IBM controcorrente, assunzioni junior triplicate

Lo Stanford AI Index 2026 ha pubblicato un dato che ha circolato poco fuori dalla community accademica: l’occupazione dei software developer tra i 22 e i 25 anni è calata del 20% dal 2024, secondo i registri ADP che coprono milioni di lavoratori. Sono dati di payroll su contratti reali, non ipotesi né proiezioni di modello. I lavoratori tra i 22 e i 25 anni nelle occupazioni più esposte all’AI, inclusi customer service e contabilità, hanno registrato un calo relativo del 13% dell’occupazione. I colleghi over 30 nelle stesse occupazioni hanno invece visto crescere le assunzioni.

IBM ha letto quei dati e ha deciso di andare nella direzione opposta al mercato. Nickle LaMoreaux, Chief Human Resources Officer dell’azienda, ha annunciato che IBM triplicherà le assunzioni entry-level negli Stati Uniti, esplicitamente per posizioni “nei ruoli che ci viene detto che l’AI può fare”. La scelta è deliberata, argomentata, e controcorrente rispetto a quello che fanno la maggior parte delle aziende tech che stanno usando l’AI come giustificazione per congelare le assunzioni junior.

La logica di LaMoreaux è diretta: gli strumenti si imparano in settimane, il giudizio richiede anni. Un ingegnere junior che trascorre due anni sommerso in un’analisi impara a riconoscere un numero che non torna. Un consulente junior che bozza duecento presentazioni prima di diventare partner capisce cosa guida davvero le decisioni dei clienti. Quel tipo di intelligenza — che Soren Kaplan chiama “experiential intelligence” nel libro da cui trae l’analisi — non si acquisisce guardando un agente AI lavorare.

L’apprendistato delle posizioni entry-level svolgeva una doppia funzione: formazione tecnica, certo, ma soprattutto meccanismo con cui le organizzazioni costruivano la pipeline di leadership intermedia. Le persone che oggi prendono decisioni complesse hanno fatto la gavetta trent’anni fa. Quando quell’ingresso si riduce del 20% in due anni, il danno non si vede subito. Si vede tra cinque anni, quando i ruoli mid-level che richiedono giudizio contestuale sono difficili da riempire e la conoscenza istituzionale ha già lasciato l’azienda.

L’avvertimento che viene dall’industria manifatturiera

IBM non ha inventato questa intuizione: la sta mutuando da un precedente che il settore manifatturiero conosce bene. Quando le fabbriche hanno automatizzato i processi produttivi negli anni Ottanta e Novanta, la produttività ha tenuto — anche migliorato — nel breve termine. Il gap è apparso cinque anni dopo, quando i ruoli mid-level che richiedevano giudizio su processi complessi erano difficili da riempire. La conoscenza procedurale, quella che si costruisce stando in produzione, era scomparsa con l’apprendistato.

Il settore costruzioni ha ripetuto lo stesso schema. La pipeline di tecnici specializzati si è assottigliata non perché il lavoro fosse sparito, ma perché per anni le aziende avevano preferito lavorare con personale senior — più produttivo nel breve — invece di investire nella formazione di nuovi entranti. Il risultato è stata una scarsità strutturale di competenze che ancora oggi limita la capacità di scaling del settore.

IBM ha ridisegnato anche il contenuto dei ruoli entry-level, non solo il numero. Poiché l’AI gestisce già la maggior parte dei task di coding di routine, i junior developer vengono ora indirizzati verso lavoro customer-facing e problem-solving complesso — le aree in cui l’AI fatica e in cui si costruisce il tipo di giudizio che nessun modello può replicare. Non è una ristrutturazione di facciata: è un redesign deliberato dell’esperienza di apprendimento.

La CHRO ha sintetizzato la posizione con una frase che vale come previsione: “Le aziende che tra tre-cinque anni saranno le più competitive sono quelle che in questo momento stanno raddoppiando le assunzioni entry-level.” È una previsione difficile da verificare adesso, ma è coerente con quello che la storia dell’automazione ha già dimostrato in altri settori.

Il costo nascosto del taglio al primo gradino

L’analisi dello Stanford AI Index mostra un dettaglio che abbiamo già esplorato su Tom’s Hardware: l’AI non sta licenziando in massa — sta chiudendo la porta ai giovani. Il secondo dato dello Stanford Index segnala che i lavoratori più anziani nelle stesse occupazioni esposte all’AI vedono crescere le assunzioni. L’AI aumenta la produttività dei senior, rimpiazza il lavoro dei junior, e riduce il flusso di nuovi entranti che diventerebbero i senior di domani.

È un meccanismo di erosione lenta. IBM aveva già sospeso le assunzioni per i ruoli sostituibili dall’AI negli anni scorsi — un’inversione di rotta rispetto alla direzione annunciata adesso. Nello stesso periodo, centinaia di lavoratori nelle funzioni amministrative erano già stati sostituiti dai sistemi automatizzati. La scelta attuale di triplicare l’entry-level non cancella quelle scelte: le integra con una visione più lunga sull’equilibrio tra efficienza immediata e capacità di leadership futura.

Il caso è anche una lettura critica del framework con cui molte aziende valutano il ROI dell’AI. Sostituire un junior con un agente AI è un risparmio misurabile nel trimestre. Il deficit di leadership che ne consegue cinque anni dopo non appare in nessun KPI corrente. Le organizzazioni che ottimizzano solo sulle metriche visibili fanno scelte che il bilancio celebra — e che la storia poi corregge.

La posizione di IBM non è filantropia aziendale: è un calcolo di lungo periodo basato su evidenze storiche e sull’analisi di cosa l’AI può e non può fare. L’agente AI che scrive codice non costruisce giudizio — e il giudizio, come osserva Kaplan, è la risorsa che diventa scarsa proprio mentre la conoscenza diventa un commodity. La scelta di investire su chi quel giudizio ancora non ce l’ha, ma lo può costruire, è una scelta di infrastruttura organizzativa. Esattamente come investire in datacenter: i ritorni arrivano dopo, ma arrivano.

Negli ultimi anni il mercato del lavoro tech ha segnalato lo stesso pattern con dati sempre più chiari: si assume di meno e si lavora il triplo nelle organizzazioni che hanno integrato AI sui processi senza ridisegnare le pipeline di sviluppo. IBM ha scelto un’altra strada. Tra tre-cinque anni sapremo chi aveva ragione. Nel frattempo, i dati Stanford continuano ad accumulare.