Negli ambienti americani della consulenza e della formazione, a marzo è iniziato a circolare un dossier di 22 pagine firmato da Quantumleap Insights LLC “Future-Proof Careers in the Age of AI“.
Non è l’ennesimo post virale sui lavori del futuro. Si tratta di una sintesi densa su diciassette fonti primarie: World Economic Forum, McKinsey Global Institute, Goldman Sachs Research, PwC Global AI Jobs Barometer, Bureau of Labor Statistics, Stanford HAI, Microsoft/LinkedIn Work Trend Index.
Un documento che i dirigenti aziendali americani stanno usando per orientare le proprie scelte su talent e formazione. Vale la pena raccontarlo fedelmente affiancandogli le evidenze che la ricerca più recente ha prodotto nelle ultime settimane.
Indice degli argomenti:
Il quadro macro: il saldo è positivo, ma non per tutti
Il punto di partenza della guida è rassicurante nel perimetro: il World Economic Forum stima 170 milioni di nuovi posti di lavoro creati e 92 milioni spostati entro il 2030, saldo netto positivo di 78 milioni.
McKinsey calcola che l’AI potrebbe automatizzare circa il 30% delle ore lavorative americane aggiungendo 13 trilioni di dollari all’economia globale. Goldman Sachs, su oltre 800 professioni analizzate, stima una dislocazione del 6-7% dell’occupazione americana, con scenari che vanno dal 3% al 14% a seconda della velocità di adozione.
Il quadro aggregato, insomma, non è catastrofico. Ma la guida è onesta su un punto che spesso scompare nelle sintesi: i dati aggregati nascondono la distribuzione, la distribuzione è dove il problema diventa concreto.
Lo conferma anche il paper che Anthropic ha pubblicato il 5 marzo 2026, firmato dagli economisti Massenkoff e McCrory: analizzando il Current Population Survey post-ChatGPT, non emerge alcun effetto statisticamente rilevante sulla disoccupazione aggregata Il coefficiente è quasi nullo. I dati macro non catturano ciò che avviene nei dati micro, lì qualcosa si sta già muovendo.
Il premio salariale AI e la velocità del cambiamento
Tra i dati più citati del dossier c’è quello del PwC Global AI Jobs Barometer 2025, costruito su quasi un miliardo di annunci di lavoro in sei continenti: i lavoratori con competenze AI ottengono un premio salariale del 56% rispetto a colleghi nello stesso ruolo privi di quelle competenze. Un anno prima il premio era del 25%. La guida aggiunge altri due dati che vanno letti insieme. Le offerte di lavoro che richiedono competenze AI sono cresciute del 7,5% anno su anno, mentre il totale delle offerte di lavoro è calato dell’11,3%.
I salari nelle industrie AI-exposed crescono a un ritmo doppio rispetto alla media globale, 16,7% contro 7,9%. Non è solo che le competenze AI valgono di più: è che il mercato si sta biforcando tra chi le ha e chi non le ha. Le competenze nelle professioni AI-exposed cambiano il 66% più rapidamente rispetto alle altre occupazioni, contro il 25% di un anno prima. Il 39% delle competenze core dei lavoratori è atteso cambiare entro il 2030.
Questi numeri descrivono un’accelerazione, non una trasformazione graduale. Il vantaggio competitivo di chi si aggiorna oggi si allarga ogni anno che passa rispetto a chi aspetta.
La matrice di resistenza: 32 professioni, punteggi compositi, una logica chiara
Il cuore operativo della guida è una matrice che assegna a 32 professioni un AI Resistance Score, misura composita che combina quattro variabili: rischio di automazione dei compiti specifici del ruolo (peso 30%), dipendenza da competenze umane secondo la tassonomia McKinsey (30%), requisiti di presenza fisica e variabilità ambientale (20%), crescita prevista della domanda secondo BLS e WEF (20%).
Non è una classifica impressionistica, è un tentativo dichiarato di rendere quantificabile una valutazione qualitativa.
In cima: consulenti di salute mentale (98%), vigili del fuoco ed EMT (97%), counselor scolastici (96%), medici e chirurghi (96%), specialisti di educazione speciale (95%), diplomatici (95%), infermieri specializzati (94%), elettricisti (94%).
Nella fascia intermedia: ingegneri AI/ML (78%), consulenti finanziari (76%), formatori aziendali (75%), content creator (65%), sviluppatori software generalisti (62%).
In fondo: contabili e revisori (45%), paralegali e assistenti legali (35%).
La guida è esplicita sulla logica sottostante, i ruoli che resistono meglio sono quelli in cui il lavoro vive di fiducia interpersonale, presenza fisica in ambienti variabili, giudizio in condizioni di ambiguità, responsabilità personale su decisioni che riguardano salute, sicurezza, diritti. I ruoli più esposti sono quelli che vivono di sintesi di informazioni, procedure replicabili, produzione standard. La distinzione non corre tra settori, ma tra tipi di attività all’interno di ogni settore. La guida formula questa distinzione con una domanda diretta che propone come strumento di valutazione autonoma: affidereste a un’AI questa decisione quando è in gioco la vostra salute, la vostra sicurezza, i vostri figli? Un test euristico efficace, non una formula tecnica.
Il settore che smentisce più stereotipi: la tecnologia
Uno dei passaggi più utili della guida riguarda il settore tech, che descrive come mixed con punteggi tra 62% e 88% a seconda del ruolo specifico.
Lo sviluppatore software generalista, soprattutto nelle mansioni junior e ripetitive, è tra le figure più esposte.
L’ingegnere AI/ML (78%, crescita prevista 36%), il professionista della cybersecurity (88%, crescita 32%), l’ingegnere della robotica (85%) restano invece solidi. Il messaggio è contro-intuitivo rispetto alla narrazione comune, il settore che costruisce l’AI è anche tra quelli più trasformati.
La frattura non corre tra chi lavora in tech e chi no, ma tra chi progetta sistemi e chi esegue compiti codificabili. Il futuro delle carriere tech non riguarda la scrittura di codice, scrive la guida, ma la progettazione di sistemi e la gestione delle capacità AI. Altrettanto interessante è la sezione su business, legge e finanza, che il dossier definisce il settore con la maggiore variabilità di qualunque categoria analizzata.
Executive Leader (90%), avvocati di contenzioso (82%) e consulenti finanziari (76%) restano resilienti. Contabili (45%), paralegali (35%) e assistenti legali sono tra le figure più a rischio. Goldman Sachs li cita esplicitamente tra le occupazioni ad alta probabilità di dislocazione. Il pattern è lo stesso ovunque, i ruoli che giudicano in condizioni di ambiguità reggono, quelli che sintetizzano informazioni standardizzate cedono.
I mestieri tecnici: non il piano B, il piano A
La guida dedica un passaggio esplicito a smontare uno stereotipo culturale che definisce costoso per le famiglie. I mestieri tecnici specializzati, elettricisti, idraulici, tecnici HVAC, installatori di energie rinnovabili, ottengono punteggi di resistenza all’AI tra 92% e 94%, comparabili a quelli delle professioni sanitarie. Con oltre 8 milioni di posizioni non coperte negli Stati Uniti, salari in crescita e domanda strutturalmente superiore all’offerta.
Le proiezioni salariali a 20 anni che il dossier include sono particolarmente significative. Un elettricista che si specializza in smart building e rinnovabili può arrivare a 110mila dollari annui dopo 20 anni, senza debito studentesco e con un premio aggiuntivo del 20-30% per la specializzazione. Un contabile generalista, nello stesso orizzonte, vede la propria curva salariale appiattirsi significativamente per via della pressione strutturale dell’automazione.
Questo trova conferma nell’analisi dell’Economist su dati BLS 2024: tecnici degli ascensori, installatori di linee elettriche, meccanici aeronautici superano stabilmente i 90-100mila dollari annui negli Stati Uniti, spesso sopra molte lauree non STEM. Non è la rivincita ideologica del lavoro manuale ma l’effetto prevedibile di una scarsità strutturale di competenze in settori ancorati a infrastrutture fisiche che l’AI non può ancora toccare .
Il punto più importante del dossier: la scala interrotta
La sezione più densa del dossier è quella che la guida chiama The Disrupted Ladder, la scala di carriera interrotta. Vale la pena citarla direttamente perché coglie qualcosa che i dati aggregati sull’occupazione nascondono sistematicamente. Per decenni il modello funzionava così: laurea, posizione entry-level, apprendimento sul lavoro, avanzamento.
L’AI sta sistematicamente automatizzando esattamente i compiti per cui i junior venivano assunti: revisione documentale, reportistica standard, codice ripetitivo, audit di base, ricerca preliminare, customer support di primo livello. Il risultato non è la disoccupazione dei senior ma la mancata assunzione dei junior.
I dati che la guida riporta sono precisi. Goldman Sachs documenta un aumento della disoccupazione tra i 20-30enni nelle occupazioni tech-exposed di quasi tre punti percentuali dall’inizio del 2025. I Big Four della consulenza hanno tagliato le assunzioni di neolaureati tra il 18% e il 29%. I ruoli tech per neolaureati nel mercato britannico sono calati del 46% in un solo anno.
Il 41% delle organizzazioni si aspetta di ridurre la forza lavoro nei ruoli esposti all’obsolescenza da AI, mentre il 70% prevede di assumere figure con nuove competenze AI.
Le aziende tagliano i ruoli vecchi e creano i ruoli nuovi in parallelo, ma l’ingresso tradizionale scompare. La ricerca indipendente conferma con metodologie diverse. Il paper di Hosseini e Lichtinger di Harvard mostra una riduzione del 7,7% delle assunzioni entry-level nelle imprese che integrano davvero l’AI.
Il paper di Stanford di Brynjolfsson, Chandar e Chen stima un calo occupazionale del 6-16% tra i 22-25enni nei settori più esposti.
Il paper di Anthropic di Massenkoff e McCrory trova dal 2024 una divergenza visibile tra il tasso mensile di ingresso in nuove occupazioni nelle professioni esposte e in quelle non esposte: un calo del 14% per le prime, nessun effetto per gli over 25.
Il meccanismo è quello che la guida descrive correttamente: i compiti che i giovani svolgevano nelle prime fasi della carriera sono esattamente quelli che l’AI copre più rapidamente. Ma c’è una conseguenza che il dossier non sviluppa fino in fondo: quella palestra professionale era anche il sistema di formazione interna delle organizzazioni. Eliminare il primo gradino non risparmia solo costi. Distrugge il meccanismo con cui le aziende riproducevano il talento intermedio. Chi formerà i mid-level tra tre anni?
I quattro superpoteri umani: dove la guida è più solida
Il framework dei Four Human Superpowers, le quattro aree di capacità che l’AI non riesce ancora a replicare autenticamente, è forse il contributo concettuale più efficace del dossier.
Stanford, Microsoft Research e McKinsey convergono su questi quattro ambiti:
1. intelligenza emotiva,
2. visione creativa,
3. destrezza fisica adattiva,
4. giudizio etico e responsabilità.
La guida li definisce con precisione.
L’intelligenza emotiva non è generica empatia, è la capacità di leggere stati emotivi, costruire fiducia, navigare conflitti, fornire empatia genuina in contesti ad alta posta. McKinsey identifica le competenze socio-emotive come la categoria di skill a crescita più rapida globalmente, con una domanda attesa in aumento del 26% entro il 2030.
La visione creativa non è produzione di contenuti, è ideazione originale, intuizione culturale, storytelling capace di muovere le persone, giudizio estetico radicato nell’esperienza vissuta.
La destrezza fisica adattiva non è solo manualità, è improvvisazione in ambienti imprevedibili, adattamento quando la realtà non coincide con lo schema.
Il giudizio etico non è conoscenza delle regole, è ragionamento morale in aree grigie, disponibilità ad assumersi responsabilità personale per decisioni consequenziali.
Non sono categorie astratte. Il Remote Labor Index, progetto che ha testato i migliori modelli di frontiera su centinaia di incarichi reali presi da piattaforme di lavoro remoto, mostra che i fallimenti sistematici dell’AI avvengono esattamente quando un incarico richiede coordinamento tra più dimensioni, verifica del risultato rispetto ai vincoli funzionali, assunzione di responsabilità rispetto al contesto d’uso.
I modelli producono output plausibili. Non governano il progetto nel suo insieme. Lo studio Microsoft su 200mila conversazioni reali con Bing Copilot aggiunge una prospettiva complementare: nel 40% dei casi l’AI non svolge le stesse attività dell’utente, ma azioni diverse che permettono all’utente di avanzare nel proprio compito. Non un sostituto, ma un layer di servizio sovrapposto al lavoro cognitivo. Le attività con applicabilità AI più alta sono raccolta informazioni, scrittura e revisione, comunicazione strutturata.
Quelle con applicabilità più bassa sono analisi quantitativa avanzata, design visivo, supporto emotivo diretto, esattamente le aree in cui i quattro superpoteri pesano di più.
Il titolo di studio protegge ancora, ma non garantisce più come prima
La guida segnala un trend che merita attenzione: tra il 2019 e il 2024 la quota di lavori AI-augmented che richiedono una laurea è scesa dal 66% al 59%. Per i ruoli più automatizzabili il calo è stato ancora più netto, dal 53% al 44%. Ciò che sai dimostrare di fare conta più del titolo che hai sulla parete, scrive il dossier. I datori di lavoro si stanno spostando verso un modello di assunzione basato sulle competenze dimostrabili piuttosto che sulle credenziali formali.
Questo dato va letto con cautela. Non significa che la laurea sia diventata irrilevante, i dati sulla disoccupazione mostrano che continua a offrire protezione contro l’esclusione immediata dal mercato. Significa che ha perso la sua funzione automatica di ascensore sociale. Un titolo prestigioso senza competenze dimostrabili e senza capacità di lavorare con l’AI non protegge dall’esposizione, né garantisce una traiettoria di crescita.
La vera domanda per chi sceglie un percorso formativo non è quindi università sì o no, ma, quel percorso produce competenze verificabili? Include pratica reale? Integra strumenti AI nel curriculum? In molti casi, la combinazione tra formazione tecnica specializzata, certificazioni e esperienza diretta risulta più spendibile di un titolo generico, anche prestigioso.
Le carriere nate con l’AI: il perimetro si allarga
Il dossier dedica una sezione alle professioni emerse direttamente dall’espansione dell’AI dopo il 2023, che definisce alcune delle traiettorie di carriera a più alta crescita e più orientate al futuro disponibili oggi:
- AI Ethics Officer,
- AI Governance Diplomat,
- Human-AI Collaboration Designer,
- AI Safety Researcher,
- Synthetic Media Forensics Analyst,
- AI Explainability Expert,
- Autonomous Systems Operator,
- Computational Creativity Director.
Ruoli che non esistevano cinque anni fa e che oggi hanno domanda reale, con stime salariali tra gli 85mila e i 150mila dollari annui per i profili più richiesti.
Non sono sbocchi per tutti. Ma indicano una dinamica importante, l’AI non cancella solo posizioni, crea anche nicchie ad alta responsabilità. La differenza è che queste nicchie richiedono preparazione mista. Non basta conoscere la tecnologia, serve capire diritto, organizzazione, comunicazione, rischio, qualità dei dati, impatti sociali.
Esattamente il profilo a T che la guida raccomanda come strategia generale, competenza profonda in un dominio preciso combinata con alfabetizzazione AI trasversale. Non tutti devono imparare a scrivere codice, scrive la guida, ma tutti devono capire cosa l’AI può e non può fare, e come integrarla nel proprio campo.
Una questione che il dossier apre senza chiudere
La guida di Quantumleap Insights offre una risposta solida alla domanda quali carriere reggono. Non risponde, e forse non è nel suo perimetro farlo, a una domanda diversa e più scomoda: chi sta scegliendo la direzione, secondo quali criteri? Acemoglu, Autor e Johnson nel paper “Building Pro-Worker Artificial Intelligence” per la Brookings Institution identificano tre meccanismi strutturali che spiegano perché le aziende tendono a scegliere l’automazione rispetto all’amplificazione delle capacità umane:
- il disallineamento degli incentivi aziendali verso la riduzione della dipendenza dai lavoratori qualificati,
- la path dependence dei grandi sviluppatori verso l’enterprise automation
- una visione teleologica dell’AI orientata all’AGI in cui il potenziamento umano è un obiettivo di secondo livello.
Il risultato documentato è che il 77% degli utilizzi aziendali di Claude tramite API riguarda l’automazione completa di compiti, non l’assistenza al lavoratore. Le aziende non stanno costruendo strumenti per aiutare i giovani a imparare più in fretta. Stanno costruendo strumenti per non doverli assumere affatto. Questo non invalida il dossier Quantumleap. Lo contestualizza. Sapere quali professioni resistono meglio è utile per orientare le scelte individuali.
Ma il quadro che emerge dalla ricerca più recente suggerisce che la resilienza di una professione non dipende solo dalle sue caratteristiche intrinseche, dipende anche da come le organizzazioni scelgono di adottare l’AI al loro interno.
