Il fatto che a fronte della crescita delle aspettative di automazione aumentino anche i timori sulle possibili conseguenze occupazionali è una costante della storia, almeno dalla prima rivoluzione industriale in poi. Queste paure hanno compiuto negli ultimi settant’anni, dalla comparsa sulla scena dell’IA, un saliscendi speculare ai progressi di quest’ultima. Anche se finora le previsioni più nefaste non si sono mai realizzate, si può legittimamente pensare perché la tecnologia sottostante finora non è stata così trasformativa oppure perché il suo grado di adozione è progredito con maggiore lentezza del previsto. Il caso di scopo è quello dei veicoli a guida autonoma che sembravano sul punto di irrompere sulle strade di tutto il mondo nell’ultimo decennio, riducendo di molto i livelli occupazionali nel settore dei trasporti e della logistica, ma invece ancora oggi rappresentano una frazione infinitesimale del parco auto circolante, legata a usi specifici come servizi di taxi in alcune città statunitensi e cinesi.
Con l’IA generativa, queste paure ancestrali sono riprese in maniera repentina. Lo dimostrano le ricerche su Google così come le indagini demoscopiche effettuate nei vari Paesi. A tre anni circa dall’avvento di ChatGPT, iniziano finalmente a uscire, anche se prevalentemente riferite al mercato statunitense, analisi empiriche basate su periodi osservazionali e su numerosità di dati sufficienti per fornire qualche primo (e ancora del tutto preliminare) responso.
COME L’IA STA TRASFORMANDO LA FORZA-LAVORO AMERICANA
In un approfondito studio empirico pubblicato pochi mesi fa, Erik Brynjolfsson, Bharat Chandar e Ruyu Chen presentano sei fatti chiave emersi dai dati che hanno osservato, offrendo una valutazione di come la rivoluzione dell’IA stia trasformando la forza lavoro statunitense.
In primo luogo, registrano un calo significativo dell’occupazione per i lavoratori all’inizio della carriera (22-25 anni) in professioni più esposte all’IA, come sviluppatori software e addetti al servizio clienti. Al contrario, le tendenze occupazionali per i lavoratori più esperti negli stessi settori e per i lavoratori di tutte le età in professioni meno esposte, come gli operatori socio-sanitari, sono rimaste stabili o in crescita.
In secondo luogo, l’occupazione complessiva continua a crescere in modo robusto, ma per i giovani la crescita è stagnante dalla fine del 2022. Nei lavori meno esposti all’IA, i giovani hanno avuto tassi di crescita occupazionale simili a quelli dei più esperti. Nei lavori più esposti all’IA, invece, i lavoratori 22-25enni hanno registrato un calo del 6% tra fine 2022 e luglio 2025, contro un aumento del 6-9% per i lavoratori anagraficamente più grandi. Ciò suggerisce che il calo dei posti di lavoro più esposti all’IA freni la crescita occupazionale complessiva dei giovani. Non tutti gli usi dell’IA sono però legati a cali occupazionali. In particolare, l’occupazione iniziale cala laddove l’IA automatizza il lavoro, ma non laddove lo potenzia.
Quarto fatto: i cali occupazionali dei giovani in lavori esposti all’IA restano anche controllando per effetti specifici di impresa e periodo. Per i 22-25enni, gli autori registrano un calo nell’occupazione nei quintili più esposti rispetto a quelli meno esposti, un effetto ampio e statisticamente significativo. Per altre fasce d’età gli effetti sono più deboli e non significativi. Ciò indica che i trend osservati non derivano da shock aziendali generali, ma da un impatto specifico legato all’IA.
Quinto, gli aggiustamenti del mercato del lavoro si vedono più nell’occupazione che nella retribuzione. Infatti, gli stipendi annui mostrano poche differenze per età o livello di esposizione, suggerendo una certa rigidità salariale. Questo implica che l’IA potrebbe incidere di più sull’occupazione che sui salari, almeno inizialmente.
Infine, i risultati sono coerenti su diversi campioni alternativi. Non sono dovuti solo alle professioni informatiche o a lavori delocalizzabili. I pattern emergono in modo netto dalla fine del 2022, con l’espansione rapida dell’IA generativa. Ciò vale sia per professioni con alta quota di laureati sia con bassa, indicando che i risultati non sono spiegati dal calo della qualità dell’istruzione durante il COVID. Per i lavoratori senza laurea, l’esperienza professionale sembra proteggere meno, dato che nelle professioni con bassa quota di laureati gli esiti divergono per esposizione all’IA fino ai 40 anni.
GLI ALTRI STUDI
Risultati analoghi sono raggiunti in un altro studio estremamente recente pubblicato a distanza di pochi giorni da Seyed M. Hosseini e Guy Lichtinger, entrambi economisti di stanza ad Harvard. La loro analisi, basata su un database enorme di offerte di lavoro, dimostra come nelle aziende che hanno adottato l’IA le assunzioni di giovani siano calate significativamente a partire dal primo trimestre 2023, dunque a pochi mesi di distanza dalla release di ChatGPT. Lo stesso trend non ha invece interessato le aziende che non hanno ancora adottato l’IA. Un’altra ricerca recente, realizzata da economisti di Yale e basata su una metodologia differente, giunge a conclusioni diverse, non escludendo del tutto che in effetti possa esserci una dinamica sfavorevole per i lavoratori più giovani ma senza trovare prove definitive che questa sia in atto.
Uno studio più o meno contestuale della Brookings guarda, invece, a un altro segmento del mercato del lavoro statunitense, nel quale si osservano anche effetti sui compensi. La ricerca ha confrontato il cambiamento sui progetti dei freelancer in occupazioni più o meno esposte all’IA prima e dopo il lancio dei tool di IA, identificando, anche sulla base di ricerche precedenti, specifici servizi che avrebbero potuto essere più plausibilmente influenzati dai diversi tipi di IA. L’analisi rivela che i freelancer attivi nei settori più esposti all’IA generativa sono stati colpiti in misura sproporzionata dal rilascio di ChatGPT.
In particolare, è stato osservato che i freelancer che offrono servizi come correzione di bozze, revisione di testi e altri compiti ad alta intensità testuale hanno subito in media un calo di circa il 2% nel numero di nuovi contratti mensili e una diminuzione di circa il 5% nei guadagni mensili complessivi sulla piattaforma. Andamenti simili sono stati osservati in seguito al rilascio di modelli di generazione di immagini come DALL·E2 e Midjourney.
L’aspetto più interessante è però un altro. Gli impatti in questo caso hanno penalizzato soprattutto i lavoratori più qualificati e con maggiore esperienza, confermando i risultati ai quali erano giunti in precedenza altri studi. In altre parole, al contrario di tutti i processi di automazione precedenti, nell’IA generativa sembra esserci una spinta redistributiva, perlomeno in alcuni settori e in determinati contesti.
CONTRADDIZIONE APPARENTE
I risultati dei due studi appaiono in effetti contraddittori, perché l’uno immagina che ad essere penalizzati siano i lavoratori più giovani mentre l’altro quelli più esperti. Un’ipotesi che permette di conciliare questa evidenza in apparenza contraddittoria è che l’impatto nei contesti aziendali possa riguardare sproporzionatamente i giovani perché sono colpite le nuove assunzioni mentre le aziende sono più restie a licenziare gli attuali collaboratori, ritenendo peraltro che, in virtù delle conoscenza del contesto aziendale e del settore e della relativa facilità d’uso degli strumenti di IA generativa, possano configurarsi modalità di collaborazione tra gli attuali dipendenti e gli algoritmi in grado di consentire guadagni di produttività.
Al di là delle interpretazioni possibili e soprattutto di quello che potrà accadere nel prossimo futuro, appare certo che ai contesti aziendali è chiesto di accompagnare pro-attivamente il lavoratore, attraverso programmi di upskilling e reslilling ma anche attraverso l’emulazione e il passaparola con i colleghi e la trasmissione di buone pratiche e, last but not least, il necessario cambiamento organizzativo.
Naturalmente, non si tratta di un processo semplice né privo di costi materiali e di tempo e infatti dovrebbe essere attivamente sostenuto, soprattutto per le realtà più piccole, da strumenti pubblici. Ma farlo è nell’interesse primario delle aziende, anche per evitare un rischio concreto derivante dall’assenza di strategie aziendali strutturate di adozione. Quello che i lavoratori utilizzino strumenti di IA generativa non solo senza supervisione dei propri capi (il che è già di per sé un fatto che riduce i potenziali guadagni di produttività perché sappiamo che questi avvengono principalmente attraverso una riorganizzazione dei processi aziendali, al fine di massimizzare i benefici e mitigare i rischi delle nuove tecnologie) ma senza che questi lo sappiano (o quantomeno ne siano pienamente consapevoli), senza considerarne adeguatamente i rischi. Ecco perché la prima pietra di un’adozione di successo dell’IA a livello paese non può che passare da un top management illuminato delle organizzazioni.
