La rapida accelerazione degli strumenti di Intelligenza Artificiale e Intelligenza Generativa rappresenta una trasformazione strutturale che interessa l’istruzione superiore e i mercati del lavoro globali.
Per affrontare questo cambiamento di paradigma, le università devono andare oltre la semplice formazione procedurale sull’uso dei software e affrontare un duplice compito: integrare l’intelligenza artificiale in modo significativo nella didattica, esplorando e anticipando al contempo il suo profondo impatto legale, etico ed economico sul mercato del lavoro.
In questo contesto, approcci pedagogici come la “Slow AI”, il “Teacher-AI Teaming” e modelli “EdGPT” specifici per ambito didattico, fungono da elementi costitutivi funzionali per comprendere come l’istruzione superiore possa promuovere un’intelligenza ibrida critica anziché una passiva esecuzione tecnologica.
Partendo da queste basi pedagogiche, affrontiamo la relazione fondamentale tra intelligenza artificiale, istruzione e futuro del lavoro.
Esaminando dati socio-economici reali, tra cui l’esposizione a compiti cognitivi, gli effetti sulla produttività e la carenza globale di talenti specializzati in intelligenza artificiale, evidenziamo perché il modello di istruzione universitaria digitale rappresenta una risposta strutturale, piuttosto che meramente accessoria, al divario di competenze, alle sfide demografiche e agli imperativi dell’apprendimento permanente evidenziati da quadri di policy multilaterali come il G7 e l’OCSE.
Indice degli argomenti
Intelligenza artificiale e università: oltre la formazione tecnica
L’intelligenza artificiale è passata dall’essere una frontiera tecnologica emergente a una tecnologia attiva, onnipresente e di uso generale, trasformando radicalmente i modi in cui la conoscenza umana viene generata, verificata, trasmessa e applicata nell’economia globale.
Poiché i sistemi algoritmici, le architetture di apprendimento automatico e i modelli di linguaggio generativo penetrano praticamente in ogni settore produttivo, un criterio di base dovrebbe guidare sia la leadership accademica che l’elaborazione delle politiche: la formazione tecnologica da sola è essenziale ma insufficiente a garantire che l’IA generi uno sviluppo sociale ampio e inclusivo, anziché accelerare la polarizzazione economica e le divisioni sociali[1]
Se gli istituti di istruzione superiore limitano la loro risposta alla rivoluzione dell’IA all’insegnamento di competenze tecniche procedurali, trucchi di ingegneria rapida o operazioni software di base, deluderanno sia i loro studenti che la società nel suo complesso[2]
In questa fase di transizione, l’ecosistema dell’istruzione superiore si trova quindi ad affrontare un duplice e profondo compito:
Il duplice compito dell’istruzione superiore
- Da un lato, le università devono integrare in modo sistematico e mirato gli strumenti di intelligenza artificiale nella progettazione pedagogica, spostando gli ambienti di apprendimento dalla trasmissione statica di informazioni verso lo sviluppo attivo delle competenze[3]
- D’altro canto, attraverso la ricerca scientifica indipendente, le università devono contribuire a esplorare, prevedere e regolamentare eticamente l’impatto sistemico degli algoritmi sui diritti umani fondamentali, sul potere contrattuale collettivo, sulle relazioni di lavoro e sull’etica professionale.
Tali approcci consentono di andare oltre il funzionalismo tecnico e porsi domande fondamentali sul ruolo del giudizio umano, sulla preservazione dell’autonomia cognitiva e sulla tutela della dignità del lavoro in un mondo sempre più automatizzato[4]
Università e intelligenza artificiale per un’intelligenza ibrida critica
Affrontare questa transizione richiede un ripensamento strutturale della pedagogia dell’istruzione superiore e dei programmi di ricerca accademica[5]
Un’ampia mole di dati empirici raccolti a livello globale dal Digital Education Council, che ha coinvolto oltre 45.000 studenti e docenti in 35 paesi, evidenzia una significativa tensione pedagogica attualmente in atto negli istituti di istruzione superiore di tutto il mondo[6]
Da un lato, il 61% degli studenti afferma che l’utilizzo di strumenti di intelligenza artificiale li libera da compiti di routine e ripetitivi, consentendo loro di concentrare maggiori energie sul pensiero concettuale e sulla formulazione delle idee.
D’altro canto, il 66% degli studenti e oltre il 73% dei docenti universitari esprimono serie preoccupazioni sul fatto che un eccessivo affidamento sull’intelligenza artificiale, che spesso porta a una sorta di “scaricamento cognitivo”, rischi di causare atrofia delle competenze, esperienze di apprendimento superficiali e un declino delle capacità di pensiero critico.
Questa realtà empirica rispecchia gli avvertimenti lanciati dall’OCSE riguardo al “miraggio della falsa padronanza”. Quando gli studenti delegano il ragionamento critico e la scrittura analitica a sistemi algoritmici, le prestazioni a breve termine possono migliorare significativamente, mascherando un’erosione di fondo dell’apprendimento metacognitivo profondo.
Gli esperimenti controllati citati dall’OCSE dimostrano che, sebbene gli studenti che utilizzano l’IA ottengano risultati immediati superiori, le loro prestazioni nella risoluzione autonoma dei problemi si degradano sostanzialmente quando viene rimosso l’accesso ai sistemi di IA[7]
Slow AI, Teacher-AI Teaming ed EdGPT
Per contrastare questo rischio cognitivo, le università devono abbandonare una mentalità di “sostituzione” a favore di un approccio di “potenziamento”. Invece di impiegare la “IA veloce” (Fast AI) – in cui le macchine sono trattate come oracoli istantanei e autorevoli – l’istruzione superiore, come sostenuto da Ronald Beghetto[8]“IA lenta” (Slow AI).
Nell’ambito di un approccio Slow AI, l’interazione con la tecnologia è deliberatamente progettata per rallentare l’esecuzione cognitiva, costringendo chi apprende a impegnarsi in un dialogo socratico, a mettere in discussione gli output delle macchine, a iterare le ipotesi e ad affinare il pensiero creativo.
L’obiettivo dell’università nell’era dell’IA, quindi, non è quello di formare operatori passivi di software, bensì di costruire una solida “intelligenza ibrida critica” che unisca il giudizio valutativo umano alla capacità di elaborazione delle macchine[9]
A livello istituzionale, lo sviluppo professionale dei docenti deve evolversi al di là delle semplici meccaniche di interazione, verso un modello di “collaborazione tra docenti e intelligenza artificiale” (Teacher-AI Teaming)[10]
Integrando l’IA come assistente didattico automatizzato in grado di rispondere a quesiti logistici, generare esercizi personalizzati e fornire feedback formativo 24 ore su 24, 7 giorni su 7, gli insegnanti vengono liberati dagli oneri amministrativi di routine[11]
Questo cambiamento permette ai professori di passare dall’essere “saggi sul palco” statici a “guide dinamiche a fianco degli studenti”, concentrando le proprie energie umane su attività pedagogiche di alto valore come il tutoraggio, il dibattito etico e la ricerca critica approfondita[12]
Fondamentalmente, per salvaguardare la sovranità pedagogica e prevenire distorsioni dei dati o allucinazioni algoritmiche, le università non possono affidarsi esclusivamente a modelli generativi commerciali preconfezionati[13]
Le istituzioni devono collaborare per costruire modelli specializzati di “EdGPT” – infrastrutture epistemiche specifiche per ambito didattico, addestrate su corpus di dati accademici curati e affidabili, che rispettino i diritti di proprietà intellettuale e preservino la rilevanza culturale e curriculare[14]
D’altro canto, l’integrazione di certificazioni tecniche standard di settore nei programmi di laurea mostra come le università possano coniugare il rigore teorico con le competenze digitali manageriali per affrontare le discrepanze strutturali nelle competenze[15]
Ricerca, governance e competenze
Inoltre, per sostenere questa visione pedagogica, le istituzioni accademiche necessitano di quadri di ricerca interdisciplinari e multi-stakeholder. Mettendo in collegamento studiosi, organismi di regolamentazione e industria, i centri di ricerca interdisciplinari possono esaminare questioni fondamentali come la governance algoritmica, la protezione della proprietà intellettuale, la provenienza dei dati e la compliance operativa dei quadri giuridici come l’EU AI Act[16]
Oltre alla compliance aziendale, la ricerca accademica può aiutare ad affrontare importanti carenze nella governance pubblica; mentre i rapporti dell’OCSE indicano che il 97% dei paesi membri utilizza strumenti di intelligenza artificiale nella pubblica amministrazione, solo il 39% applica valutazioni del rischio preliminari all’implementazione e appena il 17% mantiene registri pubblici di algoritmi[17]
Intelligenza artificiale e futuro del lavoro: gli effetti economici
Quando si esamina l’intelligenza artificiale da una prospettiva economica, il dibattito pubblico oscilla spesso tra le promesse tecno-ottimistiche di una crescita esplosiva della produttività e i timori distopici di una disoccupazione strutturale diffusa[18]
I dati empirici dell’OCSE e delle istituzioni finanziarie internazionali offrono una prospettiva strutturale molto più articolata sulla trasformazione del mercato del lavoro. A differenza delle precedenti rivoluzioni industriali, che hanno automatizzato principalmente il lavoro fisico, manuale o amministrativo di routine, l’ondata di intelligenza artificiale generativa ha un impatto diretto sulle professioni cognitive altamente qualificate e impiegatizie.
Produttività e occupazioni cognitive
Le analisi dell’OCSE mostrano che gli specialisti IT, i consulenti aziendali, i professionisti legali, i dirigenti d’azienda e gli ingegneri ricoprono i ruoli più esposti alle tecnologie di intelligenza artificiale[19][20]
Tuttavia, l’OCSE sottolinea una distinzione analitica fondamentale: un’elevata esposizione all’IA non è sinonimo di un alto rischio di perdita del posto di lavoro o di automazione. Nelle professioni cognitive altamente qualificate, l’IA funziona principalmente come tecnologia complementare piuttosto che come sostituto totale, potenziando le capacità umane e accelerando l’esecuzione senza rimpiazzare il giudizio valutativo fondamentale[21]
Ricerca empirica condotta al MIT da Shakked Noy e Whitney Zhang, pubblicata in Science, dimostra che l’integrazione di assistenti di scrittura e analisi basati sull’IA generativa riduce del 40% il tempo di esecuzione delle attività, aumentando al contempo del 18% la qualità dell’output.
È interessante notare che lo studio del MIT ha rivelato un significativo effetto di livellamento: gli strumenti di IA generativa hanno ridotto il divario di prestazioni tra professionisti junior e senior, fornendo ai lavoratori meno esperti un potente acceleratore di capacità[22]
Nonostante questi aumenti di produttività, la transizione economica presenta gravi vulnerabilità strutturali:
Talenti, salari e profili entry-level
- Intensa competizione globale per i talenti: l’adozione dell’IA a livello aziendale nei paesi OCSE è cresciuta rapidamente, passando dal 7% nel 2021 al 20% nel 2025. Tuttavia, i professionisti tecnici specializzati in IA rappresentano appena l’1% della forza lavoro globale, innescando un’intensa competizione internazionale e una fuga di cervelli transfrontaliera[23]
- Polarizzazione salariale e delle mansioni: con l’automazione delle attività cognitive di routine tramite algoritmi, le posizioni amministrative e tecniche intermedie rischiano di ridursi, creando una polarizzazione salariale tra i professionisti con stipendi elevati che dirigono gli algoritmi e i lavoratori dei servizi con salari bassi[24]
- Impatto sui profili entry-level: il Digital Economy Lab di Stanford registra un calo relativo del 16% dell’occupazione dei lavoratori tra i 22 e i 25 anni nelle professioni più esposte all’IA[25][26]
- Carenze emergenti di competenze: l’indagine del Digital Education Council evidenzia una preoccupante discrepanza: mentre il 45% degli studenti si aspetta che le competenze in materia di intelligenza artificiale siano obbligatorie nelle loro future carriere, il 50% si sente impreparato dal proprio istituto accademico e il 72% afferma che le valutazioni universitarie non rispecchiano i metodi di lavoro richiesti in un ambiente lavorativo basato sull’intelligenza artificiale[27]
Università digitale e futuro del lavoro: colmare il divario di competenze
In questo complesso contesto economico, il modello di università digitale emerge non come un mero adattamento temporaneo o un’opzione accessoria, ma come un’infrastruttura strutturale essenziale, progettata per risolvere su larga scala il divario di competenze[28]
Storicamente considerati alternative secondarie ai campus fisici, i modelli di istruzione superiore digitale stanno diventando sempre più motori vitali per lo sviluppo del capitale umano adulto e l’inclusione sociale.
Le piattaforme universitarie online e ibride eliminano i vincoli geografici e temporali, accogliendo una quota crescente di studenti non tradizionali, professionisti e individui provenienti da contesti sottorappresentati che altrimenti sarebbero esclusi dall’istruzione terziaria.
I moderni sistemi di gestione dell’apprendimento e le piattaforme di valutazione adattiva garantiscono regolarità e produttività accademica, valutando competenze cognitive di ordine superiore – analisi critica, giudizio indipendente e risoluzione dei problemi – piuttosto che la semplice memorizzazione.
Accesso, competitività e formazione continua
La necessità strategica dell’istruzione universitaria digitale risulta ancora più evidente se valutata alla luce delle priorità macroeconomiche europee e delle disparità regionali a livello internazionale[29]
Come ha sottolineato Mario Draghi nel suo rapporto sulla competitività europea, l’Europa è stretta tra la stagnazione della produttività e un grave invecchiamento demografico.
L’OCSE Employment Outlook 2026 rivela crescenti fratture generazionali e spaziali nei mercati del lavoro: i giovani laureati si trovano ad affrontare un rischio sempre più elevato di disoccupazione all’ingresso nel mondo del lavoro, mentre i divari occupazionali regionali superano i 20 punti percentuali nei paesi membri.
Poiché i lavori di alto valore nel settore dei servizi digitali e basati sull’intelligenza artificiale sono fortemente concentrati nei principali centri metropolitani, i lavoratori delle regioni periferiche o rurali si trovano ad affrontare barriere sistemiche alla mobilità economica, a meno che non vengano offerti loro percorsi di formazione professionale accessibili direttamente sul territorio[30]
Per mantenere la competitività industriale e promuovere l’equità regionale, l’Europa non può affidarsi esclusivamente all’istruzione dei giovani durante i primi vent’anni di vita; deve aggiornare e riqualificare continuamente i lavoratori maturi e attivi, senza costringerli a interrompere la propria carriera, rinunciare al proprio reddito o trasferirsi dalle regioni economiche periferiche[31]
Ciò diventa ancor più cruciale con la progressiva attuazione dell’AI Act, in cui la mancata compliance alle norme di trasparenza e agli obblighi in materia di rischio relativi all’IA di uso generale comporta severe sanzioni pecuniarie[32]
Per evitare l’esclusione normativa, imprenditori, consulenti legali e manager necessitano di moduli universitari digitali agili e asincroni che offrano competenze certificate sull’IA in materia di gestione del rischio e compliance, da seguire parallelamente all’attività lavorativa.
Strumenti per l’apprendimento permanente
L’istruzione superiore digitale può fornire la flessibilità strutturale necessaria attraverso:
- Apprendimento modulare asincrono e micro-credenziali standardizzate a livello europeo, che consentono ai professionisti senior di padroneggiare la governance dell’IA, la sicurezza informatica e l’analisi dei dati in tempo reale[33]
- Ambienti di test online sicuri e adattivi che valutano il ragionamento analitico e la supervisione etica, anziché l’apprendimento mnemonico.
- Immersione quotidiana in ambienti di apprendimento digitali, che fungono da laboratorio pratico di alfabetizzazione in un continente dove attualmente solo il 56% degli adulti possiede competenze digitali di base[34]
- Democratizzazione geografica dell’apprendimento permanente, erogazione di formazione non formale ad alto rendimento ai mercati del lavoro regionali in ritardo e possibilità per i lavoratori attivi di passare a ruoli cognitivi non routinari senza spostamento geografico[35]
Questo quadro operativo si allinea direttamente al consenso internazionale raggiunto in occasione dell’ultima riunione ministeriale del G7 sul lavoro a Ginevra. Con il lancio dell’AI Training Hub globale e la proclamazione dell’apprendimento permanente come pilastro centrale di una politica sull’IA incentrata sull’uomo, il G7 ha riconosciuto che un’istruzione terziaria flessibile e basata sulla tecnologia rappresenta la principale difesa dell’occupazione, della stabilità salariale e della coesione sociale nel XXI secolo[36]
Università, IA e futuro del lavoro: la sfida dell’intelligenza ibrida
La rivoluzione digitale ha modificato radicalmente il monopolio storico dell’università sulla conservazione e la distribuzione della conoscenza, ma ha anche accresciuto drasticamente la sua responsabilità sistemica nei confronti del mercato del lavoro: convalidare la verità, garantire il rigore scientifico e coltivare la resilienza umana in un’economia sempre più automatizzata.
Gli istituti di istruzione superiore non possono più operare come campus fisici isolati; devono trasformarsi in ecosistemi accademici aperti e interconnessi che interagiscono direttamente con le dinamiche industriali, normative e sociali.
Man mano che l’intelligenza artificiale rimodella i compiti cognitivi, le strutture salariali e i requisiti di competenza, il parametro di riferimento ultimo della trasformazione accademica risiede nella sua capacità di garantire un’occupazione significativa e prevenire la polarizzazione economica.
Integrando l’IA lenta nella progettazione pedagogica, conducendo ricerche multidisciplinari sull’impatto degli algoritmi e sfruttando l’istruzione superiore digitale come infrastruttura nazionale permanente per l’aggiornamento continuo delle competenze, le università possono colmare il divario crescente tra accelerazione tecnologica e capacità della forza lavoro.
L’obiettivo di questa transizione non è insegnare ai lavoratori umani a competere con gli algoritmi nella velocità di esecuzione delle procedure, bensì dotare gli individui del giudizio critico, etico e valutativo necessario per guidare la tecnologia.
In tal modo, l’università adempie alla sua missione moderna per eccellenza: trasformare la rapida innovazione tecnologica in un catalizzatore sostenibile per la crescita della produttività, la qualità dei risultati e la coesione sociale a lungo termine nel futuro mondo del lavoro.
Note
[1] OECD, Skills in the AI Age, marzo 2026, https://www.oecd.org/en/publications/skills-in-the-ai-age_972bd15e-en.html; A. Stazi, University in the AI era, gennaio 2026, https://www.jdet.net/article/university-in-the-ai-era-17488.↩
[2] A. Stazi, Towards a university of hybrid intelligence, maggio 2026, https://www.jdet.net/article/towards-a-university-of-hybrid-intelligence-18853.↩
[3] UNESCO, Guidance for Generative AI in Education and Research, settembre 2023, https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research; A. Stazi, University in the AI era, cit.↩
[4] Si veda: A. Stazi, Towards a university of hybrid intelligence, cit.↩
[5] OECD, Digital Education Outlook 2026, marzo 2026, https://www.oecd.org/en/publications/oecd-digital-education-outlook-2026_062a7394-en.html.↩
[6] Digital Education Council, AI in Higher Education Global Survey 2026, gennaio 2026, https://www.digitaleducationcouncil.com/resource-library-items/ai-in-higher-education-global-survey-2026.↩
[7] Si veda: OECD, Digital Education Outlook 2026, cit.↩
[8] Si veda ancora: OECD, Digital Education Outlook 2026, cit., chapter 5.↩
[9] Cfr.: A. Stazi, Towards a university of hybrid intelligence, cit.↩
[10] Si veda ancora: OECD, Digital Education Outlook 2026, cit., chapter 7.↩
[11] Si veda ancora: OECD, Digital Education Outlook 2026, cit., chapter 9.↩
[12] Cfr.: A. Stazi, University in the AI era, cit.↩
[13] Si veda: UNESCO, Guidance for Generative AI in Education and Research, cit.↩
[14] Questo cambio di paradigma ridefinisce radicalmente il ruolo dell’università stessa: l’intelligenza artificiale entra nell’istruzione superiore non solo come assistente didattica per gli esseri umani, ma come studentessa a pieno titolo. Le università hanno sempre formato le menti più innovative che entrano nella società, e le menti più innovative che arrivano oggi sono entità non umane. Ogni istituzione accademica, inoltre, possiede vasti serbatoi di “capitale formativo” costituiti da archivi di lezioni, letteratura scientifica, esercizi, protocolli di laboratorio e conoscenze tacite acquisite nei seminari. Gestito in modo responsabile, questo archivio diventa il curriculum definitivo per l’intelligenza artificiale. Poiché le prestazioni dell’IA di frontiera sono limitate dal giudizio degli esperti, saranno sempre più i professori a scrivere i materiali specifici del settore da cui i sistemi di frontiera apprenderanno. Si vedano anche: UNESCO, Guidance for Generative AI in Education and Research, cit.; A. Stazi, Towards a university of hybrid intelligence, cit.↩
[15] Si veda ad esempio: Google announces new commitment to support innovation and growth in Italia, Il Sole 24 Ore, 6 febbraio 2026, https://en.ilsole24ore.com/art/google-announces-new-commitment-to-support-innovation-and-growth-in-italy-AIRsetHB.↩
[16] Regolamento (UE) 2024/1689 del Parlamento europeo e del Consiglio, del 13 giugno 2024, che stabilisce regole armonizzate sull’intelligenza artificiale e modifica i regolamenti (CE) n, 300/2008, (UE) n, 167/2013, (UE) n, 168/2013, (UE) 2018/858, (UE) 2018/1139 e (UE) 2019/2144 e le direttive 2014/90/UE, (UE) 2016/797 e (UE) 2020/1828), GU L, 2024/1689, 12.7.2024.↩
[17] OECD, Digital Government Outlook 2026, giugno 2026, https://www.oecd.org/en/publications/digital-government-outlook_0496b2bc-en.html.↩
[18] OECD, Skills in the AI Age, marzo 2026, https://www.oecd.org/en/publications/skills-in-the-ai-age_972bd15e-en.html.↩
[19] See: OECD, Skills in the AI Age, cit.↩
[20] IMF, Gen-AI: Artificial Intelligence and the Future of Work, gennaio 2024, https://www.imf.org/en/publications/staff-discussion-notes/issues/2024/01/14/gen-ai-artificial-intelligence-and-the-future-of-work-542379.↩
[21] See again: OECD, Skills in the AI Age, cit.↩
[22] S. Noy, W. Zhang, Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence, Science, luglio 2023, https://www.science.org/doi/10.1126/science.adh2586.↩
[23] See again: OECD, Skills in the AI Age, cit.↩
[24] See: IMF, Gen-AI: Artificial Intelligence and the Future of Work,cit.; OECD, Skills in the AI Age, cit.↩
[25] Nello sviluppo software l’occupazione dei profili junior è diminuita fino al 20% dalla fine del 2022, mentre quella dei lavoratori più esperti è cresciuta o rimasta stabile.↩
[26] E. Brynjolfsson, B. Chandar, R. Chen, Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence, novembre 2025, https://digitaleconomy.stanford.edu/publication/canaries-in-the-coal-mine-six-facts-about-the-recent-employment-effects-of-artificial-intelligence.↩
[27] See: Digital Education Council, AI in Higher Education Global Survey 2026, cit.↩
[28] See again: Digital Education Council, AI in Higher Education Global Survey 2026, cit.; OECD, Skills in the AI Age, cit.↩
[29] M. Draghi, European Competitiveness Report, aprile 2026, https://commission.europa.eu/topics/competitiveness/draghi-report_en; OECD, Employment Outlook 2026: Geographic Disparities in Jobs and Incomes, luglio 2026, https://www.oecd.org/en/publications/oecd-employment-outlook-2026_7e710f54-en.html.↩
[30] See: OECD, Employment Outlook 2026: Geographic Disparities in Jobs and Incomes, cit.↩
[31] See again: OECD, Skills in the AI Age, cit.↩
[32] Fino a 35 milioni di euro o al 7% del fatturato annuo globale per le pratiche vietate, e fino a 15 milioni di euro o al 3% per gli obblighi relativi ai modelli di IA per finalità generali e ai sistemi ad alto rischio. Si veda: Regolamento (EU) 2024/1689, cit.; Commissione europea, General-Purpose AI Code of Practice, luglio 2025, https://digital-strategy.ec.europa.eu/en/policies/contents-code-gpai.↩
[33] See: M. Draghi, European Competitiveness Report, cit.↩
[34] Eurostat, Skills for the Digital Age, gennaio 2026, https://ec.europa.eu/eurostat/statistics-explained/index.php?title=Skills_for_the_digital_age; A. Stazi, Towards a university of hybrid intelligence, cit.↩
[35] See again: OECD, Employment Outlook 2026: Geographic Disparities in Jobs and Incomes, cit.↩
[36] G7 Labour Ministerial, Declaration on AI and the Workforce, giugno 2026, https://www.elysee.fr/en/G7evian/2026/06/10/g7-social-communique-labour-employment-ministers-meeting.↩
Partecipa alla community