Vai al contenuto
Indietro

L'AI sostituirà il tuo lavoro? Il 47%, il 9% e cosa misurano davvero

Illustrazione di un umano e un robot che lavorano fianco a fianco

C’è un numero che hai già sentito: il 47% dei posti di lavoro è a rischio automazione. C’è un secondo numero, molto meno citato, che stima lo stesso fenomeno negli stessi anni: il 9%.

Non è che uno dei due sbagli i conti. Misurano due cose diverse, e capire quale sia la differenza è il modo più rapido per rispondere davvero alla domanda “il mio lavoro sparirà”. Questa guida ricostruisce cosa dicono gli studi, cosa mostrano gli esperimenti sul campo, e cosa se ne può ricavare di concreto.

Il 47% e il 9%: la differenza è l’unità di misura

Il 47% viene da Frey e Osborne, The Future of Employment (2013, pubblicato poi in Technological Forecasting and Social Change, 2017). Gli autori hanno classificato le occupazioni in base alla probabilità di essere automatizzate, concludendo che circa il 47% dell’occupazione statunitense ricadeva nella categoria ad alto rischio.

Il 9% viene da Arntz, Gregory e Zierahn per l’OCSE (2016). Stesso periodo, stessa domanda, un cambiamento metodologico decisivo: invece di classificare le occupazioni, hanno scomposto ogni lavoro nei compiti che lo costituiscono, usando i dati dell’indagine PIAAC su cosa le persone facciano effettivamente ogni giorno. Risultato: in media, nei paesi OCSE, solo il 9% dei lavoratori svolge un insieme di compiti automatizzabile quasi per intero.

La ragione dello scarto è semplice e vale la pena tenerla a mente:

Un lavoro non è un blocco unico. È una collezione di compiti, alcuni automatizzabili e altri no. Chi conta le occupazioni ottiene numeri catastrofici; chi conta i compiti ottiene numeri molto più bassi e un quadro molto più utile.

Un lavoro successivo per l’OCSE (Nedelkoska e Quintini, 2018) ha collocato la stima intorno al 14% ad alto rischio, aggiungendo che un ulteriore 32% circa subirà una trasformazione sostanziale senza sparire. Quest’ultima è la categoria in cui, statisticamente, ti trovi tu.

Cosa dicono gli esperimenti sul campo

Le stime di rischio sono previsioni. Negli ultimi anni sono arrivate misure dirette su lavoratori reali con AI generativa, e sono più informative.

Assistenza clienti. Brynjolfsson, Li e Raymond (Quarterly Journal of Economics, 2025) hanno seguito 5.179 operatori di assistenza dotati di un assistente basato su modelli linguistici. Aumento medio della produttività: +14%. Ma il dato interessante è la distribuzione: +34% per i lavoratori meno esperti, effetto vicino allo zero per i più esperti.

Scrittura professionale. Noy e Zhang (Science, 2023) hanno assegnato compiti di scrittura a 453 professionisti: tempo di completamento ridotto di circa il 40%, qualità valutata in aumento di circa il 18%, e riduzione del divario tra chi partiva forte e chi partiva debole.

Consulenza. Dell’Acqua e colleghi (Harvard Business School, 2023) hanno lavorato con consulenti del Boston Consulting Group. Sui compiti dentro la portata dello strumento: +12% di compiti completati, +25% di velocità, qualità nettamente superiore. Sui compiti fuori da quella portata, che sembravano simili ma richiedevano informazioni che il modello non aveva, chi usava l’AI aveva una probabilità 19 punti percentuali più bassa di produrre una risposta corretta.

Tre studi, una conclusione coerente:

Cosa fa l’AIEffetto misurato
Comprime il divario tra novizi ed espertiGuadagni concentrati su chi sa meno
Accelera i compiti standardizzabiliTempo −40%, qualità +18% sulla scrittura
Peggiora i compiti fuori dal suo raggio−19 punti percentuali di risposte corrette

Quel terzo effetto è il rischio professionale reale, ed è raramente discusso: non è che l’AI ti sostituisca, è che ti faccia sbagliare con più sicurezza.

Il pezzo di macroeconomia che raffredda l’entusiasmo

Sulla dimensione aggregata, vale la pena leggere la stima più scettica in circolazione, perché viene da un economista che studia automazione da vent’anni.

Daron Acemoglu (The Simple Macroeconomics of AI, 2024) ha calcolato l’effetto plausibile dell’AI sulla produttività totale dei fattori partendo dalla quota di compiti effettivamente esposti e dai risparmi di costo documentati. Risultato: un aumento dell’ordine di meno dell’1% in dieci anni, molto lontano dalle previsioni di trasformazione radicale.

Non è una previsione di irrilevanza: è un promemoria che tra “questa tecnologia funziona” e “questa tecnologia cambia l’economia” ci sono tempi di adozione, costi di riorganizzazione e attriti che si misurano in anni.

Sul versante opposto, il Future of Jobs Report 2025 del World Economic Forum stima al 2030 circa 170 milioni di posti creati e 92 milioni spostati, con un saldo netto positivo, e indica che circa il 39% delle competenze chiave cambierà. Attenzione però: si basa su indagini presso i datori di lavoro, quindi su aspettative e non su misure.

Le due fonti non si contraddicono davvero: una misura l’effetto economico aggregato, l’altra la ricomposizione dell’occupazione. Il quadro combinato è “tanto movimento, poca crescita netta immediata”, cioè proprio lo scenario in cui conta cosa sai fare tu.

Quali compiti sono esposti (e quali no)

L’analisi dell’ILO (Gmyrek, Berg e Bescond, 2023) è la più utile su questo punto, perché distingue esplicitamente tra automazione e aumento.

I compiti più esposti in senso sostitutivo condividono tre proprietà: sono prevalentemente testuali, hanno un risultato verificabile in modo rapido e non richiedono responsabilità legale. Il lavoro impiegatizio d’ufficio è la categoria più colpita, e lo studio nota che nei paesi ad alto reddito questo implica un’esposizione più alta per le lavoratrici, dato che quella categoria è occupata in maggioranza da donne.

I compiti meno esposti, viceversa:

Quattro mosse per capire quanto è esposto il tuo lavoro

1. Scomponi il tuo lavoro in compiti. Per una settimana, annota cosa fai in blocchi da mezz’ora. Poi marca ogni blocco: automatizzabile, aumentabile, insostituibile. È l’esercizio di Arntz e Gregory applicato al tuo caso specifico, e dà un risultato più accurato di qualunque classifica di professioni.

2. Sposta il tempo verso i compiti della terza categoria. Non serve cambiare mestiere: nella maggior parte dei ruoli basta cambiare la distribuzione. Chi passa dal 10% al 30% del tempo su decisioni e relazioni riduce l’esposizione più di chi fa un corso.

3. Impara a usare gli strumenti prima di doverlo fare. I guadagni misurati sono reali, e sono più alti proprio per chi parte da una posizione più debole. Le basi operative sono in come usare ChatGPT sul lavoro e in come scrivere prompt efficaci.

4. Costruisci il tuo meccanismo di verifica. Lo studio BCG dice che il danno arriva quando ti fidi fuori dal raggio dello strumento. La contromisura è banale e nessuno la applica: decidere in anticipo quali affermazioni vai a controllare alla fonte, sempre, indipendentemente da quanto suonano convincenti.

5. Guarda dove si sposta la domanda, non dove sparisce. Le competenze che i datori di lavoro dichiarano di cercare cambiano più in fretta dei mestieri: le abbiamo raccolte in competenze più richieste e lavori più richiesti.

La mia opinione: non ti sostituisce l’AI, ma chi la usa

Credo che la domanda “l’AI sostituirà il mio lavoro” sia mal posta non perché la risposta sia rassicurante, ma perché la sostituzione raramente arriva dalla tecnologia: arriva da una persona che la usa.

Il dato di Brynjolfsson lo suggerisce in modo indiretto. Se il vantaggio è massimo per chi parte meno esperto, la distanza tra un professionista mediocre e uno bravo si riduce, e la posizione più scomoda diventa quella di chi vive di un vantaggio di competenza medio.

Non l’ho misurato, quindi lo etichetto per quello che è: un’inferenza mia dai dati citati, non un risultato degli studi.

Domande frequenti

Quindi il 47% era sbagliato? Non sbagliato: risponde a una domanda diversa. Stima la quota di occupazioni tecnicamente automatizzabili nel loro complesso, non la quota di lavoratori che perderanno il posto. La stima OCSE del 9%, basata sui compiti reali, è più vicina alla domanda che ti interessa.

Quali lavori sono più esposti? Secondo l’analisi ILO, i ruoli impiegatizi con alta componente testuale e bassa responsabilità decisionale. Meno esposti i lavori fisici non standardizzati e quelli che richiedono di rispondere legalmente di una decisione.

Se l’AI aiuta di più i principianti, conviene ancora specializzarsi? Sì, ma il valore si sposta: dalla produzione dell’output alla capacità di giudicarlo. In tutti gli studi citati, la parte che resta umana è il riconoscimento di quando il risultato è sbagliato.

Devo imparare a programmare per non restare indietro? No, e su questo i dati sono chiari: i guadagni misurati riguardano compiti di scrittura, assistenza e analisi, non lo sviluppo software. Se ti interessa comunque, ne parliamo in come imparare a programmare.

Quanto tempo ho? Le stime macroeconomiche più prudenti indicano effetti aggregati contenuti nel prossimo decennio; le indagini sui datori di lavoro indicano cambiamenti di competenze molto più rapidi. La lettura pratica è che il rischio immediato non è il licenziamento, è l’obsolescenza graduale del profilo.

Fonti

Fondatore di UpSkillLab, con un Master in Digital Marketing all'Università degli Studi di Firenze. Ogni articolo parte da fonti pubbliche citate nel testo ed è redatto con l'assistenza di strumenti di intelligenza artificiale, sotto la mia revisione e responsabilità editoriale: nessun contenuto comprato, niente pubblicato senza controllo umano. Leggi il metodo editoriale oppure segnalami un errore.


Condividi questo articolo:

Vedi tutti gli articoli di AI sul Lavoro

Articolo precedente
Reskilling: quanto costa davvero cambiare settore (e come ridurlo)
Articolo successivo
Certificazioni online: il 3% che finisce e l'esperimento sui recruiter