Per mesi il mercato del lavoro tech ha mandato segnali preoccupanti: per via dell’AI, meno spazio per i profili junior, più prudenza sulle assunzioni, maggiore tenuta per chi ha già esperienza. Lo dicevano esperti, studi accademici. Ora quei segnali compaiono per la prima volta anche nei dati ufficiali.
Il working paper firmato da Leland Crane e Paul Soto, economisti della Federal Reserve, mostra che negli Stati Uniti la crescita dell’occupazione dei coder ha rallentato nettamente dopo novembre 2022, cioè dopo l’arrivo di ChatGPT.
La stima più citata è quella di circa 500mila posti in meno rispetto al trend che si sarebbe potuto osservare senza la diffusione dei large language model. Va letta bene: non è un crollo dell’occupazione, ma una mancata crescita.
Il punto più utile, però, non è il numero. È la lezione organizzativa che emerge dai dati. L’AI non colpisce una professione intera in modo uniforme. Colpisce prima i ruoli costruiti su task discreti, separabili dal resto del lavoro e poco integrati con responsabilità più alte. In altre parole, colpisce prima i weak bundle di mansioni.
È per questo che traballano soprattutto i coder junior, i contractor e le posizioni di ingresso, mentre reggono meglio i profili senior e i ruoli che combinano programmazione, contesto di business e capacità decisionale.
Indice degli argomenti:
Il dato ufficiale chiude un vuoto
Crane e Soto usano O*NET e Current Population Survey per misurare l’andamento dell’occupazione nelle professioni a forte intensità di programmazione. Anche dopo aver corretto per la frenata di alcuni settori, trovano che la crescita annua dell’occupazione dei coder è circa 3 punti percentuali più bassa rispetto al periodo pre-ChatGPT. L’occupazione continua a crescere, ma molto meno di prima. Nei settori più densi di programmatori il rallentamento è ancora più visibile.
E un altro dato aiuta a leggere il fenomeno: circa il 40% dei coder lavora in computer systems design and related services, un’area che comprende molta attività da contractor e consulenza software. Qui il lavoro tende a essere più modulare, più assegnabile per blocchi, più facile da comprimere quando una parte della produzione viene automatizzata.
Questo passaggio conta anche per chi gestisce persone e budget. Finora molte aziende avevano letto l’AI soprattutto come leva di produttività individuale. Il paper mostra che l’effetto è già abbastanza forte da comparire nelle statistiche aggregate del lavoro, almeno nel coding. Non è più solo una questione di tool adoption. È un tema di struttura dei ruoli.
Il bundling spiega perché i junior sono i primi a essere colpiti
La distinzione decisiva non è tra lavoro manuale e lavoro cognitivo, né tra occupazioni “a rischio” e occupazioni “salve”. La distinzione vera è tra lavori composti da attività strettamente intrecciate e lavori composti da pezzi relativamente autonomi.
Un coder junior scrive codice su specifica, corregge bug, aggiorna componenti, produce output delimitati. Se l’AI assorbe una parte di queste attività, il ruolo si restringe subito. Un senior developer, invece, usa il coding dentro un insieme più ampio: architettura, priorità, traduzione dei requisiti, relazione con prodotto, scelte tecniche, assunzione di responsabilità sul risultato. Qui il codice non è un blocco staccabile senza costi. È integrato in mansioni che richiedono esperienza, contesto e giudizio. L’AI accelera una parte del lavoro, ma non svuota il ruolo.
Per i manager la lezione è che non basta chiedersi quali task l’AI sappia fare. Bisogna chiedersi quanto quei task siano separabili dal resto, quanto pesino sul valore complessivo del ruolo e che cosa rimanga in mano alla persona una volta automatizzata la componente più standard.
Gli altri mestieri dove la stessa logica può ripetersi
Il coding è il primo caso ben misurato, ma la logica è più ampia. Negli studi legali il lavoro junior concentra molte attività standardizzabili: ricerca documentale, revisione di contratti base, due diligence, organizzazione di materiali. Il partner o il senior counsel impostano invece la strategia, negoziano, interpretano il contesto, valutano il rischio.
Se l’AI comprime il primo blocco, la pressione si scarica prima sugli ingressi.
Nella finanza e nella consulenza il copione è simile. Gli analisti junior preparano dataset, aggiornano modelli ricorrenti, costruiscono prime bozze di memo e presentazioni. I profili senior selezionano le variabili che contano, leggono i segnali deboli, parlano con il cliente, prendono decisioni. Anche qui la parte più esposta è quella modulare.
Fonte: CPS, O*NET
Nel giornalismo professionale e nei contenuti business, i primi anni di carriera coincidono spesso con sintesi di documenti, riscritture, bozze informative, aggiornamento di tabelle e ricerche preliminari. Il lavoro senior tiene insieme fonti, verifica, contesto, gerarchia delle notizie e responsabilità editoriale. L’AI non sostituisce il mestiere in blocco: riduce prima il perimetro dei compiti più atomizzati.
Il danno più grave che stiamo causando al futuro delle aziende
C’è una cosa che non riesco a togliermi dalla testa leggendo i dati sui coder junior, e viene dall’esperienza del mio passato lavorativo, dove ho gestito molti sviluppatori negli anni. Stiamo confondendo due fenomeni diversi: l’automazione di un compito e la sparizione di un’esperienza formativa. Togliere a un junior la possibilità di sbagliare su un bug noioso, di riprovare, di capire cosa non funziona, quella noia, paradossalmente, era il motore con cui si formavano i senior di domani.
Nelle organizzazioni reali che conosco, la ricomposizione dei ruoli di cui parla il paper quasi mai avviene per progetto: avviene per emergenza, perché qualcuno se n’è andato e gli altri si sono arrangiati. Se l’AI comprime la parte modulare del lavoro junior e nessuno ridisegna consapevolmente quello che resta, conoscenza, cultura, sottoprocessi non scritti, non ottieni un ruolo snellito: ottieni un ruolo svuotato. Un costo che non appare in nessun KPI, ma che si vede negli anni successivi.
I dati americani parlano di mancata crescita, non di crollo. Le trasformazioni più profonde arrivano così, non con un muro ma con una pendenza. E chi ci lavora dentro le riconosce sempre in ritardo.
Fabio Lalli
La questione manageriale: non basta tagliare, serve ridisegnare il lavoro
Qui l’errore più facile è confondere l’automazione di una quota di task con l’irrilevanza di un ruolo. Un manager che legge male il fenomeno può tagliare troppo in fretta i profili junior e scoprire più avanti di aver indebolito la pipeline delle competenze. Molte professioni si imparano facendo proprio quel lavoro iniziale oggi più esposto all’automazione. Se quell’anello si assottiglia, si riduce il bacino da cui nasceranno i senior di domani.
Fonte: O*NET, CPS
Per questo il bundling non è solo una teoria del lavoro. È un criterio di progettazione organizzativa. Le imprese che stanno adottando l’AI con più lucidità non si limitano a misurare il risparmio di ore. Guardano al mix tra esecuzione, supervisione, giudizio e coordinamento. Capiscono che il valore non sta soltanto nel fare più in fretta le attività standard, ma nel decidere quali attività restano umane, come si ricompongono i ruoli e quali competenze diventano più rare.
Nel concreto, questo cambia almeno quattro scelte manageriali.
- La prima riguarda il disegno delle posizioni. Se un ruolo junior è composto quasi solo da task automatizzabili, non basta sostituire quel pezzo con un copilota. Bisogna aggiungere attività di contesto, revisione, relazione con il business, comprensione del dominio. Altrimenti il ruolo perde massa critica.
- La seconda riguarda il modello di hiring. Nei prossimi mesi sarà meno utile assumere soltanto per esecuzione di task standard e più utile cercare persone capaci di stare al confine tra disciplina, processo e business. Nel software significa, per esempio, pesare di più la capacità di tradurre requisiti e leggere l’impatto di prodotto, non solo la velocità di coding.
- La terza riguarda la formazione. Se l’AI mangia la palestra dei compiti di base, l’apprendimento non può più essere lasciato all’esposizione spontanea al lavoro ripetitivo. Va progettato. Servono percorsi di affiancamento più espliciti, revisioni strutturate, rotazioni e task progressivi che costruiscano criterio oltre che output.
- La quarta riguarda i kpi. Misurare solo la produttività individuale rischia di dare un’immagine parziale. Un team può produrre più ticket chiusi o più righe di codice e, nello stesso tempo, impoverire la qualità delle decisioni o interrompere la formazione dei profili intermedi. I manager dovranno osservare anche errori, rework, tempi di escalation, dipendenza dai senior e capacità del team di assorbire lavoro nuovo senza colli di bottiglia.
Fonte: CES, OES
Perché i contractor sono un caso da osservare
Nel paper c’è un dettaglio che merita attenzione: il peso molto alto del lavoro in computer systems design and related services. È un indizio importante perché segnala la vulnerabilità dei ruoli acquistati per task, progetto o modulo. Quando un’impresa compra esecuzione standardizzata, l’AI entra più facilmente come sostituto. Quando compra integrazione, giudizio e responsabilità sul risultato, tende a entrare come supporto.
Per questo i manager dovrebbero rileggere anche il perimetro make-or-buy. Alcuni contratti esterni potrebbero diventare più facili da comprimere. Altri, proprio perché richiedono coordinamento complesso e conoscenza del dominio, potrebbero restare strategici. La differenza non la fa l’etichetta del fornitore. La fa il grado di scomponibilità del lavoro.
Il segnale, per ora, passa dalle assunzioni più che dai salari
Crane e Soto osservano anche un altro elemento utile: non trovano una rottura netta nei salari medi dei coder nel 2022. L’impatto, almeno finora, si vede soprattutto nei volumi occupazionali. È un punto rilevante per chi guida le organizzazioni. Le trasformazioni di questa fase non si manifestano per forza con licenziamenti immediati o con un crollo delle retribuzioni.
Possono emergere prima come freeze sulle assunzioni, riduzione della domanda di profili entry level, accorpamento dei ruoli, selezione più dura all’ingresso.
È esattamente il tipo di movimento che molte aziende stanno già sperimentando senza nominarlo apertamente. Il paper gli dà una forma empirica.
Il rischio strategico è impoverire il middle layer
La lettura manageriale più utile, alla fine, è questa: l’AI non elimina automaticamente il lavoro qualificato, ma può svuotare gli strati intermedi e iniziali da cui quel lavoro si alimenta. Un’organizzazione che conserva solo senior potenziati da tool e taglia troppo l’ingresso rischia di diventare efficiente nel breve e fragile nel medio periodo. Avrà meno costi oggi, ma anche meno competenze in formazione, meno mobilità interna, meno ricambio.
I dati Usa sui coder mostrano che il primo impatto dell’AI si concentra dove il lavoro è più scomponibile. Per le imprese la scelta non è se usare o no questi strumenti. È se limitarsi a estrarre efficienza dai task più standard oppure usare l’AI per riprogettare ruoli, apprendimento e responsabilità.
Nel primo caso si riduce il costo del lavoro. Nel secondo si costruisce un’organizzazione che regge anche dopo la prima ondata di automazione.
