Nell’attuale narrazione sull’intelligenza artificiale applicata al mondo del lavoro, si insinua un equivoco che rischia di ridurre la portata reale della trasformazione in atto. Nei contesti aziendali, durante i convegni e nelle aule di formazione, si insiste sull’importanza di apprendere l’arte del prompt, sulla presunta superiorità di chi sa utilizzare l’AI e sulla competenza futura di dialogare efficacemente con le macchine. Sono affermazioni che contengono elementi di verità. Tuttavia, rappresentano solo la superficie di un cambiamento molto più profondo.
Imparare a scrivere prompt efficaci ricorda, per impatto, la diffusione delle competenze di ricerca su Internet nei primi anni 2000. Si tratta certamente di una capacità utile, ma non determinante per ridefinire le professioni. Il vero nodo riguarda la natura stessa delle attività lavorative: oggi, sistemi di intelligenza artificiale sono in grado di automatizzare processi che un tempo richiedevano il contributo sequenziale di più persone. Questo scenario impone un ripensamento delle figure coinvolte, dei compiti assegnati e delle responsabilità attribuite.
Siamo di fronte a una svolta epocale. La sfida non consiste nell’acquisizione delle sole competenze digitali, ma nella revisione strutturale di ruoli, processi decisionali e identità professionali. È una rivoluzione organizzativa che richiama, per ampiezza e impatto, quella industriale vissuta nel secolo scorso; come allora, non basta saper usare nuovi strumenti, ma occorre ripensare dalle fondamenta l’organizzazione e il senso stesso del lavoro.
Indice degli argomenti
Intelligenza artificiale e lavoro: gli esempi della trasformazione
Prendiamo uno degli esempi più emblematici: la sanità. La struttura sanitaria è storicamente organizzata attorno a processi definiti, protocolli standardizzati, percorsi diagnostico-terapeutici costruiti sulla base di evidenze statistiche di popolazione.
Il gemello digitale del paziente e la fine della medicina per protocollo
Un medico di base visita un paziente, raccoglie dati anamnestici, confronta i sintomi con pattern noti, prescrive esami o farmaci secondo linee guida. Un infermiere esegue procedure codificate. Un amministrativo registra, archivia, trasmette.
Nel prossimo futuro, il modo in cui vengono proposte le cure ai pazienti subirà trasformazioni sostanziali. Questo non significa che la figura del medico sia destinata a scomparire, ma che il suo ruolo si trasformerà profondamente. Con l’avvento del gemello digitale, il professionista sanitario non sarà più chiamato principalmente a svolgere compiti diagnostici: l’intelligenza artificiale, grazie alla sua superiore capacità di elaborazione dei dati, assumerà un ruolo centrale in questa fase, con il medico che si troverà ad essere interprete della complessità umana, capace di mediare tra la precisione algoritmica e il vissuto del paziente. Saper integrare le raccomandazioni prodotte dal sistema con le esigenze relazionali, i valori etici e il contesto sociale diventerà una competenza fondamentale.
La presenza umana nel processo decisionale rimarrà indispensabile, ma la natura di questo contributo sarà diversa: si tratterà di una professionalità nuova, in grado di connettere tecnologia e persona in un equilibrio che nessun modello matematico è ancora in grado di garantire. E questa nuova professionalità non trova ancora spazio nei piani di studio delle facoltà di Medicina italiane: non ci sono corsi strutturati sull’interpretazione critica degli output algoritmici, sulla gestione dei confini tra raccomandazione automatizzata e responsabilità clinica, sulla relazione terapeutica in un contesto mediato dall’AI.
Pubblica Amministrazione e AI: la trasformazione più urgente
Se il privato ha almeno la pressione competitiva del mercato come stimolo al cambiamento, la Pubblica Amministrazione vive in un contesto diverso. I meccanismi di incentivo sono più lenti, le resistenze al cambiamento più consolidate, i vincoli normativi più rigidi. Eppure è proprio nella PA che la trasformazione prodotta dall’AI è potenzialmente più dirompente e più necessaria.
Abbiamo visto come il problema si ponga nel settore sanitario, dove il medico rischia di diventare un validatore passivo di raccomandazioni algoritmiche che non è formato a interrogare. Nella Pubblica Amministrazione il meccanismo è lo stesso, ma la posta in gioco è ancora più alta: perché la PA non è un attore marginale del mercato del lavoro. È il primo datore di lavoro del Paese, presidio di diritti fondamentali dei cittadini, luogo in cui le decisioni hanno conseguenze dirette sulla vita delle persone. Il problema si declina in modo concreto, professione per professione.
L’istruttore di gara nell’ufficio appalti
L’istruttore di gara rappresenta una figura chiave nel panorama tecnico-giuridico degli appalti pubblici. Supervisiona tutte le fasi della procedura di affidamento, dalla verifica dei requisiti dei partecipanti al controllo della documentazione amministrativa, dall’applicazione dei criteri di esclusione stabiliti dal Codice degli Appalti alla redazione dei verbali di gara e alla gestione dei ricorsi in autotutela. Si tratta di un profilo che richiede esperienza, conoscenza approfondita della normativa, capacità di muoversi tra eccezioni e particolarità di ogni gara.
Oggi, i sistemi di intelligenza artificiale, addestrati su testi normativi, giurisprudenza e regolamenti, sono in grado di automatizzare gran parte delle attività dell’istruttore: verifica documentale, controllo dei requisiti, individuazione delle cause di esclusione, stesura di verbali conformi alla legge. Processi che un tempo richiedevano settimane si riducono a poche ore.
Il ruolo dell’istruttore tuttavia non viene cancellato. Cambia profondamente: non è più l’esecutore materiale delle procedure, ma diventa supervisore critico del lavoro svolto dalla macchina. Deve interpretare gli output generati dall’AI, riconoscere quando l’applicazione automatica della norma non si adatta al caso concreto, gestire le situazioni ambigue. La sua competenza si trasforma: diventa un giurista specializzato nell’audit dei sistemi automatizzati. Questa nuova professionalità, però, non trova ancora spazio nei profili del pubblico impiego, non viene prevista nei bandi di concorso, né formata nei percorsi universitari o master in management pubblico.
L’assistente sociale nel servizio di welfare municipale
L’assistente sociale comunale si trova a gestire un carico di casi complesso: famiglie in difficoltà economica, anziani non autosufficienti, minori a rischio, persone con dipendenze, emergenze abitative. Il lavoro si basa su colloqui, valutazioni, relazioni, attivazione di risorse e coordinamento con altri enti. Tuttavia, gran parte della giornata lavorativa viene assorbita dalla burocrazia: compilazione di moduli, rispetto delle scadenze, rendicontazione, aggiornamento delle cartelle sociali.
L’intelligenza artificiale può automatizzare molte di queste attività amministrative. Se integrata con le banche dati comunali, INPS, ASL e tribunali, può monitorare scadenze, aggiornare situazioni reddituali, segnalare nuclei familiari a rischio, generare report per i servizi di tutela. Il tempo liberato dalla burocrazia diventa risorsa preziosa per la relazione umana.
Per rispondere alle nuove sfide, è indispensabile una formazione diversa: meno centrata sulle procedure, più focalizzata sul giudizio clinico-sociale, sulla lettura critica dei dati, sulla capacità di lavorare in simbiosi con sistemi automatizzati senza perdere la dimensione umana. Nei corsi di laurea in Servizio Sociale italiani, questa prospettiva è ancora quasi assente.
Skill gap accelerato: il tempo è la variabile più critica
C’è una differenza fondamentale tra questa transizione e quelle che l’hanno preceduta, e non è di natura tecnologica: è una differenza di tempo. La prima rivoluzione industriale si è dispiegata nell’arco di generazioni. Quella digitale degli anni Ottanta e Novanta ha lasciato decenni di adattamento, durante i quali i sistemi formativi hanno faticosamente prodotto nuove figure professionali. Il perito informatico, il sistemista, il web designer: professioni nate dal nulla e poi normalizzate, certificate, inserite nei contratti collettivi.
Oggi il ciclo è radicalmente diverso: il reshaping del lavoro non è più un fenomeno generazionale, è un fenomeno che avviene all’interno della vita lavorativa attiva di una singola persona, talvolta nell’arco di pochi anni. L’AI non aspetta i curricula universitari, non aspetta i tavoli di contrattazione, né tantomeno aspetta che le istituzioni riconoscano il problema.
Si introduce il tema dello skill gap accelerato. Non stiamo parlando di un divario tra le competenze esistenti e quelle future, ma di un divario che si apre mentre le persone sono ancora in formazione. Le analisi di Chatham House, McKinsey e World Economic Forum sui “lavori del futuro” risultano spesso superate al momento della loro diffusione: il tempo della previsione e quello dell’applicazione non coincidono più. Ciò produce una condizione inedita: la formazione rischia di essere strutturalmente in ritardo, non per mancanza di qualità, ma per ragioni sistemiche legate alla velocità del cambiamento.
Obsolescenza professionale e crisi delle professioni “nobili”
Un secondo elemento centrale è la crisi identitaria connessa alla trasformazione professionale. La professione è raramente solo un insieme di compiti: è un sistema di significato, un’appartenenza, uno status costruito nel tempo. Dire a un medico formato in dieci anni di laurea e specializzazione che il suo ruolo principale non è più diagnosticare ma supervisionare l’AI è una trasformazione identitaria prima ancora che professionale. E le trasformazioni identitarie generano resistenza, negazione, conflitto. Il problema non è tecnologico: è umano, psicologico, organizzativo.
La risposta delle organizzazioni tende a essere parziale e reattiva: si adottano strumenti, si erogano corsi di aggiornamento sullo strumento, ma non si ridisegna la professione. Si introducono moduli, non si ripensano le traiettorie. Il risultato è quello di una automazione senza trasformazione[1]: un sistema che ottiene guadagni operativi nel breve periodo ma costruisce fragilità strutturale nel medio. Le persone che lavorano nel sistema non capiscono davvero cosa sta succedendo, non sanno intervenire quando la macchina sbaglia, non sviluppano le competenze per navigare la complessità crescente.
C’è una soglia simbolica che questa transizione ha attraversato e che rende il momento attuale qualitativamente diverso da qualsiasi precedente; per la prima volta nella storia del lavoro contemporaneo, l’intelligenza artificiale non minaccia soltanto i compiti ripetitivi, le mansioni a bassa qualificazione, i lavori “a cottimo cognitivo”, ma minaccia, e in alcuni casi già erode, le professioni classiche di valore: quelle costruite su decenni di studio, di pratica, di accumulazione lenta di sapere esperto. Quelle professioni attorno alle quali si è costruita un’identità sociale, un sistema di riconoscimento, un racconto di sé.
Il medico, il giurista, il giornalista investigativo, il revisore dei conti, l’analista finanziario: fino a pochi anni fa erano le professioni-rifugio, quelle che si indicavano come “immuni” all’automazione perché richiedevano giudizio, contestualizzazione, esperienza incarnata. Oggi, sistemi di AI sono in grado di produrre diagnosi differenziali con accuratezza pari o superiore a quella di un medico specialista formato in cinque anni di scuola di specializzazione. Strumenti di legal reasoning automatizzato analizzano migliaia di precedenti giurisprudenziali in pochi secondi, producendo pareri che un giovane avvocato impiegherebbe settimane a elaborare. Algoritmi di analisi finanziaria processano dati di bilancio e indicatori di mercato con una profondità che un analista senior non raggiungerà mai manualmente.
Ma il paradosso più acuto non riguarda le professioni mature, quelle con decenni alle spalle. Riguarda le professioni giovani: quelle che si sono affermate proprio nell’era digitale, che hanno trovato spazio nei piani di studio universitari appena qualche anno fa, e che oggi si trovano già a fare i conti con una obsolescenza prematura. Il data analyst, il SEO specialist, il content strategist, il community manager: figure entrate nei corsi di laurea magistrale come competenze del futuro, che il futuro, con una velocità bruta ha già parzialmente superato. L’AI generativa non ha atteso che queste professioni si consolidassero: le ha raggiunte mentre erano ancora in formazione.
Questo è il dato che dovrebbe colpire di più chi lavora nella formazione superiore e nell’aggiornamento professionale. Non ci troviamo davanti a un’obsolescenza che segue i cicli lenti del mercato del lavoro, lasciando il tempo ai sistemi educativi di adattarsi, ci troviamo davanti a un’obsolescenza che supera i tempi di un corso di laurea magistrale; qualcuno può iniziare un percorso di due anni in una specializzazione e trovarsi, alla laurea, con competenze già parzialmente erose. Il volume e la velocità del cambiamento stanno mettendo in crisi la logica stessa della formazione sequenziale, quella per cui prima si impara, poi si lavora.
I dati sull’obsolescenza professionale confermano l’urgenza
I dati lo confermano con una precisione scomoda. Secondo le rilevazioni più recenti[2] (2025), il 10% dei lavoratori deve già essere riqualificato perché le competenze necessarie per svolgere il proprio lavoro non sono adeguate o sono a rischio obsolescenza in un orizzonte di tre-cinque anni. Non si tratta di una fascia marginale, ma di una massa critica che cresce, con una percezione soggettiva ancora più allarmante: il 32% dei lavoratori teme che le proprie competenze diventino obsolete nell’arco di uno o due anni.
Le organizzazioni stanno rispondendo, ma in modo parziale e spesso reattivo. La tendenza dominante nel 2025 è lo spostamento verso lo sviluppo interno del talento a discapito della ricerca sul mercato esterno: le aziende si sono accorte che le figure già formate per i nuovi ruoli semplicemente non esistono in numero sufficiente. Il Talent Shortage non è una temporanea strozzatura del mercato ma la conseguenza diretta del fatto che il sistema formativo non produce ciò di cui il mercato ha bisogno, perché ciò di cui il mercato ha bisogno cambia più velocemente di quanto il sistema formativo riesca a ridisegnarsi.
Il malcontento diffuso verso i modelli di lavoro attuali non riguarda più la singola azienda o il singolo ruolo, ma il panorama lavorativo nel suo complesso. La quota di lavoratori che si è pentita di aver cambiato lavoro è crollata dal 56% al 20% rispetto all’anno precedente, segno che chi è riuscito a spostarsi ha trovato qualcosa di meglio, ma la maggioranza rimane insoddisfatta della propria posizione senza vedere vie d’uscita praticabili. Il risultato è la crescita silenziosa dei quiet quitter: lavoratori che restano nel ruolo ma riducono progressivamente l’impegno, passati dal 12% al 14% in un solo anno.
Il problema riguarda anche i percorsi formativi che quelle persone stanno ancora attraversando. Un corso di laurea magistrale dura due anni. Una specializzazione medica ne dura cinque. In questo lasso di tempo, il contesto professionale per cui ci si sta preparando può cambiare radicalmente. Gli attuali percorsi formativi sono costruiti su una fotografia del mondo del lavoro che invecchia più velocemente di quanto riescano ad aggiornarsi.
Responsabilità e controllo umano: chi decide quando la macchina decide?
Le organizzazioni si trovano oggi davanti a una questione tanto filosofica quanto pratica, spesso evitata perché complessa e scomoda. Quando un sistema di intelligenza artificiale suggerisce una terapia e il medico decide di seguirla, la responsabilità dell’esito si sfuma. Lo stesso accade quando un algoritmo di credit scoring rifiuta una richiesta di mutuo e il funzionario bancario ne ratifica la decisione senza comprenderla fino in fondo. Oppure quando un sistema di sorveglianza intelligente indica un individuo come sospetto e il poliziotto interviene di conseguenza: il giudizio umano diventa difficile da individuare, quasi si perde tra le maglie del processo automatizzato.
La figura del man in the loop, ossia l’essere umano inserito formalmente nel processo decisionale, rischia di trasformarsi in una presenza puramente simbolica. Si assicura la copertura legale, la decisione finale spetta sempre a una persona, ma il controllo reale viene meno. I sistemi diventano troppo complessi, il volume delle decisioni cresce, il tempo a disposizione si riduce. L’intervento umano si diluisce, senza incidere davvero.
Questo non rappresenta un semplice problema tecnico, bensì una sfida di design organizzativo e, in ultima istanza, di legittimità democratica. Finché non si affronta con serietà la costruzione di processi in cui il controllo umano sia autentico e non nominale, si rischia di dare vita a sistemi fragili: efficienti quando tutto procede normalmente, ma potenzialmente disastrosi in situazioni di emergenza.
Nuove competenze e nuove identità nel lavoro con l’AI
Le istituzioni che si occupano di formazione, università, scuole professionali, enti per l’aggiornamento continuo, si confrontano oggi con una sfida inedita. Sono chiamate a preparare persone per ruoli che ancora non esistono, in ambiti che si trasformano con una rapidità superiore ai tempi di revisione dei corsi. I titoli professionali si stanno ridefinendo, mentre il mercato chiede competenze che mutano prima ancora di essere codificate.
Si può affermare con chiarezza che le competenze maggiormente richieste non saranno soltanto di tipo tecnico. La tecnologia evolve troppo rapidamente. Le abilità specifiche, per quanto importanti, hanno una durata limitata. Occorrerà invece puntare su capacità trasversali e di livello superiore: imparare in modo continuo, gestire l’incertezza, collaborare con sistemi automatizzati conservando il pensiero critico, rendere comprensibile la complessità e assumersi responsabilità etiche in contesti mai esplorati.
C’è poi una questione identitaria profonda: la professione rappresenta molto più di un insieme di compiti; dire “sono un medico”, “sono un insegnante”, “sono un funzionario pubblico” significa esprimere appartenenza, autostima e riconoscimento sociale. Quando questi ruoli vengono ridefiniti in profondità, l’identità personale entra in crisi, gli aspetti emotivi, relazionali e psicologici, pur centrali, rimangono troppo spesso fuori dalla riflessione sulla transizione digitale. Per chi lavora nella pubblica amministrazione, il passaggio dall’attività procedurale all’automazione non si risolve con un semplice corso di aggiornamento: serve un nuovo racconto del proprio ruolo.
Ad oggi, nessuna organizzazione pubblica italiana ha affrontato con decisione questa dimensione. E proprio qui si apre una delle sfide più urgenti per il futuro del lavoro.
Verso una transizione consapevole nell’adozione dell’intelligenza artificiale
La transizione verso l’intelligenza artificiale, affinché sia realmente trasformativa, richiede una strategia solida basata su principi condivisi. L’assenza di soluzioni universali rende necessaria l’identificazione di linee guida concrete, capaci di orientare l’implementazione e l’adattamento ai nuovi scenari tecnologici.
Innanzitutto la ridefinizione continua dei profili professionali. Non è sufficiente introdurre strumenti AI: occorre ridisegnare i ruoli che con quegli strumenti devono interagire, aggiornare i contratti, riscrivere i bandi di concorso, rinnovare i curricula universitari. La revisione dei profili deve diventare una pratica ordinaria, non un’eccezione.
Parallelamente, la centralità dell’identità professionale va riconosciuta come leva per la sostenibilità del cambiamento tecnologico, che ha un impatto profondo non solo sull’organizzazione, ma sulle persone. Investire nella costruzione di nuove narrazioni professionali, oltre che nell’acquisizione di competenze tecniche, aiuta a mantenere il senso e il valore del lavoro in contesti trasformati.
Il controllo umano autentico è un altro aspetto su cui occorre ripensare il modello lavorativo: i processi devono essere progettati affinché il controllo umano sia effettivo. Serve competenza, tempo per il giudizio critico, autorità reale per intervenire. Solo così il ruolo dell’uomo nel sistema tecnologico mantiene significato e incisività.
L’approccio alla trasformazione deve poter contemplare la sperimentazione iterativa. Il cambiamento è continuo e non esiste un modello definitivo, la capacità di sperimentare, di imparare dagli errori, di adattarsi rapidamente diventa centrale. La gestione del cambiamento nell’era dell’AI si trasforma in una competenza permanente, non in un progetto a scadenza.
Infine, la formazione come trasformazione sistemica e non come aggiornamento individuale. Il problema non si risolve formando singole persone su singoli strumenti: richiede un ripensamento dell’architettura complessiva dei percorsi formativi, dalla scuola secondaria all’università, dalla formazione professionale all’apprendimento continuo. Le organizzazioni devono smettere di delegare questo compito alle persone e iniziare ad assumersi la responsabilità sistemica del cambiamento.
Conclusione
Nel momento storico attuale, la sfida non riguarda semplicemente il ruolo che l’intelligenza artificiale assumerà nel mondo del lavoro. Si tratta piuttosto di definire quale modello di lavoro vogliamo costruire e promuovere nell’era dell’AI: è una questione che investe la sfera politica, etica e sociale. Al centro del dibattito devono emergere valori come la dignità, la qualità delle decisioni, lo sviluppo delle persone e non utilizzare come unici criteri guida l’efficienza e velocità.
Ciò che rende questa transizione diversa da tutte le precedenti è la combinazione di tre fattori simultanei: la velocità del cambiamento, che supera i tempi dei sistemi formativi; l’estensione del perimetro, che tocca per la prima volta le professioni ad alta qualificazione e quelle appena nate; e la natura identitaria della crisi, che non riguarda solo competenze ma il senso stesso di ciò che si fa e di chi si è.
Le organizzazioni che sapranno orientarsi in questa transizione saranno quelle capaci di utilizzare l’intelligenza artificiale come leva per ripensare il senso del lavoro collettivo, non come strumento di sostituzione; non sarà una gara a chi implementa più rapidamente le soluzioni digitali, il vero successo sarà nel saper reinterpretare la collaborazione e il significato del lavorare insieme.
Se manca una prospettiva chiara, l’intelligenza artificiale rischia di diventare semplicemente una tecnologia di superficie, che non risolve i problemi ma li amplifica; con una visione solida, invece, si apre la possibilità di costruire davvero qualcosa di nuovo, un percorso di innovazione consapevole, che punta non alla semplice automazione, ma a una trasformazione profonda e sostenibile.
[1] Definizione introdotta nel libro “Reshuffle” di Sangeet Paul Choudary
[2] analisi Osservatori.net Digital Innovation del Politecnico di Milano
