Si assume di meno e si lavora il triplo, ecco come l’IA peggiora il lavoro

Un report SAP-Wakefield uscito in primavera dice che l’88% dei direttori delle risorse umane vede l’IA accelerare la crescita dei junior. Un paper Stanford rilasciato in autunno dice invece che l’occupazione nella fascia 22-25 anni è scesa del 16% nelle mansioni più esposte all’IA. Sembrano due cose diverse, opposte persino, ma in verità sono due facce della stessa medaglia, e raccontano un mercato del lavoro peggiorato rispetto a prima.

In effetti, ci si potrebbe sentire tentati di scegliere una delle due visioni e scartare l’altra come propaganda, ma sarebbe un errore. I dati sono solidi in entrambi i casi e le analisi prodotte da gruppi seri con metodi trasparenti, e raccontano due fasi sequenziali della stessa catena. Da una parte chi entra nelle aziende trova meno porte aperte, dall’altra chi riesce a entrare si trova a lavorare di più. Le due immagini insieme restituiscono meno opportunità per i giovani e sovraccarico per i pochi che entrano e per i Senior già presenti.

Un primo dato arriva dal lavoro di Erik Brynjolfsson e collaboratori, raccolto nel paper Canaries in the Coal Mine della Stanford Digital Economy Lab. Usa i dati ADP su decine di milioni di buste paga, con regressione a effetti fissi per impresa e per periodo, cercando di isolare l’impatto dell’Intelligenza Artificiale. La fascia 22-25 anni nelle mansioni più esposte perde il 16% di occupazione relativa. Nelle stesse mansioni i senior restano stabili. Dunque vediamo che la piramide ideale poggia su una base sempre più piccola.

Dario Amodei di Anthropic lo aveva detto fuori dai denti parlando di “bagno di sangue” generazionale sui ruoli entry-level. Indeed Hiring Lab ha poi misurato un mercato congelato con disoccupazione tech junior intorno al 10%, contro un dato generale del 4,6%, e una caduta del 34% delle posizioni per profili con due-quattro anni di anzianità. Goldman Sachs conferma il quadro stimando 16.000 posti netti al mese cancellati dall’IA negli Stati Uniti, con la fascia 22-25 anni (nello sviluppo software) giù di quasi il 20% dal 2024.

Il mercato è in modalità “low-hire, low-fire”, cioè assumere poco per licenziare poco. Una scelta che può apparire sensata, sopratutto pensando al periodo di assunzioni folli post-covid. Ma sembra anche che si stia esagerando in senso opposto, ora; e così chi sta iniziando, cercando il primo impiego, rischia di trovarsi di fronte a un mercato virtualmente morto.

Il dato micro arriva da un recente di Wakefield Research per SAP. Cento direttori risorse umane di aziende con ricavi sopra il mezzo miliardo di dollari, intervistati a cavallo fra febbraio e marzo. L’88% dichiara che l’IA accelera la crescita dei propri junior, il 79% li introduce a strumenti di IA nel primo mese, l’87% si aspetta che i nuovi assunti abbiano familiarità con l’AI fin dal primo giorno, il 55% rileva un aumento di produttività. L’indagine è interessante ma va presa considerandone i limiti, perché è – almeno in parte – un autoscatto di ciò che pensano e vedono i manager, e non riflette necessariamente tutta la realtà del mercato.

A sostegno della linea ottimistica si possono allineare altri contributi: il briefing congiunto di World Economic Forum e PwC su 10.000 lavoratori in 48 paesi dice che il 47% si dichiara curioso, il 38% eccitato, solo il 29% preoccupato. BCG stima che il 50-55% dei ruoli sarà rimodellato e non eliminato. MIT Sloan rileva una crescita del 3% in cinque anni nei ruoli ad alta retribuzione esposti all’IA.

Appianare le contraddizioni

Macro e micro non rispondono alla stessa domanda. Stanford misura il flusso netto di assunzioni di neolaureati, cioè una variabile di sistema: chi entra, chi non entra, quanti contratti vengono firmati. SAP-Wakefield misura il percepito di chi dirige le risorse umane, cioè una variabile di esperienza: come stanno rendendo i pochi junior che hanno preso. Sono fenomeni diversi della stessa catena, e li hanno iniziati a cucire insieme i lavori di Daron Acemoglu sulla compressione salariale via automazione.

C’è poi un altro effetto noto che vale la pena prendere in considerazione: i CHRO che rispondono parlano dei junior che hanno tenuto, non di quelli che non hanno assunto (compresi quelli che poi non hanno continuato in azienda). Si descrive un team efficiente e molto indaffarato, ma magari all’inizio si erano assunte più risorse per metterle alla prova. In quest’ottica, lavori come quello di Glasserman, Lin e Levy sul “time leakage” mostrano quanto le auto-valutazioni sopravvalutano sistematicamente la produttività marginale dell’IA. Bisogna quindi fare uno sforzo e tentare di separare la percezione dei manager dai fatti oggettivi.

Dentro il report SAP

Nel lavoro SAP il 56% di “shadow AI” dice più dell’88% di apertura: dipendenti che usano strumenti non autorizzati dall’azienda o aggirando l’IT, a volte pagando di tasca propria.

Pietro Iurato (People & Culture Director di SAP Italia) rileva poi che ai nuovi junior si tende a chiedere di più, e questa pressione aumentata può avere conseguenze difficili da gestire. “Con queste aspettative crescenti, è facile capire come il carico cognitivo dei ruoli entry level possa aumentare in modo sensibile”, afferma il dirigente.

Vuol dire che le persone dentro corrono così forte da consumare attenzione e capacità di giudizio a un ritmo che il manager può vedere senza difficoltà.

Secondo il documento l’87% dei nuovi assunti ha già familiarità con almeno uno strumento AI dal primo giorno. Le aziende lo sanno e ci costruiscono sopra aspettative che possono essere troppo alte.

Succede così che il junior entra e trova metriche tarate sulla velocità della macchina, ma spesso senza strumenti ufficiali né formazione interna seria. Si arrangia con quello che ha già imparato all’università o con un abbonamento personale, e finisce a correre per stare al passo con aspettative tarate sull’estremo invece di crescere davvero più in fretta.

Il caso IBM: assunzioni triplicate ma qualcosa non torna

In questa narrazione è interessante il caso IBM, citato come prova che l’IA in azienda fa tornare i junior. La storia: triplicate le assunzioni entry-level nel 2026, ricollocate in posizioni di “revisori dell’IA” che controllano l’output dei modelli su codice, contratti, casi clinici. Suona bene per il brand IBM, ma a guardarci dentro è una storia difficile da credere.

Rivedere l’output di un LLM in qualsiasi ambito ma specialmente in programmazione, è infatti un lavoro da senior. Servono due cose che il neolaureato non ha: dominio della materia e padronanza dei limiti specifici dell’IA su quella materia. Un junior che firma una revisione su un consulto clinico generato da un modello mette un timbro, senza poter davvero revisionare. È “laundering” del rischio dentro l’organizzazione, perché il rischio del modello viene riscritto come decisione di un essere umano qualificato che però umano qualificato non è.

Insomma, sembra più che altro una barzelletta

Le opzioni sono tre.

• O IBM sta etichettando “entry-level” persone già esperte, magari giovani con master e qualche anno di esperienza che accettano un livello salariale inferiore per scelta di carriera, abbassando lo scaglione retributivo dei revisori.

• Oppure sta facendo comunicazione istituzionale con i numeri, gonfiando categorie contigue.

• Oppure sta davvero usando neolaureati come timbro umano sopra l’output di un sistema automatico. In tutti e tre i casi il modello fa peggiorare la qualità del lavoro complessivo.

Tagliare i junior significa tagliarsi il futuro

Andrew McAfee dell’iniziativa MIT sull’economia digitale lo sintetizza secco: tagliare i junior significa tranciare la pipeline della leadership futura, perché i lavori cognitivi difficili si imparano affiancando chi è già bravo nel lavoro di routine. David Autor parla di scala dell’apprendistato che si rompe quando l’automazione divora proprio i compiti che servivano a formare il giudizio esperto. Acemoglu chiama questa fase “so-so automation“, automazione mediocre: la usiamo per comprimere i costi salariali, non per costruire produttività durevole. Tre voci serie, tre angoli diversi, una sola diagnosi.

Uno sguardo sull’Italia

Quanto durerà la fase in cui il cancello resta chiuso ai neolaureati e chi entra lavora il triplo? Nel breve, dipende dalle aziende e dalla velocità con cui i modelli diventeranno parte dell’operatività quotidiana. Nel lungo, in Italia, dipende da una variabile che il dibattito continua a ignorare: la demografia. Stiamo perdendo abitanti in età lavorativa troppo velocemente, e con un sistema pensionistico basato sulla popolazione attiva, ci avviamo velocemente verso uno scenario catastrofico.

Meno junior assunti oggi, infatti, significa meno gettito contributivo domani. Il sistema pensionistico italiano è a ripartizione, cioè chi lavora paga chi è in pensione in quel momento. L’IA ha un effetto collaterale che merita di essere nominato: meno persone che producono di più, grazie alla produttività dei modelli, potrebbero diventare l’unica leva concreta per pagare le pensioni del 2040 senza alzare di colpo l’età pensionabile.

Se ne sta parlando ma è un dibattito che dovrebbe essere puramente economico-finanziario, e invece ci si trova continuamente alle prese con il discorso politico sulle politiche migratorie. Pur sapendo che l’unica cosa sensata sarebbe inglobare quanti più lavoratori possibili nel sistema, senza guardare il passaporto, e assicurarsi che ci diano il tempo di aggiornare il sistema – magari passando a un meccanismo basati sui fondi di investimento.

Possiamo senz’altro immaginare un futuro dove l’AI produrrà ricchezza aggiuntiva per tenere in funzione il sistema, e chi scrive ha tutte le ragioni per sperarlo. Ma forse non è la migliore delle idee.

Le due scuole non sono in guerra

I due fronti raccontano la stessa erosione strutturale da angoli diversi, e per chi siede sulla sedia del decision-maker la lezione è doppia.

1. L’IA sta già vincendo dentro l’azienda a una velocità che le metriche di consumo certificano: i token consumati in alcuni casi crescono di otto volte anno su anno, Anthropic è tornata sui propri passi sul suo SDK perché i costi nascosti avevano superato la soglia di tolleranza, Microsoft ha portato Copilot a consumo dentro Windows. Le aziende stanno spendendo come mai prima in questa tecnologia – a volte senza sapere perché

2. Il livello di formazione dei junior che dovrebbero gestire questa nuova infrastruttura cognitiva non è pronto a quel ritmo. Investire nella loro alfabetizzazione dal primo giorno è l’unica leva che tiene insieme i due fronti, e si pratica poco perché costa subito mentre rende dopo.

Forrester segnala che il 75% delle aziende ha già adottato agenti IA in qualche forma, e l’orchestrazione di questi agenti richiede competenze ibride che né l’università né il primo impiego stanno ancora insegnando in modo sistematico.

Smettere di chiamare “accelerazione” quello che in molti contesti è invece sovraccarico, sarebbe un buon inizio. Chi gestisce le risorse umane in una grande organizzazione non sta mentendo quando vede i propri junior più produttivi: sta osservando il lato visibile di una compressione. Chi misura l’occupazione di sistema vede il lato invisibile, e nessuno dei due lati basta da solo a leggere il fenomeno. Il lavoro sta peggiorando dappertutto, e l’IA ne è uno dei motori, non la sua salvezza.

La narrazione corporate dell’IA come levatrice della nuova generazione di lavoratori smentisce sé stessa nei numeri, e somiglia da vicino ad altre narrazioni gonfiate che il settore ha prodotto nell’ultimo anno.

I numeri dicono che si assume di meno, che chi entra corre il triplo, che la scala dell’apprendistato si è rotta e che il sistema sta scegliendo la strada più economica nel breve. Per il decision-maker che vuole evitare di trovarsi senza ricambio fra cinque anni, il messaggio è banale e scomodo: assumere meno è facile, ricostruire una pipeline di competenze è molto più difficile, e nessun modello linguistico la rimette al suo posto.