Al 18 maggio 2026, oltre 113 mila lavoratori tech sono stati licenziati in 179 aziende, secondo il monitoraggio di Layoffs.fyi. La cifra prosegue una serie di tre anni consecutivi di tagli sostenuti nel settore, e arriva mentre gli stessi datori di lavoro hanno annunciato per il 2026 una spesa AI complessiva di circa 725 miliardi di dollari. La concorrenza tra le due narrative — “tagliamo perché l’AI ci ha resi più efficienti” e “investiamo a livelli record nelle stesse persone” — è apparente, ma la composizione reale dei licenziamenti è più sfumata di quanto la comunicazione corporate suggerisca.
Le aziende stesse dichiarano in media nel 48% dei casi che l’AI o l’automazione è il motivo principale dei tagli. Le analisi indipendenti condotte sui dati pubblici (filing SEC, comunicazioni interne, dichiarazioni dei laid-off) misurano una quota molto più bassa: solo il 20% circa dei licenziamenti tech 2026 è effettivamente attribuibile a sostituzione AI di funzioni umane in modo verificabile. La differenza tra il 48% dichiarato e il 20% verificato è ciò che gli analisti hanno cominciato a chiamare “AI washing” dei licenziamenti.
Perché l’AI è la spiegazione preferita per ristrutturazioni che hanno altre cause
La prima causa reale è l’hangover di hiring post-pandemia. Tra 2020 e 2022 le Big Tech hanno assunto a ritmi accelerati per supportare la crescita digitale dovuta ai lockdown. Quando la domanda è rientrata su livelli normali nel 2023-2024, le strutture si sono trovate sovradimensionate. I primi cicli di tagli (2023-2024) sono stati esplicitamente comunicati come “rightsizing post-COVID”. Dal 2025 il framing è cambiato: gli stessi tagli sono presentati come “efficienze AI”, anche quando la composizione dei ruoli tagliati non corrisponde a funzioni effettivamente automatizzate.
La seconda causa è l’ottimizzazione dei costi tradizionale. Le aziende quotate hanno pressione dai mercati per migliorare i margini operativi anche in fasi di crescita rallentata. Il modo più rapido per farlo è ridurre il personale, e il modo più narrabile per giustificare i tagli agli investitori è inquadrarli come modernizzazione. AI come motivazione vende meglio di “abbiamo assunto troppo” o “abbiamo bisogno di rispondere alle aspettative degli analisti sui margini Q3”. Lo stesso pattern era emerso negli articoli sulla riorganizzazione del mercato del software enterprise post-Broadcom.
La terza causa è la redistribuzione interna delle competenze. Una parte significativa dei licenziamenti del 2026 coincide con assunzioni parallele di profili AI senior, talvolta nella stessa azienda nello stesso trimestre. Microsoft, Google, Meta, Amazon hanno tutte aperto migliaia di posizioni AI nel primo trimestre 2026 mentre comunicavano migliaia di tagli su altre funzioni. Tecnicamente è “AI-driven layoff”, strutturalmente è uno scambio di profili che la narrazione corporate semplifica per ragioni di marketing finanziario. Il caso italiano più documentato è quello di Marghera, dove 37 licenziamenti sono stati attribuiti all’AI ma erano una storia di AI washing e finanza. Anche Sam Altman ha ammesso che “c’è dell’AI washing in cui le persone incolpano l’AI per licenziamenti che avrebbero fatto comunque”.
Nel 48% dei casi le aziende dicono “AI”. Nel 20% dei casi è davvero AI. Il resto è hangover post-COVID con un nuovo nome.
Cosa significa per il mercato del lavoro italiano
La prima ragione di rilevanza per il mercato italiano è che lo schema coincide con quanto Tom’s Hardware ha documentato sulla narrativa vs realtà dei licenziamenti tech. Le filiali italiane delle Big Tech (Microsoft, Google, Amazon, Salesforce, Oracle) seguono le linee guida globali sulla comunicazione dei tagli, e questo significa che anche in Italia i licenziamenti corporate vengono inquadrati come “ottimizzazione AI” anche quando la causa reale è di altro tipo. Per i lavoratori coinvolti, questo ha conseguenze concrete: la riqualificazione AI è più difficile da ottenere come motivazione formale di reintegro o di mobility interna se la causa dichiarata è “sostituzione tecnologica” anziché “ristrutturazione”.
La seconda ragione è il rischio di errata pianificazione delle competenze a livello di sistema. Se le aziende dichiarano sistematicamente “AI” come causa di licenziamenti che hanno altre origini, i policy maker italiani (Ministero del Lavoro, INPS, Anpal) ricevono un segnale distorto sulla domanda reale di competenze AI sul mercato. Il fenomeno è particolarmente forte sui ruoli junior, dove le statistiche mostrano impatto sproporzionato sui giovani lavoratori. Programmi di formazione finanziati con fondi pubblici rischiano di essere tarati su una domanda di lavoro che la narrazione esagera. I dati ManpowerGroup su talent shortage AI mostrano una realtà più sfumata: la domanda di profili AI senior è reale, ma è concentrata su un sottoinsieme ristretto di ruoli che richiede esperienza di costruzione di sistemi AI in produzione, non capability formate in corsi accelerati.
La narrazione “AI sostituisce persone” sta diventando una scusa di facile uso per giustificare ristrutturazioni che hanno cause più scomode da nominare (errori di pianificazione, calo di domanda, pressione dei mercati). Le aziende italiane che ascoltano questa narrazione e la replicano sulle proprie ristrutturazioni rischiano di costruire iniziative AI mal disegnate, perché basate sull’assunto che l’AI possa rimpiazzare funzioni che invece richiedono ancora competenze umane non automatizzabili. La conseguenza è il pilot purgatory in salsa nostrana che si traduce in licenziamenti reali ma in benefici operativi che non arrivano mai.
L’AI washing dei licenziamenti è un fenomeno comunicazionale prima ancora che industriale. Il 48% di tagli “AI-driven” dichiarato dalle aziende è una semplificazione narrativa utile per i mercati finanziari, ma copre dinamiche operative che hanno cause diverse e richiederebbero soluzioni diverse. Per chi opera in azienda, distinguere tra AI che sostituisce davvero e ristrutturazione che cerca un alibi è la condizione per evitare di costruire piani AI sbagliati. Per chi pianifica politiche pubbliche di formazione, è la condizione per allocare risorse su skill che il mercato chiede davvero, non su quelle che la stampa corporate amplifica. La differenza tra il 48% e il 20% è la dimensione di un equivoco strutturale che durerà finché continuerà a essere conveniente per qualcuno coltivarlo.
#Adessonews seleziona nella rete articoli di particolare interesse.
Se vuoi leggere l’articolo completo clicca sul seguente link
Sara Romano
Source link
