Gli impatti economici dell’intelligenza artificiale sul mondo del lavoro stanno emergendo con contorni più definiti grazie a recenti studi che consentono di aggiornare le riflessioni sugli impatti concreti dell’intelligenza artificiale sul mondo del lavoro. Due importanti ricerche offrono una fotografia aggiornata degli effetti concreti dell’IA sulle imprese e sull’occupazione.
Indice degli argomenti
La realtà deludente degli investimenti aziendali in AI
Da un lato, infatti, i risultati ottenuti finora dalle imprese americane, e a maggior ragione da quelle italiane, rispetto alle promesse sono abbastanza modesti. Anche gli effetti di sostituzione dei lavoratori sono molto meno drammatici di quanto diversi studi e previsioni minaccino.
Secondo un recente studio del MIT Project NANDA (State of AI in business 2025) nonostante investimenti globali stimati fra i 30 e i 40 miliardi di dollari, il 95% delle iniziative aziendali non ha prodotto ritorni tangibili. Solo un 5% di progetti pilota ha generato veri impatti di conto economico. La ragione non è la qualità dei modelli o la lentezza normativa, ma la difficoltà di adattare le soluzioni ai processi reali. Strumenti generalisti come ChatGPT o Copilot hanno successo perché facili da usare e flessibili; le soluzioni enterprise, spesso rigide e poco integrabili, si arenano prima della fase di produzione. Gli effetti sulla produttività (e sui profitti) si riusciranno a vedere quando si riuscirà a modificare i processi di presa delle decisioni in modo da valorizzare il contributo della AI, come del resto è avvenuto in altre innovazioni general purpose.
L’adozione dell’intelligenza artificiale parte dal basso
Mentre le iniziative ufficiali arrancano, cresce una sorta di diffusione ombra dell’AI. Secondo i ricercatori, il 90% dei lavoratori intervistati usa account personali di ChatGPT o Claude per compiti quotidiani, contro appena il 40% delle aziende che hanno attivato licenze ufficiali. In altre parole, l’AI sta già cambiando i flussi di lavoro, ma lo fa dal basso, in modo informale e spesso invisibile ai manager.
Sistemi agentici e integrazione adattiva nei workflow
Le imprese che riescono a colmare questo divario sono quelle che imparano dai comportamenti spontanei dei dipendenti e costruiscono strumenti adattivi, capaci di ricordare, personalizzare e integrarsi nei workflow. Qui entra in gioco la nuova generazione di sistemi “agentici”, progettati per apprendere nel tempo e orchestrare attività complesse.
Il confronto tra investimenti degli utilizzatori e dei produttori
I 30-40 miliardi di investimenti delle imprese utilizzatrici vanno quindi confrontati con gli oltre 300 miliardi di investimenti previsti dai principali produttori di sistemi AI. Questo confronto ci dice che siamo ancora in una fase di corsa e gara tecnologica e che probabilmente ci sarà un processo di selezione. Inoltre, conferma come i principali utilizzatori di AI siano ancora le piattaforme che la stanno sviluppando.
Gli effetti differenziati sull’occupazione per età
Specularmente l’effetto complessivo di sostituzione dei lavoratori è presente ma per il momento molto limitato. Lo studio di Erik Brynjolfsson e colleghi, basato su le buste paga di milioni di lavoratori, tra il 2021 2 il 2025, gestite da ADP, documenta su un campione molto grande per la prima volta effetti concreti e differenziati. Dal 2022 i lavoratori tra i 22 e i 25 anni nei settori più esposti all’AI – come sviluppo software e customer service – hanno perso circa il 13% di occupazione relativa. Per le stesse professioni, i lavoratori più anziani non solo hanno retto l’urto, ma in molti casi hanno visto crescere la domanda di lavoro.
Conoscenza codificata versus conoscenza tacita
L’AI sostituisce soprattutto la conoscenza codificata, quella che si apprende nei corsi universitari o nei manuali, tipica degli entry-level. Molto più difficile è replicare la conoscenza tacita che si costruisce con l’esperienza: scorciatoie, intuizioni, relazioni. Così, mentre i junior vengono penalizzati, i senior – depositari di competenze meno automatizzabili – risultano più resilienti.
Dinamiche occupazionali senza riduzione salariale
Un altro dato rilevante è che le correzioni non avvengono sui salari, rimasti sostanzialmente stabili, ma sul numero di occupati, anche negli USA: le aziende scelgono di non assumere, piuttosto che abbassare le retribuzioni. In questo senso l’AI sembra agire più come un freno all’ingresso delle nuove generazioni che come un fattore di licenziamenti massivi.
Non tutti i settori vivono gli stessi effetti. Brynjolfsson distingue chiaramente tra usi di automazione dell’AI – che sostituiscono il lavoro umano – e usi incrementali, che lo potenziano. I primi (call center, debug di codice, attività ripetitive) riducono l’occupazione giovanile; i secondi (analisi di dati complessi, marketing personalizzato, supporto alla scrittura) non mostrano impatti negativi e talvolta favoriscono nuova occupazione.
Strategie aziendali per il successo nell’adozione AI
Questa distinzione è cruciale anche per le imprese: investire in casi d’uso a forte valenza aumentativa non solo riduce il rischio sociale, ma aumenta la probabilità di ritorno economico. Non a caso, i progetti di successo rilevati dal MIT riguardano l’integrazione intelligente nei processi – customer retention, riduzione della spesa in outsourcing, automazione mirata della finanza e della logistica – più che campagne di marketing ad alto impatto mediatico.
Trasformazione strutturale limitata a pochi settori
Sette dei nove grandi settori monitorati dal MIT non mostrano ancora segni di vera trasformazione strutturale: niente nuove leadership di mercato, nessuna rivoluzione dei modelli di business. Solo tecnologia e media stanno vivendo cambiamenti visibili, con l’emergere di player AI-native. In tutti gli altri comparti prevalgono sperimentazioni senza scala.
Una curva di adozione più lenta del previsto
Questo non significa che l’AI non avrà effetti dirompenti, ma che la curva di adozione sarà più lunga e accidentata di quanto si pensasse. Le barriere non sono infrastrutturali o legali, ma cognitive e organizzative: mancano sistemi che imparano, mancano metriche di ROI per i processi meno visibili, manca fiducia negli strumenti enterprise.
Se ne ricavano due lezioni. Primo: la retorica della sostituzione di massa appare esagerata. L’AI colpisce oggi soprattutto i giovani entry-level di alcuni settori, senza provocare ondate generalizzate di disoccupazione. Secondo: per le imprese il vero discrimine non è “adottare o no” l’AI, ma come adottarla. Le organizzazioni che usano l’AI come gadget comunicativo restano intrappolate nel ritardo di adozione; quelle che la integrano nei processi, con sistemi che apprendono e si adattano, ottengono già risparmi e vantaggi competitivi.
