Lavoro e intelligenza artificiale: la trasformazione non sarà neutrale

L’intelligenza artificiale generativa sta riscrivendo le regole del mercato del lavoro globale, innescando una trasformazione che colpirà duramente soprattutto i colletti bianchi, l’amministrazione e i ruoli junior d’ingresso. Non si tratta di un’apocalisse occupazionale immediata con la cancellazione totale delle professioni, ma di un radicale cambio di paradigma in cui l’AI automatizza progressivamente compiti documentali, di codice e di customer care. Se da un lato nasceranno nuove figure legate alla governance e alla sicurezza degli algoritmi, dall’altro la tecnologia rischia di precarizzare i giovani e polarizzare i salari: il futuro premierà chi saprà integrare l’AI come strumento di supervisione strategica, imponendo ad aziende e sindacati la necessità di governare questa transizione per non svalutare il fattore umano.

Lavoro e intelligenza artificiale: la trasformazione non sarà neutrale

L’intelligenza artificiale non sta semplicemente “rubando lavoro” nel senso tradizionale del termine: sta riscrivendo la struttura delle mansioni, il valore delle competenze, la geografia dell’occupazione e il potere contrattuale dei lavoratori. La domanda corretta, quindi, non è solo quanti posti saranno eliminati, ma quali attività verranno automatizzate, quali professioni cambieranno pelle, quali lavoratori riusciranno a restare dentro il nuovo mercato e quali rischieranno di essere espulsi prima ancora di poter accumulare esperienza. Il punto centrale è che l’AI colpisce in modo diverso rispetto alle precedenti ondate di automazione. La robotica industriale ha inciso soprattutto su mansioni manuali, ripetitive e manifatturiere. L’AI generativa, invece, entra nel lavoro cognitivo: scrittura, customer care, contabilità, analisi dati, sviluppo software, marketing, traduzione, documentazione, reportistica, ricerca legale, supporto HR, verifica documentale, back-office bancario e servizi digitali. Per la prima volta, una tecnologia di massa minaccia direttamente attività svolte da impiegati, laureati, junior analyst, sviluppatori, addetti amministrativi, creativi e professionisti della conoscenza. Le stime più solide non descrivono un’apocalisse immediata, ma una trasformazione profonda. Il Fondo Monetario Internazionale stima che quasi il 40% dell’occupazione globale sia esposta all’AI, con una quota che sale a circa il 60% nelle economie avanzate.

Nelle economie sviluppate, circa metà dei lavori esposti potrebbe beneficiare dell’integrazione dell’AI, mentre l’altra metà rischia riduzione della domanda di lavoro, minori salari, rallentamento delle assunzioni o, nei casi estremi, scomparsa di alcune mansioni. Il World Economic Forum prevede che entro il 2030 le trasformazioni strutturali del mercato del lavoro riguarderanno il 22% degli impieghi attuali, con 170 milioni di nuovi ruoli creati, 92 milioni di ruoli eliminati e un saldo netto positivo di 78 milioni di posti. Questo dato è spesso citato come rassicurante, ma va letto con cautela: i posti creati non saranno automaticamente occupati dalle stesse persone che perderanno i vecchi ruoli, né nasceranno necessariamente negli stessi territori, negli stessi settori o con gli stessi salari.

Il dato chiave: l’AI automatizza attività prima di eliminare professioni

Il primo errore da evitare è immaginare che l’intelligenza artificiale cancelli professioni intere da un giorno all’altro. Nella maggior parte dei casi, l’AI automatizza porzioni di lavoro, non il lavoro nella sua totalità. Un commercialista non viene sostituito integralmente da un modello linguistico, ma molte attività di classificazione, prima bozza, controllo documentale, sintesi normativa e reportistica possono essere accelerate o automatizzate. Un avvocato non viene rimosso da un chatbot, ma ricerca giurisprudenziale, sintesi di atti e drafting iniziale diventano più rapidi. Uno sviluppatore non sparisce, ma la scrittura di codice standard, refactoring, test e documentazione vengono progressivamente assorbiti da strumenti AI. Questa distinzione è decisiva perché spiega perché non vediamo ancora un collasso generalizzato dell’occupazione, ma vediamo segnali sempre più forti su assunzioni, junior role, salari, outsourcing e riorganizzazione aziendale. L’OCSE segnala che l’adozione dell’AI nelle imprese resta ancora relativamente bassa, ma i costi in calo, la disponibilità crescente di lavoratori con competenze AI e la maturazione tecnologica indicano che molti paesi potrebbero trovarsi alla vigilia di una trasformazione più rapida. L’OCSE rileva anche rischi legati ad automazione, perdita di autonomia, bias, privacy e mancanza di trasparenza nei luoghi di lavoro. La stessa ILO interpreta l’impatto della generative AI più come trasformazione e aumento delle mansioni che come sostituzione totale. La sua analisi globale aggiornata del 2025 mostra che una quota rilevante di occupazioni è esposta in modo diverso a seconda del reddito nazionale, del genere e della composizione professionale. Nei paesi ad alto reddito, circa un terzo dei lavori è esposto a cambiamenti legati alla GenAI, mentre nei paesi a basso reddito la quota è molto più bassa, intorno all’11%.

La mappa dei dati principali sull’impatto dell’AI sul lavoro

Questi dati convergono su una conclusione: la sostituzione totale è meno probabile della trasformazione massiva, ma la trasformazione massiva può comunque produrre licenziamenti, blocchi delle assunzioni, precarizzazione dei giovani e polarizzazione salariale. Il mercato non si limiterà ad aggiungere AI ai processi esistenti. Taglierà passaggi, ridurrà livelli intermedi, sposterà lavoro tra paesi, concentrerà valore su figure capaci di controllare sistemi intelligenti e renderà meno sostenibili alcune attività ripetitive.

Cosa sarà rimosso: le attività più esposte alla sostituzione

Le prime attività a essere rimosse non saranno necessariamente quelle meno qualificate in senso tradizionale, ma quelle più standardizzate, digitali, documentali e misurabili. L’AI generativa lavora bene quando riceve input testuali, dataset, procedure ripetibili, template e obiettivi chiari. Per questo le mansioni più esposte si trovano in uffici, centri servizi, back-office, customer support, contabilità di base, marketing operativo, produzione di contenuti standard, data entry, revisione documentale e sviluppo software routinario. Il lavoro amministrativo è il primo grande fronte. Segreteria, inserimento dati, compilazione di moduli, classificazione documentale, calendarizzazione, prima risposta al cliente, gestione ticket, redazione di bozze, sintesi di email e reportistica standard sono attività che possono essere assorbite da assistenti AI integrati nei software aziendali. Il rischio non è solo il licenziamento diretto, ma la riduzione progressiva della domanda di personale junior e operativo. Il customer care è un altro settore estremamente esposto. Chatbot, voicebot, sistemi di risposta automatica e AI conversazionale possono gestire richieste frequenti, smistare ticket, prequalificare clienti e produrre risposte coerenti con policy interne. Gli operatori umani restano necessari per casi complessi, escalation, reclami sensibili e relazione empatica, ma la base volumetrica del lavoro può essere ridotta. Nei settori bancario, assicurativo, telecomunicazioni, e-commerce e pubblica amministrazione digitale, la pressione sui call center e sui centri di assistenza sarà crescente. Lo sviluppo software non viene cancellato, ma cambia radicalmente. Gli strumenti AI scrivono codice, propongono patch, generano test, spiegano errori, documentano funzioni e automatizzano parti del ciclo DevOps. Questo aumenta la produttività degli sviluppatori esperti, ma può ridurre la domanda di figure junior impiegate su compiti ripetitivi. Lo stesso vale per analisti dati, copywriter, traduttori, social media specialist, addetti SEO, revisori di bozze, ricercatori documentali e figure di supporto legale.

Cosa nascerà: i nuovi lavori dell’ecosistema AI

Se alcune attività verranno ridotte, altre nasceranno o diventeranno molto più rilevanti. Il punto è che i nuovi ruoli richiederanno competenze diverse da quelle dei lavori rimossi. La grande frattura non sarà tra chi lavora e chi non lavora, ma tra chi saprà governare sistemi AI e chi resterà confinato in mansioni automatizzabili. Tra i ruoli destinati a crescere ci sono gli AI governance specialist, incaricati di definire policy interne, controllare rischi, mappare casi d’uso, valutare compliance e gestire l’adozione responsabile. Cresceranno i model risk manager, soprattutto in finanza, assicurazioni e pubblica amministrazione, perché i modelli dovranno essere testati, documentati, monitorati e sottoposti ad audit. Aumenterà la domanda di AI auditor, figure capaci di verificare dataset, output, bias, robustezza, privacy e sicurezza dei sistemi intelligenti. La cybersecurity diventerà ancora più centrale. Serviranno AI security analyst, red teamer per modelli generativi, esperti di prompt injection, data poisoning, model theft, jailbreak, sicurezza delle API AI e protezione dei flussi RAG. Anche i team legali e privacy avranno bisogno di competenze AI per valutare trattamento dei dati, responsabilità sugli output, proprietà intellettuale, contratti cloud e uso di modelli di terze parti. Nel lato operativo nasceranno figure di workflow automation designer, LLMOps engineer, MLOps engineer, data steward, knowledge manager per sistemi RAG, AI product owner, robotics technician, human-in-the-loop supervisor e specialisti della qualità dei dati. Il lavoro umano non sparisce, ma si sposta verso controllo, supervisione, integrazione, verifica e responsabilità. Il dato di PwC conferma questa doppia dinamica: nel Global AI Jobs Barometer 2025, l’analisi di quasi un miliardo di annunci di lavoro mostra che le industrie più esposte all’AI registrano una crescita di produttività molto superiore e che le competenze AI generano un premio salariale rilevante, indicato dal report come 56%. Questo non significa che tutti guadagneranno di più, ma indica che il valore si concentrerà sui lavoratori in grado di trasformare l’AI in produttività verificabile.

Ci saranno sempre gli stessi lavoratori?

La risposta più realistica è no, non saranno sempre gli stessi lavoratori, almeno non se il mercato viene lasciato funzionare senza interventi di formazione, tutele e politiche industriali. Una parte dei lavoratori attuali riuscirà a transitare verso mansioni aumentate dall’AI. Un’altra parte resterà nello stesso settore, ma con responsabilità diverse. Una quota più vulnerabile rischierà invece di essere esclusa perché le competenze richieste cambieranno più rapidamente della capacità di aggiornamento. Il problema principale riguarda i lavoratori in ingresso. Le aziende possono usare l’AI per ridurre il numero di stagisti, junior analyst, junior developer, addetti al supporto di primo livello e figure di back-office che tradizionalmente imparavano lavorando su compiti semplici. Se quei compiti vengono automatizzati, il mercato rischia di perdere la palestra professionale che formava i lavoratori esperti di domani. L’AI può quindi colpire meno il senior già formato e molto di più il giovane che deve ancora entrare nella professione. Uno studio del Digital Economy Lab di Stanford ha rilevato che, negli Stati Uniti, i lavoratori tra 22 e 25 anni impiegati nelle occupazioni più esposte all’AI hanno registrato un calo dell’occupazione di circa 6% tra fine 2022 e settembre 2025, mentre i lavoratori più anziani nelle stesse aree hanno visto una crescita tra 6% e 9%. Il dato non dimostra da solo una sostituzione totale, ma segnala un rischio preciso: l’AI può comprimere l’accesso alle professioni prima di distruggere le professioni stesse. Anche Anthropic, analizzando l’uso reale di Claude, ha introdotto metriche per misurare l’esposizione osservata delle professioni e ha segnalato una divergenza nei tassi di ingresso dei giovani nei lavori più esposti. Le occupazioni meno esposte mantengono tassi di ingresso più stabili, mentre quelle più esposte mostrano un rallentamento.

Licenziamenti AI: cosa dicono davvero i dati

I licenziamenti attribuiti direttamente all’AI sono ancora difficili da misurare. Molte aziende dichiarano “ristrutturazione”, “efficienza”, “automazione”, “riduzione costi” o “riorientamento strategico”, senza indicare l’AI come causa unica. Altre, al contrario, possono usare l’AI come etichetta per giustificare tagli legati a sovra-assunzioni, crisi di mercato o pressione degli investitori. Il dato sui licenziamenti AI va quindi letto come indicatore di tendenza, non come fotografia completa del fenomeno. Negli Stati Uniti, Challenger, Gray & Christmas ha iniziato a tracciare l’AI come motivazione specifica dei tagli dal 2023. Nel 2025, le aziende hanno citato l’AI per 54.836 piani di licenziamento, pari a circa il 5% dei tagli dell’anno. Nel marzo 2026, l’AI è stata indicata come causa di 15.341 tagli, il 25% dei licenziamenti annunciati nel mese; dalla prima rilevazione nel 2023, l’AI è stata citata in 99.470 annunci di taglio, pari al 3,5% del totale del periodo. Il caso IBM resta uno dei primi esempi simbolici. Nel 2023, l’amministratore delegato Arvind Krishna ha indicato la possibilità di rallentare o sospendere assunzioni in funzioni back-office sostituibili da AI e automazione, con circa 7.800 ruoli potenzialmente coinvolti nei cinque anni successivi e una stima del 30% delle funzioni non a contatto con il cliente sostituibili. Questi dati suggeriscono che la prima ondata non avverrà sempre con licenziamenti di massa immediati, ma con un mix di hiring freeze, mancata sostituzione del turnover, riduzione dei ruoli junior, centralizzazione dei team, outsourcing selettivo e taglio dei livelli intermedi. Il lavoro può sparire anche senza un licenziamento esplicito: basta non assumere più per quella funzione.

I settori più colpiti

Il settore più esposto è quello del lavoro d’ufficio routinario. Amministrazione, segreteria, data entry, gestione documentale, reportistica, customer service e supporto operativo sono tutte aree in cui l’AI riduce tempi e necessità di personale addetto a compiti ripetitivi. La ILO segnala in modo ricorrente l’esposizione elevata del lavoro clericale e amministrativo, con un impatto particolarmente forte sulle donne, perché molte occupazioni amministrative sono a prevalenza femminile. Il secondo blocco riguarda software, IT e analisi dati. Qui l’AI non elimina necessariamente il valore professionale, ma cambia la soglia minima di produttività. Uno sviluppatore con strumenti AI può produrre più codice, ma questo può ridurre la domanda di sviluppatori junior impiegati in attività standard. Data analyst, BI specialist, QA tester, documentaristi tecnici e operatori DevOps dovranno integrare strumenti AI per restare competitivi. Il terzo fronte è quello dei media, comunicazione e marketing. Copywriting, traduzione, SEO, bozze di comunicati, immagini stock, sintesi video, trascrizioni, newsletter, post social e report editoriali sono attività già fortemente automatizzabili. Il valore umano resterà nella verifica, nell’inchiesta, nello stile, nella responsabilità editoriale, nella relazione con le fonti e nell’interpretazione. La produzione generica di contenuti sarà sempre meno difendibile come lavoro autonomo. Il quarto fronte è quello di finanza, banche, assicurazioni e consulenza. L’AI può automatizzare scoring, analisi documentale, antiriciclaggio, supporto clienti, verifica contratti, reportistica di rischio e sintesi normativa. La finanza, però, è anche un settore regolato: questo rallenterà alcune sostituzioni e aumenterà la domanda di governance, audit, compliance e model risk. Il quinto fronte è la sanità amministrativa, non la cura in senso stretto. Cartelle cliniche, codifica, trascrizione, prenotazioni, triage digitale e supporto documentale possono essere automatizzati. Medici, infermieri e operatori sanitari restano difficili da sostituire nella componente relazionale, fisica e decisionale, ma il lavoro amministrativo intorno alla sanità sarà sempre più trasformato.

I settori meno esposti non sono immuni

I lavori meno esposti nel breve periodo sono quelli che richiedono presenza fisica, manualità fine, responsabilità diretta, relazione umana complessa, cura, negoziazione in contesti imprevedibili o intervento sul territorio. Manutentori, elettricisti, idraulici, operatori socio-sanitari, insegnanti nella relazione educativa, artigiani, tecnici di impianto, ristorazione, edilizia e molte professioni di cura sono meno sostituibili dall’AI generativa. Questo non significa che non cambieranno. L’AI entrerà come strumento di programmazione, diagnostica, preventivazione, assistenza remota, formazione, gestione turni, analisi immagini, supporto decisionale e controllo qualità. La differenza è che in questi lavori l’AI tende più ad aumentare la produttività che a sostituire direttamente il lavoratore, almeno fino a quando robotica e automazione fisica non diventeranno più economiche, sicure e diffuse.

Donne, giovani e lavoratori amministrativi: chi rischia di più

L’impatto dell’AI non sarà distribuito in modo uniforme. La ILO evidenzia che le donne risultano più esposte degli uomini alla GenAI perché sono maggiormente concentrate in occupazioni amministrative, clericali e di supporto. Un brief ILO del 2026 indica che le donne hanno una potenziale esposizione complessiva alla GenAI del 24,1%, contro il 17,8% degli uomini, e rappresentano il 55,5% dei lavoratori potenzialmente esposti. I giovani sono il secondo gruppo vulnerabile. Non perché siano meno capaci di usare l’AI, ma perché molte attività di ingresso nel mercato vengono automatizzate proprio mentre dovrebbero servire da apprendistato. Junior developer, assistenti legali, analyst, copywriter, data entry, customer care e back-office erano spesso lavori di avvio. Se l’AI elimina la base, il rischio è un mercato con senior produttivi ma meno canali per formare nuovi senior. Il terzo gruppo vulnerabile è composto da lavoratori di paesi e settori basati su outsourcing digitale a basso costo. Call center, BPO, customer support, back-office, trascrizione, moderazione contenuti e data entry sono stati per anni distribuiti globalmente verso paesi con salari più bassi e competenze linguistiche adeguate. L’AI può ridurre il vantaggio del costo del lavoro, riportare alcune funzioni nei paesi committenti o spostarle verso piattaforme automatizzate.

Il caso Italia: AI, lavoro qualificato e ritardo nella transizione digitale

Nel caso italiano, l’impatto dell’intelligenza artificiale sul lavoro assume una forma specifica: non riguarda soltanto la sostituzione di mansioni povere o ripetitive, ma colpisce una parte rilevante del lavoro qualificato nei servizi. Uno studio della Banca d’Italia sull’esposizione del mercato del lavoro italiano all’AI rileva che le occupazioni più esposte si trovano prevalentemente nei servizi, dove è alta la presenza di personale qualificato e di lavoratrici. Il dato più importante è che oltre la metà dei nove milioni di lavoratori altamente esposti potrebbe beneficiare dell’AI in modo complementare, cioè usando la tecnologia per aumentare produttività e qualità del lavoro; l’altra parte, invece, entra nella zona più delicata della sostituibilità, dove l’AI può assorbire mansioni, ridurre domanda di personale o spingere verso occupazioni meno pagate. La criticità italiana sta proprio nella mobilità. La stessa analisi della Banca d’Italia segnala che la mobilità tra occupazioni è oggi bassa e che i lavoratori impiegati in mansioni più esposte e sostituibili tendono a spostarsi verso occupazioni meno esposte, ma generalmente caratterizzate da retribuzioni inferiori. Questo significa che l’AI può produrre non solo perdita di posti, ma anche declassamento professionale e salariale, soprattutto se il sistema produttivo non costruisce percorsi reali di riqualificazione verso mansioni aumentate dalla tecnologia. Il rischio per l’Italia non è quindi soltanto la disoccupazione tecnologica, ma una nuova polarizzazione tra chi usa l’AI per salire nella catena del valore e chi viene spinto verso lavori meno qualificati e meno retribuiti.

I dati sulle imprese mostrano una doppia velocità. Secondo Anitec-Assinform, nel 2025 il mercato italiano dell’AI vale 1,24 miliardi di euro, in crescita del 33% rispetto ai 935 milioni del 2024, con proiezioni oltre 2,5 miliardi entro il 2028; nello stesso periodo, i dati ISTAT richiamati dall’associazione indicano che la quota di imprese italiane che utilizza almeno una soluzione di AI è più che raddoppiata, passando dall’8% al 16,4% tra 2024 e 2025. Il Politecnico di Milano offre una fotografia ancora più espansiva del mercato, stimando per il 2025 un valore di 1,8 miliardi di euro, in crescita del 50% sul 2024, con il 46% del mercato legato a soluzioni di GenAI o progetti ibridi. Lo stesso osservatorio rileva però uno squilibrio evidente: il 71% delle grandi imprese ha avviato almeno un progetto di AI, mentre la quota scende all’8% tra le piccole e medie imprese. Questo divario è decisivo per il lavoro. Nelle grandi imprese l’AI entra nei processi, nelle licenze software, nella produttività d’ufficio e nella gestione delle competenze; nelle PMI rischia invece di arrivare più lentamente, spesso come strumento esterno non governato o come pressione competitiva subita dai fornitori più piccoli. Sempre il Politecnico segnala che il 47% dei lavoratori usa strumenti AI in azienda e che nel 2025 le richieste di competenze AI negli annunci di lavoro in Italia sono cresciute del 93%, con skill AI presenti nel 76% delle offerte white-collar ad alta qualificazione. Il mercato del lavoro italiano, quindi, non sta semplicemente sostituendo persone con macchine: sta ridefinendo le soglie di accesso alle professioni qualificate.

Il sistema Unioncamere-Ministero del Lavoro, attraverso Excelsior, conferma che la transizione digitale è già un prerequisito diffuso nella domanda di lavoro. Nel 2025 circa il 72% delle imprese dichiara di aver investito in almeno un ambito della transizione digitale, mentre le competenze legate all’uso di tecnologie Internet e strumenti di comunicazione visuale e multimediale sono richieste al 61,2% dei profili in ingresso; le competenze digitali connesse a linguaggi e metodi matematici e informatici sono domandate al 48,8% delle entrate programmate, e la capacità di gestire soluzioni innovative al 36%. Questo significa che la tutela del lavoro in Italia non può limitarsi agli ammortizzatori sociali dopo la crisi: deve partire prima, dalla formazione digitale, dagli ITS, dalla riqualificazione continua e dalla capacità di trasformare lavoratori amministrativi, tecnici e professionali in figure capaci di usare, controllare e verificare sistemi AI.

Il caso italiano mostra quindi un rischio molto concreto: l’AI può aumentare la produttività del Paese, ma solo se evita di trasformare l’esposizione tecnologica in svalutazione del lavoro. Nei servizi, nella finanza, nella pubblica amministrazione, nella consulenza, nel customer care, nel marketing, nel software e nei processi documentali, l’intelligenza artificiale può diventare un moltiplicatore di competenze oppure un acceleratore di tagli. La differenza la faranno le politiche di formazione, la contrattazione, la capacità delle imprese di accompagnare i lavoratori e la possibilità per le PMI di accedere a competenze AI senza essere schiacciate dalla distanza con le grandi aziende.

Migrazione del lavoro tra paesi: dall’offshoring al capability arbitrage

La migrazione del lavoro non avverrà solo con persone che si spostano, ma con attività che cambiano paese, piattaforma o natura economica. Negli ultimi vent’anni la digitalizzazione ha favorito l’offshoring di servizi verso India, Filippine, Europa orientale e altri hub. L’AI può invertire o trasformare questo modello. Se un chatbot gestisce una parte del customer care, il lavoro non migra più verso un call center estero: migra verso un modello AI ospitato in cloud. Se un software produce bozze legali o codice standard, una parte del lavoro non viene più delocalizzata: viene automatizzata.

Le aree più esposte sono i grandi ecosistemi BPO. Un documento della Banca Mondiale dedicato all’outsourcing transfrontaliero segnala il peso dell’India nell’IT-BPO globale, con circa il 36% del mercato e oltre 4 milioni di lavoratori, mentre le Filippine hanno un settore BPO pari al 7-11% del PIL e circa 1,3 milioni di lavoratori; la Polonia ha un settore IT pari a circa l’8% del PIL. Il caso delle Filippine mostra che il processo non è lineare. Nel 2024 l’industria IT-BPM filippina prevedeva ancora una crescita del 7%, con occupazione verso 1,82 milioni di lavoratori e ricavi per 38 miliardi di dollari, puntando a 2,55 milioni di posti e 59 miliardi di dollari entro il 2028. Il messaggio dell’associazione di settore era chiaro: non chi vince contro l’AI, ma chi usa l’AI meglio, riesce a restare competitivo. La migrazione del lavoro passerà quindi da labor arbitrage a capability arbitrage. Prima le aziende spostavano mansioni dove costavano meno. Ora sposteranno valore dove trovano competenze AI, infrastrutture, lingua, compliance, cybersecurity e capacità di integrare automazione. Un paese con salari più bassi ma poca competenza AI può perdere attrattività. Un paese con costi medi ma forte specializzazione in AI operations, cybersecurity, data analytics e supporto avanzato può guadagnare lavoro.

La nuova catena globale dell’AI: data worker, annotatori e moderatori

Accanto ai lavori che l’AI riduce, esiste una filiera di lavoro umano nascosto che l’AI continua a richiedere. Modelli linguistici, sistemi di visione, content moderation e dataset hanno bisogno di annotazione, valutazione, pulizia, classificazione, feedback umano e moderazione. Questo lavoro è spesso svolto attraverso piattaforme, contractor, outsourcing e paesi del Global South. Il problema è che questa nuova catena del valore può creare lavoro, ma non necessariamente lavoro buono. Analisi sul lavoro dei data worker nel Global South segnalano rischi di bassa remunerazione, esposizione a contenuti traumatici, scarsa trasparenza, dipendenza da piattaforme e difficoltà nel far applicare diritti del lavoro lungo filiere globali frammentate. Brookings ha evidenziato il ruolo di content moderation e data labeling dietro social media e AI, mentre organizzazioni come SOMO e Fairwork hanno segnalato condizioni peggiori per molti crowdworker del Global South rispetto ai lavoratori del Nord globale impegnati per gli stessi clienti. Il rischio è una nuova divisione internazionale del lavoro AI: nei paesi ricchi si concentrano modelli, capitali, cloud, brevetti e profitti; nei paesi a reddito medio e basso si concentrano annotazione, moderazione, pulizia dati e lavoro invisibile. La tutela dei lavoratori dell’AI supply chain diventerà quindi una delle questioni decisive dei prossimi anni.

Le competenze AI si concentrano ancora nei paesi ricchi

La domanda di competenze AI sta crescendo, ma resta geograficamente squilibrata. Il Digital Progress and Trends Report 2025 della Banca Mondiale segnala che dal 2021 al 2024 gli annunci di lavoro che richiedono competenze AI sono cresciuti del 2% nei paesi ad alto reddito, del 16% nei paesi a reddito medio-alto e dell’11% nei paesi a reddito medio-basso. Tuttavia, nel 2024 oltre il 70% degli annunci con skill AI restava localizzato nei paesi ad alto reddito. Gli annunci con competenze specifiche di GenAI sono cresciuti di nove volte dal 2021 al 2024, ma rappresentavano ancora solo lo 0,2% delle vacancy online globali. Questo dato è decisivo per capire la migrazione del lavoro. L’AI non elimina automaticamente il vantaggio dei paesi ricchi. Anzi, può rafforzarlo se infrastruttura, dati, capitale umano, cloud, chip e imprese AI restano concentrati lì. Allo stesso tempo, la crescita più rapida delle competenze AI nei paesi a reddito medio indica uno spazio di recupero. La partita non sarà solo tra lavoratori e macchine, ma tra economie capaci di salire nella catena del valore AI ed economie bloccate nei compiti a basso margine.

Il paradosso della produttività: più output, meno assunzioni

Uno degli effetti più probabili dell’AI sarà il paradosso della produttività occupazionale. Le aziende potranno produrre di più con meno persone o con lo stesso numero di persone. Nel breve periodo, questo può aumentare margini e produttività. Nel medio periodo, può ridurre assunzioni, bloccare ruoli junior e spingere le imprese a pretendere più output per lavoratore. Microsoft e LinkedIn hanno rilevato che il 75% dei knowledge worker usa già AI al lavoro e che il 78% degli utenti porta strumenti AI propri in azienda, mentre il 79% dei leader considera l’adozione dell’AI necessaria per restare competitivi. Allo stesso tempo, molti dirigenti temono di non riuscire a misurare i guadagni di produttività o di non avere una visione chiara per l’implementazione. Questo produce una tensione forte. I lavoratori usano l’AI per sopravvivere al carico di lavoro. Le aziende usano l’AI per aumentare efficienza. I manager faticano a misurare il valore reale. Gli investitori chiedono margini. Il rischio è che la produttività generata dall’AI venga catturata dall’impresa senza tradursi in riduzione dell’orario, aumento salariale o maggiore stabilità occupazionale.

Progetti AI vincenti e fallimenti noti: cosa insegnano davvero al mercato del lavoro

La trasformazione del lavoro attraverso l’intelligenza artificiale non procede in modo lineare. Alcuni progetti mostrano guadagni concreti di produttività, altri rivelano ripensamenti, errori di valutazione e costi nascosti. La lezione più importante è che l’AI funziona meglio quando aumenta il lavoro umano, mentre fallisce più spesso quando viene usata come sostituto totale e immediato di persone, esperienza e responsabilità.

Tra i casi positivi, GitHub Copilot resta uno degli esempi più citati. In un esperimento controllato, sviluppatori con accesso all’assistente AI hanno completato un compito di programmazione il 55,8% più velocemente rispetto al gruppo senza Copilot. Il dato non significa che gli sviluppatori vengano cancellati, ma che una parte del lavoro ripetitivo di coding, completamento, documentazione e debugging può essere accelerata in modo significativo quando resta sotto il controllo di un professionista umano.

Anche Morgan Stanley rappresenta un caso di adozione più matura. La banca ha sviluppato strumenti generativi con OpenAI per supportare i consulenti finanziari nella ricerca documentale, nella sintesi e nella preparazione di insight più rapidi per i clienti. Il punto non è sostituire il financial advisor, ma ridurre il tempo perso nella consultazione di documenti e report interni, lasciando all’essere umano relazione, responsabilità e giudizio professionale.

Un altro esempio interessante è Moderna, che ha integrato ChatGPT Enterprise in diverse funzioni aziendali dopo una collaborazione con OpenAI avviata nel 2023. L’azienda presenta l’AI come leva trasversale per ricerca, operazioni e processi interni, non come singola automazione verticale. Anche qui il punto occupazionale è chiaro: l’AI produce valore quando viene collegata a competenze scientifiche, organizzative e industriali già presenti, non quando viene calata dall’alto come strumento generico di taglio.

Sul lato opposto, ci sono casi che mostrano i limiti dell’automazione troppo aggressiva. McDonald’s ha terminato nel 2024 il test dei sistemi AI di ordinazione vocale nei drive-thru, sviluppati con IBM e sperimentati in oltre 100 ristoranti negli Stati Uniti. Il progetto non ha chiuso la porta all’AI nella ristorazione, ma ha dimostrato che ambienti rumorosi, accenti, dialetti, ordini complessi e aspettative dei clienti rendono l’automazione conversazionale più fragile di quanto sembri nei demo controllati.

Il caso Air Canada è ancora più importante sul piano della responsabilità legale. Un chatbot della compagnia aveva fornito a un cliente informazioni errate su una tariffa per lutto familiare; il tribunale della British Columbia ha stabilito che l’azienda era responsabile delle informazioni fornite dal proprio chatbot e ha ordinato il pagamento di un rimborso e di ulteriori costi. Questo caso dimostra che l’AI customer service non elimina la responsabilità dell’impresa: se il bot sbaglia, l’azienda ne risponde.

Il caso Klarna è il più utile per leggere il rapporto tra AI e occupazione. La fintech svedese aveva promosso con forza l’uso di un assistente AI nel customer service, presentandolo come equivalente al lavoro di centinaia di operatori e collegandolo a una forte riduzione del personale tramite mancato turnover e blocco delle assunzioni. Nel 2025, però, il CEO Sebastian Siemiatkowski ha riconosciuto la necessità di recuperare presenza umana nel supporto clienti, ammettendo che molte persone vogliono ancora parlare con un operatore reale e che la qualità del servizio puramente automatizzato non bastava in tutti i casi.

Questi casi raccontano una verità più utile delle narrazioni estreme. L’AI vince quando è inserita in processi con supervisione, metriche realistiche, dati affidabili e responsabilità umana chiara; fallisce o viene ridimensionata quando viene usata per cancellare troppo rapidamente il lavoro relazionale, il controllo esperto e la gestione delle eccezioni. Nel mercato del lavoro, questo significa che i progetti più solidi non saranno quelli che annunciano il maggior numero di sostituzioni, ma quelli che ridisegnano mansioni, ruoli e competenze senza spezzare il rapporto tra automazione e qualità del servizio.

Per questo, i casi di successo e i fallimenti noti vanno letti come una bussola per imprese e lavoratori. GitHub Copilot mostra il valore dell’AI come copilota del professionista; Morgan Stanley e Moderna mostrano l’importanza della governance enterprise; McDonald’s e Air Canada mostrano i limiti dell’automazione conversazionale non sufficientemente controllata; Klarna mostra che tagliare troppo in fretta il lavoro umano può produrre risparmi immediati ma anche perdita di qualità, fiducia e relazione con il cliente.

Salari: chi guadagna e chi perde potere contrattuale

L’AI può aumentare i salari di chi possiede competenze complementari, ma ridurre il potere contrattuale di chi svolge attività sostituibili. Questo è il nodo della polarizzazione. Un lavoratore capace di usare AI per produrre più valore, controllare output, automatizzare workflow, integrare dati e ridurre errori diventa più produttivo e potenzialmente più pagato. Un lavoratore che esegue compiti standard facilmente automatizzabili rischia invece di vedere il proprio lavoro svalutato. PwC osserva che le competenze AI generano premi salariali significativi e che i settori più esposti all’AI mostrano maggiore crescita della produttività. Ma questo non garantisce una distribuzione equa dei benefici. La stessa tecnologia che aumenta il salario dell’AI engineer può ridurre la domanda di data entry, customer support di primo livello o copywriter generico. Il vero conflitto distributivo sarà quindi tra produttività e salario. Se l’AI consente a un team di dieci persone di fare il lavoro di quindici, il beneficio può tradursi in salari più alti, orario ridotto, nuove assunzioni in ruoli avanzati o semplicemente in cinque posizioni non più rinnovate. La tecnologia non decide da sola: decidono governance aziendale, contratti, sindacati, policy pubbliche e forza negoziale dei lavoratori.

I meccanismi di tutela: cosa serve davvero

Le tutele non possono limitarsi a promettere formazione generica. La formazione serve, ma se non è collegata a posti reali, transizioni concrete e diritti esigibili rischia di diventare una formula vuota. La tutela efficace deve intervenire su quattro livelli: prevenzione, trasparenza, redistribuzione e ricollocazione. La prevenzione riguarda l’adozione dell’AI nei luoghi di lavoro. I lavoratori devono sapere quando un sistema AI viene usato per valutare performance, assegnare turni, selezionare candidati, decidere promozioni, proporre licenziamenti o monitorare produttività. La Platform Work Directive europea, entrata in vigore nel dicembre 2024, mira a migliorare condizioni di lavoro, protezione dei dati personali e regole sull’algorithmic management nelle piattaforme digitali. La trasparenza riguarda il diritto a capire e contestare decisioni automatizzate. L’AI Act europeo, entrato in vigore il 1 agosto 2024 e pienamente applicabile dal 2 agosto 2026, introduce un approccio basato sul rischio; i sistemi AI usati in ambiti come occupazione, gestione dei lavoratori e accesso al lavoro rientrano tra le aree più sensibili, con obblighi rafforzati per i sistemi ad alto rischio. La redistribuzione riguarda il destino dei guadagni di produttività. Se l’AI aumenta margini e riduce costi, una parte del valore deve finanziare formazione, riqualificazione, ammortizzatori, transizioni interne e riduzione del rischio per i lavoratori più esposti. Il FMI ha raccomandato reti di protezione sociale, formazione continua, politiche educative adattate e interventi contro la crescita delle disuguaglianze legate all’AI. La ricollocazione riguarda il passaggio concreto da vecchi lavori a nuovi ruoli. L’OCSE suggerisce politiche mirate per identificare gruppi più esposti, formazione dedicata ai lavoratori svantaggiati prima e durante l’adozione dell’AI, e sostegni alle PMI per adottare AI affidabile senza scaricare tutti i costi sui dipendenti.

Cosa devono fare aziende e sindacati

Le aziende devono smettere di trattare l’AI come un semplice software di produttività. Ogni progetto AI dovrebbe avere una valutazione di impatto sul lavoro: quali mansioni vengono automatizzate, quali ruoli cambiano, quali competenze servono, quali lavoratori rischiano di essere esclusi, quali nuove posizioni vengono create e quali dati vengono usati per valutare le persone. Il principio corretto è “AI con piano occupazionale”. Se un’impresa introduce strumenti generativi in customer care, back-office o sviluppo software, deve prevedere formazione reale, percorsi di upgrade, affiancamento, ridisegno dei ruoli e criteri trasparenti. L’AI non deve diventare un modo per sostituire persone senza spiegare come vengono prese le decisioni. I sindacati, dal canto loro, devono aggiornare la contrattazione. Non basta difendere mansioni che cambiano. Bisogna contrattare accesso ai dati, audit degli algoritmi, diritto alla spiegazione, limiti al monitoraggio, formazione pagata, partecipazione dei lavoratori alla scelta dei sistemi, valutazione dell’impatto occupazionale, clausole contro licenziamenti automatici e redistribuzione dei guadagni di produttività.

Cosa deve fare il singolo lavoratore

Il singolo lavoratore non può controllare da solo la trasformazione del mercato, ma può ridurre la propria esposizione. La prima regola è imparare a usare l’AI non come scorciatoia, ma come strumento di aumento della qualità. Chi usa l’AI solo per produrre più output generico resta sostituibile. Chi la usa per verificare, analizzare, progettare, automatizzare e prendere decisioni migliori aumenta il proprio valore. La seconda regola è spostarsi da attività esecutive a competenze di controllo. Il futuro premia chi sa fare domande migliori, valutare risposte, riconoscere errori, integrare strumenti, leggere dati, comunicare risultati e assumersi responsabilità. L’AI può generare una bozza, ma il valore umano resta nella validazione, nel contesto, nella relazione, nella decisione e nella responsabilità finale. La terza regola è costruire competenze ibride. Un contabile con competenze AI vale più di un contabile che usa solo procedure tradizionali. Un giornalista che sa usare AI per ricerca, verifica, analisi dati e automazione redazionale resta più forte di un generatore di testi generici. Un tecnico di manutenzione che usa diagnostica predittiva AI diventa più competitivo di un operatore puramente manuale. La protezione individuale non è diventare “esperti AI” in astratto, ma portare l’AI dentro il proprio dominio professionale.

Previsione realistica: non sparirà il lavoro, sparirà il lavoro senza adattamento

La previsione più credibile è che l’AI non eliminerà il lavoro umano nel suo complesso, ma renderà insostenibile una quota crescente di lavoro ripetitivo, documentale e standardizzato. Nel breve periodo, le aziende useranno l’AI per tagliare costi, congelare assunzioni e aumentare output. Nel medio periodo, nasceranno nuovi ruoli, ma non sempre accessibili ai lavoratori espulsi dai vecchi. Nel lungo periodo, la differenza la faranno formazione, contratti, politiche pubbliche e capacità dei sistemi produttivi di redistribuire il valore.

Il rischio non è un mondo senza lavoro, ma un mondo con meno lavori di ingresso, più lavori ad alta competenza, più sorveglianza algoritmica e maggiore distanza tra chi controlla l’AI e chi viene controllato dall’AI. Questo è il vero nodo politico.

Il mercato del lavoro non si dividerà semplicemente tra occupati e disoccupati. Si dividerà tra lavoratori aumentati, lavoratori sostituiti, lavoratori sorvegliati, lavoratori ricollocati e lavoratori invisibili nella supply chain dell’AI. La tutela dovrà quindi essere multilivello: diritto alla formazione, diritto alla trasparenza algoritmica, diritto alla contestazione delle decisioni automatizzate, diritto alla protezione dei dati, diritto alla ricollocazione e diritto a una quota dei guadagni di produttività.

Il lavoro dopo l’AI sarà più umano solo se verrà governato

L’intelligenza artificiale può liberare tempo, ridurre compiti ripetitivi, aumentare produttività e creare nuovi mestieri. Ma può anche comprimere salari, eliminare lavori junior, rafforzare monopoli, spostare attività tra paesi, precarizzare data worker e trasformare la produttività in licenziamenti. La stessa tecnologia può produrre emancipazione o subordinazione, a seconda di come viene governata. La traiettoria non è già scritta. I dati indicano esposizione elevata, ma non sostituzione totale. Segnalano licenziamenti reali, ma non collasso generale. Mostrano crescita di nuove professioni, ma anche rischio di esclusione per giovani, donne, lavoratori amministrativi e paesi dipendenti dall’outsourcing routinario. Indicano salari più alti per chi possiede competenze AI, ma anche perdita di potere contrattuale per chi resta in mansioni facilmente automatizzabili. Il futuro del lavoro non dipenderà solo dai modelli linguistici, dai chip o dalle piattaforme cloud. Dipenderà da scelte aziendali, contratti collettivi, politiche pubbliche, formazione continua, diritti digitali e capacità di impedire che l’AI diventi soltanto una macchina per ridurre personale. Lavoro e intelligenza artificiale non sono due mondi separati: sono già lo stesso mercato, e chi non costruisce ora le regole rischia di subirne gli effetti quando la trasformazione sarà irreversibile.