che contiene l’8,7% (in rosso), mentre la casella aperta «oltre il 10%» raccoglie il doppio dei pessimisti rispetto al formato libero.

Sono due fotografie della stessa Italia, scattate nello stesso istante sulle stesse persone. Eppure raccontano due paesi diversi. In media, l’aspettativa misurata senza punti di riferimento è dell’8,1%; quella misurata a caselle con più opzioni scende tra il 7,2 e il 7,5. Quasi un punto di scarto e nella coda, dove si annida la paura dell’inflazione fuori controllo, le differenze sono anche più marcate. Le due distribuzioni non si somigliano nemmeno statisticamente: il test dice che la probabilità che siano la stessa cosa è praticamente nulla. Non è rumore da arrotondamento. È il modo di chiedere che influenza la risposta.

Le stesse famiglie, due formati: la risposta libera (blu) concentra attorno all’ancora, le caselle (rosso) lasciano fuggire verso gli estremi, soprattutto verso «oltre il 10%».

Si dirà: minuzie da metodologi. Non proprio. L’aspettativa d’inflazione, infatti, è uno dei numeri che le banche centrali sorvegliano con più ansia, perché le aspettative tendono ad autoavverarsi: entrano nei contratti, nei salari che si chiedono, nei prezzi che le imprese osano alzare. Scoprire che quel numero balla di un punto a seconda che davanti ci sia una casella con più opzioni o un foglio bianco significa scoprire che una parte del termometro sta misurando sé stesso.

A questo punto, confesso, ero partito convinto di un’altra storia. L’idea era andare a caccia del colpevole classico di ogni dato un po’ storto: l’intervista fatta male. Il rispondente sfinito alle otto di sera, l’intervista troppo lunga, il clima teso al tavolo della cucina. Avevo costruito un indice di affaticamento (durata anomala dell’intervista, numero di tentativi necessari per agganciare la famiglia, tutte informazioni disponibili nel questionario BdI) e un indice di clima, e li avevo correlati con le risposte sull’inflazione.

La prima sorpresa è un buco nell’acqua, e va detto con franchezza: la stanchezza non cambia ciò che la gente si aspetta. Sulla scala completa delle aspettative, l’affaticamento non sposta nulla: non rende più pessimisti né più ottimisti. Il colpevole che cercavo non era colpevole, insomma.

Ma la fatica fa qualcosa di più sottile, in realtà. Non cambia cosa pensi: cambia quanto ti lasci guidare dalla scatola che ti hanno messo davanti. Tra chi risponde a caselle con più opzioni, infatti, più l’intervista si fa faticosa più cresce la quota che si rifugia nella casella ovvia, quella che contiene l’8,7. Chi scrive il numero a mano, invece, resta ancorato sempre nello stesso modo, stanco o riposato che sia. L’effetto è che, man mano che la fatica sale, le due rotazioni si avvicinano: l’affaticamento spinge chi ha più opzioni a disposizione a comportarsi come chi ha il foglio bianco, cioè a collassare sul valore più comodo. Il clima dell’intervista, per onestà, non modera niente: conta la fatica, non la simpatia.

Dunque, la stanchezza non è un colpevole, è un complice. Da sola non produce un errore ma amplifica quello del cattivo disegno, perché spinge verso la scorciatoia ogni volta che una scorciatoia è a portata di mano. Dove non c’è casella in cui rifugiarsi, non c’è nemmeno l’effetto.

E già che siamo in vena di onestà numerica: questa modulazione esiste, è misurata con precisione, ma è piccola. L’effetto-formato vale una ventina di punti di scarto nella probabilità di finire nella casella-ancora; la spinta dell’affaticamento, nell’ordine dei cinque-dieci. La gran parte della variabilità tra le risposte resta inspiegata, come quasi sempre quando si prova a guardare dentro la testa delle persone. Ma la direzione è netta a sufficienza da poterci scrivere un mio numero del Canovaccio.

Restano due immagini e una morale. La prima immagine è la ruota di Kahneman che gira nelle cucine di migliaia di famiglie italiane: basta pronunciare «8,7» un attimo prima, e la mediana delle aspettative si adagia lì, docile. La seconda è la casella vuota in cima alla scala, «oltre il 10%», che raddoppia i pessimisti per il solo fatto di essere comoda da barrare.

La morale è scomoda per chi i numeri li produce, e quindi anche per me. Andiamo sempre a caccia del rispondente che mente, dell’intervistatore distratto, della famiglia esausta. Ma il pezzo di rumore più grosso non sta in cucina alle otto di sera: sta a monte, sul tavolo dove qualcuno ha deciso se mettere un foglio bianco o sette caselle. La domanda non si limita a misurare l’aspettativa: in parte la costruisce. E quando arriva la stanchezza, non inventa un errore nuovo: si limita a tenere aperta la porta che il disegno aveva già socchiuso.

I numeri in breve

Stime pesate con i pesi campionari dell’indagine. L’effetto-formato è identificato dall’assegnazione casuale delle due versioni della domanda; l’analisi sull’affaticamento è invece osservazionale, condotta al netto di età, istruzione, area, dimensione familiare e reddito. Fonte: Banca d’Italia, Indagine sui bilanci delle famiglie italiane, 2022; elaborazioni dell’autore coadiuvato da Claude Code

L’intuizione dice il primo: il tempo è una risorsa scarsa, chi ne ha di più può donarne di più, è quasi contabilità. Eppure un vecchio adagio, variamente attribuito e mai davvero smentito, suggerisce il contrario: se vuoi che una cosa venga fatta, chiedila a una persona occupata. È una di quelle frasi che suonano bene a cena e che di solito restano lì, sospese tra l’aneddoto e la saggezza popolare. Solo che stavolta possiamo fare di meglio: possiamo verificare coi dati.

L’ISTAT ha rilasciato i microdati del modulo sul volontariato dell’indagine Uso del tempo 2023: il questionario è stato somministrato a tutti i componenti di un campione di famiglie italiane, e il file ad uso pubblico contiene le risposte individuali di circa 38.000 persone dai 15 anni in su: chi fa volontariato e chi no, per quante ore, in che settore, con quali motivazioni, e accanto a questo un ritratto della loro vita lavorativa e sociale. Come ormai è abitudine di questa newsletter, l’analisi l’abbiamo costruita in coppia: io a disegnare le domande, Claude Code a macinare i dati nel terminale, con stime pesate per riportare il campione alla popolazione e gli errori campionari della documentazione ufficiale a ricordarci quanto poco ci si possa fidare delle celle piccole. I numeri che leggerete descrivono associazioni, non cause: tenetelo a mente, ci torneremo alla fine, perché è il punto più importante.

1. La contabilità del dono (che non torna)

Partiamo dalla fotografia d’insieme. Nelle quattro settimane precedenti l’intervista, ha svolto attività di volontariato (organizzato in un gruppo o associazione, oppure aiuto diretto prestato per conto proprio a persone, collettività o ambiente) il 7,5% degli occupati, l’8,7% dei pensionati, il 6,4% degli studenti e il 5,1% di casalinghe e casalinghi. Già qui la contabilità ingenua scricchiola: se il volontariato fosse semplicemente tempo libero riallocato, le casalinghe e gli studenti dovrebbero stare in cima alla classifica, e invece stanno in fondo; i pensionati superano sì gli occupati, ma di poco più di un punto, niente a che vedere con l’abisso di ore libere che li separa.

Tassi di partecipazione al volontariato per condizione occupazionale. Stime pesate, individui di 15 anni e più, Italia 2023. Fonte: elaborazione su microdati ISTAT, Uso del tempo 2023.

Ma un’altra sorpresa arriva quando restringiamo lo sguardo ai soli occupati e li ordiniamo per quanto il lavoro deborda dalle loro giornate. Il questionario chiede infatti se capita di lavorare al di fuori del proprio orario abituale (straordinari non retribuiti, sere, intrusioni varie) e con quale frequenza. Se l’ipotesi del tempo scarso fosse vera, il gradiente dovrebbe scendere: più il lavoro invade, meno resta per gli altri. Succede l’esatto contrario, e succede con una regolarità quasi imbarazzante.

Tasso di volontariato tra gli occupati per intensità del lavoro fuori orario, con intervalli di confidenza al 95%. Stime pesate, Italia 2023.

Tra chi non lavora mai fuori orario fa volontariato il 6,0%. Tra chi sconfina raramente si sale al 9,0%, qualche volta al mese all’11,3%, qualche volta a settimana al 12,6%, e tra chi lavora fuori orario tutti i giorni (la categoria che secondo la contabilità del tempo dovrebbe essere spremuta fino all’ultimo minuto) si arriva al 13,8%, più del doppio dei colleghi dall’orario intonso. Il gradiente è monotono, sale gradino dopo gradino senza un’eccezione, e gli intervalli di confidenza dei due estremi non si sfiorano nemmeno. L’adagio della nonna, almeno come descrizione, è promosso: la persona più occupata è davvero quella a cui chiedere.

Attenzione però a non innamorarsi troppo in fretta del paradosso, perché una parte della spiegazione è prosaica e si chiama composizione. Chi lavora molto fuori orario è in media più istruito, più spesso in professioni intellettuali, e l’istruzione è il più potente predittore del volontariato che questi dati conoscano: a parità di sesso, età e condizione occupazionale, un laureato ha probabilità di fare volontariato con un rapporto di odds di 5,6 rispetto a chi ha al massimo la licenza elementare, un diplomato di 3,7, perfino la sola licenza media moltiplica per 2,4.

È il gradiente educativo del capitale sociale, ed è una voragine.

Quando però mettiamo tutto nel modello (sesso, età, istruzione, condizione) il quadro resta interessante: i pensionati conservano un vantaggio sugli occupati (odds ratio 1,27, statisticamente solido), segno che un po’ di tempo libero in più qualcosa conta; ma è un 27% in più di odds, non il continente di differenza che la pura disponibilità di ore prometterebbe. E le donne, a parità di tutto il resto, partecipano leggermente meno degli uomini (OR 0,86): la generosità femminile esiste eccome, ma nei dati italiani si esercita massicciamente dentro la famiglia, in quella cura non retribuita che il modulo sul volontariato, per definizione, esclude dal conteggio.

C’è poi un dettaglio che riconcilia il paradosso con il buon senso, ed è la distinzione tra il partecipare e il quanto. I pensionati volontari donano più ore dei lavoratori volontari (13 ore mediane nelle quattro settimane contro 8) quindi il tempo libero conta sul margine intensivo, su quanta legna si porta una volta entrati nel bosco. Ma la decisione di entrarci, nel bosco, sembra obbedire a una logica completamente diversa dalla disponibilità di ore. Quale?

2. Il test di Putnam, trent’anni dopo

Nel 1993 un politologo di Harvard, Robert Putnam, pubblicò un libro che aveva l’Italia come laboratorio: Making Democracy Work (da noi La tradizione civica nelle regioni italiane), vent’anni di ricerca sul perché le stesse istituzioni regionali, nate nel 1970 con identico disegno, funzionassero benissimo in alcune parti del Paese e malissimo in altre. La sua risposta diventò una delle idee più influenti delle scienze sociali del Novecento: la differenza la fa il capitale sociale, quella trama di reti, norme di reciprocità e fiducia che si deposita nei secoli e che ha nelle associazioni (i cori, le squadre di calcio, le società di mutuo soccorso, le associazioni di volontariato) la sua fabbrica principale. Sette anni dopo, con Bowling Alone, Putnam avrebbe raccontato l’erosione di quel capitale nell’America che aveva smesso di giocare a bowling in compagnia. La tesi, ridotta all’osso: chi partecipa alla vita associativa costruisce legami che eccedono l’associazione stessa, e quei legami sono il lubrificante invisibile della democrazia e dell’economia.

I microdati dell’Uso del tempo ci permettono di fare qualcosa che con Putnam si può fare raramente: testare la sua tesi sugli individui, qui e ora, nell’Italia del 2023. Il questionario contiene infatti una sezione su reti e partecipazione (hai qualcuno su cui contare nel bisogno? quanto spesso vedi gli amici? hai partecipato a comizi, cortei, petizioni, dibattiti? quanto parli di politica?) e noi ne abbiamo distillato due indici da 0 a 1, uno per la densità delle reti sociali e uno per la partecipazione civica. Poi abbiamo diviso gli italiani in quattro gruppi: chi non fa volontariato, chi lo fa solo dentro organizzazioni, chi presta solo aiuto diretto per conto proprio (il samaritano senza tessera) e chi fa entrambe le cose.

Indici di reti sociali e partecipazione civica (scala 0–1) per tipo di volontariato, con intervalli di confidenza al 95%. Stime pesate, Italia 2023.

Il primo verdetto è nettamente putnamiano. Chi fa volontariato, di qualunque tipo, ha reti più dense di chi non lo fa: l’indice di reti dei non volontari si ferma a 0,76, quello dei volontari oscilla tra 0,81 e 0,84; il 91% dei volontari organizzati ha qualcuno su cui contare contro l’84% dei non volontari; e sulla partecipazione civica il distacco è una voragine, con i volontari a punteggi doppi o tripli rispetto al resto del Paese, e metà di loro che si informa di politica ogni giorno contro poco più di un terzo degli altri. L’associazione sopravvive ai controlli per sesso, età, istruzione e condizione occupazionale: non è un riflesso del fatto che i volontari sono più istruiti, c’è qualcosa di specifico nel legame tra il donare tempo e l’essere connessi.

Ma il secondo verdetto è quello per cui questo numero vale, forse, una lettura. Se le associazioni fossero davvero la fabbrica del capitale sociale, il volontario organizzato dovrebbe staccare nettamente il samaritano senza tessera, che per definizione opera fuori da ogni struttura. Invece no: sull’indice di reti i due gruppi sono statisticamente indistinguibili (0,819 contro 0,813, una differenza di cinque millesimi con un p-value che definire agnostico è un complimento), e sulla partecipazione civica il segno punta addirittura dall’altra parte, con il volontario fai-da-te leggermente sopra quello associativo, anche qui senza significatività statistica ma con una direzione che fa riflettere. Il soccorritore solitario, insomma, non è affatto solitario: è connesso, informato e civicamente attivo quanto il collega con la tessera, e forse di più.

Putnam ne esce confermato a metà, e la metà mancante è la più interessante. Confermato nel gradiente fondamentale (volontariato e capitale sociale viaggiano insieme, in Italia come nell’Ohio) ma ridimensionato nell’enfasi sul contenitore: nei nostri dati non è l’organizzazione a fare la differenza, è il donare in sé. Una lettura possibile è che l’aiuto informale italiano (il vicino che fa la spesa all’anziana del piano di sotto, chi cura il verde del quartiere senza chiedere il permesso a nessuno) sia esso stesso una forma di associazionismo senza statuto, radicata in reti di prossimità che le survey americane di Putnam, costruite attorno a club e congregazioni, faticavano a vedere. Il capitale sociale, da noi, passa anche dal pianerottolo.

Un indizio sul meccanismo lo offrono le motivazioni dichiarate. Tra i volontari organizzati, quelli con le reti più ricche sono (sorpresa relativa) quelli che dicono di aver cominciato perché «lo facevano gli amici»: il reclutamento passa dalle reti prima ancora di crearle, le amicizie portano al volontariato almeno quanto il volontariato porta amicizie. Ed eccoci al punto dolente, quello promesso in apertura.

3. Quello che questi dati non possono dire

Tutto ciò che avete letto è fotografia, non film. I dati sono orizzontali: vediamo le stesse persone in un solo istante, e quando osserviamo che i volontari hanno reti più dense non possiamo sapere se il volontariato abbia costruito le reti o se le reti abbiano reclutato il volontario (quasi certamente entrambe le cose, in un circolo che per chi lo vive è virtuoso e per chi fa inferenza statistica è vizioso). Lo stesso vale per il paradosso del tempo: chi lavora fuori orario e fa volontariato è plausibilmente fatto di una pasta particolare (energia, coscienziosità, fame di mondo) che spiega insieme gli straordinari e il dono, senza che l’uno causi l’altro. E il file pubblico, per proteggere l’anonimato dei rispondenti, sopprime ogni geografia: il celebre gradiente Nord-Sud di Putnam, qui, semplicemente non è testabile. Chi vi racconta risultati come questi senza dirvi queste cose vi sta vendendo qualcosa.

Eppure, anche con tutte le cautele del caso, la fotografia dice qualcosa di bello e di profondamente contro-intuitivo: il tempo donato non si ritaglia dal tempo avanzato. Se il volontariato fosse un residuo, lo troveremmo nelle vite vuote; lo troviamo invece nelle vite piene, piene di lavoro, di legami, di politica, di gente. Il dono di tempo non è l’ultima fetta della torta, quella che si concede solo se ne è rimasta: è un ingrediente dell’impasto, e chi impasta molto tende a impastare tutto. Forse è per questo che l’adagio della persona occupata funziona da sempre: non perché gli occupati abbiano segreti di gestione del calendario, ma perché la disponibilità verso gli altri non è una questione di agenda. È una questione di postura.

La prossima volta che vi serve quel favore, quindi, lo sapete: bussate alla porta di chi non ha tempo. Statisticamente, è quella che si apre.

Nota metodologica

Elaborazioni su microdati ad uso pubblico (mIcro.STAT) dell’indagine ISTAT Uso del tempo 2023, modulo individuale sul volontariato (circa 38.000 rispondenti di 15 anni e più). Tutte le stime di popolazione usano il coefficiente di riporto all’universo; le numerosità indicate nei grafici sono campionarie e non pesate. Gli intervalli di confidenza sono approssimati e non incorporano pienamente il disegno campionario complesso (stratificazione e stadi non disponibili nel file pubblico); gli ordini di grandezza degli errori sono coerenti con i prospetti della nota metodologica ISTAT. I modelli citati sono una regressione logistica sulla partecipazione al volontariato e regressioni OLS sugli indici di reti e partecipazione, con controlli per sesso, classe di età, titolo di studio e condizione occupazionale. Gli indici di reti sociali e partecipazione civica sono medie additive riscalate 0–1 delle domande della sezione «Reti familiari, vita sociale e partecipazione» del questionario. Tutti i risultati descrivono associazioni trasversali e non supportano interpretazioni causali. Analisi condotta con Claude Code; testo scritto only by human :-)

E tutto questo apparato degno di un’agenzia spaziale ha prodotto un verdetto che si riassume così: la squadra più forte del torneo vincerà la coppa una volta su sei. Le altre cinque volte, semplicemente, no.

Non è il risultato che speravo. È molto meglio.

Come quasi sempre, la cosa interessante di questo esercizio empirico non è il nome della favorita (lo saprete tra tre righe e non vi cambierà la vita); la cosa interessante è quanto poco quel nome significhi. Costruire un vate che vede nel futuro e scoprire che il vate, onestamente, alza le spalle: ecco un risultato che vale il prezzo del biglietto.

Prevedere il calcio: una nobile forma di presunzione

Alla vigilia di ogni Mondiale, l’umanità si divide in due. Da una parte chi prevede chi vincerà: bookmaker, opinionisti, zii al pranzo della domenica, bambini con l’album delle figurine.

Dall’altra, nessuno, perché il fascino dell’indovino è irresistibile.

È un rito antico quanto il pallone, e fallisce con puntualità svizzera (di cui per altro abbiamo calcolato odds, visto che la confederazione elvetica ha una buona nazionale). Il Brasile dato per spacciato che trionfa; la corazzata che esce ai gironi; il pronostico unanime che dura fino al novantesimo ma non nel recupero.

L’approccio standard, quando lo si fa con un minimo di serietà, è sempre lo stesso: si assegna a ogni squadra un punteggio di forza, fondato sui risultati storici delle nazionali coinvolte nel torneo; si simula il torneo un sacco di volte, si conta chi vince più spesso. Funziona, in un senso molto preciso e molto limitato. Io volevo provare a fare una cosa leggermente diversa e, soprattutto, più onesta.

Cosa fa la macchina (e cosa fa di diverso)

Il cuore della questione è semplice. Per ogni nazionale ho stimato due numeri: quanto segna e quanto subisce. Non li ho decisi io, perché li ho ricavati da circa quattromila partite internazionali giocate tra il 2017 e oggi, pesando di più quelle recenti e di meno le amichevoli, dove le squadre provano formazioni improbabili e i risultati contano quanto un sondaggio fatto al bar. Da questi due numeri possiamo stimare, per qualsiasi partita immaginabile, quanti gol è lecito attendersi da ciascuna squadra.

Vale tuttavia la pena ribadire cosa la macchina non sa.

Non sa chi è Mbappé. Non sa che il Brasile è il Brasile. Non ha mai visto giocare nessuno. È un marziano col dito sul tabellino: conosce solo chi ha vinto, contro chi, e con quanti gol. Tenetelo a mente, perché è una scelta, non una dimenticanza, e tra poco mi servirà non per dire una poesia, ma per provare a sviluppare un ragionamento critico.

Poi si tirano i dadi. Il torneo viene simulato per intero non una volta, ma cinquantamila volte: cinquantamila universi paralleli in cui, di sentiero in sentiero, di scarpata in crepaccio, la Spagna alza la coppa, oppure esce agli ottavi per un rigore sbagliato, oppure guarda in tv la finale tra due sorprese.

Alla fine si contano le occorrenze e otteniamo le probabilità.

Fin qui, niente di rivoluzionario. La parte che mi piace (la mia personalissima e narcisa presunzione di originalità, concedetemela) sta in cinque scelte.

Primo: ho rovesciato la domanda. Non «chi vince», ma «quanto conta vincere»: l’obiettivo dichiarato è misurare l’imprevedibilità, non spazzarla sotto il tappeto.

Secondo: incertezza onesta. Invece di un’unica stima di forza per squadra, ne ho calcolato duecento versioni leggermente diverse e facendole girare tutte nelle simulazioni. Il risultato non è una previsione, ma una nuvola di previsioni (oh, la serenità che sa di resa di nascondersi in un inconcludente cirrocumulo di punti) che è l’unico modo intellettualmente serio di dare un numero a qualcosa che non è ancora successo.

Terzo: separare talento e fortuna in laboratorio. Più avanti vi mostro il trucco. È la cosa di cui vado più fiero, ed è anche quella che fa più male. So che non ci state probabilmente capendo niente, ma continuate a leggere… poi vi spiego.

Quarto: giudicare dai risultati, non dalla reputazione. È il marziano col tabellino. E quando il marziano è in disaccordo con i bookmaker, che invece la reputazione la conoscono benissimo, quel disaccordo diventa la parte più gustosa dell’articolo.

Quinto: pubblicare la nostra pagella. Ho testato il modello mettendolo a prevedere un Mondiale di cui… conosciamo già la fine, per vedere quanto è bravo. Il voto è imbarazzante. Lo vedrete, brutta figura inclusa.

Cosa pesa, quando la macchina decide. La differenza di forza tra le squadre domina; reddito e popolazione del paese fanno capolino — la macchina ha scoperto da sola che le nazioni ricche e popolose segnano di più. Grazie, ci mancava.

La classifica, e il primo schiaffo

Eccola, la graduatoria che fingete di non aspettare. In cima ci sono Spagna e Argentina, appaiate intorno al 17%. Poi un gradino più giù e arrivano Inghilterra (circa il 10%), Francia (8%), Brasile (7%), Portogallo (6%). Verso il basso, una sorpresa che terremo per dopo: il Marocco al 4%. È una classifica ragionevole, di quelle che fanno annuire qualunque tifoso.

Probabilità di alzare la coppa, prime quindici. In blu il modello, in rosso le probabilità implicite nelle quote dei bookmaker al 3 giugno 2026.

Ma guardiamoli di nuovo, questi numeri. La favorita assoluta è data al 17%. Significa che nell’83% dei casi vince qualcun altro. Le prime cinque squadre messe insieme non arrivano al 60%: c’è più probabilità che vinca «una delle altre quarantatré» che la grande favorita. Spesso dimentichiamo la banalità di questi numeri, per cui penso sia un punto utile da sottolineare.

Siamo abituati a pensare ai tornei come a una verifica al termine della quale, doverosamente, vince il migliore. I numeri raccontano un’altra storia e la raccontano con la falsa precisione di chi non sa nulla, ma lo sa in modo molto dettagliato.

Pure l’utilizzo del verbo sapere è il risultato di un prestito concettuale che è sintomo del problema: una tecnologia che corre più velocemente dell’evoluzione linguistica porta le parole stesse a cercare conforto in campi non di stretta competenza. È il motivo per cui la data science si serve spesso del lessico delle scienze comportamentali.

Se volete il quadro completo (chi ha più chance di superare i gironi, chi di arrivare in semifinale, chi di sognare la finale) eccolo, dalla cima al fondo del barile.

La traversata, fase per fase: probabilità di raggiungere ogni turno, dalle teste di serie in alto fino alle outsider in basso. Più scuro, più probabile. Lo so, è un grafico abbastanza illeggibile, ma fa figo mettere le heat maps, per cui ve le accollo.

Il talento e la fortuna, separati in laboratorio

Ed eccoci alla parte che mi ha fatto venire voglia di scrivere tutto questo.

Immaginiamoci un Mondiale parallelo in cui, in ogni partita, vince sempre e comunque la squadra più forte sulla carta. Niente episodi, niente pali, niente notti storte del portiere, niente arbitro distratto. In quel mondo ordinato e leggermente fascista, la Spagna alzerebbe la coppa nel 97% dei casi. Il torneo sarebbe una formalità con rinfresco finale.

Ora riaccendiamo la luce (o il buio, dipende dal philosophical bending) del caso. Reintroduciamo il fatto, ovvio a chiunque abbia visto mezza partita, che la squadra più forte vince spesso ma non sempre: magari sei volte su dieci contro una pari, otto contro una più debole. Basta questo. Quella probabilità realistica, moltiplicata partita dopo partita lungo sette turni a eliminazione diretta, fa franare il 97% della Spagna fino al suo 17% reale.

La differenza tra quel 97% e questo 17% ha un nome preciso: si chiama fortuna. Non è un modo di dire poetico. È, letteralmente, la fetta di risultato che il talento non spiega. L’ho misurata mettendo i due mondi uno accanto all’altro.

A sinistra l’«apertura» del torneo. A destra, per ogni squadra, la probabilità di vincere in un mondo dove conta solo il talento (rosso) contro il mondo reale, dove conta anche il caso (blu). Quel crollo è la fortuna, fotografata.

C’è un modo di mettere un singolo numero su tutto questo: si chiama entropia ed è una misura di imprevedibilità. Su una scala da zero a uno (dove zero significa «so già chi vince» e uno significa «è una lotteria fra quarantotto biglietti identici») il Mondiale 2026 si piazza a 0,71. Molto più vicino all’estrazione del lotto che all’esame con i primi della classe. Tradotto per il bar: state per guardare una lotteria con i favoriti, non una verifica con i secchioni.

Dove la macchina litiga con il mercato

I bookmaker sono, a modo loro, un modello rivale: aggregano i soldi e le opinioni di milioni di persone, nonché dati a profusione, e di solito hanno ragione. Confrontare le mie probabilità con le loro è il modo più rapido per capire dove diciamo qualcosa di originale e dove sto semplicemente prendendo un granchio. Sulla maggior parte delle squadre i due mondi si parlano. Su tre, litigano. E i litigi, per dare sapidità all’articolo, sono tutto.

Modello (in verticale) contro mercato (in orizzontale). Sulla diagonale, accordo perfetto. Sopra la linea, il modello è più ottimista del mercato; sotto, più pessimista.

La macchina ama l’Argentina molto più del mercato: la mette quasi alla pari della Spagna, mentre i bookmaker la danno a metà. Perché? Perché l’Argentina, nei risultati degli ultimi anni, ha vinto e continua a vincere ed è esattamente ciò che la macchina misura. Il mercato, forse, sconta l’età della squadra e una certa stanchezza da campioni in carica: cose che i gol passati non raccontano.

Specularmente, la macchina è fredda sulla Francia, che i bookmaker piazzano invece tra le primissime. Qui torna il marziano col tabellino: il modello non vede il valore stratosferico della rosa francese, vede i risultati. E i risultati recenti, evidentemente, impressionano meno dell’organico. È un disaccordo onesto tra due filosofie: contano i nomi sulla maglia o i punti sul tabellone? E la verità, probabilmente, sta in un punto scomodo nel mezzo.

Infine il Marocco, che il modello valuta quattro volte più del mercato. O è una scommessa coraggiosa, l’eredità di un percorso di risultati solidi che il mondo continua a sottovalutare; o è un eccesso di entusiasmo di una macchina che non ha visto la differenza tra una bella vittoria e una vittoria fortunata. Lo sapremo a luglio. È il bello e il maledetto di esporsi.

L’arte di sbagliare con metodo

Ma ecco la confessione, che è anche il cuore della faccenda con un bel bagno scozzese (occhio pure a loro eh) di umiltà.

Ho messo il modello alla prova facendogli «prevedere» il Mondiale 2022, di cui, piccolo dettaglio, conosciamo già il finale, allenandolo solo su dati precedenti. Verdetto: la mia macchina batte il puro tirare a indovinare di circa il cinque per cento.

Cinque.

Per cento.

Cioè, leggermente meglio di una monetina ma con una fatica immensamente maggiore nel lanciare i dati in aria.

Il dilemma morale è evidente: vale la pena dare in pasto a un computer quattromila partite, scomodare la statistica bayesiana e bruciare cinquantamila simulazioni per un Nostradamus che, alla fine, supera di un’incollatura una moneta di 1 euro cui avete dato un bacino alla testa?

La pagella, Mondiale 2022. Più i punti stanno sulla diagonale, meglio il modello azzecca le probabilità. Diciamo che c’è spazio per crescere.

Si potrebbe leggere come una débâcle, per me è la prova del nove del senso di questo pezzo.

Sono riuscito a costruire una macchina diligente e il meglio che sa fare è guadagnare un soffio sulla monetina. E il tutto ci porta a una conclusione talmente banale nella sua ovvietà da sorprenderci in un’epifania che sa di rivelazione: quello che la macchina cerca di prevedere è, alla radice, poco più del lancio di una monetina.

Una sfera di cristallo data driven che indovina appena meglio del caso non è una cattiva sfera di cristallo: è una sfera di cristallo onesta che fa previsioni attorno a un fenomeno che è, in buona parte, caso. Per cui varrebbe appunto la pena usare una sfera di cristallo non data driven.

Scusate la cacofonia dei miei pensieri disordinati, ma il calcio, fra tutti gli sport, è il più refrattario alla profezia.

Primo, perché i gol sono (ancora, pur se si avvertono nelle retrovie dei laterali a tutto campo e dei centrocampisti box to box i segnali di un cambiamento) rari: una partita può girare su un episodio, un rimpallo, un fuorigioco di un alluce (vedremo i risultati della nuova regola).Là dove nel basket le decine di canestri fanno media e premiano il più forte, nel calcio un singolo lampo decide novanta minuti.

Secondo, le partite sono pochissime: anche il campione ne gioca sette in tutto, troppo poche perché il talento abbia il tempo di imporsi sul rumore.

Terzo, questo è il primo Mondiale a quarantotto squadre della storia: non esiste un precedente identico da cui imparare, e noi stiamo estrapolando da tornei che avevano un’altra forma.

Infine, e scusate se è poco, c’è tutto ciò che la macchina, beata lei, ignora: l’infortunio del fuoriclasse a tre giorni dal via, l’espulsione al ventesimo, l’acquazzone, l’altitudine di Città del Messico (duemiladuecento metri che tolgono il fiato a chi non è abituato e non si chiama Mennea per i baby boomers che se lo ricordano), il caldo del Texas che spezza le gambe, i viaggi siderali tra tre nazioni.

Tutte cose che, il giorno della partita, contano enormemente e che nessun tabellino del 2019 può raccontare.

Una piccola confessione finale, nello spirito di ridere di noi stessi: la primissima versione di questo modello, qualche settimana fa, dava il Messico campione, gli Stati Uniti in semifinale e Panama davanti alla Francia. L’ho cestinata con la dignità di chi finge non sia mai successo. È servita a ricordarmi una regola d’oro: un modello che ti dice ciò che vuoi sentire è un cattivo modello; un modello che ti dice numeri assurdi, almeno, ha il pregio di urlare il proprio errore. Il vero pericolo sono i modelli che sbagliano con eleganza e finiscono col convincerti.

Il canovaccio

C’è una ragione se questa newsletter si chiama come si chiama. Nel teatro dell’arte il canovaccio è la traccia scarna della trama: stabilisce chi entra in scena e quando, ma lascia agli attori il compito di improvvisare il resto, lì, nel momento, davanti al pubblico.

Un Mondiale funziona allo stesso modo. Il tabellone è il canovaccio. Il talento scrive la traccia: chi è forte, chi parte avanti, chi dovrebbe arrivare in fondo. Ma la rappresentazione vera, quella che ci terrà svegli fino alle due di notte per cinque settimane, la improvvisa il caso: un rimpallo, un rigore calciato sulla luna, una parata che non doveva esistere.

Per questo, quando il 19 luglio qualcuno solleverà la coppa a New York e tutti diranno «ha vinto la più forte», varrà la pena tenere a mente questi numeri. Forse era davvero la più forte. Ma è anche, più semplicemente, quella a cui è andata bene.

Una volta su sei.

Entro sera era già stato spiegato tutto sul web.

Decaloghi cardinalizi, letture “tra le righe”, commentari sulla cristologia latente, liveblog con aggiornamenti in tempo reale, guide in dieci punti diffuse sui social. Tutti avevano letto tutto, evidentemente, e avevano anche avuto il tempo di metabolizzarlo, collocarlo nella tradizione, valutarne le sfumature ermeneutiche. In poche ore. Un testo che a Leone XIV è costato mesi e a Leone XIII, suo omonimo e modello, sarebbe costato anni, è stato assorbito dal commentariato globale nel tempo di una pausa pranzo.

Chapeau: non oso immaginare la velocità di lettura media nei sacri palazzi e dintorni.

Io ci ho messo di più. Ma ho barato: l’ho fatto leggere in parte a una macchina.

C’è una simmetria che mi diverte ed è il vero motivo di questo numero del Canovaccio. Magnifica Humanitas è un’enciclica sull’intelligenza artificiale, scritta per avvertirci che non dobbiamo delegare alla macchina il giudizio, la lettura, il discernimento. Io l’ho data in pasto a un’intelligenza artificiale (Claude Code, per la precisione) e le ho chiesto di aiutarmi a leggerla: di contare, mappare, misurare. Le ho chiesto di fare esattamente quell’“adattamento statistico a partire da dati” che il documento, al paragrafo 99, contrappone alla vera sapienza umana, quella che “si lascia plasmare dalla vita”. La macchina ha plasmato un bel po’ di tabelle. Sul fatto che si sia lasciata plasmare dalla vita, ho i miei dubbi.

E però il documento è stato presentato in Vaticano, nell’Aula del Sinodo, accanto al Papa, da Christopher Olah, cofondatore di Anthropic, l’azienda che ha costruito proprio il modello che ho usato per analizzarlo. Trentatré anni, ateo dichiarato, uno dei massimi esperti mondiali di interpretability, la disciplina che cerca di capire cosa succede dentro le reti neurali quando producono un risultato. In estrema sintesi, la stessa domanda che mi sono posto io davanti agli output di Claude (“ma come ci sei arrivato?”) Olah se la pone di mestiere, sui modelli della sua stessa azienda, e ha ammesso candidamente al Papa che la risposta, spesso, è “non lo sappiamo”. Un’enciclica sull’opacità delle macchine, presentata da chi quelle macchine le costruisce e confessa di non capirle del tutto, analizzata da una di quelle macchine. Lo specchio ha già abbastanza facce, come nella migliore tradizione delle poesie barocche. E dunque entriamo nel merito.

Ho chiesto due cose. Di chi parla Leone XIV, cioè chi cita; e di cosa tace (cioè cosa, in un’enciclica sull’IA, non si trova e ci si potrebbe invece aspettare di trovare). Inclusione ed esclusione: le due facce di ogni scelta editoriale, anche quando l’editore è il Vicario di Cristo.

Il metodo, spiegato semplice (e con le sue crepe)

Ho recuperato il testo integrale e l’ho scomposto: corpo del documento da una parte, le duecentoventiquattro note dall’altra. Sulle note ho fatto girare un’analisi delle citazioni (chi è citato, quante volte, in quale capitolo, con quale tipo di documento). Sul corpo ho fatto un “audit dei silenzi”: una lista di un’ottantina di termini che ti aspetteresti in un’enciclica sull’IA del 2026, dai nomi di aziende, a categorie geopolitiche, al gergo tecnico, fino alle questioni di diritto digitale, e una ricerca sistematica per vedere quali compaiono e quali no.

Un avvertimento, perché qui ci teniamo all’onestà intellettuale più che ai risultati lisci come l’olio. Gli “score delle aspettative” (quanto era prevedibile trovare un certo termine) sono stime qualitative, non una metrica oggettiva. E la macchina ha sbagliato almeno una volta in modo istruttivo: nella prima visualizzazione mi segnalava “Stati Uniti” come presente sette volte nel testo, contraddicendo la sua stessa relazione scritta, che diceva zero. Sono andato a controllare a mano, una per una. “Stati Uniti d’America” compare tre volte: una per il movimento per i diritti civili di Martin Luther King, due per citare i vescovi cattolici americani. Mai come potenza geopolitica. Le altre “occorrenze” erano il verbo usare scambiato per la sigla USA. La macchina conta, ma non capisce cosa conta, il che, en passant, è esattamente la tesi del paragrafo 99 dell’enciclica. L’errore della mia IA è la prova del nove dell’argomento di Leone XIV. Non potevo sognarmi di meglio.

Detto questo, i dati che reggono raccontano una storia precisa. Anzi, due.

Prima storia: il Papa parla ratzingeriano

Cominciamo dall’anagrafe delle citazioni. Su duecentotrentadue riferimenti totali, il magistero pontificio e conciliare copre il 78,9%. Non è una sorpresa: un’enciclica parla la lingua delle encicliche. La sorpresa è quale magistero.

Francesco domina, con cinquantasette citazioni, quasi un quarto del totale. Fin qui tutto previsto: Leone XIV è il suo successore immediato, ne eredita il lessico del “cambiamento d’epoca” e del “paradigma tecnocratico”. Ma poi guardate la classifica. Giovanni Paolo II secondo, con quarantuno. E al terzo posto, con ventuno citazioni, Benedetto XVI. Il quale, da solo, viene citato sette volte di più di Leone XIII — il predecessore omonimo, l’uomo della Rerum novarum, l’enciclica di cui Magnifica Humanitas celebra solennemente il centotrentacinquesimo anniversario e che dovrebbe esserne il nume tutelare. Leone XIII, in tutto il documento, è citato tre volte.

Tre.

Top 15 autori citati in Magnifica Humanitas. Francesco domina; Leone XIII, omaggiato nel titolo, è in fondo con 3 citazioni.

C’è di più. Se invece degli autori contiamo i singoli documenti, il secondo testo più citato dell’intera enciclica, dopo Fratelli tutti di Francesco, è Caritas in veritate di Benedetto XVI, con quindici occorrenze. Più di qualunque singola enciclica di Giovanni Paolo II, che pure di encicliche sociali ne ha scritte tre fondamentali. Il documento di Ratzinger sullo “sviluppo” e sulla “carità nella verità” è, numericamente, la spina dorsale di Magnifica Humanitas.

Questo dice qualcosa che il titolo nasconde. Magnifica Humanitas si presenta in abito leonino-ottocentesco, l’omaggio alla Rerum novarum, la firma datata 15 maggio per cadere nell’anniversario, la retorica delle “nuove cose”, res novae, eco delle “cose nuove” del 1891. Ma sotto l’abito, l’ossatura teologica è ratzingeriana: lo sviluppo umano integrale, la critica del relativismo, la carità che ha bisogno della verità per non diventare sentimento. Leone XIII fornisce l’occasione e la cornice retorica; Benedetto XVI fornisce i concetti. È come se il papa nuovo si fosse messo in posa davanti al ritratto del fondatore della dottrina sociale, ma parlasse con la voce del teologo tedesco.

La distribuzione per capitolo aggiunge un dettaglio che trovo bellissimo. Il Concilio Vaticano II (quindici citazioni in tutto, con la Gaudium et spes da sola a quota dodici, il singolo documento più citato in assoluto) si concentra quasi tutto nei primi due capitoli, quelli dei fondamenti. Nei capitoli sull’IA e sulla guerra, il Concilio quasi scompare.

Citazioni per autore e per capitolo. Il Concilio (e la Gaudium et spes) si addensa nei capitoli 1–2, i fondamenti; sparisce nelle applicazioni. Leone XIV cita sé stesso soprattutto in conclusione.

Tradotto: i fondamenti sono conciliari, le applicazioni sono post-conciliari. Quando si scende sul terreno concreto dell’algoritmo e del drone, il testo del 1965 non basta più, e il Papa si appoggia a Francesco, a Ratzinger, ai dicasteri, e (questo è il segnale di un magistero che si sta costruendo da sé) a se stesso: Leone XIV cita propri discorsi e omelie venti volte, e soprattutto in conclusione, dove un papa pianta le bandierine di ciò che vuole diventi suo.

E poi ci sono loro, gli ospiti laici. In un documento di duecentotrentadue citazioni, le voci esplicitamente non ecclesiastiche sono sei: Tolkien, Frankl, Arendt, Guardini, La Pira, Platone. Una ciascuna. Il 3% scarso.

Tolkien chiude il capitolo sulla guerra con il Signore degli Anelli (“non tocca a noi dominare tutte le maree del mondo”) e non è ornamento: è la resistenza estetica al nichilismo, uno dei fili rossi del testo. Breve nota a margina: ringrazio personalmente di cuore il pontefice per avere sdoganato il racconto dell’Anello da un’occupazione senza prigionieri della destra radicale e dei tecnocrati distopici di San Francisco.

Arendt compare con Le origini del totalitarismo, unica voce laica novecentesca sulla politica del potere totale. Frankl, sopravvissuto ad Auschwitz, sta nel cuore del capitolo sulla dignità. Sono citazioni pesate, scelte, quasi sorvegliate: la quota di mondo “esterno” che un’enciclica si concede, e che il genere stesso tiene al guinzaglio.

Seconda storia: l’enciclica sull’IA che non parla di IA

Veniamo ai silenzi. Il vuoto per certi versi è quasi totale.

Ho cercato venti nomi di aziende e attori dell’industria: OpenAI, Google, Microsoft, Anthropic, Meta, Nvidia, Big Tech, Silicon Valley. Ne compare uno solo, e per sbaglio: “Meta”, che nel testo è la parola italiana meta, traguardo, non l’azienda di Zuckerberg. Zero aziende nominate. Zero.

Ho cercato quattordici categorie geopolitiche: Cina, Stati Uniti, Taiwan, semiconduttori, AI Act, sovranità tecnologica. Praticamente nulla: l’Europa compare una volta sola, e di sfuggita, a proposito del crollo dei regimi comunisti nel 1989. La Cina: mai. Gli Stati Uniti come potenza: mai, come ho già avuto modo di anticipare.

Ho cercato quindici termini tecnici: LLM, GPT, transformer, allineamento, AGI, superintelligenza, addestramento, fine-tuning. Quasi deserto. Compare “modello linguistico” un paio di volte, e basta. Niente AGI, niente superintelligenza, niente rischio esistenziale: proprio le ossessioni del dibattito 2024-2026, quelle di cui parlano Bostrom, Russell, gli stessi laboratori.

Audit di presenza/assenza dei termini attesi. I pallini pieni sono presenze; il resto è vuoto. Il colpo d’occhio dice tutto: i dati e i diritti digitali sono al 5%, gli attori industriali al 5%.

E poi il dato che mi ha in qualche modo sorpreso con riferimento ai termini del diritto digitale: copyright, proprietà intellettuale, dati di addestramento, GDPR, consenso, scraping, bias. Presenti: zero su undici. In un’enciclica sull’intelligenza artificiale, nel 2026, mentre i tribunali di mezzo mondo decidono se addestrare un modello su materiale protetto sia furto o fair use, la questione più litigata del diritto dell’IA è semplicemente assente. Non discussa e respinta: assente.

Cosa significa? Si possono raccontare i silenzi in tre modi e sono tutti veri insieme.

Il primo è il più caritatevole, ed è probabilmente quello giusto sul piano del genere letterario. Un’enciclica non è un white paper. Come Leone XIII nel 1891 non scrisse il testo dei contratti collettivi né nominò la Krupp o la Fiat, ma parlò di “capitale” e “lavoro” in astratto, così Leone XIV nel 2026 non regolamenta i dataset e non nomina OpenAI: enuncia principi, offre criteri di discernimento, lascia ad altri l’applicazione. La dottrina sociale fa così da sempre. È la sua grammatica. Il documento, del resto, non è scritto per gli ingegneri di Mountain View: è scritto per vescovi, parroci, fedeli, “uomini e donne di buona volontà”. L’assenza del gergo tecnico è dunque coerenza, non ignoranza.

Il secondo è geopolitico, per cui il silenzio diventa eloquente. Tacere simultaneamente su Cina e Stati Uniti non è distrazione: è struttura. La Santa Sede ha rapporti diplomatici con entrambe le superpotenze, e con Taipei; nominarle, prendere posizione, costerebbe forse un incidente in una fase particolarmente delicata delle relazioni internazionali. La neutralità è la condizione di possibilità di un magistero che voglia parlare a tutti. Ma (ed è il punto) il silenzio non è simmetrico nei suoi effetti. Quando l’enciclica critica (paragrafo 5) la concentrazione di potere in “attori privati, spesso transnazionali, dotati di risorse superiori a quelle di molti governi”, sta descrivendo molto più accuratamente Google, Microsoft e OpenAI che non Baidu o le piattaforme cinesi, che operano sotto stretto controllo statale. Non nominando nessuno, il testo di fatto colpisce il modello Silicon Valley più del modello di Stato.

Il silenzio è forse neutrale nelle intenzioni, ma orientato limpidamente negli effetti.

Il terzo riguarda proprio lo strano abbraccio con cui questo numero della newsletter è iniziato. Sul palco della presentazione c’era Olah, di Anthropic. Eppure nel testo nessuna azienda è nominata, e (l’ho controllato nelle note) non mi pare citato neppure Paolo Benanti, il francescano consigliere del Vaticano e dell’ONU sull’IA, l’uomo che più di chiunque ha plasmato la riflessione vaticana sul tema. Né compaiono Floridi, Bostrom, Russell, Zuboff, Crawford, Acemoglu: nessuno dei pensatori che hanno scritto i libri-chiave sull’IA dell’ultimo decennio dal punto di vista delle loro rispettive discipline di competenza. Il Vaticano dialoga con tutti (caspita, invita il cofondatore di un laboratorio a presentare l’enciclica!) ma non endorsa (chiedo scusa per l’inglesismo che ho voluto forzare) nessuno, non cita nessuno, non si lega a nessuno. È dialogo senza abbraccio. Ha un prezzo, che diversi commentatori hanno notato: senza nominare i soggetti, la responsabilità resta astratta. Chi deve “disarmare l’IA”, nella bellissima metafora-pivot del documento, mutuata peraltro dal vocabolario di Olah, che alla presentazione ha parlato della necessità di critici “fuori” dal sistema degli incentivi? Chi garantisce la trasparenza degli algoritmi? Il testo pone i principi e lascia in ombra i nomi. Una scelta comprensibile, persino nobile e che, tuttavia, rende l’enciclica una bussola senza mappa: ti dice dove sta il nord, non quali strade prendere.

C’è infine una presenza che illumina tutte le assenze. Il testo non parla di GPT, ma parla cinque, sei volte di transumanesimo e postumanesimo: termini filosofici che in centotrentacinque anni di dottrina sociale non erano mai comparsi. Ecco la vera mossa di Leone XIV. L’enciclica ignora deliberatamente la tecnica (gli algoritmi, i modelli, i dataset) per colpire l’ideologia che le sta sotto: il sogno di un’umanità potenziata, oltrepassata, ottimizzata, liberata dal limite e dalla fragilità. Non gli interessa come funziona un LLM. Gli interessa l’antropologia che accompagna il modello quando promette di renderci più che umani. Il documento non parla di codice, ma di anime. È un’enciclica sull’IA che ha scelto, con una certa coerenza, di non occuparsi affatto di IA, insomma, quanto del tipo di esseri umani che rischiamo di voler diventare usandola.

Cosa la macchina ha visto, e cosa non vedrà mai

Alla fine resta la domanda dello specchio. Una macchina ha contato per me duecentotrentadue citazioni, ha setacciato ottanta termini, ha disegnato heatmap e dendrogrammi. Ha visto cose che io, umano, leggendo non avrei mai colto: Benedetto XVI pesa sette volte Leone XIII; il diritto digitale è assente al cento per cento; il Concilio fonda ma non applica. Pattern invisibili all’occhio, evidentissimi al conteggio. La macchina è bravissima a dirmi cosa c’è e cosa manca.

Ma non sa dirmi perché e non è programmata o allenata per farlo al momento.

Non sa perché Leone XIV scelga Ratzinger come interlocutore segreto, né cosa significhi quel silenzio su Benanti, né se l’assenza della Cina sia prudenza diplomatica o cecità strategica. Non sa leggere un silenzio come una scelta. Anzi: l’unica volta che ha provato a interpretare, contandomi sette “Stati Uniti” che non esistevano, ha preso un verbo per una superpotenza. La macchina vede la mappa delle parole ma il senso delle parole le sfugge.

E questo, guarda caso, è precisamente ciò che l’enciclica dice dell’intelligenza artificiale al paragrafo 99: imita, calcola, a volte ci supera in velocità, “ma non capisce ciò che produce, perché non abita l’orizzonte affettivo, relazionale e spirituale in cui l’umano diventa sapiente”.

Ho usato una macchina che non capisce per analizzare un testo che spiega perché le macchine non capiscono. E la macchina, sbagliando, mi ha dato ragione. Il vero lavoro (capire perché il Papa parla così, e perché tace su ciò che tace) quello è toccato a me. Ho provato a farlo, assumendomi la responsabilità di quello che penso e degli errori che posso commettere.

Interpretazione, discernimento, giudizio rimangono in capo a noi. Sono rimasti, ostinatamente, umani.

Forse è questo il punto che Leone XIV avrebbe apprezzato. Non che non si debba usare la macchina: io l’ho usata, e mi ha fatto vedere cose vere. Ma che dopo la macchina serve ancora qualcuno che si sieda, legga davvero, e si chieda cosa significhi tutto questo. Il che, tornando da dove siamo partiti, mi fa pensare a tutti quei commenti usciti il pomeriggio stesso del 25 maggio. Magari li hanno letti davvero, i loro autori, tutte e quarantamila le parole, in un’ora, con le note.

Magari.

O magari, anche loro, avevano una macchina e hanno schiacciato sull’acceleratore per la fretta di arrivare primi.

Nota metodologica

Analisi condotta su Magnifica Humanitas (Leone XIV, 15 maggio 2026, ~42.000 parole, 224 note) con Claude Code: parsing del testo e delle note, classificazione delle citazioni, audit di presenza/assenza su ~80 termini attesi. Gli score delle aspettative sono stime qualitative. Un errore di conteggio della pipeline (le “occorrenze” geopolitiche di “Stati Uniti”) è stato individuato e corretto a mano

Detto questo, e proprio perché è detto, vorrei provare a porre una domanda che riguarda non il cosa di queste lotte, ma il come. Qual è il modo più efficace di comunicare un attivismo? Vale per il femminismo, vale per l’antirazzismo, vale per ogni movimento che si proponga di smontare una disuguaglianza strutturale o un’ingiustizia (mi sono già occupato in questa newsletter di crisi climatica). C’è la via del polemismo binario, che fa pesare ciò che manca, che traccia una linea netta tra un noi e un voi, e che ha il vantaggio innegabile della chiarezza. E c’è una via più sfumata, più complessa, che rinuncia al colpo secco in cambio di qualcosa di più sottile.

Il sospetto che vorrei articolare è questo: la prima via, quella binaria, produce consenso facile ma forse non produce così tanto cambiamento. Funziona come quelle mostre da grande pubblico, i Picasso al Palazzo Reale con il logo del Sole 24 Ore, dove il visitatore esce confortato da ciò che già pensava (“mi è piaciuto perché sapevo già che mi sarebbe piaciuto”). È il “ti piace vincere facile” del consenso militante: ci si riconosce, ci si specchia, si esce dalla bolla più convinti di prima di avere ragione, e si è esattamente nello stesso punto di partenza. La bolla, per sua natura, non converte: scalda chi è già dentro.

Per provare a dire perché questa via mi sembra problematica, e perché la critica non viene da fuori del femminismo ma da dentro, da molto dentro, vorrei appoggiarmi a due autori. Virginia Woolf e Italo Calvino.

I. La stanza di Virginia Woolf

Nel 1928 Virginia Woolf viene invitata a tenere due conferenze al Newnham e al Girton College, i due college femminili di Cambridge. Il tema assegnato è “le donne e il romanzo”. Da quelle conferenze nascerà Una stanza tutta per sé, che è il libro che tutti citano e pochi rileggono, un destino che condivide con quasi tutti i classici fondativi, peraltro, e che è già di per sé una piccola ironia della storia.

La tesi più nota del saggio è celebre al punto da essere diventata uno slogan: per scrivere, una donna ha bisogno di denaro e di una stanza tutta per sé. Cinquecento sterline l’anno e una porta che si chiude a chiave. È una rivendicazione materialista, quasi brutale nella sua concretezza, e Woolf la difende con un’eleganza tagliente: niente genio senza condizioni, niente Shakespeare senza il tempo di essere Shakespeare. Se Shakespeare avesse avuto una sorella altrettanto dotata, la celebre Judith del saggio, sarebbe finita sposata a sedici anni, incinta a diciassette, suicida a venti. Non per mancanza di talento. Per mancanza della stanza.

Fin qui, la Woolf che tutti conoscono. La Woolf da citare nei post del 25 novembre.

Ma il saggio, se lo si legge fino in fondo, fa qualcosa di molto più scomodo. Nelle ultime pagine, Woolf comincia a girare attorno a un’idea che dovrebbe lasciarci, oggi, profondamente a disagio. Parla della mente del grande scrittore come di una mente “incandescente”, libera da impedimenti, da risentimenti, da rivendicazioni. Una mente che non scrive contro qualcuno, perché scrivere contro è già aver perso. E arriva a formulare quello che chiama l’ideale della mente androgina: né maschile né femminile, o meglio, entrambe le cose insieme, in una collaborazione segreta che permette all’opera di respirare. Shakespeare, dice, era così. Coleridge l’aveva intuito. La grande scrittrice che verrà, quella per cui Woolf sta preparando il terreno, dovrà essere così.

È un passaggio che ha fatto infuriare generazioni di femministe successive, e con argomenti validi: Elaine Showalter, negli anni Settanta, vi ha letto una fuga dal conflitto, un rifugio estetizzante di una donna dell’alta borghesia che poteva permettersi di sublimare. La critica è legittima. Ma è interessante, perché ci dice che il nodo che Woolf sta toccando è davvero un nodo, e che il dibattito su questo punto è interno al femminismo da un secolo buono.

Quello che Woolf sta dicendo, in fondo, è qualcosa di molto semplice e di molto sgradevole: rivendicare un’identità è necessario, ma l’identità rivendicata diventa subito una gabbia. La stanza serve; la stanza è il punto, su questo Woolf non arretra di un millimetro. Ma la stanza in cui ci si chiude a scrivere come donne contro gli uomini produce, secondo l’autrice, una letteratura minore. Non perché la rabbia sia sbagliata. Perché la rabbia, trasformata in principio organizzatore, deforma lo sguardo. Si finisce per scrivere con un occhio solo, quello fisso sull’avversario.

C’è un’immagine, nel saggio, che vale la pena recuperare. Woolf legge un romanzo di una scrittrice contemporanea, un romanzo di rivendicazione, militante, sincero, e annota con malinconia che la pagina è “deturpata” da un certo tono. La scrittrice scrive sapendo di essere donna, scrive perché è donna, scrive contro chi non lo è. E in quel sapere, in quel perché, in quel contro, l’opera si incrina. Non è propaganda (Woolf è troppo fine per fare quest’accusa) ma è qualcosa di più sottile: è autocoscienza che diventa autosorveglianza, è identità che diventa postura.

Si potrebbe obiettare, ed è stato fatto, che è facile, per chi ha le cinquecento sterline e la stanza, predicare la mente androgina. Vero. Ma si può anche leggere Woolf in un altro modo: come qualcuno che, avendo conquistato la stanza, si accorge per prima che la stanza non basta, e che chi vi si chiude per scrivere soltanto contro rischia di trovarsi, alla fine, prigioniero della propria liberazione. È un avvertimento che lei manda non agli uomini (agli uomini Woolf dice altre cose, e ben più dure) ma alle donne che verranno. Ed è un avvertimento che viene da dentro, da molto dentro: da una delle stanze più tutte-per-sé che la letteratura del Novecento abbia mai costruito.

Il paradosso, insomma, è già qui, nel 1928, formulato da una delle madri fondatrici. La lotta per uno spazio è giusta e necessaria. Ma lo spazio conquistato, se diventa fortezza, riproduce la logica che lo aveva reso necessario. La porta della stanza si può chiudere, ma forse (è questo che Woolf sta provando a dirci tra le righe delle sue ultime pagine) la si può anche lasciare socchiusa.

* * *

II. La Berenice di Italo Calvino

C’è un altro libro, poi, Le città invisibili di Italo Calvino, in cui Marco Polo racconta a Kublai Khan le città che ha visto nei suoi viaggi. Le racconta una per una, sera dopo sera, nei giardini dell’imperatore, mentre il fumo dei bracieri sale e l’impero (questo lo sanno entrambi, anche se nessuno lo dice) è alla fine della sua decadenza. Sono cinquantacinque città. Nessuna esiste. O forse esistono tutte, e sono la stessa, che è Venezia, che è ogni città, che è la città in cui chi legge sta leggendo. Calvino, nel 1972, ha scritto uno dei libri più strani e meravigliosi del Novecento italiano: un trattato di urbanistica travestito da fiaba, una meditazione filosofica che diventa inventario, un addio sotto forma di elenco.

L’ultima delle cinquantacinque città si chiama Berenice. È una città giusta e ingiusta insieme, e per spiegare come ciò sia possibile Marco Polo deve impiegare le pagine più vertiginose dell’intero libro.

Nella Berenice ingiusta (comincia) vivono i giusti. Vivono nascosti, dentro le pieghe della città cattiva, e immaginano la Berenice come dovrebbe essere: gli ingranaggi più semplici, le piazze più ariose, le leggi più miti. La pensano, la costruiscono col pensiero, la passano di mano in mano come una pianta segreta. È commovente: è la riserva indiana della giustizia dentro la metropoli dell’arbitrio, è il manipolo dei buoni che resiste, è ognuno di noi che si è sentito così almeno una volta, almeno per un pomeriggio.

Ma, e qui Marco Polo abbassa la voce, dentro questa Berenice giusta dei giusti, sta già nascendo, in segreto, una nuova Berenice ingiusta. È fatta di chi gode della propria giustizia. Di chi, avendo a lungo immaginato la città migliore, ha cominciato a guardare con un certo sussiego chi non l’aveva immaginata abbastanza. Di chi ha trasformato la virtù in distintivo, l’idea in tessera, la speranza in graduatoria. Non sono cattivi, attenzione: sono giusti diventati custodi della propria giustizia, e nel custodirla l’hanno chiusa a chiave. E dentro questa nuova ingiustizia (Marco Polo lo sa, lo sapevamo anche noi) sta già germogliando una nuova giustizia. E dentro questa una nuova ingiustizia. E così via, fino alla fine del tempo o dell’attenzione di chi legge.

Calvino chiude la descrizione con una frase che andrebbe ricamata sopra ogni manifesto e dentro ogni manifesto: da quel che ti ho detto puoi trarre la conclusione che la vera Berenice è una successione nel tempo di città diverse, alternativamente giuste e ingiuste. Ma quello di cui volevo avvertirti è un’altra cosa: che tutte le Berenici future sono già presenti in questo istante, avvolte l’una dentro l’altra, strette pigiate indistricabili.

Strette, pigiate, indistricabili. Cioè: non c’è un momento, identificabile sul calendario, in cui i giusti diventano i nuovi ingiusti. Non c’è una riunione segreta in cui qualcuno decide di tradire. Non c’è la vendetta della storia, né la corruzione dei principi: c’è solo la forma stessa del costituirsi-come-giusti, che porta dentro di sé, fin dal primo respiro, la propria deformazione. Avere ragione non basta. Avere ragione insieme, contro qualcun altro, è già un’altra cosa, e dentro quell’altra cosa abita, fin dal primo istante, il germe di una nuova ingiustizia, che non ha bisogno di tempo per sbocciare perché è già fiorita.

Si vede, credo, perché questa pagina parla del nostro tema con una precisione che nessun saggio politico potrebbe permettersi. Calvino non sta dicendo (sarebbe miserabile, e lui non lo è mai) che i giusti sono uguali agli ingiusti, o che tanto vale rassegnarsi. Sta dicendo qualcosa di più sottile e di più duro: che la giustizia, quando diventa identità collettiva, contiene la propria smentita. Che il “noi dei giusti” produce inevitabilmente il “voi degli insufficienti”, e che gli insufficienti, in quella geometria, non sono più i carnefici originari ma chiunque, anche dalla parte giusta, non sia abbastanza giusto, non lo sia nel modo giusto, non lo sia con le parole giuste. Ci sarebbe da allargarsi alla Grammatica della fantasia di Gianni Rodari e al principio geniale del binomio fantastico, ma fermiamoci pure qui.

È esattamente ciò che Woolf, quarant’anni prima e da un’altra stanza, aveva intuito guardando le pagine “deturpate” della scrittrice militante. La rabbia, fatta principio, deforma. L’identità, fatta fortezza, esclude. La stanza, chiusa a doppia mandata, diventa cella; e la cella, paradosso dei paradossi, somiglia molto a quella da cui ci si era voluti liberare.

A questo punto qualcuno (giustamente) alza la mano. E allora? Bisogna smettere di lottare? Bisogna fare i moderati di fronte al gap salariale, ai femminicidi, alla violenza ordinaria? Bisogna chiedere scusa di essersi organizzati?

No. Non è questo che dice Woolf e non è questo che dice Calvino, e non è certo questo che vorrei dire io, che dalla parte facile del gap ci sto comodamente seduto e ho tutto il dovere di ricordarmelo. Quello che dicono i due autori, e che proverei a tradurre nella domanda da cui siamo partiti, quella sul come, è un’altra cosa.

* * *

III. La porta socchiusa

Quello che Woolf e Calvino dicono, ciascuno dalla propria stanza e dalla propria città, è che esiste una differenza tra avere ragione e organizzare la propria ragione in fortezza. La prima cosa è necessaria. La seconda è il momento esatto in cui la ragione comincia, impercettibilmente, a somigliare al suo contrario.

Tradotto nella domanda da cui siamo partiti:

Qual è il modo più efficace di comunicare un attivismo?

La risposta non è una formula, ma una direzione. Il polemismo binario, quello che divide il mondo in noi che abbiamo capito e voi che dovete ancora capire, ha il vantaggio sonoro della chiarezza e lo svantaggio silenzioso dell’inefficacia. Funziona benissimo per chi è già dentro la stanza, per chi è già cittadino della Berenice giusta: lo conferma, lo riscalda, gli regala la piccola euforia del riconoscimento reciproco. È il “ti piace vincere facile” del consenso: la mostra-evento dei capolavori già amati, dove si esce esattamente con le idee con cui si è entrati, ma più convinti, e quindi più immobili.

Chi sta fuori dalla stanza, invece, di fronte al polemismo binario fa una cosa molto semplice: si chiude. Non perché sia in malafede, o ottuso, o irrecuperabile (anche se talvolta lo è, certo) ma perché nessuno, di fronte a un voi pronunciato con il dito puntato, si è mai sentito invitato a entrare. Il dito puntato è una porta che si chiude, non una che si apre. E il movimento che voleva includere finisce per recintare.

La via più sfumata, quella che Woolf intravedeva nella mente “incandescente”, quella che Calvino disegnava nelle pieghe di Berenice, non è la via dei moderati, non è il “stiamo calmi”, non è la diplomazia che chiede ai giusti di sussurrare per non disturbare gli ingiusti. È qualcosa di più ambizioso e di più difficile: è la via di chi tiene ferme le rivendicazioni tutte, sul gap salariale, sulla violenza, sul carico domestico, sul soffitto di cristallo, su tutto ciò che i dati documentano e che nessuno onesto può negare…

E che contemporaneamente, però, rifiuta di trasformare quelle rivendicazioni in tessera identitaria, in distintivo, in graduatoria di purezza. È la via di chi lascia la porta della stanza socchiusa: non spalancata, perché la stanza serve, ma socchiusa, perché chi vuole entrare possa farlo, e chi è dentro non dimentichi che fuori c’è un mondo che non è solo nemico.

C’è, in fondo, una piccola provocazione finale che vorrei lasciare da maschio, ancora una volta, e quindi dalla parte che in questa conversazione ha l’obbligo morale di parlare con più cautela. È questa: la prova più seria della forza di un movimento non è quanto riesce a compattare i propri, ma quanto riesce a far cambiare idea agli altri. Compattare è facile. Convertire è difficile. E il polemismo binario, che pure dà tante soddisfazioni di breve periodo, è uno strumento eccellente per la prima cosa e non tanto efficace per la seconda.

Woolf chiedeva una stanza tutta per sé e aveva ragione; Calvino raccontava che ogni città giusta porta dentro la propria possibile ingiustizia, e aveva ragione pure. Forse il compito di chi oggi raccoglie quelle voci, uomini e donne, dentro e fuori la stanza, dentro e fuori Berenice, è di tenere insieme le due verità senza farle a pezzi: difendere la stanza, lasciarla socchiusa, ricordarsi che la città giusta non è mai un punto d’arrivo ma un equilibrio precario, che va rinegoziato ogni mattina, con pazienza, con ironia, e (se possibile) senza il dito puntato.

Le cinquecento sterline restano dovute. La stanza resta dovuta. Ma la porta, quella, decidiamo insieme cosa farne.

Eppure ogni domenica sentiamo lo stesso ritornello. “Hanno corso di più, hanno meritato”. “Una squadra che mette intensità, che non molla mai un pallone, che lotta su ogni metro”. La chiosa fisica è diventata il modo standard di spiegare qualunque risultato non spiegabile altrimenti: se una squadra ha vinto senza dominare il gioco, allora ha vinto perché ha corso di più. Se una squadra ha perso pur essendo più forte, allora ha perso perché ha corso meno. La corsa è diventata un jolly retorico del calcio moderno (come il tempo effettivo, che Ultimo Uomo ha già demistificato in un bell’articolo qualche settimana fa), l’ingrediente che spiega tutto perché in fondo non spiega niente.

Ho provato dunque a prendere la stagione di Serie A che sta per chiudersi (la 2025/26, alla 36ª giornata mentre scrivo) e provare a verificare se la corsa, davvero, spieghi qualcosa. La Lega Serie A pubblica sui propri canali ufficiali i dati di distanza percorsa per ogni squadra e per ogni giocatore (o meglio, sulla base di questi ultimi dati è possibile ricostruire i km percorsi da ogni squadra). Non era scontato trovarli: per la Liga, ad esempio, i dati equivalenti non sono pubblicamente accessibili in forma completa, e anche la Premier League li espone in modo frammentario. Per la Serie A invece i numeri ci sono, sono granulari, sono comparabili. È un piccolo lusso giornalistico che vale la pena onorare guardandoli sul serio, invece di limitarsi a citarli a fine telecronaca, e anche un piccolo plauso empirico al nostro campionato tanto criticato.

La domanda è semplice: le squadre che hanno corso di più sono quelle che hanno fatto più punti? Hanno segnato più gol? E poi, una sotto-domanda che si rivela forse più interessante: chi sono i giocatori che hanno percorso più chilometri in stagione? Sono gli stessi che hanno deciso il campionato, o qualcuno di meno noto?

Le risposte, come spesso accade quando si guardano i dati invece di ripetere le cantilene, sono leggermente diverse da quelle che ci si potrebbe aspettare.

Quanto corre la Serie A

Cominciamo dalle squadre. Sui dati ufficiali della Lega aggiornati alla 36ª giornata, possiamo mettere per ogni club della Serie A i chilometri percorsi in stagione su un asse e i punti in classifica sull’altro. È un esercizio banale ma raramente fatto in pubblico, ed è il modo più diretto di verificare la teoria implicita della retorica televisiva: chi corre di più dovrebbe vincere di più. Vediamo se è così.

Il grafico mostra una nuvola. Una nuvola con un debole accenno di pendenza positiva, certo, ma sostanzialmente una nuvola con difficile interpretazione statistica robusta. Il Napoli secondo sta in alto a destra, con 4.284 km percorsi e 70 punti. L’Inter di Chivu, fresca di scudetto, è nella zona centrale del grafico: 4.140 km, terza per chilometri. Fin qui sembrerebbe quadrare con la teoria.

Poi però arrivano i guai. Subito sotto al Napoli per chilometri c’è la Fiorentina: seconda nell’intera lega per distanza percorsa, 4.160 km. La Fiorentina si è salvata aritmeticamente proprio alla giornata 36 con 38 punti. Una squadra che corre più della capolista e fa meno della metà dei suoi punti. Ancora peggio per la tesi della corsa: quarta per chilometri è la Cremonese, 4.133 km. La Cremonese è diciottesima in classifica, in piena zona retrocessione, con 31 punti. Una squadra che corre come una candidata alla Champions e gioca un campionato da ritorno in serie B.

I contro-esempi opposti sono altrettanto chiari. Il Como di Cesc Fàbregas, sesto in classifica con 65 punti e 60 gol segnati (più di Juventus, Milan, Roma, Lazio) corre meno della media: 4.050 km, quint’ultima posizione tra le venti squadre. Ed è un dato che sono certo sfidi più di altri il percepito. L’Atalanta, settima a 58 punti, è quintultima per chilometri. L’Udinese, salva con 50 punti e protagonista di un ottimo finale di campionato, è ultima in assoluto per chilometri percorsi.

Il coefficiente di correlazione di Pearson, la misura statistica standard del legame lineare tra due variabili, esce a 0,39 per i punti e 0,35 per i gol. Non è zero, c’è qualcosa, ma è un legame debole, sotto la soglia di significatività statistica che separa una relazione affidabile da una semplice fluttuazione casuale (in entrambi i casi il p-value è sopra 0,08, quindi con una significatività del 10% accettabile giusto per un pezzo giornalistico). Tradotto: nei dati della Serie A 2025/26 c’è un’ombra di pattern “chi corre di più fa più punti”, ma non è abbastanza solida per parlarne come di una legge del campionato. Il vero pattern è il rumore: la corsa, da sola, non basta a prevedere nulla.

E vivaddio: il calcio rimane gioco a flusso continuo con un ruolo chiave giocato da fattori esterni (infortuni, meteo) e in cui l’occupazione degli spazi, più che la quantità di km corsi, mostra l’impronta di un allenatore sul gioco dei suoi ragazzi.

C’è un fatto poi che vale la pena tenere in mente perché è la sorpresa nascosta che tuttavia rivela una conclusione di buon senso: in Serie A, praticamente tutti corrono uguale. Tra la squadra che ha percorso più chilometri (il Napoli, 4.284) e quella che ne ha percorsi meno (l’Udinese, 4.007), infatti, ci sono solo 277 chilometri di differenza. Significa che la prima della classe per intensità fisica corre il 6,9% in più dell’ultima. In termini per-partita: Napoli 119 km a gara, Udinese 111. Otto chilometri di scarto a partita, distribuiti su undici giocatori, fanno settecento metri a testa. Nemmeno due giri di campo e non mi pare una differenza clamorosa.

Questa compressione del range è importante perché ribalta il modo in cui di solito si guarda il dato. Non è che esista una Serie A che corre tanto e una che corre poco. Esiste una Serie A che corre, punto. Le squadre che inseguono in classifica non corrono meno delle altre: anzi, alcune corrono di più. Se la corsa fosse il vero discriminante, dovremmo vedere il Como, l’Atalanta, l’Udinese in cima alla classifica dei chilometri percorsi. Vediamo il contrario.

E i gol? I gol sono ancora più indifferenti ai chilometri.

La distribuzione è ancora più dispersa. Il Como con 60 gol corre meno della media. L’Inter con 85 gol corre più del Milan, che ne fa 50 con 4.070 km. Il Napoli è primo per chilometri ma fa “solo” 54 gol, meno di Inter, Juventus, Como, Roma. La prolificità di una squadra dipende dal talento dei suoi attaccanti, dalla qualità del centrocampo, dall’occupazione degli spazi, dalla capacità di chiudere le occasioni; non dai chilometri. È un’ovvietà calcistica che però la retorica televisiva tende talvolta a ignorare per privilegiare discussioni meno fondate.

La spiegazione di questa quasi-uniformità sta in un’osservazione tattica che vale la pena rendere esplicita: nel calcio moderno, la corsa è quasi sempre una reazione al pallone, non un’iniziativa autonoma. Si corre quando non si ha il pallone, per recuperarlo. Si corre quando lo si perde, per riprenderselo. Le squadre tecnicamente più dotate corrono spesso meno delle altre, perché tengono palla di più e costringono gli avversari a inseguire. Le squadre meno dotate corrono di più perché passano più tempo a rincorrere. La corsa misura il deficit di possesso, non la qualità del gioco. È un indicatore di sofferenza, non un indicatore di forza.

Ed è qui che bisogna passare al secondo livello dei dati, perché è il livello dove la teoria della corsa-come-sofferenza diventa visibile in modo più chiaro: la classifica dei singoli giocatori.

I maratoneti nascosti

Il sito ufficiale della Lega Serie A pubblica la classifica dei singoli giocatori per distanza percorsa in stagione, e i primi 20 di quest’anno sono una piccola galleria di personaggi che vale la pena guardare in faccia, perché racconta una storia molto precisa del calcio italiano contemporaneo.

In cima alla classifica c’è Ylber Ramadani, mediano albanese del Lecce, trent’anni, arrivato in Italia tre stagioni fa dopo aver girato Macedonia, Ungheria e Scozia. Ha percorso 400,5 chilometri in 35 partite, 11,07 km per ogni novanta minuti giocati. Subito dietro Bryan Cristante della Roma (390 km), poi Johan Vasquez del Genoa (386), Morten Frendrup sempre del Genoa (382), Jesper Karlström dell’Udinese (377).

Il primo della classifica gioca in una squadra che lotta per la salvezza. Il secondo è un giocatore importante ma non una star. Il terzo, il quarto e il quinto giocano in squadre di provincia o di metà classifica. Per trovare il primo nome davvero noto bisogna scendere parecchio: Manuel Locatelli è nono, Luka Modrić ventesimo. Scott McTominay, centrocampista chiave del Napoli, è quindicesimo.

Nei primi venti non c’è un singolo attaccante. Non c’è un giocatore del Como, che è sesto in classifica. Non c’è nessuno dell’Inter, che ha vinto il titolo. Non c’è nessuno del Milan tranne, appunto, il quasi-quarantenne Modrić, la splendida eccezione di un talento cristallino con i polmoni di un fabbro di centrocampo.
Ecco, fabbri e falegnami: la classifica della corsa non sorprendentemente privilegia la categoria.

La distribuzione per ruolo dice quasi tutto: dei venti maratoneti, dodici sono centrocampisti e otto sono difensori. Zero attaccanti. Zero portieri (ovviamente). E la stragrande maggioranza gioca in squadre dalla nonain giù.

Cosa significa? Significa che la classifica della corsa non è la classifica del calcio italiano. È piuttosto la classifica della sofferenza tattica. Ramadani corre 11 km a partita perché il suo Lecce gioca con un baricentro basso, deve aggredire alto a turno e ripiegare basso per coprire, e il suo lavoro è coprire i buchi che la propria squadra è strutturalmente costretta a lasciare. Cristante alla Roma fa qualcosa di simile in un contesto tattico più ricco. Vasquez e Frendrup nel Genoa coprono campo per una squadra che gioca per non perdere. Karlström all’Udinese fa lo stesso lavoro per una squadra che lotta per la salvezza. Sono i muratori del campionato: lavorano per le squadre che non possono permettersi di non correre, perché la differenza tecnica con gli avversari le costringe a un debito fisico continuo.

McTominay nel Napoli capolista è un’eccezione che conferma la regola in modo elegante: corre molto (11 km a partita) ma in una squadra che gioca anche con qualità. Nel suo caso, il volume di corsa si somma al talento di squadra, non lo sostituisce. È la differenza tra correre per non subire e correre per produrre.

Una nota finale sulla classifica individuale: Ramadani ha percorso quattrocento chilometri da settembre a maggio. È la distanza tra Milano e Roma. Ha attraversato l’Italia da nord a sud, di corsa, spalmata in mezz’ora a partita per trentacinque settimane. Nessun applauso del pubblico, nessuna copertina, nessuna chiamata in nazionale che faccia notizia. Solo chilometri. Il pavimento invisibile su cui si appoggia il resto del campionato.

I dati individuali, in altre parole, confermano in modo quasi caricaturale quello che i dati di squadra avevano già suggerito. La corsa nel calcio italiano contemporaneo non è il marchio dei vincenti. È il prezzo che le squadre tecnicamente più povere pagano per restare in partita. I migliori giocatori del campionato, quelli che decidono le partite (gli attaccanti, i trequartisti, i registi di qualità) corrono mediamente meno di chi sta in fondo alla loro stessa squadra a fare le veci di tutti. E le squadre migliori, di conseguenza, hanno mediamente molti meno maratoneti delle squadre peggiori. Suona controintuitivo ma è esattamente quello che la geometria del gioco prevede: se hai il pallone, il pallone corre per te.

Una nota sul Bayern, perché serve

A questo punto del discorso, una domanda è inevitabile: ma il calcio italiano è un caso speciale, oppure è così dovunque? Per chiudere il cerchio vale la pena guardare cosa fa il dominatore della stagione europea per intensità riconosciuta, il Bayern Monaco di Vincent Kompany, vincitore della Bundesliga 2025/26 con un dominio quasi indecente.

Il dato è impressionante e leggermente tragicomico. Il Bayern ha percorso 4.048 chilometri in 34 partite di Bundesliga, vincendo il campionato con largo anticipo e segnando 117 gol in stagione, quarantotto in più della seconda squadra del campionato. Calcolato per partita, il Bayern fa 119,07 km a gara. Il Napoli, in 36 partite, ne ha percorsi 4.284, e fa 118,99 km a partita. Ottanta metri di differenza. Ottanta metri. Distribuiti su una partita di un’ora e mezzo, distribuiti su undici giocatori, fanno meno di otto metri a testa.

Eppure il Bayern segna 117 gol e vince la Bundesliga distaccando di trenta punti la seconda, mentre il Napoli ne segna 54 e gioca un campionato piuttosto deludente. La corsa è praticamente identica, il calcio è completamente diverso.

Cosa cambia? Tutto quello che non è corsa. La qualità del primo controllo. La velocità del passaggio. L’occupazione coordinata dello spazio. La sincronizzazione delle giocate. Il talento individuale degli esecutori finali (Kane, Olise, Musiala, Sané in un caso; Lukaku, Politano, McTominay, Anguissa nell’altro). È un confronto impari, e i chilometri non c’entrano niente.

La storia del Bayern è la prova negativa di tutta la tesi di questo pezzo. La corsa è una condizione necessaria del calcio top, nel senso che sotto una certa soglia di intensità non si compete nemmeno in un campionato top, ma non è sufficiente. È il pavimento, non il soffitto. Sopra quel pavimento, quello che decide è il talento, la struttura tattica, la profondità della rosa, la qualità degli esecutori. La differenza tra Bayern Monaco e Napoli non è quanto corrono. È cosa fanno con il pallone quando ce l’hanno tra i piedi.

C’è una bella ironia che mostra il ribaltamento delle prospettive internazionali. Il calcio italiano si è raccontato per decenni come un calcio di tattica e di idee. Il calcio tedesco si è raccontato invece come uno sport di intensità e di fisicità. La verità dei numeri 2025/26 è che corrono uguale, ma uno segna il doppio dell’altro. La differenza oggi non sta dove ce la siamo sempre raccontata.

Achille piè veloce non raggiunge mai la tartaruga, perché la tartaruga ha qualcos’altro: il pallone, il tempo, l’idea giusta al momento giusto. Achille corre, e arriva sempre un attimo dopo.

Nota metodologica. I dati di distanza percorsa per squadra e per giocatore in Serie A sono stati estratti dalle API ufficiali della Lega Serie A (api-sdp.legaseriea.it), aggiornati alla 36ª giornata della stagione 2025/26 (estrazione: 12 maggio 2026). Le correlazioni sono state calcolate usando coefficienti di Pearson e Spearman su tutte le 20 squadre del campionato. I dati del Bayern Monaco sono dalle API ufficiali della Bundesliga, stessa data di estrazione (giornata 34 della Bundesliga).

L’idea è semplice quanto ambiziosa: raccogliere tutte le lettere annuali che Fink ha scritto dal 2012 a oggi, fare un’analisi spero sofisticata con Claude Code, e provare a fare quello che nessun analista umano fa mai per intero: leggere tutto, estrarre i temi, misurare il sentiment, tracciare le previsioni, e poi verificare se si sono avverate. Non un esercizio di ammirazione né un processo sommario. Un’analisi.

Quattordici lettere. Quattrocentocinquantaquattromila caratteri. Cinquantasette dichiarazioni prospettiche formalmente identificabili. Tredici previsioni verificabili con dati pubblici disponibili.

I risultati sono, nel senso migliore del termine, imbarazzanti per chiunque avesse già deciso cosa pensare di Larry Fink.

Il metodo spiegato semplice

La pipeline di analisi ha operato in tre fasi. Prima, raccolta: le lettere sono state recuperate dagli archivi BlackRock e dall’Internet Archive dove necessario. Una sola lettera (quella del 2013) è risultata irreperibile da fonti pubbliche, per cui l’analisi copre quattordici anni su quindici. Seconda fase, estrazione: ogni lettera è stata analizzata per sentiment, temi dominanti e dichiarazioni forward-looking, usando un sistema di prompting strutturato calibrato sul contesto specifico della comunicazione istituzionale BlackRock. Terza fase, verifica: le previsioni estratte sono state valutate rispetto agli esiti storici documentati, con un punteggio da 0 a 1 (dove 1 significa “aveva ragione su tutta la linea” e 0 significa “non è andata così”).

Un avvertimento metodologico che vale la pena sottolineare: i punteggi di accuratezza sono stime qualitative, non un backtesting formale. L’obiettivo non era produrre una metrica difendibile in un paper accademico, ma dare un’idea sistematica e riproducibile di quanto le previsioni si siano materializzate o meno. È più rigoroso di un’impressione, meno rigoroso di un modello econometrico. Per quel che vale, è probabilmente il metodo più onesto applicabile a una newsletter che prova ad argomentare tesi con i dati.

Il sentiment: l’ottimismo come postura professionale

Il primo risultato sorprendente riguarda il tono. In quattordici anni di crisi finanziarie, pandemie, guerre, crolli bancari e turbolenze politiche, il sentiment medio delle lettere di Fink è risultato positivo. Non euforico (il punteggio medio su scala da -1 a +1 è +0,31) ma strutturalmente, pervicacemente ottimista. Come se il suo mestiere gli imponesse di concludere ogni analisi con la convinzione che il capitalismo, alla fine, trovi sempre il modo di aggiustarsi.

L’anno più ottimista (!!!) è il 2026 (che però fa riferimento all’anno scorso), con un punteggio di +0,60. Il più cupo è il 2023, il solo anno in cui il sentiment scende sotto zero: -0,10, un territorio che nella scala emotiva della lettera si traduce in “ansioso” più che “pessimista”. Serviva Silicon Valley Bank che collassasse, l’invasione russa dell’Ucraina che mandava in frantumi trent’anni di globalizzazione, e una campagna politica americana che usava BlackRock come bersaglio, per portare Fink appena sotto la soglia della neutralità.

Il grafico del sentiment racconta una storia con una forma precisa: risalita graduale dal 2012 al 2018 (la golden age dell’ESG), poi un progressivo deterioramento tra il 2019 e il 2023, e infine una rimonta netta a partire dal 2024. Il minimo del 2023 non è una caduta, ma un rimbalzo compresso, come se Fink sapesse già che stava riscrivendo la tesi.

I temi: una mappa del tempo

Il grafico a heatmap dell’evoluzione tematica è probabilmente la visualizzazione più interessante (almeno per me) dell’analisi. Sull’asse verticale ci sono dieci macro-temi: dal valore per gli azionisti alla governance, dalla sostenibilità e ESG al clima, dalla tecnologia e AI alla geopolitica, dal capitalismo ai sistemi previdenziali, fino alla tokenizzazione e alla leadership. Sull’asse orizzontale, gli anni dal 2012 al 2026. I colori dal giallo quasi bianco al rosso scuro indicano quanto ogni tema sia centrale in ciascuna lettera.

Quello che emerge è un racconto in cinque atti.

Il primo atto, tra il 2012 e il 2015, è dedicato alla governance e al lungo termine. Fink attacca sistematicamente il “capitalismo trimestrale”, vale a dire l’ossessione delle aziende per gli utili di breve periodo a scapito degli investimenti strutturali. È un Fink correttivo, quasi pedagogico (posso dire anche da “acqua calda dell’edufin?”), che scrive ai CEO come un professore severo scrive ai suoi studenti: sapete cosa state sbagliando, e io ve lo dico.

Il secondo atto, tra il 2016 e il 2019, è quello in cui l’ESG diventa un framework esplicito. Nella lettera del 2016 compaiono per la prima volta i fattori ambientali, sociali e di governance come variabili materialmente rilevanti per gli investimenti, più come preferenza etica che come metrica finanziaria. Nel 2018 BlackRock inizia a mandare lettere formali ai CEO chiedendo disclosure sulla purpose aziendale. Nel 2019, la Business Roundtable ridefinisce ufficialmente il concetto di corporate purpose includendo tutti gli stakeholder: Fink può dirsi soddisfatto, il mainstream lo ha raggiunto.

Il terzo atto, nel 2020 e 2021, è il pivot sul clima. La lettera del 2020 è probabilmente la più influente dell’intera serie. Fink dichiara che il rischio climatico è rischio d’investimento. Supera il riferimento allìesternalità e alle questioni di etica della responsabilità per concentrarsi su una variabile finanziaria con implicazioni dirette in termini di portafogli. BlackRock annuncia di uscire dal carbone termico e di integrare la sostenibilità in tutte le strategie attive. È il momento di massima coerenza tra narrazione e azione.

Il quarto atto, tra il 2022 e il 2023, è invece il più interessante dal punto di vista politico. La guerra in Ucraina reintroduce la geopolitica come fattore dominante. Più significativamente, la campagna degli stati repubblicani americani contro BlackRock, accusata di “weaponizzare il capitale” per fini politici attraverso l’agenda ESG, costringe a una ritirata retorica. Nella lettera del 2023, Fink prende le distanze esplicite dalla parola “ESG”, preferendo parlare di “investimento di lungo periodo” e di crisi previdenziale. Il tema ESG/sostenibilità si allontana dalla piena intensità nel grafico. Non scompare, ma si attenua.

Il quinto atto, dal 2024 a oggi, è il capitolo della democratizzazione, in cui Fink ridisegna la tesi: il problema centrale, invece dell’ambiente o della governance aziendale, diventa l’accesso. I mercati privati (infrastrutture, private credit, asset reali) hanno infatti generato rendimenti superiori che sono rimasti inaccessibili ai risparmiatori comuni. La tokenizzazione degli asset è la risposta tecnica: una nuova infrastruttura finanziaria che potrebbe portare quei rendimenti a chi non ha mai potuto accedervi. È una tesi politicamente più robusta della precedente, meno esposta alle accuse di elitismo ambientalista.

Le previsioni: quando l’oracolo ha ragione

La parte più sorprendente (almeno per me, ero mosso da un sincero pregiudizio) e metodologicamente più delicata dell’analisi riguarda le previsioni. Delle tredici dichiarazioni forward-looking verificabili estratte dal corpus, nessuna è risultata completamente sbagliata (ah, la complessità!). Nove su tredici hanno ottenuto un punteggio di accuratezza pari o superiore a 0,7 (ovvero, si sono sostanzialmente avverate). Le altre quattro sono parzialmente corrette. L’accuracy rate effettivo, ponderando le previsioni parziali al 50%, è circa l’85%. Buono, insomma.

Alcune previsioni specifiche meritano attenzione. Nel 2017, Fink prevedeva che le aziende senza una purpose esplicita avrebbero perso talenti e clienti: punteggio 0,8, confermato dalla proliferazione del purpose-driven branding e dalle guerre per i talenti che hanno caratterizzato il decennio. Nel 2018, prevedeva che i fattori ESG sarebbero stati integrati nell’investimento mainstream: punteggio 0,9, con i fondi ESG che hanno raggiunto 35 trilioni di dollari di AUM entro il 2021. Nel 2020, prevedeva che il rischio climatico sarebbe diventato rischio d’investimento e che i portafogli si sarebbero ristrutturati di conseguenza: punteggio 0,8, con gli stress test climatici adottati dalle banche centrali e le ondate di divestment dal fossile a conferma.

Le previsioni parzialmente corrette riguardano quasi tutte la velocità e l’universalità dei fenomeni. Il capitalismo degli stakeholder avrebbe dovuto ridefinire il primato degli azionisti (e per un momento sembrava stesse accadendo) ma il contrattacco del 2023-2024 ha rimescolato le carte. L’equità sociale avrebbe dovuto diventare una variabile sistemica nei portafogli: i programmi DEI aziendali si sono espansi, ma il contraccolpo politico ha ridimensionato le ambizioni iniziali. In questi casi, Fink aveva identificato la direzione corretta ma aveva sottostimato la resistenza.

Due previsioni sono ancora aperte: la tokenizzazione degli asset come nuova infrastruttura finanziaria, e la crisi previdenziale come sfida sociale definitoria del decennio. Su entrambe è troppo presto per un giudizio. I segnali, però, sembrano coerenti con le profezie.

Cosa resta, alla fine

L’analisi restituisce un ritratto più complesso di quello che ci si aspetta. Larry Fink non è né il visionario disinteressato che alcuni dipingono né il cinico opportunista che altri accusano. È qualcosa di più preciso e più raro: un operatore sistemico con un genuino modello del mondo, abbastanza coerente da risultare verificabile e abbastanza flessibile da sopravvivere alle sue stesse contraddizioni.

Ha previsto l’integrazione ESG nei mercati finanziari e poi ha dovuto prendere le distanze dall’ESG per motivi politici, senza che la sostanza del ragionamento cambiasse. Ha previsto che il capitalismo avrebbe avuto bisogno di una ridefinizione della sua purpose sociale e poi ha assistito a una backlash che quella ridefinizione ha rigettato, almeno retoricamente. Ha previsto che la crisi climatica avrebbe rimodellato la finanza (e ha ragione), anche se a una velocità inferiore a quella auspicata.

Il dato che forse racconta meglio il personaggio è quello del sentiment: strutturalmente positivo, anche negli anni più duri. Non perché ignori i rischi (le lettere del 2022 e del 2023 sono dichiaratamente preoccupate) ma perché il suo framework intellettuale è costruito sull’assunto che il capitalismo, dotato degli incentivi giusti, possa autocorreggersi. È una fede laica nel mercato come meccanismo adattivo. È anche, probabilmente, l’unica postura praticabile per chi gestisce diecimila miliardi di dollari per conto di pensionati di mezzo mondo.

Se ha torto, è un problema di tutti. Se ha ragione, è almeno in parte anche merito suo.

Resta però una domanda più scomoda, e forse più interessante: quando parla un nodo così centrale della rete, sta davvero prevedendo il futuro o sta contribuendo a produrlo? Se tutti leggono Fink come si ascoltava l’oracolo di Delfi (abbastanza chiaro da orientare, abbastanza generale da sopravvivere a molte interpretazioni) allora alcune sue profezie possono diventare vere anche perché il mondo finanziario comincia ad agire come se lo fossero già. La causalità, qui, non è una freccia semplice. È una rete. E in certe reti, chi sta al centro non si limita a descrivere la realtà: la piega, lentamente, verso il proprio racconto.

Analisi condotta su 14 lettere annuali (2012-2026), con un gap nel 2013 per indisponibilità delle fonti pubbliche. Pipeline: raccolta → estrazione strutturata via LLM → sintesi e visualizzazioni. Tutti i dati e i grafici sono disponibili nell’archivio dell’analisi completa

N.B. I dati sono raccolti attraverso un dataset disponibile liberamente su Github e per questo il prezzo è in dollari perché si riferisce al mercato americano. Le considerazioni economiche mantengono comunque la loro validità

Peccato che i prezzi nominali, da soli, raccontino circa la metà della storia e la metà che non raccontano sia quella più interessante.

Il LEGO Big Mac Index

L’Economist, da decenni, usa il prezzo del Big Mac come termometro del potere d’acquisto tra paesi diversi. L’idea è semplice: prendi un prodotto standardizzato, confronta il suo prezzo nel tempo e nello spazio, e scopri cose che i tassi di cambio ufficiali nascondono. Ho fatto la stessa cosa con i LEGO, usando come “Big Mac” i set del tema City e Town con 200-600 pezzi: la fascia media del catalogo, per intenderci, quella più stabile e comparabile nel tempo.

Il risultato è nel grafico qui sotto, e vale la pena guardarlo con attenzione.

Fig. 1 — Il LEGO Big Mac Index: prezzo nominale vs reale, set City/Town 200-600 pezzi (2005–2023)

La linea blu è il prezzo nominale. Sale, oscilla, e nel 2021 fa quel balzo a $60 che è stato davvero un piccolo shock. Ma la linea arancione tratteggiata (il prezzo reale deflazionato in dollari costanti) racconta una storia molto diversa. In termini di potere d’acquisto reale, un set City mediano nel 2023 costa meno di quanto costasse nel 2005. L’inflazione nominale è +50%. L’inflazione reale è -3,8%. LEGO, nel segmento di riferimento, ha sostanzialmente tenuto il passo con l’inflazione generale senza batterla. Nulla di così scandaloso, insomma.

Il vero salto, guardando bene il grafico, non è graduale ma brusco e recente: dal 2012 al 2020 il prezzo mediano era inchiodato attorno a $40 per quasi un decennio intero: una stabilità quasi commovente nella sua testardaggine. Il balzo a $59,99 nel 2021 è il vero evento, non il lento scivolamento che si racconta di solito. E sì, quel balzo è rimasto.

La strategia silenziosa

Se il prezzo reale è stabile, come mai la sensazione diffusa è che i LEGO siano diventati più cari? La risposta è nel grafico successivo, e una volta vista non si riesce a non vederla.

Fig. 2 — Scomposizione dell’aumento di prezzo LEGO: pezzi vs costo per pezzo (2000–2023)

L’area blu domina quasi interamente il grafico. Quella blu rappresenta la componente “più pezzi”: la quasi totalità dell’aumento di prezzo dal 2000 a oggi si spiega con il fatto che i set sono diventati strutturalmente più grandi, probabilmente per il fatto che Lego punta sempre di più ai collezionisti nerdoni come me e al cosiddetto mercato nostalgia. Il numero mediano di pezzi per set è passato da 50 a 304. Più del 500% in più. Il costo per singolo mattoncino, invece, il PPP (price per piece nel nostro codice) è rimasto sostanzialmente stabile.

LEGO non ha alzato il prezzo del mattoncino. Ha venduto sempre più mattoncini per set. È una distinzione che sembra tecnica ma non lo è: significa che l’azienda ha mantenuto la promessa di valore al consumatore attento (“ti do tanti pezzi per quello che paghi”) e disposto a pagare di più, mentre alzava il prezzo assoluto attraverso la complessità crescente del prodotto. Un upselling strutturale vestito da arricchimento dell’offerta.

Fig. 3 — Indice di contenuto LEGO: quanto si paga oltre il valore-pezzi? (2000–2023)

Quando proviamo a misurare il content index (un indice che misura quanto si paga oltre il valore-pezzi, per licenze, minifigure, brand) è rimasto ancorato a 1,0 per tutto il periodo 2006–2023. Il mercato ha capito perfettamente la logica e ha risposto di conseguenza: si paga esattamente quello che si riceve in pezzi, non di più in media.

Ma l’inflazione esiste, ed è selettiva

A questo punto potreste pensare che LEGO sia un’azienda quasi virtuosa sul fronte dei prezzi. E in parte lo è, almeno in aggregato. Ma i dati hanno un altro livello, e questo è il più interessante.

Fig. 4 — Inflazione nascosta per tema: crescita annua del prezzo a parità di pezzi (OLS)

Questo forest plot mostra qualcosa di preciso: a parità di numero di pezzi, la crescita annua del prezzo non è uguale per tutti i temi. Friends cresce dell’1,99% l’anno. City dell’1,62%. Star Wars dell’1,01%. Ninjago invece va nella direzione opposta: -1,40% l’anno, ovvero più pezzi per lo stesso prezzo nel tempo: una risposta competitiva per restare accessibile alla pressione dei concorrenti (ed è la marca che punta più al settore kids insieme a Disney, mentre Duplo che aumenta mira ai genitori).

Nota Benissimo: Un forest plot è uno strumento grafico che consente di confrontare in modo sintetico più stime dello stesso fenomeno, mostrando per ciascuna sia l’effetto stimato sia il grado di incertezza associato.

L’inflazione nascosta esiste, ma è concentrata dove il brand vale qualcosa di più del solo conteggio dei mattoncini. Friends ha una forte identità estetica e una comunità di fan fedele. City è il tema-cardine del catalogo. Star Wars paga una royalty a Disney stimata intorno al 10-15% del prezzo di vendita, e quella royalty è cresciuta dopo l’acquisizione Lucasfilm nel 2012. Il mercato LEGO non è inflazionato uniformemente: è un mercato a strati, dove i temi con identità di brand più forte e destinati a un pubblico adulto estraggono sistematicamente un premio maggiore nel tempo.

Quante ore di lavoro vale un set LEGO?

Ma arriviamo al punto che mi sembra più interessante dell’analisi che, come detto, si concentra su dati americani e inevitabilmente, dunque, fa riferimento al mercato del lavoro USA.

Fig. 5 — Ore di lavoro al salario minimo USA per un set LEGO City mediano (2005–2023)

Nel 2006, un lavoratore al salario minimo federale USA doveva lavorare 8,7 ore per comprarsi un set City da $45. Nel 2013 bastavano 4,8 ore per uno da $35. Un miglioramento enorme in pochi anni. Ma poi la curva risale, e nel 2021 e nel 2023 siamo di nuovo a 8,3 ore.

Cosa è successo? Non è che LEGO abbia alzato i prezzi in modo brutale. È che il salario minimo federale USA è congelato a $7,25 dal 2009: quindici anni di immobilità assoluta mentre tutto il resto del mondo dei prezzi si muoveva. L’unico momento in cui i LEGO sono diventati davvero più accessibili per un lavoratore a basso reddito è stato tra il 2009 e il 2013, post grande crisi. L’aumento del salario minimo da $5,15 a $7,25 voluto dal Congresso ha fatto quello che nessuna politica di pricing aziendale aveva fatto.

Tutto ciò ha avuto anche un impatto sull’offerta a catalogo di Lego: i set entry-level (sotto i $20) si stanno rarefacendo. Nel 2020 erano 160 nel catalogo, nel 2023 sono scesi a 98. Il “set da $10 per Natale” non è diventato più caro: sta semplicemente sparendo, sostituito da set più grandi e più costosi. LEGO si sta muovendo verso l’alto del mercato, verso l’adulto AFOL (Adult Fan Of LEGO, sì, esiste questa categoria e vale miliardi, e io ne rappresento una buona fetta), verso i set da collezione a tre cifre.

La morale, se vogliamo trovarne una

I LEGO non sono diventati più cari in termini reali, almeno non in modo drammatico. Sono diventati più grandi, più complessi, più ricchi di contenuto. E il costo di quella complessità è stato distribuito in modo diseguale: chi ha un reddito medio ha tenuto il passo, chi guadagna il salario minimo ha perso terreno.

È una di quelle storie in cui i dati, se ti prendi la briga di guardarli con un po’ di dettaglio, cominciano a raccontare qualcosa di più complicato e più interessante che parte da una passione e arriva a stili di vita e disuguaglianza nella distribuzione del reddito.

Come sempre, i mattoncini sono solo la superficie. Sotto, ci sono le solite questioni: potere d’acquisto, disuguaglianza appunto, scelte politiche. Solo che stavolta vengono con le istruzioni di montaggio incluse.

Nota metodologica

I dati utilizzati provengono dal database Rebrickable (26.495 set, aggiornato al 2024) integrato con prezzi retail storici in USD. L’analisi copre il periodo 2000–2023. Il “LEGO Big Mac Index” è calcolato sui set City/Town con 200-600 pezzi con prezzo disponibile. Il price-per-piece (PPP) è calcolato come USD_MSRP/num_parts. La deflazione usa il CPI USA (base 2000). I salari minimi sono quelli federali USA. Le stime di inflazione per tema sono ottenute con OLS: log(USD_MSRP) ~ log(num_parts) + year, separatamente per tema. Tutti i risultati sono associazioni statistiche, non relazioni causali.

Il paper della settimana

DOBRYNSKAYA, Victoria; KISHILOVA, Julia. LEGO: the toy of smart investors. Research in International Business and Finance, 2022, 59: 101539.

Il paper analizza se i set LEGO possano essere considerati un vero e proprio investimento alternativo e mostra che, nel tempo, alcuni di questi prodotti da collezione hanno generato rendimenti medi sorprendentemente elevati, intorno al 10–11% annuo, talvolta superiori a quelli di azioni, obbligazioni o oro, soprattutto grazie alla loro crescente rarità una volta usciti dal mercato e alla forte domanda dei collezionisti . L’idea centrale è che i LEGO funzionino come altri beni da collezione: vengono inizialmente venduti a prezzi relativamente bassi, ma quando la produzione termina e l’offerta diminuisce, i prezzi sul mercato secondario tendono a salire, soprattutto per set rari, tematici o legati a film. Tuttavia, non tutti i set rendono allo stesso modo e l’investimento richiede tempo (spesso almeno 2–3 anni) oltre a costi di transazione non trascurabili; inoltre, pur offrendo buone opportunità di diversificazione perché poco correlati ai mercati finanziari tradizionali, i LEGO non garantiscono extra-rendimenti sistematici rispetto alle azioni, ma rappresentano piuttosto un’interessante combinazione tra passione e investimento.

Il grafico della settimana

La citazione della settimana

“The sound a box of Lego makes is the noise of a child's mind working, looking for the right piece. Shake it, and it's almost creativity in aural form.” [Grayson Perry]

Il video della settimana

Ci sono domande che, in qualche modo, abbiamo deciso tutti insieme di non fare in pubblico. Per decenza, rispetto, semplice imbarazzo.

«Quanto vale la Gioconda?» è una di queste.

La risposta istintiva è: non si può sapere perché la Gioconda non è in vendita, appartiene alla Repubblica Francese, e chiunque osi mettere un numero su quei 77 x 50 e qualcosa centimetri di ritratto con sorriso ambiguo rischia di sembrare o ingenuo o maleducato.

Sarà forse la mia avversione non per Leonardo, ma per il mito cieco che ne accompagna la fama nel mondo, ma mi solleticava l’idea di fare un esercizio provocatorio, anche perché l’economia non ha mai avuto problemi con le domande strane.

E la mia risposta empirica, almeno quella del modello che ho costruito, è:

40000 euro

[pernacchie in scena]

Sì, avete letto bene. Quarantamila. Molto meno di un appartamento, o forse di una stanza, nel quartiere più periferico di Milano. Meno del bonus manager di una banca regionale. Ho impiegato un po’ di ore a costruire questo modello e quando ha restituito quel numero mi sono fermato a fissarlo a lungo. Non perché fossi sorpreso dell’errore: me l’aspettavo. Ma perché l’errore era esattamente del tipo giusto: sbagliato in modo illuminante.

Lasciate che vi racconti come sono arrivato fin qui, cosa ho trovato, e soprattutto cosa questo numero irrisorio ci dice su tutto ciò che i dati, per quanto tanti, per quanto buoni, non riescono a vedere.

La galleria dei paradossi

Prima di costruire qualsiasi modello che prezzi le opere d’arte, servono due cose: un modo per descrivere le opere in modo che una macchina le capisca, e un archivio di prezzi reali su cui allenarsi.

Per la prima parte ho usato OpenCV, una libreria open source di computer vision, nata nei laboratori Intel negli anni Novanta e oggi lo standard de facto per l’analisi automatica delle immagini. Ho scaricato le immagini digitali di sette opere tra le più famose della storia dell’arte da Wikipedia e ho lasciato che OpenCV estraesse da ciascuna una serie di caratteristiche numeriche: luminosità media, numero di colori unici, percentuale di zone scure, complessità compositiva, densità di bordi e angoli, numero di volti rilevati. Ogni opera diventa, in questo passaggio, una riga di numeri. Il soggetto, il nome del pittore, la storia dell’opera: tutto scompare. Rimane solo quello che il computer vede (o che può sembrare abbia visto).

Per la seconda parte ho usato un dataset pubblico disponibile su GitHub, costruito tramite web scraping di Christie’s e Sotheby’s, che raccoglie i risultati di oltre 37.000 aste internazionali, per un valore complessivo di circa 9,5 miliardi di dollari. Sono aste condotte in un arco di tempo piuttosto lungo tra ventesimo e ventunesimo secolo. E il dataset non è composto solo da capolavori: contiene sì grandi artisti da status symbol (Picasso, Monet, Warhol) ma anche migliaia di opere e di autori meno affermati, lavori che all’asta hanno spuntato poche centinaia di dollari. Questa varietà è fondamentale: un modello allenato solo su opere celebri imparerebbe a riconoscere la fama, non le caratteristiche visive. Qui invece le caratteristiche visive sono tutto quello che il modello ha a disposizione.

Su questi dati ho allenato un gradient boosting, una tecnica di machine learning che costruisce il modello in modo iterativo, aggiungendo ogni volta un piccolo correttore agli errori del passaggio precedente, un po’ come uno studente che studia matematica sbagliando e correggendo, sbagliando e correggendo, finché i risultati non convergono verso qualcosa di ragionevole o più semplicemente verso il risultato giusto di un esercizio. È uno degli algoritmi più robusti per dati tabulari, quello che i data scientist scelgono quando vogliono risultati seri senza avere un’idea precisa della forma matematica del problema.

Poi ho chiesto a questo modello di stimare il prezzo che le sette opere celebri otterrebbero all’asta. Ed ecco i risultati:

1. L’Urlo (Edvard Munch): $330.000 · ±1σ: range $80.000–$1.420.000

2. Guernica (Pablo Picasso): $120.000 · ±1σ: tange $30.000–$530.000

3. La Gioconda (Leonardo da Vinci): $40.000 · ±1σ: range $10.000–$170.000

4. Las Meninas (Diego Velázquez): $30.000 · ±1σ: range $10.000–$120.000

5. La Persistenza della Memoria (Salvador Dalí, 1904): $0 · ±1σ: range $0–$10.000

Il modello attribuisce al capolavoro di Munch, secondo i criteri visivi stabiliti, quasi dieci volte il valore della Gioconda. La Persistenza della Memoria di Dalí vale, invece, sempre secondo l’algoritmo, sostanzialmente zero. Questo risultato è tecnicamente corretto in base alle istruzioni e completamente privo di senso allo stesso tempo; e questa tensione è il punto di partenza di tutto ciò che segue.

L’algoritmo non ha torto. Non sa chi è Leonardo o gli altri soci citati.

E dovremmo usare con molta attenzione il verbo sapere, non solo per gli umani.

“Sa” solo quello che vede nell’immagine digitale in base all’input ricevuto: una superficie relativamente piccola (77 × 53 cm), colori tendenti al bruno, luminosità contenuta, complessità visiva nella media. L’Urlo, invece, è grande, con contrasti cromatici estremi (quel rosso arancio che spacca il cielo), alta complessità, bordi marcatissimi. Nel dataset di migliaia di aste reali queste caratteristiche predicono prezzi più alti. Il modello le vede e stima di conseguenza. La logica è impeccabile. Il risultato è grottesco.

L’algoritmo ha ragione sui pixel. Ha completamente torto sul significato. E il fatto è che il valore della Gioconda sta tutto nel significato.

Quello che il Rinascimento prezzava alla brutta

Per capire perché il modello fallisce così clamorosamente, ho confrontat i risultati con un’analisi accademica che fa in qualche modo la stessa cosa, ma per un mercato diverso. Federico Etro, professore di economia all’Università Ca’ Foscari di Venezia, nel 2017 ha analizzato infatti 248 commissioni pittoriche italiane tra il 1285 e il 1550 (ricevute, contratti, registri contabili d’epoca) che riguardano pittori come Giotto, Botticelli, Raffaello, Tiziano, nonché committenti come i Medici e la Chiesa. Lo scopo era capire cosa determinasse il prezzo di un’opera nel mercato primario rinascimentale.

I risultati di Etro sono precisi e storicamente affascinanti. Nel Rinascimento, il predittore più forte del prezzo era il numero di figure dipinte: la prima figura aggiuntiva aumentava il compenso al pittore di circa il 20%. Il motivo era contrattuale: i committenti non potevano verificare la qualità dell’esecuzione prima che il lavoro fosse finito, quindi usavano le figure come proxy misurabile dell’impegno. Quante figure dipingi? era la domanda chiave. Diventava, in sostanza, un contratto scritto sulla tela.

Allora lo status dell’artista era molto differente da oggi: per lo più si parlava di un artigiano, per quanto di talento, la cui struttura degli incentivi era guidata da costi dei materiali e dalla difficoltà di realizzazione dell’opera. Spiace tirar fuori una perla della tv commerciale degli anni ’80, ma vale un po’ il

“Per dipingere un muro grande, serve un pennello grande”.

Ho quindi replicato l’approccio di Etro sul dataset di aste contemporanee, confrontando i predittori in entrambi i mercati. Il confronto rivela quattro pattern che vale la pena conoscere.

La dimensione conta, ma sempre di più

Sia nel Rinascimento che nelle aste contemporanee, un’opera più grande vale di più. Ma la magnitudine dell’impatto è radicalmente diversa. Etro trovava che un raddoppio della superficie corrispondeva a un aumento del prezzo del 10%. Nelle aste contemporanee lo stesso raddoppio vale il 40-49% di aumento. La dimensione, nelle aste di oggi, non è solo una misura del lavoro investito: è un segnale di rarità, ambizione, capacità di spesa di chi acquista. Chi compra tele enormi segnala che ha anche dove poterle mettere in casa. La dimensione è diventata un lusso nel senso economico preciso del termine.

La complessità visiva premia solo dove è rara

Ho costruito un indice composito di complessità visiva, che ho chiamato Complexity Score per darmi un tono statistico, combinando il numero di volti rilevati, la percentuale di bordi e quella di angoli nell’immagine. Questo indice è positivamente correlato al prezzo nell’arte moderna e contemporanea. Ma per l’arte classica (artisti nati prima del 1800) il coefficiente è praticamente zero.

La spiegazione che mi sono dato è controintuitiva ma economicamente elegante: nell’arte classica che arriva alle aste, quasi tutto è figurativo. Non esiste ancora l’arte astratta, la complessità è la norma e non l’eccezione. Un segnale che mandano tutti, in economia, smette di essere un segnale.

Eppure nel mercato primario rinascimentale studiato da Etro accadeva esattamente il contrario: la figurazione era una scelta esplicita e negoziata tra committente e pittore, un contratto scritto sulla tela prima ancora che il pennello la toccasse. Quel meccanismo segnaletico aveva senso in quel contesto specifico. Trasportando le stesse opere nel mercato secondario delle aste del XXI secolo, il contratto originale non esiste più: nessuno sta trattando il numero di figure con Velázquez. Il segnale si è spento insieme al contesto che lo aveva generato.

I colori: il grande ribaltamento

Nel Rinascimento, opere con colori rari e costosi (l’oltremare estratto dal lapislazzuli, il carminio, il cinabro) avevano prezzi più alti. Era logico: quei pigmenti costavano quanto l’oro, e il committente lo sapeva. La ricchezza cromatica era una prova materiale dell’investimento.

Nel mio dataset di aste contemporanee accade l’opposto: una maggiore varietà cromatica nell’immagine è associata a prezzi più bassi, con un coefficiente fortemente negativo. A prima vista sembra assurdo. Ma c’è una spiegazione, e vale la pena seguirla con attenzione perché rivela qualcosa di interessante su come funziona la misurazione quantitativa in questo caso, e sui suoi limiti.

Io non misuro i colori nell’opera originale. Misuro i colori nella fotografia digitale dell’opera, che è l’unica cosa che il modello vede. E le fotografie delle opere di alto valore tendono ad avere caratteristiche precise: sono scattate in condizioni di luce controllata, con attrezzatura professionale, in ambienti neutri; spesso ciò avviene nei depositi delle case d’asta o nei musei. Questa cura produce immagini con palette relativamente sobrie, dominate da pochi toni profondi e uniformi. Le riproduzioni commerciali, le stampe, le fotografie amatoriali di opere meno quotate tendono invece ad avere colori più saturi, più vari, più “vivaci” nel senso deteriore del termine, il tipo di immagine che si trova su un sito di e-commerce o in un catalogo di arte decorativa.

Il risultato è che la varietà cromatica nell’immagine digitale è diventata, involontariamente, un proxy della qualità fotografica, e la qualità fotografica è correlata con il valore percepito dell’opera. Il mercato non ha deciso consapevolmente che “più colori uguale meno valore”. Quello che è successo è più sottile: nel tempo, le opere più prestigiose hanno ricevuto trattamenti fotografici più rigorosi, e questo rigore ha lasciato una traccia nei dati che il modello ha imparato a leggere. È un artefatto della misurazione, ma un artefatto che il mercato ha, per così dire, adottato senza saperlo, semplicemente perché le pratiche fotografiche delle grandi case d’asta hanno finito per codificare, nei pixel, una gerarchia di valore che era già scritta altrove.

Il 93% che i dati non vedono e la vera storia della Gioconda

Eccoci al punto cruciale. L’R² delle mie regressioni edoniche (la quota cioè di variazione nei prezzi spiegata dall’intero modello) si ferma a 0,07. In termini tecnici, le caratteristiche visive misurabili spiegano il 7% della variabilità dei prezzi d’asta. Il restante 93% rimane fuori dalla portata del modello.

In termini meno tecnici, il modello fa schifo.

Per chi non frequenta la statistica: immaginate di voler spiegare perché certi quadri costano di più. Raccogliete tutto quello che si può misurare (dimensioni, colori, luminosità, complessità, volti) e ci costruite sopra il modello migliore possibile. Poi scoprite che con tutto questo avete spiegato sette centesimi su ogni euro di differenza di prezzo. I restanti 93 centesimi dipendono da qualcosa che non riuscite a vedere.

L’R² di 0,07 non è un numero modesto. È una confessione. Il modello dice: so misurare i pixel, ma il valore dell’arte non è nei pixel.

Quel 93% ha un nome, anche se è difficile da quantificare perché è un grumo fluido e complesso di un sacco di cose: è la reputazione dell’artista, la sua presenza nei musei, le recensioni critiche accumulate nel tempo, la storia di provenienza dell’opera, il numero di mostre in cui è stata esposta, le citazioni nei cataloghi delle grandi case d’asta, il peso simbolico che cinque secoli di cultura le hanno cucito addosso, le emozioni che ha generato nei milioni di persone che hanno goduto alla sua vista.

La Gioconda non vale 870 milioni di euro (o sopra il miliardo secondo altri tentativi di valutazione) per le sue caratteristiche visive. Vale una cifra incommensurabile perché è la Gioconda. Perché Napoleone la volle nella sua camera da letto. Perché fu rubata nel 1911 e il furto la rese il più celebre ritratto del mondo. Perché milioni di persone al Louvre si accalcano davanti a quel vetro blindato ogni anno, molte di loro deluse dalla dimensione effettiva del quadro (77 centimetri, molto meno di quanto immaginassero) ma incapaci di staccarsi o di non farsi un inutile selfie in sua presenza, come se il sorriso di Lisa Gherardini imponesse una tassa sul tempo. Questo non è misurabile. Non è nei pixel. Non sta in un dataset di Christie’s.

E voi direte: grazie e graziella.

La saggezza dell’algoritmo e i suoi limiti: una nota finale

Voglio essere diretto, qui. Ho costruito questo modello con entusiasmo, ho passato ore a ottimizzare il gradient boosting, a estrarre feature con OpenCV, a replicare l’approccio di Etro su scala contemporanea. E il modello funziona per ciò che può fare. Per stimare il prezzo d’asta di un pittore contemporaneo emergente, dove la reputazione pesa meno e le caratteristiche fisiche pesano di più, i risultati sono ragionevoli e potenzialmente utili.

Ma quando si tratta di cose che hanno un valore incommensurabile, opere che hanno attraversato secoli, che hanno accumulato strati di significato culturale, che sono diventate simboli prima ancora che oggetti, l’algoritmo fa quello che può: guarda i pixel e dice 40 mila dollari. E quel numero è, al tempo stesso, tecnicamente difendibile e profondamente, irrimediabilmente, sbagliato.

Il problema non è nel modello, ma nell’uso piuttosto inutile che ne ho fatto. Esistono dimensioni del valore che il dato non riesce a cogliere, e non perché manchino i dati, non perché manchi la potenza di calcolo, non perché l’algoritmo sia mal costruito. Ma perché quelle dimensioni non sono mai state, per loro natura, nel dominio del misurabile. Il valore della Gioconda appartiene alla storia, alla cultura, alla memoria collettiva, alla narrazione. Appartiene al tipo di cose che Aristotele avrebbe chiamato incommensurabili (anche qui citazione un po’ a caso per flexare), non comparabili sulla stessa scala di misura di nessun’altra cosa.

Un R² di 0,07 non è un risultato deludente. È il dato più onesto che ho prodotto in questa analisi.

Eppure, e qui sta il paradosso che trovo più stimolante, senza quel 7% spiegato non avrei messo a fuoco il 93% che resta fuori. Un po’ come quando da bambino disegni le sagome delle personcine e poi tagli i contorni per meravigliarti davanti all’abisso del vuoto che rimane. Costruendo il modello, guardando dove fallisce e come, ho capito in parte cosa il mercato dell’arte sta davvero prezzando. Il valore della Gioconda emerge proprio dal confronto con quello che l’algoritmo vede e non vede.

I dati, insomma, sono indispensabili. Ma la loro funzione più preziosa non è rispondere alle domande; è illuminare il confine oltre il quale le domande cambiano natura. Oltre quel confine, i 40 mila dollari dell’algoritmo non sono una risposta insoddisfacente.

Sono un promemoria necessario: che esistono cose che valgono quanto la civiltà umana (prima che qualcuno con un tweet minacci di annientarla), e che nessun modello statistico, per quanto sofisticato, è attrezzato davvero a riconoscerle.

Il 93% di quello che conta non si misura.

La Gioconda sorride. Perché va bene così.

[altre pernacchie dal pubblico per la chiusa inutilmente aulica]

Se questo esercizio vi ha incuriositi, il working paper di Federico Etro si intitola “The Economics of Renaissance Art” (2017). Il dataset pubblico di aste è disponibile su GitHub (jasonshi10). L’analisi è stata condotta con Claude Code di Anthropic

Il libro della settimana

Contro i numeri non è un manifesto anti-dati. Al contrario, è un libro che difende il valore dell’informazione quantitativa proprio smontandone gli abusi. Jerry Z. Muller ricostruisce con esempi concreti come la trasformazione di ogni attività in indicatori misurabili (la cosiddetta “tirannia delle metriche”) finisca spesso per produrre l’effetto opposto a quello desiderato.

Il punto non è che i numeri siano inutili: è che, quando diventano un fine e non uno strumento, generano distorsioni. Organizzazioni pubbliche e private iniziano a ottimizzare ciò che è misurabile, trascurando ciò che conta davvero ma sfugge agli indicatori. Ne derivano comportamenti opportunistici, burocratizzazione crescente e una perdita di senso del lavoro. Il bersaglio del libro, quindi, è l’ossessione per la misurazione come scorciatoia decisionale: una logica che promette oggettività ma spesso alimenta inefficienza, soprattutto nelle amministrazioni più rigide, dove il rispetto dell’indicatore sostituisce la qualità del risultato. Muller mostra bene come questo approccio possa trasformare la valutazione in un rituale vuoto, più utile a “dimostrare” che qualcosa è stato fatto che a migliorare davvero le performance.

Contro i numeri è un invito a rimettere i dati al loro posto: strumenti preziosi, ma da integrare con giudizio, contesto e competenza. Non meno numeri, ma numeri migliori e, soprattutto, usati meglio.

L’infografica della settimana

La citazione della settimana

“La vita mi obbliga a fare qualcosa, per cui dipingo”. [R.Magritte]

Il video della settimana

Wallace usava questa storia per parlare di consapevolezza: le realtà più ovvie e onnipresenti sono spesso le ultime che riusciamo a vedere, proprio perché ci siamo dentro. Ecco, tenete a mente questa immagine. Perché i dati che vi sto per presentare suggeriscono qualcosa di simile sul rapporto tra italiani, social media e disinformazion. E lo fanno in un modo che rovescia abbastanza nettamente il senso comune.

Chi si informa sui social? Più o meno tutti

Partiamo dai numeri. Il Flash Eurobarometro 359, condotto dalla Commissione europea su un campione rappresentativo di oltre mille italiani (n=1.058, età minima 15 anni), fotografa le abitudini informative della popolazione rispetto ai temi di attualità sociale e politica. Il primo dato che colpisce è la diffusione: quasi un italiano su due ( il 49,6% del campione) dichiara di usare piattaforme social o YouTube per tenersi aggiornato.

La tentazione è di liquidarlo come un fenomeno generazionale, roba da ventenni. Ma i dati raccontano qualcosa di diverso. Tra i 15 e i 24 anni la quota è alta, sì (74%), ma anche nella fascia 35-54 anni più della metà degli intervistati usa i social come fonte informativa. Perfino tra gli over 55 la percentuale si attesta attorno al 35%. Non è una nicchia giovanile: è un fenomeno di massa, trasversale alle generazioni.

Dal punto di vista geografico, le differenze tra Nord e Sud sono sorprendentemente contenute. Le Isole registrano la quota più alta (54,7%), il Nord-Ovest la più bassa (46,1%), ma gli intervalli di confidenza si sovrappongono ampiamente: non possiamo dire, statisticamente, che il gap sia reale. L’uso dei social per informarsi è sostanzialmente uniforme su tutto il territorio italiano.

Fig. 1 — Uso di social media/YouTube come fonte informativa per macro-area (Italia, n=1.054, CI 95%)

Il paradosso della fiducia

Arriviamo al punto più interessante, quello che mi ha spinto a dedicarci un numero del Canovaccio. Esiste una narrazione molto diffusa, quasi un assioma del dibattito pubblico, che suona più o meno così: chi si informa sui social è più esposto alla disinformazione, più vulnerabile alle fake news, meno capace di distinguere il vero dal falso. I social come grande livellatore verso il basso della qualità dell’informazione.

I dati dell’Eurobarometro 359 raccontano una storia diversa. Chi usa i social media o YouTube come fonte informativa si dichiara fiducioso nella propria capacità di riconoscere le fake news nel 54% dei casi. Chi non li usa si ferma al 42%. Dodici punti di differenza, nella direzione opposta a quella che ci si aspetterebbe.

Questa associazione positiva, piccola ma presente, tiene anche dopo aver controllato statisticamente per età, istruzione, genere e area geografica. E a livello regionale la correlazione è visibile a occhio nudo: le regioni con una quota più alta di “social informers” tendono ad avere anche una quota più alta di persone che si sentono capaci di orientarsi nell’ecosistema informativo.

Fig. 2 — Uso dei social media e media literacy per regione NUTS2 (dimensione punto ∝ n; regioni con n<10 escluse)

Qui è necessaria una pausa. Quello che vi sti descrivendo sono associazioni statistiche, non relazioni causali dimostrate. Non possiamo dire, con questi numeri, che usare i social “produca” maggiore capacità critica, né escludere che siano le persone già più attente e curiose a scegliere i social come fonte aggiuntiva di informazione. La causalità è sempre difficile da isolare in dati come questi. Detto ciò il dato però esiste, è robusto ai controlli disponibili, e merita di essere preso sul serio.

L’acqua e i pesci: il meccanismo della verifica

Torniamo ai due pesci di Wallace. Chi è cresciuto nell’acqua dei social media, chi ha imparato a informarsi in un ecosistema dove i contenuti sono mescolati, rapidi, spesso non firmati da fonti verificabili… Quella persona ha sviluppato, almeno in parte, gli anticorpi adatti a quell’ambiente. Non necessariamente in modo consapevole o sistematico, ma come competenza nativa.

I dati suggeriscono che il meccanismo sia, almeno in parte, comportamentale. L’analisi di mediazione rivela che circa il 40% dell’associazione positiva tra uso dei social e fiducia nelle proprie capacità critiche passa attraverso l’adozione di pratiche attive di verifica. Chi si informa sui social tende più spesso a controllare la fonte di una notizia (43% vs 31% di chi non usa i social), a incrociare le informazioni con altre fonti (57% vs 49%), e a usare strumenti di fact-checking. Non sono le abitudini di un utente passivo e credulone.

Fig. 3 — Mediazione Baron-Kenny: social_informer → verifica_attiva → literacy_conf (N=963)

Viene in mente un’analogia con i dati sulle denunce. In alcuni paesi, quando le denunce per furti o violenze aumentano, la prima reazione è di allarme: sta succedendo qualcosa di grave? Ma spesso la spiegazione è diversa: non è che i crimini aumentano, è che la popolazione è diventata più consapevole, più incline a riconoscere un torto e a sporgere denuncia. Un segnale di maggiore civismo, non di maggiore criminalità. Qualcosa di simile potrebbe valere qui: i social informers non sono più creduloni; semmai sono più abituati a stare all’erta.

Più esposti, più consapevoli

C’è un altro dato che va nella stessa direzione. I social informers percepiscono di incontrarsi con la disinformazione più spesso: il 44% di loro dichiara di essersi imbattuto in fake news o notizie false nell’ultima settimana, contro il 34% di chi non usa i social. Dieci punti di differenza.

Come interpretarlo? Non necessariamente come una maggiore esposizione oggettiva alla disinformazione. Più probabilmente, chi ha sviluppato una certa sensibilità per il problema tende anche a riconoscerlo più spesso quando lo incontra. È la stessa logica delle denunce: non vedi di più perché ce n’è di più, ma perché sai cosa cercare. E in effetti, chi si sente capace di riconoscere la disinformazione la percepisce di più: il 43% dei “fiduciosi” dichiara un’alta esposizione, contro il 31% dei “non fiduciosi”.

Fig. 4 — Determinanti dell’esposizione percepita alla disinformazione: AME con CI 95%

Chi rimane indietro: età, istruzione, genere

Il quadro fin qui dipinto non deve far pensare che tutto vada bene. I dati mostrano chiaramente chi rimane indietro, e i predittori più robusti della fiducia nella propria capacità di orientarsi nell’ecosistema informativo sono quelli strutturali: l’istruzione e l’età.

Chi ha terminato gli studi a 21 anni o oltre ha una probabilità circa 10 punti percentuali più alta di sentirsi capace di riconoscere le fake news rispetto a chi ha smesso prima dei 17 anni. Gli over 55 sono circa 8 punti sotto la fascia 35-54. Fin qui, nessuna sorpresa.

Ma c’è un terzo predittore, robusto e meno discusso: il genere. Le donne dichiarano una fiducia nella propria capacità di riconoscere le fake news sistematicamente inferiore a quella degli uomini (circa 6 punti percentuali in meno) a parità di età, istruzione, occupazione e area geografica. Non è una questione di uso diverso dei social, né di una diversa esposizione alla disinformazione: è un gap nella percezione della propria competenza critica. Un risultato che non ha spiegazioni semplici nei dati disponibili, ma che merita attenzione quando si parla di politiche di educazione ai media.

E qui si chiude il cerchio con Wallace. Chi nasce e cresce in un certo contesto formativo, che sia l’ambiente digitale dei più giovani, l’istruzione universitaria, o la cultura della verifica che si costruisce navigando un ecosistema informativo complesso, sviluppa strumenti di lettura del mondo adatti a quell’acqua. Il problema non è tanto il canale (social sì, social no), quanto le pratiche. E le pratiche si insegnano.

Il paper di questa settimana

Schulz, Anne, Richard Fletcher, and Rasmus Kleis Nielsen. "The role of news media knowledge for how people use social media for news in five countries." New Media & Society 26.7 (2024): 4056-4077.

Il paper analizza come la conoscenza del funzionamento dei media, cioè come le notizie vengono prodotte, distribuite e finanziate, influenzi il modo in cui le persone usano i social per informarsi, utilizzando dati su oltre 10.000 individui in cinque paesi occidentali. Il risultato principale è controintuitivo: chi ha maggiore “alfabetizzazione mediatica” usa comunque i social per le notizie, ma li considera una fonte complementare, non centrale; al contrario, chi ne sa meno tende ad affidarsi ai social come fonte principale o addirittura unica. Inoltre, le persone più informate mostrano un approccio più critico: prestano attenzione alla fonte, al contesto editoriale e a chi condivide la notizia, mentre danno meno peso ai segnali superficiali di popolarità come like, commenti o condivisioni. In sostanza, il lavoro suggerisce che la conoscenza dei media non riduce l’uso dei social, ma ne cambia la qualità: da consumo passivo e potenzialmente vulnerabile a uno più consapevole, selettivo e integrato con altre fonti informative.

La citazione della settimana

Distracted from distraction by distraction (T.S. Eliot)

Il video di questa settimana

Chi è nato in Europa occidentale, o in Italia segnatamente, negli ultimi cinquant’anni ha vissuto in una rara oasi di pace strutturata, circondata da istituzioni progettate proprio per rendere la guerra tra stati europei impensabile (l’Unione Europea, i trattati di non proliferazione, ma anche la NATO). Questa circostanza fortunatissima ha prodotto, però, un effetto collaterale: quella che potremmo chiamare la cecità del benessere, ovvero l’incapacità di vedere il conflitto armato per quello che statisticamente è: non un’eccezione storica confinata al passato, ma una costante della vita internazionale contemporanea, presente in questo stesso momento in decine di luoghi del mondo, con intensità, forme e protagonisti molto diversi da quelli che ci si aspetterebbe.

Per provare a vedere oltre questa cecità, ho deciso di costruire un’analisi empirica che partisse dai dati più autorevoli e sistematici disponibili su scala globale: il dataset UCDP/PRIO Armed Conflict Dataset, prodotto dalla collaborazione tra il Dipartimento di Ricerca sulla Pace e i Conflitti dell’Università di Uppsala, in Svezia, e il Centro per lo Studio delle Guerre Civili dell’Istituto di Ricerca per la Pace di Oslo. Si tratta di un lavoro scientifico imponente, nato nella sua forma attuale nei primi anni Duemila e aggiornato ogni anno con pubblicazione nel Journal of Peace Research, che copre tutti i conflitti armati verificatisi dal 1946 a oggi in cui almeno una delle parti coinvolte sia un governo statale riconosciuto. L’unità di misura fondamentale del dataset è il conflict-year: ogni anno in cui un conflitto causa almeno venticinque morti in battaglia viene registrato come un’osservazione distinta, permettendo di tracciare non solo se un conflitto esiste, ma per quanto tempo dura e con quale intensità si manifesta anno dopo anno.

La definizione operativa: dove comincia la guerra

Prima ancora di guardare i dati, conviene fermarsi sulla definizione. Il progetto UCDP opera con criteri precisi e volutamente tecnici: un conflitto armato è definito come uno scontro tra almeno due parti organizzate, delle quali almeno una deve essere il governo di uno stato, che produca un minimo di venticinque morti correlate a battaglie nell’arco di un anno solare. Questa soglia bassa, che può sembrare sorprendente a chi è abituato a immaginare la guerra come un evento di scala massima, è però il punto di ingresso nel sistema: è la soglia del conflitto minore, distinta dalla soglia della guerra aperta, che invece richiede almeno mille morti correlate a battaglie all’anno.

Questa distinzione binaria (conflitto minore e guerra aperta) è una delle strutture concettuali più interessanti dell’intera architettura del dataset, perché rivela qualcosa di fondamentale: la guerra non è un interruttore, è un reostato. Ci sono gradi di violenza organizzata, passaggi di soglia, escalation progressive. E come vedremo, il movimento da una soglia all’altra, da venticinque morti all’anno a mille, non è affatto automatico né inevitabile: è un evento probabilistico, dipendente da strutture geografiche, storiche e istituzionali che i dati ci permettono di illuminare.

Il dataset classifica inoltre i conflitti in quattro tipologie morfologiche: i conflitti extrasistemici (tipo 1), quelli tra uno stato coloniale e un movimento di liberazione in un territorio non metropolitano, ormai quasi del tutto scomparsi con la fine del colonialismo formale; i conflitti interstatali (tipo 2), quelli che corrispondono alla guerra classica tra stati sovrani; i conflitti intrastatali puri (tipo 3), ovvero le guerre civili in senso stretto, dove un governo combatte contro un’opposizione armata all’interno dei propri confini; e infine i conflitti intrastatali internazionalizzati (tipo 4), nei quali una o più potenze esterne si inseriscono con forze proprie in un conflitto che resta fondamentalmente interno. È su questo quarto tipo che si concentra una delle tendenze più significative e preoccupanti degli ultimi decenni.

La morfologia: come cambiano le forme della guerra

Il grafico che segue racconta, con la pazienza silenziosa dei dati, una storia che quasi nessun telegiornale ha mai sintetizzato con questa chiarezza.

Morfologia della guerra 1946–2024 (UCDP/PRIO ACD v25.1). Le quattro tipologie di conflitto nella loro evoluzione storica.

Ciò che emerge è una trasformazione quasi completa della struttura dei conflitti armati globali nel corso di ottant’anni. All’inizio del periodo coperto dal dataset, negli anni immediatamente successivi alla Seconda guerra mondiale, il panorama era dominato da due categorie oggi quasi scomparse: i conflitti extrasistemici (le guerre di decolonizzazione, combattute da Francia, Portogallo, Paesi Bassi, Gran Bretagna per trattenere i propri imperi) e i conflitti interstatali tradizionali. Insieme, queste due forme di guerra rappresentavano quasi la metà di tutti i conflitti attivi negli anni Quaranta e Cinquanta. Poi, decennio dopo decennio, entrambe si sono dissolte: le guerre coloniali si sono concluse con l’indipendenza formale degli ultimi territori, e le guerre tra stati sovrani sono diventate eventi sempre più rari, quasi delle anomalie nel sistema internazionale contemporaneo.

Il vuoto lasciato da queste forme storiche di guerra non è stato un vuoto di pace: è stato riempito, progressivamente e in modo sempre più massiccio, dalla guerra civile, dal conflitto intrastatale. Già a partire dagli anni Sessanta, la guerra intrastatale pura (tipo 3) era diventata la forma dominante di violenza organizzata su scala globale, e così è rimasta fino ad oggi. Ma la vera rivoluzione morfologica degli ultimi vent’anni è l’esplosione del quarto tipo: il conflitto intrastatale internazionalizzato, la guerra civile nella quale potenze esterne intervengono militarmente, spesso su fronti opposti, trasformando quello che sarebbe stato un conflitto interno in un teatro di competizione geopolitica per procura. Dai dati emerge che questa tipologia, praticamente trascurabile fino agli anni Ottanta, ha conosciuto una crescita accelerata dopo le Primavere Arabe del 2011, fino a rappresentare oggi quasi la metà di tutti i conflitti attivi a livello globale.

Quello che questo significa, concretamente, è che la guerra contemporanea assomiglia sempre meno ai film di guerra che abbiamo visto. Non ci sono fronti chiari, non ci sono eserciti nazionali che si affrontano per il controllo di un territorio definito, non ci sono dichiarazioni di guerra né, spesso, trattati di pace. C’è invece una costellazione di attori armati (milizie, fazioni ribelli, forze governative, contractors privati, forze speciali straniere) che si sovrappongono in spazi geografici e politici sempre più complessi, con obiettivi parzialmente divergenti e catene di comando spesso opache.

La geografia: dove accadono le guerre

Se la morfologia rivela come le guerre cambiano forma, la geografia rivela dove si concentrano. E la risposta, anche qui, sfida l’immaginario comune.

La geografia della guerra 1946–2024 (UCDP/PRIO ACD v25.1). Distribuzione regionale dei conflict-year per decennio.

La prima osservazione conferma lo spunto da cui parte l’analisi: l’Europa è, nella storia del dopoguerra, la regione con la minore densità di conflitti armati. I Balcani degli anni Novanta, l’unica grande eccezione, appaiono nel grafico come un’anomalia transitoria, un’acuta ma breve parentesi in una traiettoria di sostanziale pacificazione continentale. L’Africa, l’Asia e il Medio Oriente raccontano storie molto diverse.

L’Asia è stata la regione più conflittuale in senso assoluto lungo l’intero arco storico coperto dal dataset: le guerre di decolonizzazione in Indocina, i conflitti della Corea, del Vietnam, dell’Afghanistan, la lunga scia di violenze post-coloniali in Africa subsahariana a partire dagli anni Sessanta, le instabilità del subcontinente indiano. Ma è l’Africa che, a partire dagli anni Ottanta e con una curva di crescita che non si è mai davvero interrotta, ha scalato le classifiche della conflittualità globale fino a diventare, nei decenni più recenti, la regione con il maggior numero di conflitti attivi, alimentata da una combinazione di fragilità statale, pressioni demografiche, competizione per le risorse e interferenze esterne.

Il Medio Oriente, per contro, si distingue per un’altra caratteristica rilevabile nei dati: l’intensità. Non necessariamente il numero più alto di conflitti in ogni decennio, ma una percentuale storicamente elevata di conflitti che superano la soglia dei mille morti all’anno, ovvero la soglia della guerra aperta. Le mappe di intensità mostrano che, nei decenni più recenti, il 36% dei conflitti mediorientali ha raggiunto questa soglia: una proporzione significativamente più alta rispetto alla media globale, e superiore a quella di qualsiasi altra regione negli anni più recenti.

Un elemento ulteriore merita attenzione: la concentrazione geografica della guerra nei paesi più poveri e politicamente fragili del mondo. Questo non è un caso, né una semplice correlazione. È il riflesso di meccanismi strutturali ben documentati dalla ricerca: la debolezza delle istituzioni statali riduce la capacità di gestire pacificamente i conflitti sociali e politici; la scarsità di risorse aumenta la posta in gioco delle competizioni interne; l’assenza di legittimità dei governi abbassa il costo di entrare in una ribellione armata. La guerra, vista empiricamente, è in larga misura un fenomeno della periferia globale, il che rende ancora più difficile percepirla, dal presunto e autodefinitosi centro.

La soglia dei mille morti: escalation, probabilità e tempo

Uno degli aspetti più interessanti per me dell’analisi riguarda la dinamica dell’escalation: cosa succede ai conflitti che iniziano come minori (ovvero che producono meno di mille morti all’anno) e in quale misura e con quali tempistiche raggiungono la soglia della guerra aperta?

La soglia dei 1000 morti: conflitti minori e guerre aperte (UCDP/PRIO ACD v25.1). Distribuzione, probabilità di escalation e tempi di transizione.

I grafici rivelano una tendenza di lungo periodo che è, paradossalmente, una buona notizia nascosta in una cattiva notizia. La cattiva notizia è che il numero assoluto di conflitti attivi è in crescita costante, e ha raggiunto negli anni recenti i livelli più alti dell’intera serie storica. La buona notizia, almeno in termini relativi, è che la quota di conflitti che raggiunge la soglia dei mille morti è in declino strutturale rispetto ai decenni passati: se negli anni Quaranta e Cinquanta quasi la metà di tutti i conflitti attivi era classificabile come guerra aperta, oggi quella percentuale si è ridotta a circa il quindici per cento. Ci sono più conflitti, ma proporzionalmente meno guerre.

Questo non deve però indurre a un ottimismo eccessivo. I dati sull’escalation, cioè sulla probabilità che un conflitto minore diventi una guerra aperta nel corso della sua storia, rivelano una realtà più sfumata. Nel decennio degli anni Sessanta, la probabilità di escalation per i conflitti che iniziavano come minori era quasi del cinquanta per cento. Negli anni più recenti questa probabilità è scesa, ma rimane significativa: circa il dodici per cento per i conflitti nati negli anni Duemila, e zero per quelli nati negli anni Venti, ma quest’ultimo dato riflette semplicemente il fatto che molti di questi conflitti sono troppo recenti per aver avuto il tempo di evolvere.

Ed è proprio il tempo, in questo contesto, una variabile cruciale. I dati mostrano che la mediana degli anni necessari a un conflitto per passare dalla soglia dei venticinque morti a quella dei mille è di sei anni, con una media di oltre dieci, gonfiata da alcuni casi di escalation lunghissima che si misurano in decenni. In altre parole: la guerra raramente esplode dal nulla. Cresce, si incuba, si radica in strutture sociali e politiche che si deteriorano progressivamente. E questo, se da un lato suggerisce che ci sarebbe spazio per interventi preventivi, dall’altro significa anche che la violenza armata, una volta avviata, tende a durare molto più a lungo di quanto i suoi protagonisti (e gli osservatori esterni) si aspettino.

L’internazionalizzazione: quando le guerre diventano proxy

L’ultima dimensione esplorata dall’analisi è forse quella che più direttamente connette la fredda contabilità dei dati con la geopolitica contemporanea che leggiamo ogni giorno sui giornali.

Internazionalizzazione dei conflitti civili 1946–2024 (UCDP/PRIO ACD v25.1). Evoluzione e percentuale di conflitti con intervento esterno.

La domanda che il dataset ci permette di porre è precisa: quanti dei conflitti civili attivi in ogni anno vedono la partecipazione di almeno un attore statale esterno, una potenza straniera che interviene militarmente, con forze proprie, a fianco di uno dei contendenti? La risposta, guardando l’evoluzione storica, è sorprendente per la sua brusca discontinuità recente. Per decenni, infatti, dalla fine degli anni Quaranta fino al 2010 circa, la percentuale di conflitti civili internazionalizzati è rimasta sostanzialmente stabile, attorno al dieci-venti per cento: l’intervento esterno c’era, ma era l’eccezione piuttosto che la norma. Poi, a partire dalle Primavere Arabe e dall’ondata di instabilità che ha travolto il Medio Oriente e l’Africa settentrionale, quella percentuale ha cominciato a salire in modo accelerato, fino a sfiorare il cinquanta per cento nei dati più recenti.

Quasi la metà dei conflitti civili oggi attivi nel mondo vede la partecipazione diretta di una o più potenze straniere. Questo dato è straordinario, e non è separabile dalla struttura di potere internazionale che si è venuta definendo nel corso degli ultimi quindici anni: la moltiplicazione degli attori in grado di proiettare forza militare al di fuori dei propri confini, la crescente disponibilità di potenze regionali ed extraregionali ad usare i conflitti altrui come terreni di competizione geopolitica, e la progressiva erosione di quelle norme internazionali, formali e informali, che avevano, almeno parzialmente, contenuto l’interventismo nel corso della Guerra Fredda.

La Siria, il Sudan, lo Yemen, la Libia, il Mali, il Medio Oriente con la sua tragica attualità: questi non sono semplicemente teatri di guerra civile. Sono laboratori della competizione multipolare, spazi in cui le grandi e medie potenze testano capacità militari, consolidano alleanze, e perseguono interessi strategici usando come combustibile il dolore di popolazioni lontane. I dati non dicono questo esplicitamente (i dati non dicono mai niente esplicitamente) ma lo mostrano con la precisione di una fotografia.

Conclusione: la guerra che non vediamo

C’è un ultimo numero che vale la pena tenere a mente, prima di tornare alle nostre vite quotidiane in cui la guerra è una notizia tra le altre, una voce nel telegiornale, un conflitto che sentiamo nominare senza riuscire a collocarlo su una mappa mentale. Nei dati UCDP, alla fine del 2024, sono attivi circa cinquantasei conflitti armati nel mondo. Cinquantasei. Non conflitti storici risolti, non tensioni latenti: conflitti in cui, nell’anno appena trascorso, persone hanno combattuto e sono morte in misura sufficiente a soddisfare la soglia minima della definizione scientifica di conflitto armato.

La maggior parte di questi conflitti non appaiono nei nostri schermi. Non hanno il peso geopolitico sufficiente a guadagnare un titolo di apertura nei grandi quotidiani occidentali. Sono conflitti africani, asiatici, mediorientali: lontani, complessi, difficili da raccontare con le categorie narrative a cui siamo abituati. E tuttavia esistono, con la stessa realtà empirica di qualsiasi altro evento che i dati registrano.

Siamo cresciuti, quelli di noi nati nell’Europa del dopoguerra, in un’isola di pace che è stata costruita con un’enorme quantità di lavoro politico, istituzionale, e anche diplomatico. Questa pace non è uno stato naturale delle cose: è una conquista fragile, il risultato di scelte che hanno potuto essere fatte perché le condizioni politiche e storiche le rendevano possibili. Guardare i dati su quello che accade fuori da quest’isola non serve a indurre pessimismo: serve a capire meglio il mondo in cui viviamo, e forse (forse eh) a valutare con occhio più informato le scelte che, anche nel nostro piccolo, contribuiamo a generare.

Il punto non è semplicemente sapere che esistono cinquantasei conflitti attivi, né imparare a classificarli o a leggerne le traiettorie. Il punto è accettare che la guerra non è un’eccezione lontana nel tempo o nello spazio, ma una possibilità sempre presente, che si accende e si spegne ai margini del nostro sguardo. I dati, in fondo, fanno questo: non ci consolano e non ci spaventano, ma ci costringono a vedere. E vedere significa riconoscere che quella fragile isola di pace in cui viviamo non è garantita per sempre, ma va continuamente costruita, difesa, immaginata. Non nei grandi gesti della storia, ma nelle scelte quotidiane con cui decidiamo che tipo di mondo rendere possibile e, con l’audacia di una speranza concreta, migliore.

Analisi realizzata con Claude Code | Dati: UCDP/PRIO ACD v25.1 — Uppsala University & PRIO

Il paper della settimana

Benmelech, Efraim, and Joao Monteiro. The economic consequences of war. No. w34389. National Bureau of Economic Research, 2025.

Il paper analizza in modo sistematico le conseguenze macroeconomiche delle guerre utilizzando un nuovo dataset su 115 conflitti e 145 paesi negli ultimi 75 anni, mostrando che i conflitti producono effetti profondi, persistenti e multidimensionali: in media il PIL reale cala di circa il 13% senza recupero nemmeno dopo un decennio, con investimenti e credito interno che crollano a causa di forti frizioni finanziarie, soprattutto nei paesi più poveri e nei conflitti civili, che risultano più distruttivi rispetto a quelli tra Stati . Sul piano fiscale, le guerre riducono le entrate pubbliche mentre la spesa resta stabile, generando deficit e una ristrutturazione del debito verso scadenze più brevi, aumentando il rischio finanziario . Per finanziare questi squilibri, i governi ricorrono massicciamente all’inflazione e alla creazione di moneta, con un aumento dei prezzi vicino al 50%, che erode il valore reale del debito ma deprime ulteriormente gli investimenti . Infine, i conflitti provocano forti svalutazioni nominali senza miglioramenti reali della competitività, aumentando il costo dei beni capitali importati e contribuendo alla stagnazione economica, delineando così un quadro in cui la guerra lascia cicatrici economiche durature che coinvolgono produzione, finanza pubblica e stabilità monetaria

La citazione della settimana

“War is only an invention, not a biological necessity.” – Margaret Mead (Anthropologist)

Il video della settimana

Il Canovaccio nasce con l’ambivalenza non proprio equilibrata del suo autore: un pendolo che oscilla tra entusiasmi discreti e disperazione cocente. Mi pareva giusto chiudere questa newsletter con numeri pesanti con una risata

Tre libri che mi hanno fatto pensare una cosa molto semplice: certe idee pesano. Letteralmente. E forse proprio per questo restano.

Mi è venuta allora una formulazione che suona come uno scioglilingua, ma più la guardo più mi sembra vera: nel libro il contenuto scappa, ma resta. Nei social il contenuto resta, ma scappa.

Il libro è finito. Ha un bordo, una fine, un numero di pagine che non cresce mentre lo guardi. Non si aggiorna, non si espande, non si moltiplica. Se perdi il filo, sei tu che devi tornare indietro. Se lo dimentichi, nessuno te lo ricorda con una notifica passivo-aggressiva. Eppure (o proprio per questo) qualcosa si deposita. Magari non tutto, magari non subito, ma resta una traccia. Una frase, una scena, un modo diverso di guardare una cosa che prima ti sembrava banale.

È una tecnologia che chiede impegno. Anche fisico, a volte. Leggere certi libri è un’attività che coinvolge il polso, il gomito, la postura. Ma quell’attrito è parte del gioco. Anzi, forse è il gioco.

I social, invece, sono il regno opposto. Il contenuto è infinito, leggerissimo, sempre disponibile. Non finisce mai e non pesa niente. Tecnicamente resta: puoi salvarlo, condividerlo, ritrovarlo. Ma mentre resta, scappa. Perché è immerso in un flusso che non è fatto per essere abitato, ma per essere attraversato.

È qui che mi viene la metafora un po’ crudele ma, temo, centrata. Il libro è una bustina di tè: poche foglie, concentrate, immerse nel tempo giusto. Devi aspettare. Devi lasciare che qualcosa accada. I social sono una forma di omeopatia della saggezza. Ci trovi dentro di tutto: intuizioni, spiegazioni, citazioni, mini-lezioni. Ma tutto è talmente diluito nel flusso che alla fine non sai più se hai davvero imparato qualcosa o se hai solo avuto la sensazione di aver imparato qualcosa.

I dati italiani sembrano raccontare esattamente questa storia. Nel 2025 aumentano i lettori: il 76% degli italiani tra i 15 e i 74 anni ha letto almeno un libro nell’ultimo anno. È una buona notizia, senza dubbio. Ma poi guardi meglio e scopri che si legge meno spesso e per meno tempo. I lettori “regolari” calano, il tempo medio settimanale di lettura scende. Crescono invece quelli che leggono ogni tanto, a intermittenza.

È come se il libro stesse diventando un luogo in cui entriamo più facilmente, ma in cui restiamo meno.

Nel frattempo, i social occupano stabilmente quasi due ore al giorno. Non perché siano “cattivi”, ma perché sono progettati per questo: per tenerti dentro. Non per lasciarti qualcosa, ma per non lasciarti andare.

E allora succede una cosa curiosa. Leggiamo continuamente (messaggi, post, articoli, caption, commenti) ma fatichiamo sempre di più a trattenere. È una lettura senza sedimentazione. Un contatto continuo con il linguaggio che però raramente diventa esperienza.

Il libro, invece, è rimasto uno dei pochi oggetti che ancora ti costringe a fare i conti con il tempo. Non quello ottimizzato, ma quello un po’ storto, irregolare, a volte perfino noioso. E proprio lì, in quel tempo non perfetto, succede qualcosa.

Per questo continuo a portarmi dietro questi mattoni un po’ ridicoli e un po’ meravigliosi. Perché mi ricordano che non tutto deve essere leggero per funzionare. Che alcune cose devono opporre resistenza per lasciare il segno.

Alla fine, torno sempre lì. Nel libro il contenuto scappa, ma resta. Nei social resta, ma scappa.

Il libro è come una traccia lasciata sulla sabbia bagnata: l’onda la cancella in superficie, ma qualcosa sotto è già cambiato. I social sono come schiuma: brillante, mobile, ovunque. Ma provi a stringerla e non ti resta niente in mano.

Il paper di questa settimana

Özbilen, Uğur, et al. "Investigating the association of reading habits and attitudes with meaningful living: The mediating role of subjective well-being." Acta Psychologica 262 (2026): 106111.

Il paper analizza il legame tra abitudini di lettura e percezione di una vita significativa in un campione di 328 insegnanti di lingua turca, mostrando che leggere non incide solo direttamente sul senso di significato, ma soprattutto indirettamente attraverso il benessere soggettivo. In altre parole, chi legge di più tende a stare meglio psicologicamente (più emozioni positive, maggiore soddisfazione di vita) e questo stato di benessere è il vero canale che rafforza la percezione di una vita dotata di senso. L’effetto diretto della lettura esiste ma è relativamente modesto, mentre quello mediato dal benessere è più consistente, suggerendo che la lettura funziona come pratica trasformativa: non solo trasmette contenuti, ma alimenta risorse emotive e identitarie che rendono la vita più significativa. Lo studio, basato su modelli di equazioni strutturali, non trova differenze rilevanti per caratteristiche demografiche e propone quindi la lettura come strumento di sviluppo non solo cognitivo ma anche esistenziale, pur con i limiti tipici di un’analisi correlazionale e basata su auto-report.

Il grafico di questa settimana

La citazione della settimana

“I find television very educating. Every time somebody turns on the set, I go into the other room and read a book.” [Groucho Marx]

Il video della settimana

Questo pezzo è un esercizio di confronto relativo, non una graduatoria assoluta d’Europa. Gli z-score misurano quanto una squadra sia sopra o sotto la media del proprio campionato. Per questo il ranking dice molto sull’efficacia interna ai diversi contesti e molto meno sulla presunta superiorità ‘vera’ tra leghe.

Ci sono momenti in cui il calcio italiano smette di essere soltanto una sequenza di partite e torna a essere un piccolo specchio nazionale. Il 31 marzo l’Italia ha mancato ancora una volta la qualificazione al Mondiale, stavolta perdendo ai rigori contro la Bosnia-Erzegovina; il 4 aprile, invece, riparte la Serie A dopo la sosta, con il suo carico di classifiche, ansie e illusioni.

Dentro questa forbice emotiva (trauma azzurro da una parte, ritorno del campionato dall’altra) mi sono messo a giocare con Claude Code costruendo una sorta di mega campionato dentro tutti tra Serie A, Premier League e Liga.

Naturalmente il mega-campionato qui sotto va preso per quello che è: un pezzo pour parler, certo, ma non arbitrario. È un modo per osservare come le squadre dominino il proprio ambiente competitivo, senza fingere che i tre tornei siano intercambiabili.

Il punto, insomma, non è stabilire una volta per tutte se l’Inter ‘sia davvero’ più forte dell’Arsenal o se il Barcellona batterebbe chiunque in una classifica continentale definitiva. Il punto è più sobrio, e forse più interessante: capire quali club stiano lavorando meglio dentro il proprio ecosistema, quali stiano spremendo bene il proprio potenziale e dove, invece, i risultati corrano più veloci delle prestazioni.

1. Che cosa misura davvero questo ranking

L’architettura dell’analisi è semplice: per ogni squadra si considerano sei metriche (punti per gara, gol fatti e subiti, expected goals prodotti e concessi, differenziale xG) poi standardizzate con z-score calcolati all’interno della singola lega.

È il passaggio decisivo. Standardizzare per campionato significa riconoscere che ritmi, qualità media, distribuzione del talento, profondità delle rose e persino consuetudini tattiche cambiano da paese a paese. Un +1,5 in Serie A e un +1,5 in Premier League non dicono che le due squadre sono identiche: dicono che entrambe stanno dominando con intensità simile il proprio contesto.

Per questo la classifica che segue va letta come una graduatoria di dominanza relativa cross-league. È utile, suggestiva, a tratti rivelatrice; non è però una Champions League simulata, né una prova definitiva della superiorità strutturale di un campionato sull’altro.

Le sei metriche usate nel composito

Tabella 1 — Le metriche di base. Anche qui il punto non è costruire una verità assoluta, ma una fotografia coerente di efficacia ed efficienza relative dentro ciascun campionato.

Come leggere le tabelle successive

• Score alto = squadra molto sopra la media della propria lega.

• Score vicino a zero = squadra in linea con il proprio contesto.

• Score basso = squadra sotto la media della propria lega.

• Il confronto tra leghe è dunque interpretativo, non definitivo.

2. Il mega-campionato: una classifica unica, da leggere con prudenza

La tabella seguente attira l’occhio, alimenta la discussione e costringe a qualche sorpresa. Ma proprio perché è la parte più seducente, conviene ribadire il punto metodologico: questa non è una classifica assoluta di forza europea. È una graduatoria che mette una accanto all’altra squadre misurate rispetto alla media del proprio campionato.

Tabella 2 — Mega-classifica 2025-26. Le prime cinque righe indicano le squadre più dominanti rispetto alla media della propria lega; le ultime cinque quelle più in difficoltà. Il confronto è relativo ai contesti nazionali, non assoluto a livello europeo.

3. Che cosa raccontano le tre leghe

Se la classifica complessiva va presa con beneficio d’inventario, la lettura per lega è molto più robusta. Qui, infatti, il modello lavora nel suo habitat naturale: confronta squadre immerse nello stesso calendario, nella stessa densità competitiva, nello stesso repertorio tattico.

La Liga — Il Barcellona come eccesso offensivo

Il Barcellona resta la squadra che più di tutte schiaccia il proprio campionato sul piano della produzione offensiva. È primo per punti per partita, gol segnati ed expected goals, e lo fa con uno scarto che il modello vede chiaramente come fuori scala.

Il Real Madrid, invece, appare più armonico: meno straripante, ma più equilibrato. L’Atletico continua a raccontare la sua identità difensiva, coerente anche quando il linguaggio è quello degli z-score e non delle etichette tattiche.

Serie A — Numeri da élite, senza complessi di inferiorità

La Serie A esce in realtà molto bene da questo esercizio. L’Inter è seconda nel ranking generale e soprattutto si segnala per completezza, più che per un singolo picco. Juventus, Milan, Napoli, Roma e Atalanta abitano la metà alta del mega-campionato, mentre il Como resta la sorpresa che sposta il racconto.

Questo non significa che la Serie A sia automaticamente superiore alla Premier o alla Liga. Significa però che, misurati dentro il loro contesto, i club italiani di vertice mostrano standard numerici molto alti. Non è poco, soprattutto nei giorni in cui il riflesso condizionato sarebbe raccontare un movimento interamente in macerie.

Premier League — Vertice fortissimo, coda pesante

La Premier mantiene due corazzate ai piani alti: Arsenal e Manchester City. L’Arsenal, in particolare, si prende il primato difensivo del dataset con una combinazione molto rara di gol subiti bassi e xGA bassissimo.

Ma il dato forse più interessante è il fondo della classifica: la coda inglese è più pesante di quella italiana e spagnola. È un promemoria utile contro una certa idea pigra della Premier come campionato in cui anche la quindicesima sarebbe superiore a chiunque altro.

La Liga

Tabella 3 — Z-score delle squadre di Liga ordinati per collocazione nel ranking generale. Anche qui il significato forte è interno al campionato: quanto ogni squadra sia sopra o sotto la media spagnola.

Serie A

Tabella 4 — Z-score delle squadre di Serie A ordinati per collocazione nel ranking generale. La lettura corretta è relativa al contesto italiano: dominanza, efficienza e tenuta dentro il campionato.

Premier League

Tabella 5 — Z-score delle squadre di Premier League ordinati per collocazione nel ranking generale. La polarizzazione del campionato emerge soprattutto nella distanza tra testa e coda.

4. Il punto politico-calcistico: i club, il sistema, il corto circuito

Ed è qui che l’analisi, volendo, smette di essere un gioco elegante e torna a mordere. Se l’Italia esce dal Mondiale e nello stesso tempo i club di Serie A mostrano indicatori interni così competitivi, allora il bersaglio critico non può essere liquidato con un generico ‘il nostro calcio è finito’.

Questi dati, da soli, non autorizzano alcun trionfalismo: non dimostrano che la Serie A valga più della Premier, né che le nostre squadre sarebbero sistematicamente superiori alle spagnole. Però raccontano una cosa precisa: la gestione di diversi club italiani, almeno ai livelli alti, continua a produrre strutture di gioco e risultati numericamente solidi.

La frattura si apre altrove. Sta probabilmente nel sistema-paese del calcio: nella filiera, nella formazione, nel rapporto tra club e nazionale, nella governance, nella capacità di trasformare eccellenze di contesto in continuità internazionale. È una diagnosi più scomoda, ma anche più plausibile del riflesso puramente catastrofista.

In altre parole: questo ranking non assolve il sistema italiano, ma neppure condanna automaticamente i club. Anzi, mostra che proprio il contrasto tra numeri dei club e trauma azzurro merita una discussione meno isterica e più strutturale.

5. Due tabelle che aiutano a non fermarsi alla graduatoria

Record relativi per metrica

Tabella 6 — Primati relativi per singola metrica. Sono record ottenuti rispetto alla media del proprio campionato, non una classifica assoluta dell’intero continente.

Se c’è una fotografia sintetica da conservare, è questa: il Barcellona svetta nelle metriche offensive e nel differenziale xG, mentre l’Arsenal si prende il primato difensivo. Due modi diversi di essere dominanti, entrambi molto leggibili nel proprio habitat.

Chi sta segnando più o meno di quanto produce

Tabella 7 — Scarti tra gol effettivi e gol attesi. Utile per intuire chi stia cavalcando un momento di brillantezza realizzativa e chi, al contrario, stia lasciando per strada qualcosa.

Questa tabella ha invece una qualità narrativa preziosa: restituisce il margine tra prestazione e racconto. Tottenham e Siviglia stanno facendo più male del previsto rispetto alla qualità delle occasioni create; Crystal Palace e Atalanta, al contrario, suggeriscono un sottorendimento che potrebbe anche correggersi senza rivoluzioni tattiche.

6. Conclusione: che cosa ci portiamo nel weekend di Pasqua

Il mega-campionato, riletto così, diventa meno arrogante e più utile. Non pretende di dirci chi vincerebbe una fantomatica lega europea a sessanta squadre; ci mostra, piuttosto, chi sta interpretando meglio il proprio campionato, chi produce più valore del rumore che ha intorno, chi merita una seconda occhiata.

Per il lettore italiano c’è anche una piccola consolazione razionale. Nel pieno di un clima plumbeo attorno alla nazionale, i numeri dei club suggeriscono che il problema non sia soltanto il livello del calcio di club. La diagnosi, se mai, è più profonda e più sistemica.

E allora sì: questo resta un pezzo pour parler. Ma a volte il pour parler serve proprio a questo, a spostare la conversazione dal lamento indistinto a una domanda un po’ migliore. Non è poco, alla vigilia di un fine settimana in cui il campionato ricomincia e noi, come sempre, ricominciamo con lui.

Nota metodologica finale. Tutti i dati sono stati scaricati da Understat.com e aggregati fino al 31 marzo 2026 ed elaborati grazie a Claude Code. Lo score composito è la media aritmetica dei sei z-score trasformati; GA/90 e xGA/90 sono stati invertiti di segno prima dell’aggregazione, così da mantenere coerente l’interpretazione dei valori alti come prestazioni migliori.

Negli anni Sessanta, William Baumol e William Bowen stavano studiando la crisi finanziaria dei teatri e delle orchestre americane. La loro scoperta era paradossale: quei settori non erano in crisi perché fossero inefficienti, ma perché non potevano diventarlo, nel senso buono del termine. Non riuscivano ad aumentare la produttività, e questo li condannava a diventare strutturalmente più costosi rispetto a tutto il resto.

La catena che muove i prezzi

Il meccanismo è elegante nella sua brutalità. Prendete un’economia con due settori: uno “progressivo” (pensiamo alla manifattura o all’informatica) dove la produttività cresce di anno in anno grazie alle tecnologie; e uno “stagnante”, dove la produttività fa poco o niente perché il lavoro umano è l’ingrediente insostituibile. Sanità, istruzione, assistenza agli anziani, arte: settori in cui la “qualità del servizio” dipende spesso dal tempo dedicato da una persona a un’altra.

Finché i salari nel settore produttivo crescono (e lo fanno, perché la produttività sale) anche i salari nell’altro settore tendono a inseguirli. È la logica del mercato del lavoro: nessun infermiere accetterà di restare povero mentre il programmatore nel capannone accanto guadagna sempre di più. Ma l’infermiere non è diventato più produttivo: assiste sempre lo stesso numero di pazienti. Il costo per paziente, quindi, sale comunque.

Baumol ci dice una cosa scomoda ma importante: questo non è necessariamente uno spreco. È la conseguenza del fatto che, diventando collettivamente più ricchi, possiamo permetterci servizi che prima erano un lusso. Il problema diventa politico quando quei servizi (ospedali, per l’appunto, ma anche scuole o pubblica amministrazione) li paghiamo tutti insieme, e i conti pubblici non tengono il passo.

Arriva l’IA, e cambia le regole del gioco (forse)

Qui entra in scena l’intelligenza artificiale, con una caratteristica che Baumol non avrebbe potuto immaginare: porta crescita di produttività esattamente nei settori dove la produttività storicamente non cresceva. Testo, analisi documentale, customer care, back-office: tutte attività di servizio che per decenni hanno resistito all’“industrializzazione” e che oggi vengono aggredite dagli strumenti di IA generativa.

Le evidenze sperimentali sono sorprendenti. Un operatore di customer service assistito da un sistema conversazionale riesce a gestire più richieste per ora, con qualità più alta, e impara più velocemente. Un professionista che usa ChatGPT per compiti di scrittura riduce i tempi e migliora il risultato medio. Dettaglio interessante: i guadagni sono più forti per i lavoratori meno esperti, il che significa che l’IA tende ad appiattire le differenze di performance dentro i team.

Se questo suona promettente, c’è però un “ma” di quelli ingombranti. L’OCSE infatti avverte: i guadagni che si osservano sul singolo compito o sulla singola azienda non si trasformano automaticamente in guadagni per l’intera economia. Perché questo salto avvenga, servono adozione diffusa, capacità di riorganizzare processi, domanda che cresca al calare dei prezzi, e una filiera produttiva che sappia assorbire i cambiamenti.

Il paziente si chiama Italia

Applicare questo ragionamento all’Italia è un’operazione che produce qualche vertigine. Il paese ha tre caratteristiche che lo rendono un caso da manuale, ahimè nel senso peggiore.

Prima: invecchia rapidamente. Al primo gennaio 2025 la popolazione residente era di 58,9 milioni di persone; l’età media era di 46,8 anni e i cittadini con più di 65 anni rappresentavano il 24,7% del totale, con una fecondità stimata a 1,18 figli per donna. Questa è la domanda crescente di sanità e assistenza di cui parla Baumol, scritta in cifre demografiche.

Seconda: la struttura produttiva è dominata dalle piccole imprese. Il 94,9% delle aziende di industria e servizi ha fino a 9 addetti, e queste micro-realtà impiegano il 42,3% della forza lavoro. La dimensione media è di circa 4 addetti. Questo conta tantissimo, perché le grandi imprese e quelle knowledge-intensive adottano l’IA molto più frequentemente delle piccole; e quando una PMI usa l’IA, spesso la usa per compiti periferici, non per quelli strategici.

Terza: l’adozione è ancora contenuta. Nel 2023 solo il 5% delle imprese italiane usava l’IA, una quota che nel 2024 è salita all’18,2% ma che resta sotto i benchmark europei. Ci sono motivi strutturali: nel 2024 solo il 45,8% della popolazione aveva competenze digitali di base, e la quota di specialisti ICT sul totale degli occupati si fermava al 4%.

Il quartetto nei diversi settori

Proviamo a passare in rassegna i settori più esposti, con questa lente di ingrandimento.

Nella pubblica amministrazione, la “malattia” si manifesta come crescita del costo delle pratiche burocratiche: sempre più personale necessario per gestire una domanda crescente di servizi, con bilanci che non crescono altrettanto. L’IA può agire come “anti-Baumol” se riduce i tempi di classificazione documentale, se gestisce le richieste dei cittadini, se ottimizza le code. Ma l’effetto dipende da due condizioni che l’Italia ancora non soddisfa pienamente: re-ingegnerizzazione reale dei processi e qualità dei dati su cui gli algoritmi si alimentano.

L’istruzione è il settore che Baumol aveva in mente con più chiarezza: una lezione non può sempre aumentare produttività senza perdere qualcosa. L’IA ha due leve: automatizzare il lavoro non-didattico (valutazioni ripetitive, preparazione di materiali, amministrazione) e offrire tutoring personalizzato che aumenta gli esiti di apprendimento per studente. C’è però un rischio sottile: se l’IA aumenta le aspettative di qualità senza ridurre il tempo umano dedicato, la spesa cresce comunque. La produttività si trasforma in “qualità” invece che in risparmio.

La sanità è il fronte più caldo. Combina attività digitali (referti, triage, programmazione) con cure fisiche che restano irriducibilmente labour-intensive. Con il 24,7% di over 65 e una fecondità tra le più basse d’Europa, l’Italia si trova con una domanda di assistenza che cresce, una forza lavoro sanitaria che scarseggia (problema documentato a livello europeo dall’OCSE) e costi che salgono. L’IA può aiutare sulla riduzione di errori, sul supporto decisionale, sull’ottimizzazione degli scheduling. Ma senza adozione ampia e sistemi interoperabili, rischia di essere un costo aggiuntivo (software, compliance, formazione) che aumenta la spesa senza ridurre il fabbisogno di personale.

Il turismo, che vale fino al 9,6% del PIL includendo gli effetti indiretti, è un caso curioso: ad alta intensità di manodopera, quindi sensibile alla cost disease, ma anche molto “data-friendly”. Pricing dinamico, previsioni della domanda, marketing multilingue, gestione dei reclami: sono tutte aree dove l’IA trova già applicazioni solide. La componente fisica del servizio (pulizie, ristorazione, accoglienza) resta invece vincolata. Qui è realistico aspettarsi una mitigazione parziale della malattia, non una guarigione.

Nei servizi professionali (studi legali, consulenza, contabilità, produzione di contenuti) la svolta è più plausibile. L’IA generativa colpisce direttamente le attività core: bozze, sintesi, analisi documentale, codice. La letteratura sperimentale trova guadagni importanti su compiti di questo tipo. Il paradosso: l’IA riduce il costo marginale di molte attività, ma può aumentare la domanda di output e polarizzare il mercato tra chi integra l’IA in produzione e chi la usa solo in modo superficiale. In Italia, la produttività di lungo periodo nelle attività professionali ha registrato un segno negativo (-1,3% medio annuo tra il 1995 e il 2024): l’urgenza del cambiamento è alta.

Il vero collo di bottiglia

Se c’è una frase che riassume il problema italiano con l’IA è questa: i guadagni macro dell’intelligenza artificiale in Italia sono quasi sinonimo di “IA nelle PMI”. Perché le grandi imprese sono poche, mentre le piccole e micro imprese sono la struttura ossea del tessuto produttivo.

I dati della Banca d’Italia su aziende con più di 50 addetti mostrano una storia incoraggiante: dove l’IA viene adottata, produttività e redditività migliorano, i profili lavorativi si spostano verso figure più qualificate senza effetti negativi rilevabili sull’occupazione complessiva. Ma questo campione esclude la stragrande maggioranza delle imprese italiane.

Senza strumenti per trasferire questo “pacchetto organizzativo” alle PMI (non solo la tecnologia, ma la capacità di riorganizzare processi, formare le persone, leggere i dati) i guadagni rischiano di restare confinati in un’isola di grandi imprese knowledge-intensive, mentre la malattia dei costi continua a fare il suo corso nel resto dell’economia.

L’IA, in fondo, potrebbe mitigare il problema di Baumol in alcuni servizi. Ma potrebbe anche crearne uno nuovo: una “dual economy” in cui la produttività esplode nei settori digitali e resta ferma nei servizi di cura e assistenza — esattamente quelli che l’Italia, con la sua demografia, si appresta ad avere bisogno in quantità crescenti. Come il quartetto d’archi, alcuni servizi fondamentali non accelereranno mai. La domanda è chi paga il costo di tenerli in scena.

Riferimenti bibliografici

Baumol, William J. “Macroeconomics of unbalanced growth: the anatomy of urban crisis.” The American Economic Review 57.3 (1967): 415–426.

Filippucci, Francesco, Peter Gal, and Matthias Schief. Miracle or Myth? Assessing the macroeconomic productivity gains from Artificial Intelligence. No. 29. OECD Publishing, 2024.

Nordhaus, William D. “Baumol’s diseases: a macroeconomic perspective.” (2006).

Noy, Shakked, and Whitney Zhang. “Experimental evidence on the productivity effects of generative artificial intelligence.” Science 381.6654 (2023): 187–192.

Oulton, Nicholas. “Must the growth rate decline? Baumol’s unbalanced growth revisited.” Oxford Economic Papers 53.4 (2001): 605–627.

Ropele, Tiziano, and Alex Tagliabracci. The economic impact of artificial intelligence: evidence from Italian firms. No. 1005. Bank of Italy, Economic Research and International Relations Area, 2026.

Il paper della settimana

Noy, Shakked, and Whitney Zhang. “Experimental evidence on the productivity effects of generative artificial intelligence.” Science 381.6654 (2023): 187–192.

Il paper misura in modo sperimentale quanto l’uso di ChatGPT cambi la produttività in compiti di scrittura professionale di medio livello, osservando soprattutto due cose: il tempo necessario per svolgere il lavoro e la qualità del testo prodotto, valutata da professionisti dello stesso settore; per farlo, gli autori hanno coinvolto 453 lavoratori laureati in occupazioni come marketing, consulenza, risorse umane e grant writing, assegnando a metà di loro l’accesso a ChatGPT. Il risultato principale è che l’AI fa lavorare più in fretta e, in media, meglio: il tempo si riduce di circa il 40%, mentre la qualità dell’output cresce di circa il 18%; inoltre i benefici sono maggiori per chi partiva da performance più deboli, quindi la distanza tra lavoratori si riduce. Lo studio trova anche che chi prova ChatGPT tende poi a usarlo di più nel lavoro reale nelle settimane successive, mentre sul piano soggettivo aumentano nel breve periodo sia l’entusiasmo sia le preoccupazioni verso l’AI. Gli stessi autori però avvertono che l’esperimento riguarda compiti di scrittura abbastanza generici, dove ChatGPT è particolarmente forte, quindi nella vita reale gli effetti potrebbero essere un po’ meno marcati quando servono conoscenze molto specifiche o controlli accurati dei fatti.

L’immagine della settimana

Il paradosso della produttività dell’IA: miglioramenti incredibili nelle prestazioni per task complessi non si sono ancora tradotti in una crescita economica significativa (fonte: Forbes.com)

La citazione della settimana

“The future is already here—it’s just not evenly distributed.” — William Gibson

Il video della settimana