Perché l’intelligenza artificiale non ci sostituirà

Le aziende che la sviluppano promettono che cancellerà metà dei lavori impiegatizi entro cinque anni. Ma è una previsione senza base.

A maggio 2025 Dario Amodei, amministratore delegato di Anthropic, disse in un’intervista a Fox News che entro cinque anni l’intelligenza artificiale avrebbe eliminato metà dei lavori d’ingresso nel settore impiegatizio in finanza, consulenza, diritto e tecnologia. Il capo di Microsoft AI diede una stima ancora più stretta al Financial Times, parlando di dodici-diciotto mesi. Sam Altman ha invece parlato di una transizione che renderà obsoleti interi settori. Elon Musk sostiene che fra qualche anno il lavoro umano sarebbe stato un’opzione, non una necessità.

Il problema è che queste previsioni non vengono da osservatori indipendenti ma da chi vende il prodotto. Le stesse aziende che annunciano la fine del lavoro guadagnano dalla narrativa dell’onnipotenza imminente dei loro sistemi e quella narrativa serve ad attrarre capitali, talento e attenzione mediatica.

Ma lo scarto fra annunci e realtà nasce da un errore vecchio quanto la rivoluzione industriale, ovvero confondere una singola mansione con un mestiere. È lo stesso errore che torna a ogni nuova ondata tecnologica.

Cos’è un mestiere

Un mestiere (o lavoro) è un pacchetto di mansioni (o compiti) tenute insieme da una logica economica e la maggior parte delle previsioni sull’AI guarda solo i pezzi. Una singola mansione può essere scrivere una mail, registrare una fattura, generare una bozza di codice. Il mestiere è la decisione su cosa fare, in che ordine, con chi e perché. Le aziende pagano un lavoratore per gestire l’intero pacchetto e la coesione di quel pacchetto è quello che genera valore.

Come ha spiegato Luis Garicano, economista alla London School of Economics, ci sono tre forze che tengono insieme un mestiere.

La prima è l’imprevedibilità della domanda. Quando un cliente entra in un’agenzia o si siede dal commercialista, raramente sa esattamente cosa vuole. Lo scopre durante la conversazione, cambia idea, aggiunge dettagli che modificano il quadro. Una persona sola che segue la relazione si adatta in tempo reale. Una catena di esecutori che si passano i singoli pezzi paga ogni cambio con un nuovo passaggio di informazioni. È quella frizione a tenere il lavoro tutto in capo a una persona.

La seconda è che le parti del lavoro si rafforzano fra loro. Il radiologo che ha già parlato con il paziente sa dove guardare nell’esame. Il commercialista che segue il cliente da anni si accorge subito quando un dato è fuori posto. L’informazione raccolta in una fase rende migliore quella successiva ed è in gran parte tacita. Spezzando il lavoro fra soggetti diversi, quel patrimonio si disperde.

La terza è il problema della misurazione, descritto dagli economisti Armen Alchian e Harold Demsetz negli anni Settanta. Quando più persone lavorano insieme a un risultato unico, è impossibile dire da fuori quanto ha contribuito ciascuna. Pensiamo a un gruppo di consulenti che prepara una proposta per un cliente. Chi ha avuto l’idea che ha vinto la gara, chi ha scritto la slide che ha convinto l’amministratore delegato, chi ha messo il dato giusto al posto giusto? Spesso è impossibile dirlo. Quando il contributo individuale è invisibile, l’unico modo per organizzare il lavoro è affidare a una persona la responsabilità dell’intero pacchetto e pagarla per il risultato, non per i singoli pezzi. Il cliente, la banca, il regolatore hanno bisogno di un nome a cui imputare le decisioni e a cui chiedere conto se qualcosa va storto.

Nel 2013 uno studio di due economisti dell’Università di Oxford diede ai commercialisti una probabilità di sparizione del 94 per cento entro vent’anni. Dieci anni dopo, il Bureau of Labor Statistics americano conta 1,6 milioni di commercialisti e revisori contabili in attività negli Stati Uniti, con paga mediana di 82 mila dollari e una proiezione di crescita del 5 per cento al 2034. La parte ripetitiva del lavoro si è effettivamente ridotta, perché gli addetti alla registrazione manuale dei dati sono calati del 6 per cento. Il lavoro intero, fatto di giudizio, interpretazione delle norme, relazione con il cliente e responsabilità legale, ha continuato a crescere.

Le agenzie di viaggi hanno perso oltre il 60 per cento dell’occupazione rispetto al picco del 2000, ma le sopravvissute non vendono più biglietti aerei, ma vendono pianificazione su misura, accesso a strutture di lusso, gestione di emergenze sul campo. Il salario settimanale medio del settore è passato dall’87 al 99 per cento della media privata americana in venticinque anni. I radiologi, dati per spacciati da un decennio di annunci, hanno visto crescere l’occupazione del 23 per cento dal 2016 secondo un recente studio.

Le aziende non sono funzioni di produzione, sono coalizioni di persone che devono fidarsi le une delle altre. Kenneth Arrow, premio Nobel per l’economia, scriveva che la fiducia è il lubrificante di ogni sistema sociale e che si tratta di una merce difficile da comprare. Quando un cliente paga un consulente, paga anche il fatto che ci sia qualcuno responsabile delle conseguenze. Quando un’azienda nomina un manager, gli affida quello che Oliver Hart e John Moore hanno chiamato i diritti residuali di decisione, cioè la facoltà di scegliere cosa fare nei casi non previsti dal contratto. Nessuna di queste funzioni si delega a un sistema statistico che non può essere portato in tribunale, non ha reputazione da difendere e non può essere licenziato.

L’economista Michael Kremer ha proposto trent’anni fa una teoria, chiamata O-Ring dal nome dell’anello di gomma che fece esplodere lo Shuttle Challenger nel 1986, secondo cui un processo produttivo è come una catena. Se le mansioni sono complementi fra loro, automatizzarne una rende le altre più preziose, non meno. Applicata al lavoro impiegatizio, quando il commercialista delega all’AI la compilazione meccanica del bilancio, il tempo liberato si riversa sull’analisi e sulla relazione con il cliente e il valore del suo mestiere sale. È il motivo per cui le previsioni che partono dal numero di mansioni automatizzabili sbagliano sistematicamente sull’occupazione. La macchina toglie la parte ripetitiva, l’umano si sposta verso il giudizio, la progettazione e la relazione e il pacchetto resta intero.

Cento anni di sostituzioni mancate

L’allarme sull’AI è la versione contemporanea di un panico che si ripete con ogni rivoluzione tecnologica. I luddisti distrussero i telai meccanici in Inghilterra tra il 1811 e il 1816¹. Nel 1832 un fabbricante francese di nome Barthélemy Thimonnier vide la propria officina di Parigi data alle fiamme da duecento sarti in rivolta contro la sua macchina da cucire. Nel 1930 John Maynard Keynes pubblicò Economic Possibilities for Our Grandchildren prevedendo che nel 2030 il lavoro umano sarebbe stato necessario solo per quindici ore alla settimana. Nel 1982 Wassily Leontief, premio Nobel per l’economia, sostenne che gli umani sarebbero stati sostituiti dalle macchine come i cavalli erano stati sostituiti dai motori. Nel 1995 Jeremy Rifkin pubblicò La fine del lavoro. Nel 2013 lo studio di Oxford già citato stimò che il 47 per cento dei lavori americani fosse a rischio entro vent’anni.

La tecnologia ha trasformato il lavoro spostandolo ma non eliminandolo. In Italia la quota di occupati in agricoltura è scesa dal 70 per cento del 1861 al 3 per cento di oggi. I telai meccanici hanno ridotto il lavoro per metro di tessuto, ma il prezzo è crollato, la domanda è esplosa e l’occupazione del settore è cresciuta per decenni. Il computer doveva eliminare il lavoro impiegatizio e nel 2019 gli Stati Uniti hanno toccato il minimo storico di disoccupazione al 3,5 per cento. Nello stesso periodo di centocinquant’anni, secondo i dati raccolti dall’economista Alex Tabarrok, le ore annue lavorate per occupato in America sono scese da circa 3 mila a 1.800, una riduzione del 40 per cento. La trasformazione c’è stata, in forma di tempo libero e nuovi mestieri.

Quando i bancomat si diffusero a partire dagli anni Settanta, il numero di addetti agli sportelli non crollò, rimase stabile per decenni e in alcuni periodi crebbe. Gli ATM rendevano più economico aprire una filiale, le banche ne aprirono di più, e i bancari si spostarono da distribuire contanti a offrire consulenza. È stato l’home banking sugli smartphone, decenni dopo, a far davvero scendere l’occupazione del ruolo. Lo ha mostrato l’economista David Autor del MIT analizzando i dati di mezzo secolo. Excel ha seguito lo stesso copione. Doveva cancellare i contabili negli anni Ottanta, mentre la contabilità professionale è cresciuta. Il foglio di calcolo ha tagliato il costo di un’analisi finanziaria e ha fatto esplodere la domanda di analisi.

Uno studio recente ha usato i 170 milioni di dati del censimento britannico tra il 1851 e il 1911 per ricostruire l’effetto della macchina da cucire applicata al cuoio sui calzolai inglesi, uno shock tecnologico paragonabile per scala a quello dell’AI di oggi. Tra il 1851 e il 1911 i cinque mestieri artigianali della filiera persero 152 mila posti. Negli stessi sessant’anni nacquero 144 mila nuovi posti, fra macchinisti, rivettatori, operatori e capireparto. A livello aggregato sembra non sia successo nulla. Andando nei dati individuali, però, il calzolaio adulto che aveva imparato il mestiere prima della macchina mantenne il proprio posto, mentre i giovani non poterono più entrare nello stesso modo. Il margine dell’aggiustamento non furono i lavoratori già dentro, furono gli entranti. È un punto a cui torniamo fra poco.

L’analogia più suggestiva paragona l’AI al motore a scoppio e gli umani ai cavalli. Come il motore ha sostituito gli animali da tiro fino a renderli inutili, così l’AI farebbe con i lavoratori. La propose Wassily Leontief negli anni Ottanta. Oggi torna nelle dichiarazioni di Musk e Amodei, ma il paragone non regge. La popolazione equina americana passò da 4,3 milioni nel 1840 a 27,3 milioni nel 1920, poi crollò a 3 milioni nel 1960. I cavalli sapevano fare essenzialmente una cosa, cioè trasportare. Quando il motore a combustione interna sostituì quella funzione, divennero superflui. Gli umani non sono mai stati sostituti perfetti gli uni degli altri, figurarsi delle macchine. La domanda di lavoro è derivata, cioè dipende dalla domanda dei beni e servizi finali. Perché scenda a zero non basta che l’AI sappia fare ogni mansione, serve che ogni dollaro speso non passi mai per una mano umana lungo l’intera filiera. Già oggi due terzi della spesa per consumi americana va in servizi e non in beni fisici, e la quota di lavoro nei servizi è alta proprio nei settori più tecnologici. I settori più software-intensive degli Stati Uniti hanno una quota di lavoro sul valore aggiunto del 67 per cento, contro il 55 per cento dei settori meno intensivi.

I numeri dell’AI nei luoghi di lavoro

Quattro anni dopo il rilascio di ChatGPT i dati permettono di iniziare a sostituire la teoria con le misure. Le medie aggregate, però, nascondono differenze enormi fra settori, dimensioni d’impresa e fasce di reddito.

Il Census Bureau, l’equivalente dell’Istat negli Stati Uniti, rileva trimestralmente l’uso dell’intelligenza artificiale nelle imprese. A inizio 2026 solo il 9 per cento delle aziende dichiara di usarla nella produzione di beni o servizi, con un picco del 27 per cento nel settore dell’informazione e cifre molto più basse altrove. Tra le imprese che la usano, solo il 27 per cento dichiara di sostituire o trasformare mansioni specifiche. Lo strumento si sta diffondendo a velocità diverse a seconda di dove si guarda.

Una rilevazione della Federal Reserve di New York di novembre 2025 indica che il 39 per cento dei lavoratori americani ha usato l’AI generativa al lavoro nell’ultimo anno. Il dato sale al 59 per cento tra i laureati e scende al 23 per cento tra i non laureati. Tra chi guadagna sopra i 200 mila dollari l’uso è al 66 per cento, sotto i 50 mila al 16 per cento. Uno studio presentato ai Brookings Papers nella primavera 2026 ha confrontato la diffusione dell’AI generativa fra i lavoratori di sei paesi avanzati. Negli Stati Uniti la usa il 43 per cento dei lavoratori, in media in Europa il 32 per cento, in Italia il 26 per cento. In termini di intensità d’uso, gli Stati Uniti dedicano il 5,2 per cento delle ore lavorate all’AI generativa, circa il doppio della Scandinavia e il triplo di Italia, Francia e Germania.

L’effetto sui posti di lavoro è invisibile nelle medie aggregate. Tra il 2022 e il 2025 la disoccupazione americana è salita di 0,3 punti percentuali tra i lavoratori più esposti all’AI e di 0,9 punti tra i meno esposti, l’opposto di quello che si dovrebbe vedere se la sostituzione fosse in corso. I salari nei settori esposti non sono scesi. Le professioni catalogate come più esposte, dai consulenti finanziari agli analisti di gestione, continuano a crescere come occupazione. Gli stessi software engineer, una delle professioni che dovrebbe essere maggiormente colpita vengono assunti e pagati moltissimo dalle società di intelligenza artificiale.

Una ricerca di Stanford sui registri salariali del settore privato americano ha rilevato un calo del 16 per cento nelle assunzioni di lavoratori tra i 22 e i 25 anni nei settori più esposti all’AI, mentre nelle stesse aziende e negli stessi ruoli l’occupazione dei lavoratori più anziani cresce. Un paper della Federal Reserve conferma il pattern con i dati ufficiali, perché nel comparto dei programmatori americani si contano circa 500 mila occupati in meno rispetto al trend pre-LLM, ma il calo è concentrato sui contractor e sui ruoli junior, non sui senior. Il problema, in altre parole, riguarda l’erosione del primo gradino della scala professionale.

I numeri sulla produttività non sostengono la narrativa esplosiva. Un sondaggio strutturato del Forecasting Research Institute e della Federal Reserve di Chicago, pubblicato a marzo 2026, ha chiesto a economisti professionisti, esperti di AI e superforecaster di stimare lo scenario probabile. L’economista mediano dà il 61 per cento di probabilità a uno scenario di adozione AI moderata o rapida entro il 2030. Eppure, anche in quel caso, la previsione mediana di crescita del PIL americano al 2030 resta tra il 2,4 e il 2,5 per cento annuo, solo un decimo di punto sopra il 2,4 per cento medio del periodo 2021-2025. La produttività totale dei fattori, cioè la parte di crescita non spiegata da più ore lavorate o più capitale, è prevista all’1-1,2 per cento. Il disaccordo tra economisti, scrivono gli autori del paper, riguarda non tanto quando arriveranno le capacità tecniche dell’AI, quanto la lentezza con cui si tradurranno in produttività misurabile, come è sempre successo con elettrificazione, automobile e personal computer.

Uno studio del 2025 su oltre 5 mila operatori americani di customer service mostra che l’AI aumenta la produttività media del 15 per cento, ma quasi tutto il guadagno si concentra sui meno esperti, che migliorano del 30-35 per cento, mentre i top performer cambiano poco o nulla. Tra chi usa la tecnologia al lavoro, il 66 per cento dichiara di sentirsi più produttivo, il 40 per cento finisce il lavoro più rapidamente, il 19 per cento ammette di impiegarci ancora più tempo perché sta imparando. È un quadro di adozione lenta e diseguale, lontano dall’ondata che spazza via tutto.

I limiti dell’intelligenza artificiale

Le previsioni catastrofiche partono dall’idea che l’AI sia affidabile abbastanza da prendere decisioni al posto di un umano. È un’assunzione che chiunque l’abbia usata davvero sa essere falsa. Le allucinazioni, cioè le risposte sicure e sbagliate, sono un tratto strutturale dei modelli statistici del linguaggio, non un difetto che verrà corretto nel breve periodo. I modelli imitano la struttura del linguaggio ma non possiedono una rappresentazione del mondo né dei propri output sufficiente a verificarne la correttezza. Negli ultimi due anni un numero crescente di avvocati americani è stato sanzionato per aver depositato in tribunale citazioni di sentenze inesistenti generate da ChatGPT. Sono errori divertenti finché ridiamo della causa di un altro e diventano costosi nel momento in cui un’azienda decide di basare una scelta strategica su un report uscito da un modello senza che nessuno l’abbia verificato.

Facciamo un esempio assumendo che ci sia un’azienda che riceve ogni mese centinaia di file Excel disordinati dai propri fornitori e li deve aggregare in un report che finisce sulla scrivania dell’amministratore delegato. Una pipeline costruita con l’AI potrebbe fare il lavoro in pochi minuti e assumiamo che nel 95 per cento dei casi lo fa bene. Ma se anche solo una volta su venti, però, sbaglia un valore e il report viene letto come fonte di verità da chi prende la decisione, l’errore si propaga dentro l’organizzazione senza che nessuno se ne accorga. L’unica difesa è qualcuno che controlla e quel qualcuno deve sapere come è fatto un bilancio per riconoscere quando il numero non torna. Il controllo è quello che rende utilizzabile la tecnologia, non una formalità che si può togliere quando la tecnologia matura.

Séb Krier, ricercatore di Google DeepMind, lo chiama il limite del 5 per cento residuo. Quando il 95 per cento di un processo è automatizzato, il 5 per cento che richiede giudizio umano diventa il collo di bottiglia, ed è quel 5 per cento che decide la velocità complessiva. Chi promette una sostituzione totale del lavoro impiegatizio dovrebbe spiegare come pensa di automatizzare il giudizio sui casi anomali, la responsabilità delle conseguenze, la spiegazione al cliente quando le cose vanno male. Sono cose che gli umani fanno tutti i giorni e che nessun modello statistico oggi sa fare.

Un paper di aprile 2026 sull’organizzazione interna del lavoro mostra che le posizioni junior hanno una doppia funzione. Nel breve generano output, nel lungo formano i futuri esperti. Quando l’AI sostituisce le mansioni junior, l’azienda risparmia immediatamente ma erode il bacino da cui escono i senior di dieci anni dopo. Matt Garman, amministratore delegato di Amazon Web Services, lo ha detto in un’intervista del 2025: l’idea di licenziare i junior perché l’AI fa il loro lavoro è la cosa più stupida che si possa immaginare, perché in dieci anni nessuno avrà più imparato il mestiere. Lo stesso argomento, in forma simmetrica, dice che l’AI ha bisogno del lavoratore esperto come supervisore e come complemento, non come concorrente da eliminare.

Dario Amodei ha dichiarato in un podcast con Dwarkesh Patel che la sua azienda non può comprare mille miliardi di dollari di potenza di calcolo all’anno nel 2027, e che se la crescita dei modelli rallenta anche solo di un anno l’intera proiezione finanziaria va in pezzi. Ad oggi il modello economico dietro l’intelligenza artificiale non è ancora sostenibile, in quanto le aziende hanno alti costi e i guadagni non sono sufficienti a coprirli. Anche le aziende come Anthropic che sembrano aver trovato un modello per non perdere denaro devono ancora dimostrare di saper fare effettivamente utili che possano ripagare gli investimenti fatti fino ad ora.

Chi delega all’AI il lavoro di apprendimento ottiene un voto decente ma non sviluppa la competenza. Uno studio interno di Anthropic su sviluppatori che imparavano una nuova libreria Python con l’aiuto del modello ha mostrato che chi delegava pesantemente otteneva meno del 40 per cento al test di padronanza, mentre chi restava cognitivamente coinvolto manteneva un livello equivalente al gruppo che imparava senza AI. È un paradosso che vale per ogni mestiere. Per usare bene l’AI bisogna avere già la competenza che permette di riconoscere quando sbaglia. Se l’AI eroda quella competenza alla radice, chi controllerà l’AI domani?

In conclusione

Il rischio concreto dell’AI riguarda l’organizzazione del mercato del lavoro più che la sua dimensione complessiva. Le aziende, spinte dalla narrativa della sostituzione e dalla concorrenza fra loro, rischiano di tagliare i ruoli d’ingresso più di quanto convenga, restare senza i senior di domani e trovarsi in dieci anni con un buco generazionale che nessuna macchina potrà colmare. La differenza fra le rivoluzioni tecnologiche del passato e quella in corso non è di scala, è di punto d’impatto. Le altre colpivano i lavoratori adulti che andavano riconvertiti, questa colpisce i giovani che devono entrare.

Qualche lavoro sparirà davvero. Le mansioni che oggi vengono sostituite più facilmente sono quelle che richiedevano poca interpretazione, poca relazione, poca responsabilità, ed erano in declino già da prima dell’AI. Gli ultimi trent’anni di software, esternalizzazioni e automazione di processo avevano già avviato la transizione. L’intelligenza artificiale la sta accelerando, non l’ha inventata. Se un lavoro può essere sostituito interamente da un modello statistico, è probabile che il suo valore aggiunto fosse basso e che la sua sopravvivenza in forma manuale fosse comunque a termine.

Le politiche per gestire la transizione sono note e non richiedono salti ideologici. Formazione continua seria, non corsi spuntati da elencare nei rapporti di sostenibilità. Università che insegnino quello che l’AI non sa fare, cioè il giudizio sui casi nuovi, la capacità di comunicare con altri umani, la responsabilità delle conseguenze. Regolazione che protegga senza pretendere di fermare la tecnologia, perché chi prova a fermarla a livello nazionale si ritrova soltanto con un’adozione ancora più bassa.

L’intelligenza artificiale non ci sostituirà, ma cambierà il lavoro. Servono scelte precise su come accompagnare la transizione, su quali competenze coltivare, su come distribuire i guadagni di produttività che, prima o poi, arriveranno. Le aziende che vendono l’AI hanno tutto l’interesse a vendere anche la narrativa della sua onnipotenza. Chi guarda i dati, il passato e le proprie esperienze quotidiane con questi strumenti sa che il lavoro umano è una pratica fatta di giudizio, relazione e responsabilità e queste cose non si comprano in abbonamento mensile.

1. In questo articolo uso “luddisti” nel senso corrente del termine, ovvero come sinonimo di chi si oppone irrazionalmente a una nuova tecnologia. La storia reale, però, un po’ diversa. I luddisti dell’Inghilterra di inizio Ottocento erano artigiani qualificati dell’industria tessile, tessitori e magliai, che usavano le macchine. Non si opponevano alla tecnologia in sé ma al modo in cui gli imprenditori dell’epoca la usavano per abbassare i salari, ignorare le leggi che regolavano il settore, peggiorare le condizioni di lavoro. Quando si ribellarono, lo Stato britannico mandò decine di migliaia di soldati per reprimerli e rese reato capitale la distruzione delle macchine. La caricatura del luddista come ottuso antitecnologia è un’invenzione successiva.