AI, crollano i lavori entry-level: allarme per i giovani

I numeri chiave del report Anthropic

Il dato più significativo è che il 77% delle attività svolte tramite API si configura come automazione, a fronte di circa il 50% registrato tra gli utenti consumer di Claude.ai. Ancora più rilevante è che il 97% dei compiti svolti via API è dominato da schemi automatizzati, a dimostrazione di come le aziende si orientino verso la delega completa piuttosto che la collaborazione.

Nel giro di otto mesi è aumentata in maniera evidente la quota di interazioni “direttive”, passata dal 27% al 39%, segno che cresce la fiducia nel modello e la propensione a lasciargli gestire interi processi senza iterazioni successive.

L’evoluzione verso la creazione automatizzata

Allo stesso tempo si osserva uno spostamento dal debugging alla creazione di nuovo codice: le attività di generazione sono aumentate dal 4,1% all’8,6%, mentre quelle di correzione sono diminuite dal 16,1% al 13,3%, con un saldo netto di oltre sette punti percentuali verso la creazione.

Il report documenta anche variazioni in altri ambiti. Le attività educative sono passate dal 9,3% al 12,4% e quelle scientifiche dal 6,3% al 7,2%, mentre le attività di business e operazioni finanziarie sono scese dal 6% al 3% e la gestione dal 5% al 3%. La funzione di ricerca web ha contribuito a far crescere i compiti di “searching electronic sources and databases” dallo 0,03% allo 0,49% e quelli di ricerca online dallo 0,003% allo 0,27%. Anche i compiti legati allo sviluppo di materiali didattici sono aumentati dallo 0,2% all’1,5%, un incremento di oltre sei volte, e la creazione di documenti multimediali è triplicata, passando dallo 0,16% allo 0,55%.

Le implicazioni occupazionali: rischi per i giovani lavoratori

Sulla base del recente studio di Harvard avevamo mostrato come l’AI stia modificando i criteri di assunzione: le posizioni entry-level si riducono, i criteri diventano più selettivi e si accentua la polarizzazione tra chi ha competenze forti e chi invece rischia di rimanere indietro. Il report Anthropic rafforza questo scenario, se le aziende delegano a Claude i compiti semplici e ripetitivi, viene meno lo spazio formativo per i giovani. L’entry-level ha sempre rappresentato un punto di accesso al lavoro, basato su mansioni a basso valore aggiunto che consentivano di imparare e crescere professionalmente. Se queste mansioni scompaiono perché automatizzate, il rischio è di creare un blocco strutturale all’ingresso nel mercato, con conseguenze gravi sulla mobilità sociale e sulla capacità delle imprese di formare internamente nuove competenze.

Polarizzazione e divari: la nuova geografia del lavoro

Non tutti i lavoratori saranno colpiti allo stesso modo. Chi possiede conoscenze tacite, capacità di orchestrare l’AI e di adattarsi a nuovi workflow potrebbe diventare più richiesto e vedere crescere i salari, anche perché rappresenta una risorsa in grado di connettere saperi umani e potenza computazionale. Al contrario, chi resta ancorato a competenze facilmente sostituibili rischia di essere marginalizzato e confinato in mansioni di scarso valore.

Questo porta a scenari di polarizzazione, con nuove disuguaglianze generazionali e sociali che potrebbero ampliarsi non solo tra giovani e adulti, ma anche tra settori e territori diversi. In prospettiva, il mercato del lavoro rischia così di dividersi tra una élite in grado di integrare e potenziare l’uso dell’AI nei processi, trasformando la tecnologia in leva per innovazione, produttività, leadership con una massa di lavoratori esclusi o relegati a ruoli residuali, accentuando la frattura tra chi riesce a governare la tecnologia e chi la subisce, con conseguenze profonde sulla coesione sociale e sulle prospettive di mobilità economica.

Divari territoriali e globali

Il report mette in evidenza anche una geografia diseguale. Le economie avanzate tendono a usare Claude in modalità collaborativa, privilegiando forme di interazione e supporto potenziato al lavoro umano, mentre nei Paesi emergenti prevale la delega totale, cioè l’automazione. A Singapore, per esempio, l’uso pro capite è 4,6 volte superiore rispetto a quanto ci si aspetterebbe in base alla popolazione in età lavorativa (secondo l’Anthropic AI Usage Index, che misura l’utilizzo rispetto alla popolazione attiva), mentre in India si ferma a 0,27x e in Nigeria a 0,2x. Negli Stati Uniti, Washington DC registra un tasso di utilizzo 3,82 volte superiore rispetto alla media, seguita da Utah con 3,78x, a dimostrazione di come le caratteristiche locali dell’economia modellino l’adozione. Questa dinamica rischia di ampliare le disuguaglianze globali, rafforzando i Paesi dotati di infrastrutture digitali solide e capitale umano qualificato, e rallentando quelli che invece non riescono a integrare queste tecnologie. In prospettiva, l’AI potrebbe dunque accentuare il divario Nord-Sud, consolidando un vantaggio competitivo nelle regioni più ricche.

Strategie per il futuro

La sfida per imprese e policy maker è articolata e richiede una visione di lungo periodo.

• Non basta introdurre programmi di formazione una tantum, occorre un vero e proprio ecosistema di apprendimento continuo che includa università, centri di ricerca, imprese e istituzioni pubbliche. Servono percorsi integrati di reskilling e upskilling che abbraccino competenze tecniche, digitali e trasversali, così da permettere ai lavoratori non solo di usare strumenti di AI, ma anche di comprenderne limiti e implicazioni etiche.

• Le politiche di ingresso dovrebbero essere riviste in chiave sperimentale: stage e apprendistati potrebbero trasformarsi in laboratori di co-creazione tra giovani e sistemi di AI, dove il valore non sta più nell’eseguire compiti ripetitivi ma nell’imparare a governare la tecnologia.

• Allo stesso tempo, governi e aziende devono immaginare incentivi e nuovi modelli organizzativi capaci di creare ruoli che non esistono ancora, costruendo filiere in cui l’AI sia leva di crescita inclusiva e non fattore di esclusione. per imprese e policy maker è complessa.

• Occorre investire in formazione continua e reskilling per accompagnare i lavoratori verso ruoli complementari all’AI, garantendo che l’automazione non significhi esclusione ma evoluzione professionale.
• È necessario ripensare anche le politiche di ingresso: stage, apprendistati e programmi per neolaureati dovrebbero includere competenze di AI, trasformando l’entry-level da anello debole a palestra per sviluppare nuove capacità digitali.
• Infine, serve un governo del cambiamento che non si limiti a calcolare i posti persi, ma che immagini e sostenga la creazione di nuovi ruoli, filiere e opportunità in cui l’AI diventa una leva per innovazione e crescita inclusiva.

Verso un nuovo contratto sociale

Il report Anthropic rappresenta un segnale chiaro. Le aziende stanno già usando l’AI in modo sistematico e orientato all’automazione, e questo fenomeno non può più essere ignorato.

La questione centrale è se tale evoluzione porterà a più produttività e opportunità o se rischia invece di produrre nuove forme di esclusione e disuguaglianza. Il futuro del lavoro dipenderà da come governeremo questa trasformazione, dalle politiche che adotteremo e dalla capacità delle imprese e delle istituzioni di guidare la rivoluzione in corso verso uno sviluppo equo e sostenibile.

Non si tratta solo di gestire un cambiamento tecnologico, ma di ridefinire il contratto sociale attorno al lavoro: chi verrà sostenuto nelle transizioni, quali competenze saranno considerate strategiche, quali territori riceveranno investimenti e quali rischiano di restare indietro. In questo senso, la sfida riguarda non solo la produttività ma anche la giustizia sociale, la coesione delle comunità e la capacità di garantire a tutti l’accesso a nuove opportunità create dall’AI.