Post di Emanuele Cacciatore (Innovation, Consulting and Partnerships Senior Director – Gruppo Engineering) e Antonio Crupi (Professore Associato di Digital Transformation Management, Dipartimento di Economia – Università degli Studi di Messina)

Ogni rivoluzione genera timore

Ogni grande salto tecnologico ha attraversato un momento di smarrimento: i telai meccanici per gli artigiani, la catena di montaggio per gli operai, il personal computer per gli impiegati, gli ATM per gli impiegati di banca. Come ricordano Daron Acemoglu e Pascual Restrepo, ogni rivoluzione industriale ha prodotto, nel breve periodo, una forma di “disoccupazione tecnologica” seguita però da una riallocazione verso nuovi compiti e nuovi settori. L’automazione dei compiti, in particolare, determina la riallocazione di alcuni compiti dal lavoro al capitale, spostando il contenuto dei compiti a svantaggio del lavoro per un effetto noto come “effetto di sostituzione”. Di conseguenza, l’automazione riduce sempre la quota di contribuzione del lavoro nella generazione del valore aggiunto e può ridurre la domanda di lavoro anche se aumenta la produttività. Gli effetti dell’automazione sono, in genere, controbilanciati dalla creazione di nuovi compiti e nuovi settori in cui il lavoro ha un vantaggio comparativo. In altre parole, la tecnologia non distrugge il lavoro: lo costringe a migrare, trasformandone i confini e le competenze. Lo ha ricordato anche Mario Draghi nel suo discorso inaugurale del nuovo anno accademico del Politecnico di Milano, lo scorso 1 Dicembre. Eppure, oggi la sensazione è diversa. Non è più solo la natura del cambiamento a preoccupare, ma la sua velocità. L’intelligenza artificiale generativa evolve con una rapidità che non lascia il tempo di predisporre strumenti o percorsi di adattamento: mentre in passato la transizione si misurava in decenni (basta guardare le curve di adozione delle principali tecnologie digitali introdotte a partire dalla comparsa sul mercato dei primi internet service providers nei primi anni ‘90 per rendersene conto), oggi avviene nel giro di pochi trimestri. Il ‘rischio’ non è rappresentato dalla sostituzione del lavoro, ma del processo con cui si imparava a lavorare. L’IA non elimina le professioni, ma ridisegna i passaggi che portavano a costruirle. È come se scomparisse il primo gradino della scala: quello su cui si imparava a sbagliare, a correggersi, a crescere.

L’IA non licenzia: smette di assumere

Uno studio di Seyed M. Hosseini e Guy Lichtinger, due ricercatori di Harvard, ha analizzato oltre 62 milioni di profili in 285 mila imprese e quasi 200 milioni di job postings nel decennio 2015-2025. (https://papers.ssrn.com/sol3/papers.cfm?abstract_id=5425555) Il risultato è chiaro: le aziende che adottano l’IA generativa non riducono l’occupazione complessiva, ma tagliano le assunzioni di profili junior. Dal primo semestre 2023 e per i sei trimestri successivi la riduzione è di circa il 10%, mentre l’occupazione dei senior rimane sostanzialmente invariata. Il calo dei profili junior è concentrato nelle professioni più esposte all’IA generativa ed è determinato da un rallentamento delle assunzioni piuttosto che da un aumento dei licenziamenti o delle promozioni. Non è disoccupazione tecnologica, ma un innalzamento silenzioso della soglia d’ingresso. I giovani non perdono il lavoro: perdono il luogo dove si imparava a lavorare. È una trasformazione sottile ma profonda, perché l’esperienza nasce anche dall’errore. È evidente che se il trend si consolidasse potrebbe stravolgere la tradizionale scala di progressione delle carriere in base alla quale i giovani lavoratori acquisiscono competenze on-the-job, imparano il mestiere, crescono, vengono promossi e scalano i ranghi dell’organizzazione. Il rischio per le aziende è di dover far fronte, nel giro di pochi anni, ad una contrazione del pool di risorse da cui attingere per ricoprire ruoli manageriali. La norma è che i nuovi entranti nel mercato del lavoro acquisiscono competenze nel corso del tempo lavorando a fianco di colleghi più esperti, fino a diventare essi stessi esperti e a ricoprire ruoli con responsabilità crescenti.

Questa relazione esperto-principiante (expert-novice relationship) è uno dei pilastri dello sviluppo delle competenze. Se questa relazione viene indebolita, ridimensionata, limitata, perché le aziende riducono i ruoli entry-level sostituendoli in parte con l’IA per aumentare efficienza e tagliare costi, quell’analista junior, quel formatore junior quel consulente junior, non hanno più la possibilità di attingere alla fonte primaria di apprendimento rappresentata da quella relazione. E se l’IA esegue i compiti che un tempo erano palestra di apprendimento per i junior, come ad esempio raccogliere dati, scrivere sintesi, analizzare tabelle, come si formeranno i senior di domani? Come si formerà il giudizio del senior di domani che sarà chiamato a guidare un team o prendere decisioni? Sul lungo termine questo pone un evidente problema di costruzione della futura classe manageriale, soprattutto del middle management di domani.

Immagine di Freepik – Immagine di rawpixel.com su Freepik

I numeri del cambiamento: rischio e opportunità

Le stime del Fondo Monetario Internazionale mostrano che circa il 60% dei lavori nei Paesi avanzati è oggi toccato dall’IA. In metà dei casi l’effetto è di sostituzione di compiti; nell’altra metà di complementarità e aumento della produttività. Per capire dove cadrà l’ago della bilancia, servono due parole chiave: formazione e governance. Secondo l’Organizzazione Internazionale del Lavoro, la maggiore esposizione riguarda i ruoli di supporto amministrativo e di primo ingresso nel mondo del lavoro, quelle mansioni di routine cognitiva che un tempo costituivano la palestra dell’esperienza. Ma quando l’adozione è accompagnata da tutoraggio e regole chiare, gli effetti si ribaltano. Uno studio del National Bureau of Economic Research su 5.179 operatori di customer support ha mostrato che l’assistente generativo aumenta la produttività media del 14%, con vantaggi più marcati proprio per i lavoratori junior. L’IA distilla le pratiche dei migliori e le mette a disposizione dei nuovi assunti, accorciando la curva di apprendimento. Gli AI Index Report 2024–2025 confermano la tendenza: più qualità, tempi più rapidi e riduzione del divario tra esperti e neofiti ma solo quando l’uso è guidato e integrato nei processi formativi. L’adozione “a pioggia”, al contrario, amplifica disuguaglianze e inefficienze.

In Europa l’opportunità è già qui

Secondo la CEDEFOP AI Skills Survey 2024, oltre un quarto della forza lavoro adulta europea utilizza già strumenti di intelligenza artificiale sul lavoro. Le stesse proiezioni al 2035 mostrano una crescita della domanda di profili ibridi nei servizi ICT e nelle tecnologie abilitanti: figure tecniche, certo, ma anche capaci di comunicare, interpretare, integrare. Il rischio per i giovani non è l’IA in sé, ma l’ingresso in ruoli dove i compiti sono più automatizzabili. Per questo servono politiche di orientamento e percorsi universitari allineati alle traiettorie occupazionali dei prossimi cinque-dieci anni.

Che cosa funziona davvero

Diverse politiche e pratiche hanno già mostrato risultati concreti. Le analisi del MIT Sloan e dell’OCSE convergono su un punto: l’IA migliora la produttività e riduce il divario di competenze solo quando è introdotta come complemento, non come sostituto. Nei contesti dove le imprese hanno accompagnato l’adozione con tutoraggio strutturato, l’effetto è stato duplice: i lavoratori junior hanno imparato più in fretta e gli esperti hanno potuto dedicarsi a compiti di maggior valore. Da queste esperienze si possono trarre tre indicazioni operative. Primo, costruire percorsi formativi “AI-first”, dove l’uso dell’intelligenza artificiale non sia accessorio ma parte integrante dell’apprendimento: moduli su prompting, valutazione dell’affidabilità, etica e privacy, seguiti da capstone project in cui la tecnologia viene applicata a casi reali. Secondo, ripensare tirocini e apprendistati come veri laboratori di collaborazione umano– macchina: pairing tra junior e mentori, metriche di qualità, feedback continui. In questo schema, la tecnologia generativa non sostituisce il tutor, lo amplifica. Terzo, avviare in azienda valutazioni d’impatto e programmi di reskilling mirato, mappando i compiti tra automazione e augmentation, come suggeriscono i framework dell’OCSE e del CEDEFOP. Solo così si può indirizzare la formazione dove la tecnologia crea valore reale e inclusivo.

Le virtù che orientano la tecnica

Se il metodo serve a costruire competenze, le virtù servono a orientarle. Nell’era dell’intelligenza artificiale, tre diventano decisive: passione, fiducia e transformational leadership. Come emerge da un recente studio curato da Antonio Crupi, Alessandra Costa e Andrea Amanti dell’Università di Messina, pubblicato nel volume The Generative AI Impact: Reframing Innovation in Society 5.0 (a cura di Antonio Crupi, Luca Marinelli ed Emanuele Cacciatore), (https://bookstore.emerald.com/the-generative-ai-impact-hb-9781835491065.html) queste tre dimensioni rappresentano alcuni tra i fattori abilitanti nell’adozione dell’AI: passione come motore creativo, fiducia come collante relazionale, e transformational leadership come capacità di tradurre la sperimentazione in cultura condivisa.

Un nuovo patto tra umano e macchina

Il futuro non si gioca tra tecno-ottimismo e tecno-pessimismo, ma tra uso cieco e adozione consapevole. Per i giovani, l’IA è un rischio se resta una black box, ma diventa un’opportunità straordinaria se si trasforma in alleato nella formazione. La sfida è passare dal replacement all’apprenticeship: non rimpiazzare, ma imparare insieme. Le università, le imprese e le istituzioni dovranno costruire un ecosistema dove l’errore torni a essere una risorsa, la curiosità una competenza, la fiducia un valore fondante della cultura organizzativa. Le macchine riconoscono schemi, ma il significato resta un’invenzione umana. E senza la capacità di dare senso al cambiamento, nessuna innovazione può davvero durare.