Quali lavori sono a rischio con l’intelligenza artificiale generativa?

Quando sono diventati disponibili i primi modelli di intelligenze artificiali generative è arrivato immediatamente un allarme: 300 milioni di posti di lavoro a rischio nel mondo. La previsione veniva direttamente dalla banca d’affari Goldman Sachs. Era il mese di maggio del 2023 e, più o meno nel medesimo periodo, si diffondeva un’altra previsione, questa volta dal forum di Davos in Svizzera: il prompt engineering come lavoro del futuro.

Entrambe le previsioni, per il momento, non si sono avverate. Il prompt engineering non sembrerebbe affatto avere futuro visto che le macchine di AI generativa hanno un vantaggio: per usarle basta parlarci, non bisogna imparare chissà quali trucchi per dar loro comandi. E il mondo del lavoro è sicuramente in un momento di grandi interrogativi, ma questi 300 milioni di posti di lavoro scomparsi per ora non si vedono.

Considerate le grandi possibilità offerte da questi strumenti, però, è sensati porsi il problema.

Prima di tutto, bisogna lasciar da parte i numeri roboanti, le narrazioni catastrofiste o super-ottimiste, le dichiarazioni degli amministratori delegati delle grandi aziende della Silicon Valley e provare ad avere un approccio un po’ meno aneddotico.

Il lavoro, tanto per cominciare, è un insieme di mansioni diverse. In inglese, l’analisi di un’occupazione per capirne le potenzialità future osservandola come insieme di mansioni si chiama task-based approach. Ci sono mansioni che richiedono capacità cognitive, altre relazionali, altre fisiche o decisionali. Se vogliamo provare a calcolare seriamente l’impatto delle AI, bisogna valutare che percentuale di queste mansioni può essere svolta in maniera autonoma o o parzialmente autonoma da queste macchine.

E non è mica facile. Infatti, per studiare il fenomeno, ci sono i rapporti dell’ILO (International Labour Organization), le analisi dell’IMF (International Monetary Forum) e del World Economic Forum.

Queste tre istituzioni hanno elaborato una classificazione in “gradienti”. Eccoli, in ordine di rischio decrescente

5 – Alta esposizione, bassa variabilità delle mansioni
4 – Esposizione significativa, alta vcariabilitò di mansioni
3 – Esposizione moderata, variabilità mista delle mansioni
2 – Bassa esposizione, alta variabilità delle mansioni
1 – Esposizione minima
0 – Nessuna esposizione.

Ci sono lavori come il data entry in cui il 70-80 per cento delle mansioni principali può essere svolto dall’AI con un livello di accuratezza e velocità pari o superiore a quello umano. Qui il rischio di obsolescenza professionale è alto e anche immediato. Non è detto che scompaia il titolo professionale, ma l’offerta di lavoro per quelle professioni si riduce moltissimo.

Ci sono lavori in cui le AI possono svolgere il 50-70 per cento delle mansioni, ma rimangono colli di bottiglia che richiedono interventi umani. Quando, per esempio, c’è bisogno di un giudizio etico o morale; quando occorre comprensione del contesto sociale; quando bisogna gestire relazioni interpersonali; quando c’è responsabilità legale. In questo caso, le AI si possono integrare bene nel lavoro e chi lavora vede le sue possibilità “aumentate” adalle macchine. Cioè: alle AI si affidano le parti noiose, di routine, di basso livello e le persone si occupano di decidere, gestire, migliorare.

Le posizioni poco o per nulla esposte sono i ruoli che richiedono presenza sul campo, capacità manuali e di ragionamento in luoghi non standard (dall’idraulica alla chirurgia), empatia profonda (psicologi, assistenti sociali), decisioni strategiche ad alto rischio in situazioni d’incertezza. In questi lavori le AI possono dare supporti marginali, pur migliorando il lavoro.

Incrociando queste classificazioni con i dati delle piattaforme come Indeed, studi di aziende private e report nazionali si possono immaginare le professioni più a rischio, per le quali ci sarà sicuramente un aggiornamento tecnologico, una ridefinizione delle mansioni o addirittura un’estinzione progressiva del ruolo. 

Amministrazione

Le stime indicano che fino al 67 per cento delle competenze di assistenza amministrativa è pienamente automatizzabile. Questo dato riflette la natura intrinseca di molte di queste mansioni basate su regole, ripetitive e focalizzate sulla gestione delle informazioni.

I ruoli di data entry e segreteria generica sono verosimilmente destinati a sparire velocemente. Le AI non commettono errori di trascrizione dovuti alla stanchezza, operano 24 ore su 24 e possono processare volumi di dati che richiederebbero eserciti di operatori umani in frazioni di secondo. 

Anche professioni più specializzate come i travel clerks (agenti di viaggio e biglietteria), già messi in crisi dalla digitalizzazione progressiva, sono molto a rischio: l’avvento di agenti AI conversazionali avanzati, capaci di comprendere richieste complesse in linguaggio naturale, negoziare opzioni e gestire imprevisti (come cancellazioni o rimborsi) potrebbe rendere economicamente insostenibile il mantenimento di ampi staff dedicati a queste funzioni. La figura dell’agente di viaggio sopravviverà, probabilmente, nelle nicchie: del lusso, dell’esperienza su misura, dove il valore aggiunto non sta nel trovare un’offerta o fare una prenotazione ma nella consulenza esperienziale e nella relazione personale.

Il settore linguistico

Probabilmente il mondo della traduzione è quello che ha visto arrivare con maggior chiarezza le intelligenze artificiali. Da Google Translator a Deepl, traduttrici e traduttori hanno sperimentato l’evoluzione di questi strumenti: la traduzione tecnica e commerciale, quella cioè di testi standard, è a rischio altissimo. Anche la traduzione simultanea ha raggiunto buoni livelli di fedeltà in situazioni come meeting aziendali, documentazione tecnica, contenuti standar. Il ruolo di chi traduce è sempre più quello del post-editor, cioè chi revisiona, corregge, migliora bozze prodotte dalla macchina. In un’economica come quella in cui viviamo, questa potrebbe sembrare un’evoluzione naturale ma, se si misura tutto solo in termini di produttività, si rischia di vedere un crollo delle tariffe per lavoratrici e lavoratori e si riduce anche il numero di ore necessarie per gestire il volume di lavoro. Per il momento, la traduzione letteraria d’alto profilo resiste perché la sensibilità culturale, la capacità di cogliere il non-detto, l’ironia, lo stile autoriale, le sfumature rimangono ancora fuori dalla portata degli attuali modelli di AI. Ma parliamo di una frazione minoritaria del mercato complessivo della traduzione. E queste tecnologie, intanto, si evolvono,.

Servizio clienti, call center, vendite di primo livello

Il settore del customer service di livello standard è ad altissimo rischio di sostituzione tecnologica e la tendenza sembra irreversibile. I chatbot di nuova generazione non sono più frustranti come in passato e migliorano diventando capaci di gestire conversazioni fluide. Anche il telemarketing è a rischio. In Italia i call center hanno rappresentato per anni un bacino di occupazione importante (spesso precario) al Sud, o per chi era in cerca di impieghi per arrotondare. L’impatto sociale di questa automazione potrebbe essere molto forte se non sarà gestito correttamente dalla politica.

I lavoratori della conoscenza (knowledge workers) avranno un rapporto complesso con le AI. Per queste persone (esperti di sistemi informativi, sviluppatori, analisti di dati, ma anche scienziati, ingegneri, ricercatori  oppure avvocati, architetti, medici, docenti, giornalisti, manager professionali e figure dirigenziali altamente specializzate) è facile immaginare una rapida evoluzione delle professioni. 

Sviluppatori software e analisti Dati

Il settore tecnologico vive il paradosso più  evidente: gli informatici sviluppatori, di fatto architetti delle intelligenze artificiali, sono anche potenziali vittime in termini di trasformazione delle mansioni. Secondo Indee, l’81 per cento delle skill tipiche di chi sviluppa software viene in qualche modo toccato dalle AI. La scrittura di codice base, il debugging, la generazione di script di test, l’ottimizzazione di algoritmi standard sono tutte attività che le AI svolgono con velocità e accuratezza superiori a quelle di un programmatore junior. Il ruolo del programmatore, allora, cambia da scrittura di codice a revisione di codice e architettura di sistemi. I junior faranno più fatica a formarsi perché le aziende avranno meno bisogno di persone che scrivano funzioni in Python o Java, e più bisogno di profili senior capaci di comprendere se il codice generato dalle AI è sicuro, efficiente e integrabile in architetture complesse. La competenza critica diventerà la capacità di design del sistema e la supervisione della qualità, non più la mera sintassi del linguaggio di programmazione. Il che è un potenziale problema proprio per formare nuove figure al lavoro. 

Anche i data analyst vedranno grosse trasformazioni delle mansioni. La raccolta, la pulizia e la normalizzazione dei dati sono quasi interamente automatizzabili  e così il valore aggiunto di una persona molto competente si concentrerà nell’interpretazione del dato e nella sua traduzione. Chi rimane ancorato alla sola capacità tecnica di estrarre dati rischia grosso. E anche qui i senior che impareranno a usare bene le AI saranno molto ricercati, con grande difficoltà di formazione degli junior. 

Settore finanziario e legale

In Italia, il settore dei servizi professionali (commercialisti, avvocati, consulenti del lavoro) è tradizionalmente molto frammentato e spesso basato su un modello di business legato all’adempimento burocratico. Questo modello è ora sotto attacco diretto.

Per quanto riguarda la contabilità, il 74% delle skill è considerato a rischio. La tenuta dei libri contabili, il calcolo delle imposte standard, la riconciliazione bancaria e la classificazione delle spese sono compiti potenzialmente perfetti per e ‘AI. Gli studi professionali che basano il loro fatturato sul solo data entry di fatture e sulla compilazione di modelli dichiarativi standard rischiano. Le AI offriranno opportunità di efficienza enorme, permettendo di processare volumi di lavoro maggiori con meno personale, ma imporranno anche un cambio di mansioni: anche qui il futuro è nella consulenza strategica, nella pianificazione fiscale complessa e nell’assistenza alla crescita aziendale, aree dove l’empatia e la visione d’insieme delle persone esperte restano insostituibili.

La stessa cosa si può dire per il settore legale. Attività come la revisione contrattuale, la ricerca giurisprudenziale e l’analisi predittiva dell’esito delle cause sono e, probabilmente, saranno sempre più affidate a software di AI giuridica. Questo ridurrà drasticamente le ore di lavoro per i praticanti e per le figure junior, e potrà metterà in crisi il tradizionale modello piramidale degli studi legali. La responsabilità deontologica e la strategia processuale rimarranno, per legge e anche per natura, appannaggio dell’umano. Anche in questo caso, i senior che si adatteranno avranno vita più facile e sarà più difficile formare gli junior. 

Giornalismo, marketing e creatività

Il settore creativo e dei media è stato scosso dalle fondamenta dall’arrivo di modelli generativi di testo e immagini. È un settore che ha reagito con grande resistenza a queste tecnologie, amplificando la paura – e, paradossalmente, anche la narrazione tecnottimista.

Giornalismo: il rischio di sovrapposizione per i giornalisti è stimato all’80 per cento. L’AI è in grado di rielaborare articoli di cronaca, riassunti sportivi, report finanziari e lanci di agenzia a costo marginale quasi nullo. Questo mette a rischio la sopravvivenza del giornalismo “di base”. La professione deve necessariamente spostarsi verso l’inchiesta, il reportage sul campo, l’analisi profonda, la relazione con le fonti e con il pubblico, la connessione etica con lettrici e lettori, la capacità di verificare fisicamente i fatti: tutto ciò che non è sostituibile, insomma.

Marketing e pubblicità: Con il 69% delle competenze trasformabili, le agenzie di marketing vivono, anche loro, una rivoluzione. La produzione di contenuti (per esempio testi per social media, immagini pubblicitarie, copy per email marketing) è diventata rapida ed economica. Le agenzie che vendevano “produzione” di contenuti a volume altissimo perderanno margini significativi. Vinceranno, invece, quelle capaci di vendere alta strategia, posizionamento di brand e gestione complessa della relazione con il cliente.

In generale, autenticità e credibilità saranno veri e propri asset. Non mercificabili.

Non tutto il mercato del lavoro è sotto assedio. Esistono vasti settori dove le AI faticheranno a penetrare per limiti fisici, etici o relazionali. Come dicevamo, i lavori che richiedono destrezza manuale in ambienti non standard o una profonda connessione empatica umana sono considerati porti sicuri

Il settore sanitario è il primo tra questi. Medici, infermieri, fisioterapisti, logopedisti, operatori socio-sanitari vedono un rischio di automazione minimo. È vero che l’AI sta rivoluzionando la diagnostica ma al momento non può sostituire la cura fisica del paziente, la somministrazione di terapie complesse, il supporto emotivo alle persone malate o ai familiari. Le proiezioni indicano una crescita robusta della domanda per queste figure, soprattutto in quei paesi come l’Italia con un invecchiamento crescente della popolazione.

Anche mestieri artigiani e costruzioni sono resilienti. Elettricisti, idraulici, installatori specializzati operano in ambienti caotici e imprevedibili che i robot attuali non possono affrontare. La variabilità del loro lavoro rende l’automazione antieconomica nel breve-medio termine.

L’educazione, seppur investita da nuovi strumenti, rimane centrata sull’umano. I sistemi di tutoraggio AI personalizzato possono supportare l’apprendimento nozionistico e le personalizzazioni del materiale didattico, ma il ruolo dell’insegnante come mentore, educatore sociale e guida emotiva — specialmente nella scuola primaria e secondaria — è insostituibile. 

Per imparare a integrare le AI nelle proprie mansioni occorrerà sviluppare una serie di competenze. Eccole:

• pensiero critico e giudizio etico: capacità di valutare l’output dell’AI, verificarne la veridicità (fact-checking) e prendere decisioni in situazioni di ambiguità morale o scarsità di dati, dove l’algoritmo fallisce;
• creatività complessa, eventualmente anche aumentata dalle AI generative, per generare concetti radicalmente nuovi, culturalmente rilevanti e di rottura rispetto al passato;
• intelligenza emotiva e negoziazione: gestire team, risolvere conflitti interpersonali, costruire relazioni di fiducia a lungo termine.
• gestione delle AI (AI Literacy): saper interrogare correttamente le macchine, capirne i limiti, e integrarle nei flussi di lavoro aziendali.

Il rischio sociale più immediato non è la disoccupazione di massa dei lavoratori senior, ma il blocco dell’accesso al lavoro per i giovani. Se le AI svolgono i compiti tipici dei ruoli junior (ricerca, sintesi, bozze), le aziende potrebbero smettere di assumere neolaureati per formarli. Questo richiede un ripensamento radicale dei percorsi di apprendistato e tirocinio, che devono diventare momenti di formazione ad alto valore aggiunto e non sfruttamento per lavori ripetitivi. È una cosa di cui l’orientamento, le scuole e i giovani stessi si devono interessare.

Si rischia anche una società sempre più divisa tra un’élite ristretta di “AI Commanders” — persone capaci di guidare l’AI e di massimizzarne la produttività — che godranno di salari altissimi, e una massa di lavoratori che competono al ribasso con l’automazione o si rifugiano in lavori a basso valore aggiunto e basso salario.

Il reskilling e la formazione permanente non possono più essere uno slogan vuoto. Devono diventare un diritto-dovere contrattuale. Il sistema educativo italiano deve abbandonare definitivamente il nozionismo (facilmente replicabile dall’AI) per insegnare il metodo, la logica, la gestione della complessità e l’etica, la relazione e la cura.

Tutto questo significa ripensare radicalmente il lavoro, per valorizzare ciò che è più umano e anche per liberare il tempo delle persone. Preoccuparsi dei lavori a rischio e di come prepararsi significa anche iniziare a interrogarsi su questo.