La narrativa dominante sull’intelligenza artificiale recita spesso che la tecnologia non elimina posti di lavoro, ma li potenzia. Un’indagine condotta da Epoch AI insieme a Ipsos su 2.000 lavoratori statunitensi mette però in luce una dinamica più complessa: il 20% dichiara che l’AI ha già sostituito attività che prima svolgeva di persona, mentre il 15% segnala la creazione di nuovi compiti legati all’uso di strumenti automatizzati. Questi numeri incoraggiano a passare dalla retorica alle domande concrete su come la tecnologia stia ridefinendo il lavoro.
La questione principale non è esclusivamente la presenza o meno dell’AI nei luoghi di lavoro — metà degli intervistati afferma di averla utilizzata nell’ultima settimana — ma la qualità e la sostenibilità del lavoro che l’AI sostituisce o supporta.
Se uno strumento esegue un compito in modo meno accurato o a costi nascosti, la trasformazione rischia di generare instabilità anziché guadagni reali di produttività. Per questo motivo vale la pena valutare con attenzione i dati empirici e le esperienze pratiche.
Dati e percezioni: cosa emergere dal sondaggio
Il sondaggio Epoch AI/Ipsos offre una fotografia della percezione dei lavoratori: il 20% che segnala sostituzioni non è un’anomalia statistica, ma un segnale significativo di cambiamento. Secondo osservatori del settore, questo fenomeno non va interpretato come qualcosa da monitorare passivamente, bensì come l’inizio di una ristrutturazione nel mercato del lavoro. La distinzione tra sostituzione e cambiamento di mansione è centrale: molti ruoli non scompaiono del tutto, ma vedono spostare compiti specifici verso strumenti automatizzati, con ricadute su responsabilità, competenze richieste e stabilità occupazionale.
Percezione vs realtà economica
È importante bilanciare la percezione con l’osservazione dei risultati economici reali. Gli effetti teorici di miglioramento della produttività non si materializzano automaticamente: l’introduzione dell’automazione richiede investimenti, integrazione dei processi e supervisione umana. Inoltre, la diffusione di errori o l’adattamento imperfetto dei flussi di lavoro possono annullare vantaggi attesi, mettendo in discussione la promessa che l’AI sia unicamente un moltiplicatore di produttività.
Errori, esperimenti aziendali e limiti pratici
Nel mondo aziendale sono già emersi casi che illustrano i limiti dell’implementazione rapida dell’AI. Alcune imprese che hanno puntato sulla sostituzione di personale con soluzioni automatizzate hanno poi registrato un calo della produttività complessiva, segnalando che l’integrazione non è banale. Un esempio concreto riguarda l’adozione di processi automatizzati che non hanno valorizzato la conoscenza tacita dei lavoratori, generando inefficienze piuttosto che risparmi.
Casi: Amazon e Klarna
Due esempi citati spesso aiutano a capire le insidie pratiche. In alcune iniziative Amazon ha spinto per sostituire attività umane con macchine, ma ha osservato rallentamenti complessivi della produttività laddove l’automazione non è stata calibrata con i processi umani esistenti. Un altro caso è Klarna: l’azienda ha annunciato la sostituzione di centinaia di dipendenti con strumenti basati su AI, ma dopo un periodo di sperimentazione di 11 mesi è tornata a riassumere personale umano perché i risultati non erano sostenibili. Questi esempi mostrano che gli esperimenti su larga scala possono fallire quando vengono sottovalutate variabili operative e qualità del servizio.
Qual è la domanda giusta e quali le implicazioni politiche
Invece di chiedersi soltanto se l’AI sia presente sul posto di lavoro, la domanda più rilevante riguarda la capacità della tecnologia di svolgere compiti con la stessa efficacia, affidabilità e valore economico degli esseri umani.
Se la risposta resta negativa in molti ambiti, allora le ripercussioni sul mercato del lavoro saranno concrete: spostamento di mansioni, bisogno di riqualificazione e possibili perdite occupazionali in settori specifici. È anche una sfida politica: alcuni esperti sottolineano che la finestra per misure di contesto, come politiche di formazione o nuovi strumenti di welfare, si sta riducendo più velocemente di quanto molti governi considerino.
In sintesi, i dati disponibili raccontano di una tecnologia che sta già modificando il modo di lavorare: cambiare non è necessariamente uguale a sostituire, ma il confine è sottile e dipende da qualità, implementazione e scelte aziendali e pubbliche. Occorre dunque procedere con analisi attente, sperimentazioni controllate e politiche che accompagnino la transizione per evitare impatti sociali indesiderati.
