Parliamo di occupazione e intelligenza artificiale
Quando si discute di AI e lavoro, la conversazione scivola sempre o verso il panico da sostituzione di massa o verso l’ottimismo acritico tipo “sarà solo un assistente”. La realtà? Decisamente più sfumata. E per fortuna arrivano dati – dati veri, non chiacchiere da convegno.
Uno studio di Anthropic, quello pubblicato a marzo 2026 da Maxim Massenkoff e Peter McCrory, ci offre qualcosa di prezioso: una fotografia onesta di dove siamo. Non dove potremmo essere tra vent’anni secondo qualche guru. Dove siamo adesso.
Il documento si intitola “Labor market impacts of AI: A new measure and early evidence”. E sì, dietro c’è matematica vera – non le solite proiezioni che poi nei fatti si rivelano campate in aria.
La nuova metrica che fa la differenza
La parte interessante (quella che mi ha fatto alzare un sopracciglio) sta nella metodologia. Anthropic ha creato una misura chiamata “observed exposure” – esposizione osservata. Suona tecnico ma tradotto significa: guardiamo cosa l’AI fa davvero, non cosa potrebbe fare in teoria.
Perché il punto è questo: gli studi precedenti guardavano alle capacità teoriche. “Un large language model potrebbe velocizzare questo task del doppio”. Ok, ma lo sta facendo? Nei fatti, nella pratica quotidiana di aziende reali?
La risposta che emerge: siamo lontanissimi dal realizzare le capacità teoriche.
La metrica combina tre fonti:
– Il database O*NET (circa 800 occupazioni negli USA con tutti i task associati)
– I dati di utilizzo reale di Claude, tracciati nell’Anthropic Economic Index
– Le stime teoriche di Eloundou et al. del 2023 su cosa un LLM potrebbe tecnicamente accelerare
Quindi non solo “potrebbe”, ma “sta effettivamente succedendo”. E qui le cose si fanno serie. L’algoritmo pesa di più gli usi automatizzati (rispetto a quelli di supporto) e privilegia i contesti professionali.
Chi è davvero esposto?
La classifica delle 10 occupazioni più esposte secondo questa misura:
1. Programmatori (75% di copertura dei task)
2. Operatori servizio clienti (~70%)
3. Addetti inserimento dati (67%)
Seguono specialisti medical records, analisti finanziari e altri ruoli principalmente d’ufficio.
All’estremo opposto – zero copertura, il 30% dei lavoratori: cuochi, meccanici di moto, bagnini, baristi, lavapiatti. Lavori dove serve presenza fisica o manualità specifica che i modelli linguistici non toccano neanche di striscio.
Ma guardate chi è nel gruppo più esposto (quartile superiore della distribuzione):
– 16 punti percentuali in più di probabilità di essere donna
– 11 punti in più di essere bianco
– Quasi il doppio di probabilità di essere asiatico
– Guadagno medio superiore del 47%
– Titoli di studio avanzati: 17,4% nel gruppo esposto vs 4,5% nel gruppo non esposto
Quindi parliamo di lavoratori della conoscenza, mediamente ben pagati e con alta scolarizzazione. Non è la storia della fabbrica che chiude e lascia a casa operai. È un fenomeno diverso.
Cosa dicono i dati sul Bureau of Labor Statistics
L’incrocio con le proiezioni del BLS (Bureau of Labor Statistics americano) fino al 2034 mostra un pattern chiaro: per ogni aumento di 10 punti percentuali nella copertura AI, la proiezione di crescita occupazionale scende di 0,6 punti percentuali.
Non è un crollo verticale. È un rallentamento. Le occupazioni più esposte cresceranno meno delle altre.
Occupazione: il presente dice ancora poco
Ecco la parte dove potrei scrivere titoli allarmistici ma preferisco attenermi ai numeri.
Nessun aumento sistematico della disoccupazione rilevato tra fine 2022 e il periodo dello studio per i lavoratori in occupazioni ad alta esposizione. Zero impatto significativo sul tasso di disoccupazione complessivo.
C’è però un segnale – debole ma presente – sui lavoratori giovani (22-25 anni). Il tasso di ingresso nelle occupazioni esposte è diminuito di circa mezzo punto percentuale. Tradotto: riduzione stimata del 14% nel tasso di trovare lavoro in queste professioni rispetto al 2022.
Il risultato è appena statisticamente significativo. Quindi va preso con cautela. Ma è coerente con altri studi (Brynjolfsson et al. 2025 riporta un calo del 6-16% nell’occupazione giovanile in professioni esposte).
Potrebbe essere il primo effetto reale dell’AI sul mercato del lavoro? Forse. Oppure è rumore statistico. O ancora: i giovani stanno scegliendo percorsi diversi vedendo cosa succede.
Il sistema Clio e la privacy
Un dettaglio metodologico che vale la pena menzionare: l’Anthropic Economic Index (lanciato febbraio 2025) utilizza un sistema chiamato Clio. È un’architettura privacy-preserving che mappa le conversazioni reali su Claude.ai ai 20.000+ task lavorativi specifici del database O*NET.
Quindi non stiamo parlando di opinioni o sondaggi. Sono pattern di utilizzo reali, anonimizzati, aggregati. Un dataset che prima semplicemente non esisteva.
Nessuna occupazione completamente automatizzata
Questa è la parte che mi sembra più rilevante per chi lavora nell’ambito IT e sviluppo software.
Solo circa il 4% delle occupazioni utilizza l’AI per il 75% o più dei propri task. Quattro percento. Nessuna occupazione è stata completamente automatizzata.
Anche i programmatori – primi in classifica con 75% di copertura – hanno quel 25% di task che l’AI non tocca. E quel 75% non significa “sostituiti”, significa “task potenzialmente accelerabili se implementati in contesti professionali automatizzati”.
Il gap tra capacità teorica e utilizzo reale rimane enorme. I motivi? Molteplici: integrazione in workflow esistenti, affidabilità percepita, curva di apprendimento, resistenza organizzativa, costi di implementazione.
Le implicazioni per chi sviluppa software
Se lavorate nello sviluppo web o nell’integrazione AI (il pubblico di questo sito), i takeaway operativi sono questi:
Primo: i vostri task sono nel gruppo ad alta esposizione teorica. Questo lo sapevate già. Ma l’utilizzo reale è ancora una frazione di quello possibile.
Secondo: l’impatto occupazionale finora è limitato. Non zero, ma limitato. E si concentra sull’ingresso di nuovi lavoratori più che sulla perdita di posizioni esistenti.
Terzo: le aziende stanno integrando questi strumenti più lentamente di quanto i vendor vorrebbero farci credere. Il gap implementazione-capacità è ampio.
Quarto: se dovete assumere o cercare lavoro in ambito tech, tenete d’occhio i pattern di assunzione per posizioni junior. Sembra essere lì che si concentrano i primi effetti.
Cosa aspettarsi nei prossimi anni
AnthropicIntende aggiornare periodicamente queste analisi. Che è esattamente quello che serve: longitudinalità. Vedere come evolvono questi numeri nei prossimi 12-24 mesi dirà molto più delle speculazioni.
Il mercato del lavoro ha dimostrato storicamente una capacità sorprendente di adattamento. Il precedente tentativo di misurare l'”offshorabilità” dei lavori aveva identificato circa un quarto dei lavori USA come vulnerabili. Un decennio dopo? La maggior parte di quei lavori ha mantenuto crescita occupazionale sana.
Quindi cautela. I pattern statistici non sono destino. Sono indicatori da monitorare.
Per ora, marzo 2026, la situazione è questa: l’AI sta avendo un impatto misurabile ma contenuto sul mercato del lavoro. Gli effetti teorici rimangono largamente non realizzati. I lavoratori più esposti sono quelli della conoscenza, ben pagati e istruiti. E i primi segnali tangibili riguardano l’ingresso di giovani lavoratori in occupazioni esposte.
Niente panico, niente euforia. Solo dati da tenere d’occhio mentre continuiamo a costruire sistemi che integrano queste tecnologie.
