L'AI rimodella il lavoro più di quanto lo sostituisca

Ciao a tutti,

Ben arrivati su WikiLuc.

La conversazione sull'AI e il lavoro è ferma da due anni sulla stessa domanda mal posta: quanti posti spariranno. È mal posta perché mette insieme due fenomeni molto diversi — un lavoro che smette di esistere e un lavoro che resta ma diventa un'altra cosa — e la seconda categoria è enormemente più grande della prima.

BCG ha pubblicato quest'anno un'analisi che prova a separarle con dei numeri, e il titolo dichiara già la tesi: AI Will Reshape More Jobs Than It Replaces. La stima del report è che tra il 50 e il 55% dei lavori negli Stati Uniti verrà sostanzialmente rimodellato nei prossimi due o tre anni, mentre tra il 10 e il 15% rischia di essere eliminato in quattro o cinque anni. Metà del mercato cambia forma; poco più di uno su otto sparisce.

Le due cose richiedono risposte opposte, e confonderle è il motivo per cui molte aziende stanno prendendo decisioni sbagliate sul proprio organico.

Di cosa parliamo oggi:

• Le sei categorie in cui il report BCG divide i ruoli, con le percentuali

• Il fattore che decide se un ruolo cresce o si contrae — e non è l'automazione

• Perché la porta d'ingresso si sta stringendo, con i numeri di due fonti indipendenti

• L'effetto meno raccontato: la giornata di lavoro che diventa tutta difficile

• Le domande da farsi sul proprio ruolo, o su quello dei propri collaboratori

Partiamo dalla mappa.

Sei modi diversi di essere toccati dall'AI

Cosa intendiamo per "lavoro rimodellato"

La distinzione che regge tutta l'analisi BCG è tra compito e ruolo. Un compito è un'attività specifica: riassumere un documento, scrivere una funzione, rispondere a una richiesta standard. Un ruolo è un insieme di compiti più il giudizio che li tiene insieme. L'AI automatizza compiti; i ruoli cambiano di conseguenza, ma raramente spariscono in blocco.

Da qui la classificazione in sei categorie proposta dal report, che vale la pena guardare per intero perché ognuna richiede una risposta diversa.

1. Ruoli amplificati — 5%. L'AI moltiplica quello che la persona già fa, e l'occupazione resta stabile o cresce.

2. Ruoli riequilibrati — 14%. La parte di routine si automatizza, quella complessa si espande. Il ruolo resta, il contenuto della giornata cambia parecchio.

3. Ruoli divergenti — 12%. L'impatto è disomogeneo dentro la stessa professione: le posizioni junior sono le più esposte, quelle senior molto meno.

4. Ruoli sostituiti — 12%. Qui la perdita di posti è diretta, e succede dove la domanda ha un tetto.

5. Ruoli abilitati — 23%. L'AI entra nel lavoro quotidiano ma le responsabilità centrali restano quelle di prima.

6. Ruoli a esposizione limitata — 34%. Nel breve termine cambia poco o nulla.

Il gruppo più numeroso è l'ultimo, ed è quello di cui non si parla mai. Un terzo dei lavori, secondo BCG, oggi non è toccato in modo significativo.

Il fattore che decide davvero

Questa è la parte del report che secondo me cambia il modo di ragionare, e che quasi tutte le analisi si perdono. Sapere quanto un lavoro è automatizzabile non basta per prevedere se quel lavoro crescerà o si contrarrà. Il fattore che decide è un altro, e BCG lo chiama espandibilità della domanda: quanto lavoro in più si materializza quando il costo di produrlo scende.

Prendiamo l'ingegneria del software, che è l'esempio principale usato nel report. È tra i mestieri con il potenziale di automazione più alto in assoluto — la generazione e il collaudo del codice sono accelerati moltissimo, mentre il giudizio sul disegno del sistema resta alle persone. Eppure gli organici sono cresciuti dopo l'arrivo degli assistenti di scrittura del codice. Il motivo è semplice: esiste una quantità enorme di software che le aziende vorrebbero avere e che non hanno mai commissionato perché costava troppo. Quando il costo unitario è sceso, quella domanda latente è diventata domanda reale, e ha assorbito la capacità liberata.

L'esempio opposto che BCG mette in fila è l'operatore di call center. Le interazioni sono strutturate e ripetibili, quindi molto automatizzabili — ma soprattutto la domanda ha un tetto: nessuna azienda vuole ricevere più chiamate di assistenza perché costano meno. Se dimezzi il costo per chiamata, non raddoppi le chiamate. Riduci il personale.

Stessa automatizzabilità, esiti opposti. La domanda utile da porsi sul proprio mestiere, quindi, non è "un modello può fare quello che faccio io", ma "se quello che faccio costasse un terzo, qualcuno ne vorrebbe tre volte tanto?". Se la risposta è sì, il tuo ruolo probabilmente si riequilibra. Se è no, si contrae.

La porta d'ingresso si stringe

C'è un punto su cui due fonti molto diverse arrivano alla stessa conclusione, ed è quello che potenzialmente è critico e quindi da attenzionare.

Il report BCG rileva che l'assunzione entry-level è destinata a calare, perché il lavoro di esecuzione di routine — che è storicamente il contenuto dei primi due anni di carriera — è la parte più facile da automatizzare. Di conseguenza la soglia di competenza richiesta per entrare si alza: si chiedono più titoli, più esperienza pregressa, più autonomia immediata.

Dal lato dei dati osservati, lo Stanford Digital Economy Lab misura la stessa cosa da un'altra angolatura. L'aggiornamento di agosto 2026 dello studio Canaries in the Coal Mine, su dati di buste paga ADP fino a metà anno, registra un divario occupazionale del 19% tra i giovani di 22-25 anni nelle occupazioni più esposte all'AI e i coetanei nelle meno esposte. Era il 15% a luglio 2025. Nei due quintili più esposti l'occupazione di quella fascia d'età è scesa di circa l'11% da novembre 2022; nei meno esposti è cresciuta di circa il 10%.

Vale la pena notare che le due fonti arrivano da direzioni metodologiche opposte — BCG da un'analisi prospettica sui compiti, Stanford da dati retrospettivi sulle buste paga — e convergono sullo stesso punto. È il tipo di convergenza che rende un'ipotesi più solida di quanto sia ciascuna delle due prese da sola.

Un dettaglio metodologico che conta: secondo lo studio di Stanford il meccanismo non sono i licenziamenti, sono le assunzioni che non avvengono. Ed è per questo che il fenomeno è quasi invisibile nei cruscotti aziendali — nessun indicatore di turnover segnala una porta che smette di aprirsi. Gli autori sottolineano che si tratta di andamenti descrittivi e non di stime causali, il che va detto: descrivono una correlazione forte, non provano un nesso.

Qui si apre il problema vero, che è di sistema più che di singola azienda. Il lavoro da junior è sempre stato due cose insieme: produzione a basso costo e apprendistato. Se la prima diventa superflua, la seconda non ha più un contenitore. E i ruoli senior che tutti dichiarano di voler assumere si formano proprio lì — attraverso anni di lavoro esecutivo fatto sotto supervisione. È un costo che non si vede subito, perché si paga cinque anni dopo.

L'effetto meno visibile: la giornata tutta difficile

C'è una conseguenza della categoria "ruolo riequilibrato" su cui a mio avviso è interessante focalizzarsi perché ha un impatto nascosto da non sottovalutare.

Quando l'AI toglie le attività ripetitive, quello che resta è tutto lavoro cognitivamente denso: decisioni, verifiche, giudizio, eccezioni. Sulla carta è un miglioramento — il lavoro diventa più qualificato. Nella realtà cambia il ritmo della giornata, e non necessariamente in meglio.

Le attività di routine avevano una funzione che raramente riconosciamo: erano pause a bassa intensità dentro una giornata che non può essere tutta al massimo. Rivedere un elenco, compilare un modello, sistemare una formattazione erano momenti in cui il cervello recuperava. Toglierli tutti significa costruire giornate in cui ogni ora richiede il livello di attenzione che prima si teneva per due o tre.

BCG lo registra come aumento dell'intensità cognitiva, e la conseguenza pratica è che la produttività per persona non cresce in modo lineare con l'automazione dei compiti: a un certo punto incontra un limite umano di attenzione sostenibile. Chi pianifica organici assumendo che, tolti i compiti automatizzabili, la stessa persona possa semplicemente fare più cose difficili sta facendo un conto che non tornerà.

Il report ne trae un'indicazione per chi guida un'organizzazione, ed è coerente: la strategia sulle persone va costruita insieme a quella sull'automazione fin dall'inizio, non a valle. Vale la pena aggiungere che BCG segnala anche un collo di bottiglia poco discusso — la scarsità di persone capaci di integrare davvero questi sistemi nei processi, che rallenta l'implementazione più di qualunque limite tecnologico.

Le domande su cui focalizzarsi

Tre domande, una per chi guarda al proprio ruolo e due per chi guarda a una squadra.

• Se quello che faccio costasse un terzo, ce ne sarebbe richiesta tre volte tanta. È la domanda dell'espandibilità della domanda applicata a sé stessi, ed è più utile di qualunque lista di professioni a rischio.

• Nel mio team, dove imparano oggi le persone che tra cinque anni dovranno decidere. Se la risposta è "facendo il lavoro che stiamo automatizzando", serve un percorso alternativo esplicito, non un augurio.

• Quante ore al giorno di lavoro ad alta intensità sto realmente chiedendo, dopo l'automazione. Va misurato, perché è il vincolo che decide se il guadagno di produttività si realizza o resta sulla carta.

Sono domande che oggi sembrano da direzione del personale. Nei prossimi due o tre anni, mentre metà dei ruoli cambia contenuto senza cambiare nome, saranno il modo normale con cui si progetta un'organizzazione — e chi comincia a porsele adesso, mentre c'è ancora margine per sperimentare, arriverà a quel punto con delle risposte invece che con un problema.

Notizie da tenere d'occhio

Il 12 novembre Cursor perde i modelli OpenAI
Il 28 agosto OpenAI ha annunciato la fine della fornitura dei propri modelli all'editor, dopo l'acquisizione di Anysphere da parte di SpaceX per 60 miliardi.
Perché importa: gli strumenti su cui si è costruita una competenza possono cambiare condizioni per ragioni che non hanno nulla a che fare con chi li usa.

Il capitale si sposta sull'AI fisica
Secondo Crunchbase, nel primo semestre 2026 il venture capital ha investito 47,4 miliardi di dollari in 521 operazioni su robotica e physical AI: più dell'intero triennio 2022-2024 messo insieme.
Perché importa: apre una seconda area di competenze in cui l'esperienza industriale vale quanto quella sui modelli.

Anthropic apre il Model Hardware Standard
Il 27 agosto è uscita in research preview la specifica che permette agli agenti di operare strumenti fisici. Carnegie Mellon riporta il setup di uno strumento sceso da settimane a circa 8 ore.
Perché importa: i mestieri dell'automazione industriale entrano nel perimetro delle competenze AI, e non erano lì fino a un anno fa.

Una cosa da leggere

🔧 L'aggiornamento di agosto di Canaries in the Coal Mine (Stanford Digital Economy Lab) — vale il tempo perché è uno dei pochi lavori che misura effetti occupazionali su dati di buste paga reali invece che su sondaggi di intenzione, e perché gli autori sono espliciti sui limiti di quello che i dati possono dire. Letto insieme al report BCG, che ragiona in prospettiva sui compiti, dà i due lati della stessa questione: cosa è già successo e cosa è ragionevole aspettarsi.

La cosa che mi sembra più utile nel report BCG non è la percentuale di lavori a rischio, che dipende troppo dalle assunzioni del modello, ma lo spostamento della domanda giusta: da "quanto è automatizzabile il mio lavoro" a "quanta domanda inespressa c'è per quello che faccio". È una domanda che si può porre su un ruolo, su un team e su un'intera azienda, e che ha il pregio di essere verificabile. La parte che invece resta aperta — e su cui né BCG né Stanford offrono una risposta convincente — è come si formi la prossima generazione di persone esperte quando il lavoro attraverso cui si diventava esperti è la prima cosa che l'automazione porta via.

Grazie per aver letto questo articolo fammi sapere cosa ne pensi!

Ci vediamo presto qui su WikiLuc!

Contatti

Scrivimi per domande o collaborazioni

Email

luciano.cipriano1994@gmail.com

© 2025. All rights reserved.