Intelligenza artificiale e lavoro: chi vince, chi rischia

Attualmente l’invasività dell’Intelligenza Artificiale ha riportato il tema del lavoro al centro del dibattito pubblico in un’ottica futuribile, nel medio e nel lungo periodo (Brynjolfsson, Mitchell, 2024; OECD, 2024).

In questo scenario, caratterizzato dalle tecnologie algoritmico-generative e dal concetto di machine learning, la riflessione si polarizza attualizzandosi in una dicotomia che vede da un lato gli integrati che scorgono le opportunità di produttività, d’innovazione, di automatizzazione completa e la possibilità di una migliore qualità del lavoro; dall’altro gli apocalittici che evidenziano le criticità strutturali, i rischi per l’occupazione antropica, per la distribuzione equa del reddito e per la qualità delle condizioni lavorative stesse ( Ellingrud et al., 2023; ILO, 2023).

L’analisi sinottica che ne segue analizza le evidenze disponibili e cerca di ricondurle su un piano strettamente scientifico, evitando superficiali determinismi e puntando su politiche riformistiche.

Quadro teorico: tecnologia, lavoro e disuguaglianza

La letteratura economica e sociologica sulle trasformazioni tecnologiche ha evidenziato da tempo che i grandi mutamenti produttivi non si traducono automaticamente in crescita occupazionale uniforme: dipende dalla complementarità o sostituibilità tra capitale tecnologico e capitale umano e dalla distribuzione del potere di mercato (Acemoglu & Restrepo, 2018; Autor, 2022). Due filoni concorrono nella spiegazione empirica:

1. Skill-biased technological change (SBTC): le tecnologie favoriscono i lavoratori con competenze elevate, aumentando la domanda di abilità cognitive e tecniche e comprimendo i salari relativi dei lavori routinari (Autor, 2022).
2. Polarizzazione del lavoro: l’automazione sostituisce lavori mediamente qualificati, espandendo contemporaneamente occupazioni altamente qualificate e lavori poco qualificati di servizio, con effetti complessivi di polarizzazione salariale e occupazionale (Autor, 2019; Goos et al., 2014).

Questi meccanismi si raffinano nel caso dell’A.I.: i sistemi generativi e i modelli di grande scala possono sostituire anche compiti non strettamente “routinari” (es. redazione di testi, analisi preliminare di dati), espandendo il raggio di sostituibilità e rendendo più incerta la traiettoria occupazionale futura (National Academies, 2024).

Stato attuale: adozione dell’AI e suoi effetti osservabili

L’A.I. ha invaso anche il mondo dell’impresa, palesando una notevole eterogeneità di utilizzo e una prepotente capacità di adattamento in qualunque settore, declinate per ogni dimensione aziendale e per ogni area geografica. Ricerche recenti hanno rilevato che l’uso dell’A.I. è cresciuto fortemente tra il 2017 e il 2024 in questo ambito; tuttavia, il suo livello di integrazione produttiva è direttamente proporzionale alla grandezza, alla forza e alla digitalizzazione dei soggetti coinvolti in un mercato globalizzato e fortemente concorrenziale (Sukharevsky et al. 2025; OECD, 2024).

Tale processo implica che gli effetti occupazionali saranno differenziati in base ai settori lavorativi e alla loro collocazione geografica. Recenti studi hanno stimato che negli Stati Uniti milioni di lavoratori potrebbero dover cambiare occupazione entro il 2030 a causa della diffusione del generative A.I., mentre studi dell’ILO e dell’OCSE sottolineano che molte figure professionali saranno ricollocate all’interno del mercato sopracitato o addirittura ricalibrate con l’aiuto dell’A.I. stessa (Ellingrud et al.2023), con un occhio attento anche al controllo della qualità del lavoro: strumenti di monitoraggio, sistemi di valutazione automatica delle performance lavorative e piattaforme digitali possono incrementare la precarietà, neutralizzare l’empatia del rapporto face to face e radicalizzare il controllo manageriale, soprattutto nei lavori di e nei servizi low-skill.

Le trasformazioni sopracitate e catalizzate all’A.I. tendono ad acuire disuguaglianze preesistenti:

• Lavoratori a basso reddito e con scarse competenze sono maggiormente esposti al rischio di perdita o trasformazione occupazionale (Ellingrud et al., 2023).

• Differenze di genere: studi recenti indicano che i lavori tendenzialmente femminili (amministrazione, segreteria, data entry) sono tra i più esposti all’automazione e quindi alla sostituzione, creando un rischio maggiore per l’occupazione delle donne in alcuni paesi ad alto reddito (Reuters, 2025).
• Disparità territoriali: aree caratterizzate da uno scarso capitale tecnologico, da una ridotta infrastruttura digitale e da un limitato capitale umano qualificato rischiano di essere esclusi dai benefici produttivi dell’A.I. e di subire un sostanziale depauperamento relativo delle opportunità lavorative (OECD, 2024).

Competenze, formazione e mobilità occupazionale

Una delle sfide più citate dalla letteratura è la riqualificazione della forza lavoro. Le risposte non possono limitarsi a interventi tecnici (upskilling/reskilling), ma devono integrare percorsi di mobilità occupazionale, sostegno alla transizione e politiche attive del lavoro. Le competenze richieste si articolano su tre livelli:

• Competenze tecniche digitali (programmazione, gestione dati, interpretazione output A.I.).
• Competenze complementari ai sistemi A.I. (capacità di supervisione, valutazione critica dei risultati, integrazione tra output automatici e decisione umana).
• Competenze socio-relazionali e cognitive (problem solving, creatività, comunicazione), difficilmente automatizzabili e perciò sempre più valorizzate (Autor, 2022).

I sistemi formativi devono spostarsi da un modello di trasmissione statica di nozioni a uno di apprendimento continuo, flessibile e modulare. Le politiche efficaci combinano incentivi alle imprese per investimenti in formazione, programmi pubblici di riqualificazione e collaborazioni tra mondo accademico e imprese (Sukharevsky et al. 2025). È inoltre cruciale sottolineare l’importanza della certificazione delle competenze e di percorsi riconosciuti che facilitino la mobilità intersettoriale.

Modelli istituzionali e politiche del lavoro: quali risposte?

La complessità dell’impatto rende necessaria una pluralità di strumenti di policy. Dalla letteratura e dai report istituzionali emergono alcune leve chiave:

1. Protezione sociale adattativa: estendere e riformare la protezione sociale per includere forme di sussidio alla transizione, assicurazione per la perdita di reddito e meccanismi di riconversione professionale (ILO, 2023).
2. Politiche industriali proattive: investimenti pubblici in infrastrutture digitali, incentivi per la diffusione sostenibile dell’A.I. nelle PMI e supporto alla creazione di ecosistemi locali. L’esperienza europea recentissima mette in luce il rischio competitivo se non si accompagnano investimenti e riforme (Draghi speech; Reuters, 2025).
3. Regolazione del lavoro nel digitale: tutele per lavoratori di piattaforme, norme su trasparenza degli algoritmi di gestione del lavoro e partecipazione sindacale alle scelte di automazione (EUR-Lex, 2025).
4. Promozione di un “A.I. pro-lavoro”: politiche che incoraggino soluzioni A.I. complementari alla forza lavoro umana, piuttosto che esclusivamente sostitutive, tramite incentivi fiscali, standard tecnici e supporto alla ricerca applicata (OECD, 2024).

Queste leve richiedono una governance multilivello (aziendale, nazionale, sovranazionale) e il coinvolgimento sistematico delle parti sociali.

Politiche del lavoro e prospettive future

La letteratura recente sottolinea che le condizioni e la qualità delle transizioni dipendono dalla forza relativa dei lavoratori e dalla capacità di organizzazione collettiva (EPI, 2024). Rafforzare rappresentanze, negoziazione collettiva e strumenti di partecipazione dei lavoratori nella progettazione e implementazione di sistemi A.I. può contribuire a ridistribuire benefici e rischi. L’esperienza comparata suggerisce che Paesi con tradizioni di dialogo sociale robusto gestiscono meglio le ristrutturazioni tecnologiche. Quali sono gli scenari futuri possibili?

• Scenario ottimistico: l’A.I. aumenta produttività e qualità del lavoro, la riqualificazione è efficace, e si registra una crescita di lavori di elevata qualità e creatività. Ciò richiede investimenti massicci in formazione, politiche redistributive e regole che incentivino complementarità uomo-macchina (Brynjolfsson et al., 2024).
• Scenario diseguale: i benefici dell’A.I. si concentrano in pochi settori e territori, accentuando disuguaglianze salariali e di opportunità; la precarietà si espande e la polarizzazione aumenta (Autor, 2022; Ellingrud et al, 2023).
• Scenario di rottura sociale: un’accelerazione senza adeguati ammortizzatori e politiche di redistribuzione potrebbe generare disillusioni diffuse e tensioni sociali, con impatti politici rilevanti, perciò l’analisi delle misure di policy è quindi centrale per evitare esiti negativi.

In questa situazione si possono apportare dei correttivi nell’immediato per monitorare l’evoluzione delle alternative sopracitate, a prescindere da quella che si realizzerà:

• Misurazione degli effetti: migliorare le metriche per distinguere tra “occupazioni trasformate” e “occupazioni eliminate”; occorre una granularità sui compiti e non solo sulle occupazioni.
• Transizione globale del lavoro invisibile: il ruolo dei lavoratori “invisibili” che alimentano i dataset merita attenzione normativa ed etica.
• Interazione tra A.I. e mercato politico: come le disuguaglianze indotte tecnologicamente influenzano l’assetto politico e la fiducia nelle istituzioni è un nodo cruciale per la sociologia politica contemporanea.

9. Conclusioni

L’analisi condotta in questo articolo ha evidenziato profondamente la natura proteiforme e multifattoriale dell’A.I. che si riflette nel suo rapporto con il lavoro, una relazione influenzata profondamente da fattori sociali, dalle politiche pubbliche e dalla distribuzione del potere istituzionale ed economico. La tecnologia offre opportunità reali di miglioramento della produttività e della qualità del lavoro, ma senza un intento riformista lungimirante mirate e senza una volontà d’investimento nel capitale umano rischia di perpetuare e incrementare disuguaglianze preesistenti. La vera sfida non è «fermare» l’A.I., ma guidarla, con regole, sistemi di protezione efficaci e percorsi educativi che orientino l’innovazione verso forme di complementarità sinergica tra lavoro antropico e automazione, attraverso una ferma volontà delle classi dirigenti mondiali, un coordinamento internazionale degli attori coinvolti e un rinnovato protagonismo delle organizzazioni dei lavoratori, troppo spesso silenti e sorde ai richiami di un progresso poderoso e inevitabile. (Autor, 2022).

Bibliografia

Sukharevsky A. et al. (2025). The state of AI in 2025: how organizations are rewiring to capture value. Consultabile su https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai

Acemoglu, D., & Restrepo, P. (2018). The race between man and machine: implications of technology for labor markets. Cambridge, MA: National Bureau of Economic Research.

Acemoglu, D., Autor D., Johnson S.. 2023. Can we have pro-worker AI? Choosing a path of machines in service of minds. MIT Shaping the Future of Work Initiative, September 2023.

Autor, D. (2022). The labor market impacts of technological change: From unbridled enthusiasm to qualified optimism to vast uncertainty. Cambridge, MA: National Bureau of Economic Research.

Bivens J., Zipperer B. (2024). Unbalanced labor market power is what makes technology including AI threatening to workers Washington, DC: EPI Briefing Paper.

Briggs J., Devesh K. (2023) Upgrading our long-run growth forecasts to reflect the impact of generative AI.” Global Economics Analyst (Goldman Sachs), October 29, 2023.

Brynjolfsson, E., Mitchell, T. (2024). Artificial intelligence and the future of work. Washington, DC: National Academies Press.

Ellingrud K. Et al. (2023). Generative AI and the future of work in America. Consultabile su https://www.mckinsey.com/mgi/our-research/generative-ai-and-the-future-of-work-in-america

European Commission. (2025). Artificial Intelligence and the future of work. Consultabile su https://europa.eu/eurobarometer/surveys/detail/3222?etrans=uk

International Labour Organization (ILO). (2023). Generative AI and jobs: a global analysis of potential effects on job quantity and quality. Geneva: ILO Working Paper 96.

OECD. (2024). The future of work. Consultabile su https://www.oecd.org/en/topics/future-of-work.html

Reuters. (2025, May 20). AI poses a bigger threat to women’s work than men’s, says ILO report. Reuters News Service.