I giovani non trovano lavoro perché l’AI ha mangiato il primo gradino

I dati che cominciano ad arrivare sull’impatto dell’AI sul mercato del lavoro raccontano una storia diversa da quella attesa. Non c’è la disoccupazione di massa che molti temevano. C’è invece la lenta evaporazione del primo gradino di carriera, ossia di quelle mansioni di ingresso — data entry, ricerca base, prima stesura, screening, supporto di primo livello — che da sempre servono ai laureati per imparare un mestiere prima di salire di livello.

Il dato più chiaro arriva da un working paper dello Stanford Digital Economy Lab pubblicato a novembre 2025: i lavoratori tra i ventidue e i venticinque anni nelle occupazioni più esposte all’AI generativa hanno subito un calo relativo dell’occupazione del 16% dopo la diffusione dei modelli generativi, anche dopo aver controllato per gli shock occupazionali di settore e di azienda. La ricerca, firmata da Erik Brynjolfsson, Bharat Chandar e Ruyu Chen, si basa sui dati di payroll ad alta frequenza di ADP, uno dei più grandi processori di stipendi statunitensi. Il titolo del paper è eloquente: Canaries in the Coal Mine?.

I lavoratori più esperti nelle stesse occupazioni non hanno subito lo stesso calo, e nelle mansioni di ingresso poco esposte all’AI l’occupazione tiene. La forbice si apre solo dove i task automatizzabili coincidono con il livello di esperienza più basso. Un report di Anthropic del marzo 2026, nell’ambito dell’Economic Index, arriva a conclusioni simili usando dati di utilizzo di Claude.

La pipeline dei talenti si rompe a monte, non a valle

Il problema, nella formulazione dei tre autori del paper su MIT Technology Review (David Deming, Christopher Stanton, Cory Stern), è che le aziende stanno prendendo decisioni di assunzione basate sui risparmi di breve periodo consentiti dall’AI, senza considerare il valore di lungo periodo del giovane lavoratore. Quel valore non sta nei task svolti questo trimestre: sta nella formazione, nella memoria istituzionale, nel giudizio che si costruisce solo dopo anni passati dentro un’organizzazione.

La conseguenza è prevedibile. La senior workforce più produttiva degli anni Trenta sarà fatta in larga parte di chi oggi è giovane. Le aziende che automatizzano via la fase di apprendimento migliorano i margini di oggi, ma fra dieci anni rischiano di trovarsi senza nessuno che capisca come funzionano davvero i loro stessi workflow guidati dall’AI. Un’azienda che non assume juniores oggi è un’azienda che fra dieci anni non avrà più seniores.

Il fenomeno è confermato da dati della Federal Reserve Bank di New York: nel quarto trimestre 2025 il tasso di disoccupazione dei laureati recenti è salito al 5,6%, mentre il tasso di sottoccupazione (la quota di laureati che lavorano in mansioni che normalmente non richiedono una laurea) ha raggiunto il 42,5%, il livello più alto dalla pandemia da Covid. Nessuna singola statistica isolata può attribuire all’AI tutta la responsabilità: il rallentamento delle assunzioni post-pandemia è generalizzato, e i giovani sono sempre i più esposti. Ma sarebbe un errore non vedere il pattern.

In Italia il quadro non è meno fosco: già a settembre 2025 Tom’s Hardware aveva documentato che l’AI in azienda minaccia in primo luogo i ruoli entry-level, e i settori che perdono più posti coincidono con quelli ad alta esposizione all’automazione cognitiva.

Imparare a programmare non è più la risposta

Il consiglio dato per quindici anni a chi entrava nel mondo del lavoro è stato learn to code. Quel consiglio reggeva sul presupposto che la programmazione fosse una competenza stabile, scalabile, traducibile in un lavoro di classe media. La premessa non regge più. Lo strato di lavoro che l’AI svolge meglio — tradurre una specifica in codice routinario, riprodurre pattern standard, fare debug di errori prevedibili — è esattamente lo strato su cui si reggevano i programmi di formazione massivi.

La competenza che ora vale è diversa: saper supervisionare i sistemi AI, capire cosa producono, validarlo nei termini del dominio operativo specifico. Una competenza che richiede giudizio, esperienza, conoscenza del contesto, ed è esattamente la combinazione che i giovani, per definizione, non hanno ancora.

La competizione che il giovane laureato si troverà davanti, scrivono gli autori, non sarà “umano contro macchina”, ma “collega contro collega aumentato dall’AI”. Per restare nel mercato occorre diventare fluenti nella tecnologia e combinare quella fluenza con giudizio di dominio, ragionamento contestuale, abilità relazionali. La scuola dovrebbe spingere su tirocini retribuiti, apprendistati, progetti collegati ai datori di lavoro reali, così che lo studente costruisca giudizio dentro luoghi di lavoro veri prima di laurearsi.

Il primo gradino è un investimento, non un costo

Le proposte del paper si articolano su tre attori. Governi: crediti d’imposta mirati, sussidi salariali e grant di formazione condizionati all’assunzione di lavoratori a inizio carriera in ruoli strutturati e aumentati dall’AI. L’architettura fiscale esiste già negli Stati Uniti, manca solo una versione di questi strumenti costruita specificamente attorno al lavoro entry-level affiancato dall’AI. Scuole: smettere di promuovere skill astratte e investire in esperienze di lavoro reale durante il percorso formativo. Aziende: smettere di trattare l’assunzione di juniores come una voce di costo da ottimizzare e riconoscere il valore di lungo periodo della formazione interna.

L’ultima è la più difficile, perché va contro la struttura di incentivo. Il manager che assume un junior paga oggi un costo e raccoglie il beneficio fra cinque anni, quando quel junior sarà diventato un mid-level produttivo. In un mercato in cui i CEO ruotano ogni tre o quattro anni, l’incentivo a saltare quella fase, oggi che l’AI lo permette, è quasi irresistibile. È lo stesso meccanismo per cui le aziende quotate hanno tagliato la ricerca di base negli anni Novanta: il costo è immediato, il ritorno arriva quando chi ha deciso non c’è più.

La storia del lavoro novecentesco era costruita su un patto implicito: l’azienda investiva in formazione, il dipendente restituiva con anni di servizio. Quel patto si è rotto da tempo, ma fino a oggi la fase iniziale di apprendistato — pagata male, ma esistente — era sopravvissuta a quasi tutte le ristrutturazioni. L’AI è la prima tecnologia a colpirla direttamente, non perché renda i giovani inutili ma perché rende il loro apprendimento contabilmente svantaggioso nel breve. Il problema, allora, non è tecnico. È di orizzonte temporale dei bilanci.

La conseguenza più seria di questa traiettoria è collettiva. Una società che non offre un primo gradino di carriera ai venticinquenni produce a cascata una generazione mancante di quarantenni esperti, e un sistema produttivo che fra venti anni non avrà i quadri intermedi necessari per supervisionare proprio quegli stessi sistemi AI che stanno automatizzando il livello di ingresso oggi. La pipeline non si rompe a valle, dove tutti guardano. Si rompe a monte, in silenzio, in queste settimane. Le competenze richieste per il 2026 già scontano il fatto che molte mansioni di ingresso non esisteranno più. La domanda vera, che nessuno sta facendo apertamente, è chi formerà gli AI-augmented manager del 2035 se nel 2026 i juniores non li assume più nessuno.