Un paper pubblicato dalla società americana che sviluppa Claude incrocia le capacità teoriche dei modelli linguistici con i dati reali di utilizzo, tracciando per la prima volta una mappa affidabile dell’esposizione professionale all’automazione
Non tutte le professioni sono ugualmente a rischio davanti all’avanzata dell’intelligenza artificiale. A dirlo non è una generica analisi di tendenza, ma una ricerca pubblicata da Anthropic — la società americana che sviluppa il modello di IA Claude — che per la prima volta combina la capacità teorica dei sistemi di IA con i dati concreti di utilizzo quotidiano, costruendo un quadro molto più realistico — e per certi versi sorprendente — di chi potrebbe davvero perdere il lavoro nei prossimi anni.
La novità del metodo: non basta sapere cosa sa fare l’IA
Da anni si moltiplicano le classifiche dei mestieri “a rischio” per colpa dell’intelligenza artificiale. La maggior parte di questi studi si basa su un’analisi teorica: si valuta se un sistema di IA sia in grado di svolgere i compiti associati a una determinata professione, e se la risposta è sì, si conclude che quel lavoro è esposto all’automazione.
Il problema è che questa logica produce stime spesso distorte. Il fatto che una tecnologia possa fare qualcosa non significa che le persone la stiano già usando in quel modo, né che lo faranno a breve. Ci sono vincoli legali, resistenze culturali, procedure di verifica che rallentano l’adozione, limitazioni tecniche ancora irrisolte.
È partendo da questa consapevolezza che due ricercatori — Maxim Massenkoff e Peter McCrory — hanno elaborato un approccio differente, presentato in un paper pubblicato all’inizio di marzo 2026. L’idea centrale è costruire una misura chiamata “esposizione osservata” (observed exposure), che non si accontenta di valutare le capacità potenziali dell’IA, ma le incrocia con i dati reali di utilizzo professionale.
Per farlo, gli autori hanno attinto a tre fonti principali: il database O*NET, che cataloga i compiti associati a circa 800 professioni negli Stati Uniti; le stime teoriche di esposizione elaborate da Eloundou e colleghi nel 2023; e i dati reali di utilizzo registrati nelle conversazioni professionali con sistemi di IA, sia in modalità autonoma che attraverso le API integrate nei software aziendali.
Il risultato è uno strumento capace di distinguere tra ciò che l’IA può fare in linea di principio e ciò che le persone le stanno effettivamente chiedendo di fare nel lavoro quotidiano.
Il divario tra teoria e realtà
Uno dei dati più significativi emersi dalla ricerca riguarda proprio il divario tra capacità teorica e utilizzo reale. Per esempio, nella categoria delle professioni legate all’informatica e alla matematica, la quota di compiti che l’IA potrebbe teoricamente gestire supera il 90%. Ma la quota di compiti che viene effettivamente affidata ai sistemi di IA nel lavoro concreto si ferma al 33%.
Questo divario non è casuale. I ricercatori spiegano che alcune attività, pur essendo tecnicamente automatizzabili, non appaiono nei dati di utilizzo reale perché esistono barriere pratiche che ne frenano l’adozione: requisiti normativi, necessità di supervisione umana, infrastrutture software incompatibili, abitudini consolidate.
L’esempio portato dagli autori è emblematico: autorizzare la ricarica di una ricetta medica e fornire informazioni sulle prescrizioni alle farmacie è un compito che un sistema di IA potrebbe teoricamente svolgere con facilità. Eppure, nei dati reali, questo tipo di attività non compare quasi mai. Il motivo è evidente: le responsabilità legali, la necessità di verifica clinica e i protocolli sanitari rendono praticamente impossibile affidare questo compito a un sistema automatizzato.
Chi rischia davvero: la classifica
Incrociando i dati di esposizione teorica con quelli di utilizzo reale, la ricerca ha elaborato una classifica delle professioni più vulnerabili all’automazione.
In cima alla lista ci sono i programmatori informatici, con una copertura del 75% dei loro compiti professionali già visibile nei dati di utilizzo reale. Non è una sorpresa: la scrittura e la revisione del codice è da tempo una delle applicazioni più diffuse dei sistemi di IA generativa in ambito professionale, e le aziende tecnologiche sono tra le prime ad averne integrato l’uso nei flussi di lavoro quotidiani.
Al secondo posto si trovano i responsabili del servizio clienti. La gestione delle richieste degli utenti, la risposta alle domande frequenti, la risoluzione dei problemi standard sono attività sempre più delegate a sistemi automatizzati, specialmente nei contesti aziendali che dispongono delle risorse per implementare soluzioni su misura attraverso le interfacce di programmazione.
Terza posizione per gli addetti all’inserimento dati, i cui compiti principali — lettura di documenti sorgente e trascrizione delle informazioni — vedono già una quota significativa di automazione nei flussi di lavoro aziendali.
Completano la lista delle dieci professioni più esposte anche gli analisti finanziari, i revisori legali e i redattori di contenuti tecnici.
I mestieri al sicuro: quando le mani contano più del cervello
All’estremo opposto della classifica si trovano le professioni per cui i dati di utilizzo reale sono talmente scarsi da rendere la copertura effettivamente pari a zero. Si tratta del 30% dei lavoratori, quelli che svolgono mestieri fortemente legati alla presenza fisica, alla manualità, al contatto diretto con persone o ambienti.
Cuochi, meccanici di motociclette, bagnini, baristi, lavapiatti, assistenti agli spogliatoi: queste figure non compaiono nei dati di automazione non perché i ricercatori le abbiano escluse, ma perché le attività che le caratterizzano — manipolare alimenti, riparare motori, sorvegliare piscine, preparare cocktail — semplicemente non si prestano all’automazione testuale o cognitiva che i sistemi di IA generativa sanno offrire.
È una distinzione importante, perché ribalta un luogo comune diffuso. Spesso si assume che i lavori a maggior contenuto intellettuale siano i più difficili da automatizzare, mentre quelli manuali sarebbero più vulnerabili. La realtà, almeno nell’era attuale dell’IA generativa, sembra essere esattamente l’opposto: sono le professioni cognitive e d’ufficio a essere più esposte, mentre quelle che richiedono presenza fisica, senso pratico e interazione diretta restano per ora fuori portata.
Chi sono i lavoratori più a rischio: il profilo demografico
La ricerca non si limita a descrivere le professioni esposte, ma ne traccia anche il profilo demografico, con risultati che meritano attenzione.
Confrontando le caratteristiche dei lavoratori nel quartile più esposto con quelli nel gruppo a esposizione zero, emergono differenze marcate:
- I lavoratori nelle professioni più esposte sono più frequentemente donne (con uno scarto di 16 punti percentuali rispetto al gruppo meno esposto)
- Sono più spesso di etnia bianca (11 punti in più) e circa il doppio più spesso di origine asiatica
- Guadagnano in media il 47% in più rispetto ai lavoratori meno esposti
- Hanno un livello di istruzione più elevato: le persone con laurea magistrale o dottorato sono quasi il 17% del gruppo più esposto, contro il 4,5% di quello meno esposto
Questi dati suggeriscono che l’impatto dell’IA non seguirà le linee di frattura che molti si aspettano. Non saranno i lavoratori a basso reddito e bassa istruzione a essere colpiti per primi — almeno non in questa fase — ma i professionisti qualificati del settore tecnologico, amministrativo e dei servizi avanzati.
L’impatto sull’occupazione: nessuna crisi (per ora), ma qualcosa si muove tra i giovani
Uno degli aspetti più delicati dello studio riguarda la ricerca di effetti concreti sull’occupazione già visibili nei dati. I ricercatori hanno analizzato i tassi di disoccupazione delle professioni più esposte dal 2016 a oggi, confrontandoli con quelli delle professioni meno esposte.
Il risultato principale è che, fino ad oggi, non si registra alcun aumento significativo della disoccupazione nelle professioni più a rischio rispetto alle altre. Il tasso di disoccupazione delle categorie più esposte è rimasto sostanzialmente stabile rispetto a quello delle categorie meno esposte, senza divergenze statisticamente rilevanti.
Questo non significa che l’IA non stia avendo alcun effetto sul mercato del lavoro. Significa che, almeno per ora, gli effetti sono troppo graduali e dispersi per emergere dai dati aggregati sulla disoccupazione.
C’è però un segnale più sottile che ha attirato l’attenzione dei ricercatori. Analizzando i lavoratori più giovani, nella fascia tra i 22 e i 25 anni, emerge una tendenza preoccupante: il tasso di assunzione nelle professioni più esposte sta calando in modo statisticamente significativo. Mentre il tasso di ingresso in professioni poco esposte rimane stabile intorno al 2% mensile, quello nelle professioni ad alta esposizione è sceso di circa mezzo punto percentuale. Tradotto in termini relativi, si tratta di un calo del 14% nel tasso di nuove assunzioni giovanili nelle professioni a rischio.
I ricercatori sono cauti nell’interpretare questo dato: potrebbe riflettere una riduzione delle assunzioni da parte delle aziende che si aspettano di sostituire parte del lavoro junior con sistemi automatizzati, oppure una scelta degli stessi giovani di orientarsi verso professioni diverse. Ma il segnale è coerente con altri studi indipendenti che hanno osservato dinamiche simili.
Un termometro precoce, non una profezia
Gli autori sono espliciti nel sottolineare i limiti della loro analisi. Il metodo che propongono non cattura tutti i modi in cui l’IA potrebbe ridisegnare il mercato del lavoro: non considera, per esempio, i fenomeni di creazione di nuove professioni che storicamente accompagnano ogni grande trasformazione tecnologica, né tiene conto dei possibili effetti indiretti sui settori non direttamente automatizzabili.
Ma la loro ambizione non è prevedere il futuro con precisione: è costruire uno strumento di monitoraggio affidabile che possa essere aggiornato periodicamente man mano che i dati di utilizzo evolvono e le capacità dei sistemi di IA si espandono.
Il paragone che propongono per descrivere la natura dell’impatto dell’IA sul lavoro è illuminante. Non si tratterà di uno shock improvviso come quello della pandemia, dove gli effetti sul mercato del lavoro furono immediati e inconfondibili. Sarà piuttosto simile all’impatto di Internet o dell’apertura commerciale con la Cina: trasformazioni profonde ma graduali, che si dispiegano nel corso di anni o decenni, e che spesso diventano pienamente visibili solo quando è ormai tardi per prepararsi.
È proprio in questa fase di latenza — quando i cambiamenti ci sono ma non sono ancora chiari — che uno strumento come quello proposto dai ricercatori può essere più utile: per identificare le professioni in difficoltà prima che la crisi diventi evidente, e per orientare le politiche di formazione e riqualificazione con largo anticipo.
Cosa cambia per le politiche del lavoro
Le implicazioni pratiche di questa ricerca vanno ben oltre l’accademia. Se il metodo proposto si dimostrasse affidabile nel tempo — e i primi riscontri sui giovani lavoratori suggeriscono che potrebbe esserlo — potrebbe diventare uno strumento prezioso per:
- Orientare gli investimenti nella formazione professionale, concentrando le risorse sulle competenze meno esposte all’automazione o su quelle complementari ai sistemi di IA
- Progettare politiche di ammortizzatori sociali calibrate sui settori effettivamente in difficoltà, invece di distribuire risorse su categorie vagamente identificate come “a rischio”
- Informare i giovani che si affacciano al mercato del lavoro sulle prospettive reali delle professioni che stanno considerando
- Monitorare in tempo reale l’evoluzione dell’impatto dell’IA, aggiornando le stime man mano che l’utilizzo cambia
La sfida, ovviamente, è che questi dati siano resi accessibili e interpretati correttamente da chi ha il potere di agire.
Il nodo della credibilità
C’è un elemento che non può essere ignorato nella valutazione di questa ricerca: il fatto che sia stata condotta utilizzando i dati di utilizzo di una piattaforma commerciale di IA. Gli autori stessi riconoscono che i dati disponibili riflettono le abitudini degli utenti di quella specifica piattaforma, che potrebbero non essere rappresentativi dell’utilizzo complessivo dell’IA nei contesti lavorativi.
Detto questo, la trasparenza metodologica dello studio — con appendici dettagliate sulle scelte tecniche e sui loro effetti sui risultati — e la coerenza dei risultati con quelli di ricerche indipendenti condotte con metodi diversi, sono elementi che ne rafforzano l’affidabilità.
Il messaggio finale resta comunque chiaro: l’intelligenza artificiale sta già ridisegnando il mercato del lavoro, anche se gli effetti più profondi non sono ancora visibili nelle statistiche aggregate. E capire dove e come sta avvenendo questo cambiamento — oggi, prima che diventi irreversibile — è molto più utile che scoprirlo solo quando sarà troppo tardi per intervenire.
Fonte: “Labor market impacts of AI: A new measure and early evidence”, Maxim Massenkoff e Peter McCrory — pubblicato da Anthropic, marzo 2026. Disponibile su anthropic.com/research/labor-market-impacts