L’intelligenza artificiale ci ruberà il lavoro? La verità che gli esperti ammettono solo ora

Sulla questione di come l’intelligenza artificiale influenzerà i posti di lavoro e la produttività, la risposta onesta è che le effettive evidenze empiriche sono piuttosto scarse. In parte, questo perché i nuovi strumenti di AI sono arrivati così recentemente, e si stanno evolvendo così rapidamente, che non abbiamo ancora molta esperienza dei loro effetti – né molti dati per separare gli effetti dell’IA da altri cambiamenti nell’economia.

Eric Fruits e Kristian Stout offrono una panoramica di ciò che le evidenze emergenti hanno da dire in “AI, Productivity, and Labor Markets: A Review of the Empirical Evidence” (International Center for Law & Economics Issue Brief, 5 febbraio 2026). Per chi si sta appena aggiornando sull’argomento, una parte particolarmente utile dell’articolo è che l’elenco dei riferimenti è annotato – cioè, c’è una breve discussione dell’angolazione adottata da ciascun riferimento, con link web quando possibile.

Gli autori sottolineano che la maggior parte delle previsioni sugli effetti dell’IA è essenzialmente guidata da ipotesi di fondo: quale quota di mansioni in quale quota di lavori potrebbe essere influenzata dall’AI; fino a che punto l’AI completerà i lavoratori e sposterà le mansioni che svolgono in una data giornata, oppure li sostituirà; quanto rapidamente l’AI si diffonderà nei vari settori dell’economia; quanto rapidamente verranno effettuati investimenti complementari per sostenere gli effetti dell’AI (dalla produzione di energia elettrica all’istruzione alla robotica); se l’AI richiede una riorganizzazione su larga scala delle organizzazioni, quanto tempo richiede; se l’AI espanderà la produzione complessiva o renderà la distribuzione del reddito più diseguale; e così via. Scegli le tue ipotesi, e puoi scegliere il tuo risultato. Come osservano gli autori, per esempio, è anche possibile avere effetti che iniziano in una direzione e poi deviano in un’altra: per esempio, è semplice costruire una teoria a “curva a J” in cui l’adattamento a una nuova tecnologia ha inizialmente un effetto negativo durante un periodo di transizione, mentre le imprese affrontano i costi degli aggiustamenti, ma successivamente ha un effetto molto positivo.

Tuttavia, alcuni temi stanno iniziando a emergere dalla ricerca effettiva sull’uso dell’IA in diversi contesti, come call center, contabili, studenti di giurisprudenza che svolgono compiti legali complessi, sviluppatori di software, traduttori professionisti, esperimenti randomizzati con gruppi a cui vengono assegnati determinati compiti, e altri. Ecco alcuni temi che emergono:

• Primo, tali studi mostrano in modo coerente guadagni sostanziali in aree specifiche sia della quantità sia della qualità della produzione.

• Secondo, i guadagni possono essere altamente variabili, anche in compiti che possono apparire simili. Per esempio, un dato strumento di IA potrebbe essere enormemente utile e affidabile per certi compiti o fino a un certo livello di complessità – ma poi diventare altamente inaffidabile oltre quel punto. Chi usa lo strumento può vedere che funziona bene in molti casi, e poi iniziare a usarlo ovunque – anche dove non funziona bene. Perciò, diversi studi sottolineano la necessità di “protocolli di verifica” per ricontrollare la qualità dei risultati e fornire feedback agli utenti.

• Terzo, un altro tema ricorrente in questi studi è la “compressione delle competenze”, come notano gli autori: “In vari contesti, le evidenze a livello micro indicano una compressione delle competenze. Gli strumenti di AI aumentano in modo sproporzionato la produzione tra i lavoratori con prestazioni più basse, riducendo i divari di performance all’interno delle categorie professionali. Questo schema ricorre negli studi sulla produttività e ha implicazioni distributive: l’IA può ridurre la disuguaglianza all’interno delle occupazioni, anche mentre rimodella la domanda per alcuni ruoli di livello iniziale.” In altre parole, l’accesso agli strumenti di IA può avere il maggior beneficio per la produttività dei lavoratori con meno esperienza o competenze, e benefici minori per i lavoratori che hanno già competenze maggiori. (Questo schema può anche aiutare a spiegare alcune evidenze secondo cui il numero di posti di lavoro nei settori esposti all’AI per i giovani lavoratori potrebbe essere diminuito: quando l’IA aumenta la produttività di questi lavoratori più giovani, le imprese finiscono per assumerne meno.)

• Quarto, gli studi su AI e lavoro non coinvolgono una selezione casuale di occupazioni. Piuttosto, gli studi tendono a concentrarsi su lavori dove sembra intuitivamente plausibile che i guadagni possano essere sostanziali. Perciò, sarebbe chiaramente scorretto estrapolare i modelli dai singoli studi all’economia nel suo complesso.

• Quinto, i nuovi strumenti di AI sembrano portare a un’ondata di nuove imprese. Inoltre, queste imprese sono spesso più piccole in termini di occupazione rispetto alle start-up medie del passato. Gli autori scrivono: “L’AI sostituisce compiti manageriali, operativi e tecnici che in precedenza richiedevano assunzioni aggiuntive o cofondatori. Riducendo la dimensione minima del team sostenibile, l’AI abbassa i costi di ingresso, aumenta il numero di entranti e rafforza la concorrenza a valle.” Il modello emergente qui può essere quello di grandi imprese concentrate “a monte” che svolgono la ricerca di base sull’AI e possiedono la potenza di calcolo effettiva, mentre le nuove start-up possono essere utilizzatori competitivi “a valle” più piccoli di questa tecnologia. Naturalmente, la quota di queste start-up che alla fine avranno successo e cresceranno non è ancora chiara.

• Sesto, la crescita delle nuove imprese di AI dipende da altri fattori nell’economia: disponibilità di finanziamenti, un contesto normativo non ostile e non frammentato, un’offerta di lavoratori scientifici e ingegneri, capacità di formare nuovi lavoratori, capacità di potenza di calcolo e infrastrutture di supporto (come elettricità e telecomunicazioni).

Penso che non abbiamo ancora un’idea chiara di cosa saranno effettivamente questi strumenti di AI nel medio periodo di, diciamo, 5-10 anni. Ma sospetto fortemente che nessun paese ad alto reddito, se vuole rimanere tale, potrà permettersi di aggirare ed evitare le nuove tecnologie di IA. Vale la pena ricordare che, nel lungo periodo, il tenore di vita medio in una società aumenta quando aumenta la produttività media per lavoratore. A sua volta, una maggiore produttività richiede quasi sempre cambiamento, a volte cambiamento dirompente.

Questo articolo è ripreso e tradotto da Conversable Economist.