Sei studi recenti convergono su un punto: il vero impatto dell’AI non è sui posti di lavoro ma sui percorsi che li rendono accessibili. Li analizziamo uno per uno
Un recente articolo del Financial Times ha rilanciato il dibattito citando diversi studi freschi di pubblicazione sull’impatto dell’AI sui ruoli d’ingresso. Sono fonti ricche, con metodologie diverse e dati di prima mano, dalle buste paga americane agli annunci di lavoro su sei continenti, che meritano un’analisi in profondità.
Indice degli argomenti
AI e lavoro entry-level, la frontiera che taglia lungo l’apprendistato
Il primo studio è quello di Dell’Acqua, McFowland, Mollick e altri, pubblicato su Organization Science nel 2026, una versione molto più robusta del working paper circolato nel 2023, con doppia replica e una nuova metrica, la subjective coherence quality: hanno misurato quanto le raccomandazioni suonassero convincenti, indipendentemente dal fatto che fossero giuste, nella versione precedente non c’era.
L’esperimento coinvolge 758 consulenti del Boston Consulting Group, circa il 7% della forza lavoro individual-contributor dell’azienda, assegnati casualmente a tre condizioni: nessuna AI, GPT-4, GPT-4 con formazione al prompting. Il disegno della ricerca prevede due insiemi di compiti: 18 micro-task collocati dentro la frontiera delle capacità del modello, e un caso strategico collocato fuori.
Dentro la frontiera i numeri sono netti: +12,2% di task completati, –25,1% di tempo, qualità superiore di oltre il 30%. Fuori dalla frontiera si invertono: la correttezza crolla dall’84,5% del gruppo di controllo al 60% per chi aveva ricevuto formazione al prompting. Diciannove punti di caduta.
Due risultati meritano attenzione speciale.
Il primo: chi aveva ricevuto la formazione al prompting andava meglio dentro la frontiera e peggio fuori. La familiarità con lo strumento non produce discernimento sui suoi limiti: produce fiducia. Dell’Acqua lo aveva già chiamato, in un lavoro precedente sui recruiter HR, falling asleep at the wheel.
Il secondo è il più importante, ed è quello che nella versione 2023 non c’era. Gli autori hanno fatto valutare la coerenza soggettiva delle raccomandazioni, quanto bene l’argomento fosse strutturato e sostenuto, da giudici che non sapevano quale fosse la risposta corretta. I soggetti assistiti dall’AI producevano output più persuasivi sia quando avevano ragione sia quando avevano torto. Nel sottogruppo di chi aveva sbagliato, la qualità argomentativa percepita saliva del 29%.
In una gerarchia dove il senior valuta il junior leggendo il suo output, questo è un problema serio: il segnale su cui si è sempre basata la supervisione, la solidità apparente del ragionamento, smette di correlare con la correttezza.
Ma il punto strutturale è un altro. Guardiamo cosa stava dentro la frontiera dell’AI: proporre idee per un nuovo prodotto, segmentare un mercato, scrivere un comunicato stampa, redigere un memo. Guardiamo cosa stava fuori: incrociare dati quantitativi con dettagli sparsi in interviste qualitative per arrivare a una raccomandazione che contraddice la lettura superficiale del foglio di calcolo. Il primo insieme è il lavoro che lo junior fa per imparare il mestiere. Il secondo è ciò che il professionista è capace di fare dopo aver fatto esperienza. La frontiera dell’AI taglia il lavoro della conoscenza esattamente lungo la linea che separa l’apprendistato dalla maturità professionale.
Cosa dicono le buste paga sui ruoli d’ingresso
Se Dell’Acqua descrive il meccanismo, il paper di Brynjolfsson, Chandar e Chen dello Stanford Digital Economy Lab ne misura l’effetto aggregato. I dati provengono da ADP, il più grande processore di payroll americano: record mensili su 3,5-5 milioni di lavoratori, fino a settembre 2025. Non sondaggi, non annunci di lavoro: buste paga.
I lavoratori tra 22 e 25 anni nelle occupazioni più esposte all’AI registrano un calo occupazionale relativo del 16%, una volta controllati gli effetti fissi impresa-tempo. Per gli sviluppatori software di quella fascia il calo sfiora il 20%. Ma nelle stesse occupazioni, nelle stesse imprese, i lavoratori più esperti crescono. Il controllo per firm-time è decisivo: esclude che si tratti di uno shock di settore che colpisce tutti. L’effetto è differenziale per età, dentro la stessa azienda.
La distinzione automazione/augmentation separa nettamente gli esiti. Dove l’AI viene usata per automatizzare, delega diretta del compito, l’occupazione giovanile scende. Dove viene usata per potenziare: iterazione, apprendimento, validazione, non scende. La tecnologia non ha un effetto, ne ha due e dipendono da come viene inserita nel flusso di lavoro.
L’aggiustamento avviene sulle quantità, non sui prezzi. Le imprese non pagano meno i junior, ne assumono meno. Il posto che manca non compare in nessuna statistica sulla disoccupazione.
L’ipotesi degli autori fa da cerniera con Dell’Acqua: l’AI sostituisce la conoscenza codificata, manuali, corsi, dati digitalizzati, integra la conoscenza tacita, l’insieme di scorciatoie e giudizi che si accumulano con l’esperienza.
Le due ricerche, sovrapposte, dicono questo: le imprese riducono gli ingressi dove l’AI automatizza, e i compiti che l’AI automatizza meglio sono precisamente quelli su cui l’apprendistato professionale si è sempre costruito. Se la coorte junior si assottiglia, e se i junior che restano attraversano i compiti formativi con l’AI anziché nei compiti formativi, la conoscenza tacita smette di essere prodotta. Il vantaggio degli attuali senior non è una caratteristica permanente del lavoro cognitivo: è la rendita di un percorso che sta venendo meno.
Cosa dice il +5,6% di assunzioni
Passiamo ai dati più recenti. Il sondaggio NACE (Job Outlook 2026 Spring Update, campo febbraio-marzo, 185 rispondenti) rileva un +5,6% nelle assunzioni previste di neolaureati americani per la classe 2026. Nei dettagli del report c’è una storia più articolata.
Il +5,6% è la mediana, non la media. La proiezione autunnale, calcolata come media, era –0,7%; ricalcolata come mediana, era –2,4%. Il salto è trainato da un terzo dei rispondenti (33,7%) che dichiara piani di aumento, a fronte di un 54,9% che mantiene i volumi e di un 11,4% che li riduce. La distribuzione è asimmetrica.
Le ragioni dell’aumento non hanno nulla di tecnologico. Le imprese che assumono di più citano company growth (69,1%) e succession planning (69,1%). Tra le imprese che riducono, l’AI compare al quinto posto: il 15,8% cita AI replacing entry-level jobs, su un campione però di soli 19 rispondenti, troppo piccolo per qualsiasi conclusione.
La sezione AI del report è la più interessante. Il 52,2% dei datori di lavoro dichiara che l’AI non ha affatto ridotto i task entry-level. Ma il 56% ha già discusso la possibilità di sostituire lavoro junior con l’AI. Quando si guarda a come l’AI viene discussa nell’organizzazione, il 79,5% la colloca nella technology exploration, ma solo il 10,7% ipotizza che alcune posizioni may no longer be needed.
Le aziende non stanno tagliando. Stanno decidendo se tagliare. Il +5,6% è una fotografia dello stato attuale, che coesiste con conversazioni organizzative sul futuro di quei ruoli nella maggioranza delle imprese.
C’è un ultimo dato rilevante. Le AI skills sono ultime nella lista delle competenze cercate dai datori di lavoro nel curriculum dei neolaureati: 17%. In cima: teamwork (85%), computer skills (82%), analytical skills (78%). Il mercato non ha ancora deciso di chiedere competenze AI ai neolaureati. Quando comincerà a chiederle, potrebbe scoprire che non le trova, e le conversazioni sulla sostituzione del lavoro junior, oggi al 56%, troveranno una giustificazione aggiuntiva.
Il +10% delle aziende AI-intensive
Lo studio Revelio Labs–Ramp (giugno 2026) misura l’adozione dell’AI in modo originale: tramite i dati di spesa delle corporate card gestite da Ramp. Un’azienda è classificata come adottante se effettua almeno tre mesi consecutivi di acquisti superiori a 100 dollari presso fornitori AI. Circa un quarto delle oltre 21.000 aziende nel campione risulta adottante entro fine 2025.
Il risultato aggregato è che gli adottanti mantengono livelli occupazionali superiori ai non adottanti. Ma l’effetto è interamente concentrato nel terzo superiore della distribuzione di spesa, gli high-intensity adopters, che crescono del 10,2% in più. I restanti due terzi, i low-intensity adopters, non mostrano alcun guadagno occupazionale significativo.
Sull’entry-level la sfumatura è ancora più netta. Tra gli high-intensity adopters, la quota di lavoratori entry-level cresce di 1,15 punti percentuali. Tra i low-intensity adopters, scende. Lo stesso Revelio lo riconosce: studi che non distinguono per intensità di adozione rischiano di catturare il segnale dei low-intensity adopters, che effettivamente assumono meno junior.
C’è poi una questione di selezione che il paper affronta con trasparenza. Gli adottanti non sono un campione casuale: prima dell’adozione crescevano già al 6% annuo contro l’1,6% dei non adottanti, avevano più ingegneri, ed erano tre volte più probabilmente venture-backed. Revelio confronta adottanti con non-ancora-adottanti per mitigare il bias, ma senza una variabile strumentale il nesso causale resta aperto.
Il dato è compatibile con due letture. Le aziende che investono massicciamente in AI scoprono nuove opportunità e assumono di più, junior compresi. Oppure: le aziende già in forte espansione adottano AI più intensamente perché possono permetterselo, e la crescita occupazionale riflette il dinamismo pre-esistente. Le due letture non si escludono.
Ma il punto centrale, per la nostra analisi, è un altro: anche nella lettura più ottimista, Revelio misura quanti entry-level vengono assunti, non cosa fanno una volta assunti. Se il lavoro entry-level assistito dall’AI produce output di qualità ma non sviluppa competenza, come mostra Dell’Acqua, l’aumento degli ingressi non risolve il problema formativo.
La seniorizzazione dei ruoli d’ingresso
Il rapporto PwC (giugno 2026, oltre un miliardo di annunci di lavoro su sei continenti, dati Lightcast) è la fonte più ricca. Introduce un framework che classifica le occupazioni secondo l’impatto dell’AI sulla domanda di expertise umana. Jobs professionalizzati (22% degli annunci): l’AI automatizza i compiti meno articolati, lasciando agli umani quelli più complessi. Jobs democratizzati (52%): l’AI automatizza i compiti più complessi, lasciando quelli meno qualificati. I professionalizzati crescono il doppio dei democratizzati, con salari superiori del 42%.
La sezione entry-level è quella più rilevante. PwC rileva che gli annunci entry-level nel quartile più esposto all’AI sono l’unico quartile in cui le vacancy di primo livello hanno smesso di crescere dal rilascio di ChatGPT. Ma all’interno di questo quartile, i ruoli da Senior, quelli che richiedono almeno dieci competenze tradizionalmente senior come motivational leadership, team building, stakeholder management, data-driven decision making, crescono del 35%. Quelli non Senior calano del 10%.
PwC lo presenta come trasformazione positiva: i ruoli entry-level non scompaiono, si elevano. Ma la trasformazione contiene una domanda implicita che merita di essere esplicitata. Come sviluppa un neolaureato motivational leadership e decision-making strategico se i compiti formativi su cui quelle competenze si costruivano, il lavoro ripetitivo, l’esposizione graduale alla complessità, l’errore in ambiente protetto, sono automatizzati?
Lo stesso PwC lo riconosce quando scrive che le aziende “must rethink how they train, mentor, and scaffold early career pathways to help junior workers build and demonstrate senior skills much earlier.” Un dato aggiuntivo completa il quadro: il 49% dei CEO intervistati per la Global CEO Survey si aspetta che l’AI riduca le assunzioni junior nei prossimi tre anni, contro il 12% per le senior. Il dato sugli annunci cattura ciò che le aziende chiedono oggi. Il dato CEO cattura ciò che prevedono per domani.
Il framework professionalizzati/democratizzati ha anche un limite temporale che vale la pena esplicitare. PwC classifica le occupazioni in base a quali compiti l’AI automatizza oggi, ma la frontiera è mobile. Un lavoro professionalizzato oggi, perché l’AI automatizza il facile, può diventare democratizzato domani, quando l’AI supera il livello di complessità che oggi lo protegge.
Il disallineamento della formazione
Il rapporto Pearson–AWS (aprile 2026, 2.711 intervistati in sei paesi) è l’unico che guarda il lato dell’offerta: la capacità del sistema educativo di produrre i laureati che il mercato chiede.
Il quadro è chiaro. Il 67% dei rispondenti descrive il ritmo del cambiamento come extremely o very fast. Solo il 24% ritiene che le università tengano il passo. Il 70% dei leader accademici prevede un’accelerazione nei prossimi due anni.
Il disallineamento è misurabile. Il 78% dei dirigenti dell’istruzione superiore ritiene che i propri laureati soddisfino le aspettative dei datori di lavoro. Più della metà dei datori di lavoro dichiara il contrario. Quando si chiede quali competenze siano prioritarie, il gap più vistoso è sulla comunicazione e collaborazione: –15 punti tra percezione accademica e domanda reale. Nel Regno Unito il gap raggiunge 27 punti.
Il dato più significativo è questo: il 58% dei datori di lavoro classifica la capacità dei neolaureati di verificare criticamente gli output dell’AI come la loro competenza più debole. Alla luce di Dell’Acqua il dato acquista un peso specifico: se l’AI produce output persuasivi anche quando sbaglia, e se i neolaureati non sanno distinguere, il problema del quality control identificato nell’esperimento si riproduce su scala industriale.
Se poi la seniorizzazione dei ruoli entry-level richiede competenze come leadership e decision-making, e il sistema educativo non le sta producendo, il collo di bottiglia non è solo nel luogo di lavoro: è nel percorso che lo precede.
Chi ricostruisce l’attrito
Non tutto il quadro è cupo. Alcune aziende e istituzioni stanno facendo qualcosa di specifico e interessante: ricostruiscono deliberatamente l’attrito che l’AI ha rimosso, perché hanno capito che quell’attrito era il meccanismo formativo, non un costo da eliminare.
Pininfarina obbliga i giovani designer a disegnare a mano prima di aprire il software generativo. Il chief designer di Shanghai spiega che l’AI porta i giovani a saltare alla conclusione: non vedono errori di proporzione perché il software li nasconde sotto colori e sfondi convincenti. Arup, multinazionale di consulenza ingegneristica, pretende la fisica di base prima della dimestichezza con l’AI: il 70% della formazione avviene sul campo, il 20% per osmosi dai colleghi. ZHA, Zaha Hadid Architects, privilegia i concetti sulla tecnica, ma insiste che si sviluppano solo con il lavoro di squadra in presenza.
L’Illinois Institute of Technology ha adottato un modello humans-in-the-lead costruito su tre pilastri equiparati: competenze tech, pensiero critico, etica. La Fundação Getulio Vargas in Brasile sospende i corsi per una settimana ogni semestre e manda gli studenti nelle aziende. UCL genera 1.500 progetti l’anno con partner industriali, con il 40-45% dei partecipanti successivamente assunti.
Sono soluzioni locali, costose, difficilmente scalabili. Ma condividono un’intuizione: il valore formativo del lavoro entry-level non stava nel prodotto finale, che l’AI replica o supera, ma nel processo. Ricostruire il processo richiede un investimento che va nella direzione opposta all’efficienza di breve periodo. Lo stanno facendo in pochi. Il tempo per farlo è limitato.
Dove portano i dati su AI e lavoro entry-level
Abbiamo chiamato questo meccanismo la scala spezzata: non la distruzione dei posti d’ingresso, ma la rottura del percorso formativo che dai posti d’ingresso portava alla competenza senior. L’AI potenzia il professionista esperto, ma nel farlo rende superfluo il lavoro preparatorio che era, simultaneamente, apprendistato. Il senior diventa più produttivo. Il junior non viene assunto. E quando viene assunto, attraversa i compiti formativi con l’AI anziché nei compiti formativi.
I sei studi analizzati confermano le tre componenti che avevamo identificato.
- L’assottigliamento dei ruoli entry-level nelle professioni cognitive: Brynjolfsson lo documenta sui dati di payroll, PwC lo rileva nel flatlining degli annunci nel quartile più esposto.
- L’interruzione della trasmissione delle competenze: Dell’Acqua la mostra con la subjective coherence quality, Pearson la quantifica nel 58% di employer che identifica la verifica critica come la competenza più debole dei neolaureati.
- L’invisibilità statistica: il dato NACE (+5,6%) e il dato Revelio (+10%) sono perfettamente compatibili con il meccanismo, perché misurano quanti junior vengono assunti, non cosa imparano una volta assunti. Un posto che non viene creato non compare in nessuna statistica sulla disoccupazione.
Le nuove evidenze aggiungono un elemento che nella nostra prima analisi era presente solo come intuizione: la seniorizzazione. PwC la quantifica, +35% per i ruoli entry-level che richiedono almeno dieci competenze tradizionalmente senior, ed è il dato che chiude il cerchio. La seniorizzazione è la scala spezzata vista dall’annuncio di lavoro: l’annuncio chiede ciò che il percorso non produce più. Il sistema educativo, come documenta Pearson, non sta colmando il gap, sottovaluta le competenze relazionali che gli employer mettono in cima alla lista e sopravvaluta la proficiency tecnica sugli strumenti.
Il dibattito pubblico continua a chiedersi quanti posti distruggerà l’AI. La risposta, alla luce di questi dati, è probabilmente pochi, nel breve termine. Ma è la domanda sbagliata. Quella giusta è se l’AI stia interrompendo il meccanismo che produceva competenza professionale. I sei studi, da angolature diverse, rispondono di sì.
Un’economia che perde posti ha bisogno di ammortizzatori. Un’economia che perde gradini ha bisogno di qualcosa di più profondo: una ricostruzione delle scale professionali, prima che la struttura della mobilità sociale si dissolva, in silenzio, un gradino alla volta, fuori dal campo visivo di ogni statistica.
Partecipa alla community