Nel 2020 David Deming e Kadeem Noray hanno pubblicato sul Quarterly Journal of Economics uno studio che segue le carriere dei laureati americani nel tempo, non al primo impiego. I laureati in discipline tecnologiche partono con i salari d’ingresso più alti di tutti. Poi succede una cosa che le classifiche dei corsi di laurea non raccontano: il vantaggio si erode nel corso del primo decennio, fino a ridursi di circa la metà.
Non perché quelle persone diventino peggiori. Perché le competenze specifiche per cui erano state assunte vengono sostituite da altre, e chi entra dopo le ha già.
Questo è il dato da tenere in mente quando qualcuno propone una lista di competenze su cui puntare per i prossimi cinque anni. La domanda giusta non è quali competenze varranno di più, ma quali si deprezzano più in fretta. E quella si misura.
La statistica che tutti citano e nessuno può verificare
Girano da anni due numeri. Il primo: l’emivita di una competenza sarebbe di cinque anni, di due e mezzo per quelle tecniche. Il secondo: una quota variabile tra il 40 e il 50% delle competenze richieste cambierà entro pochi anni.
Il primo numero non ha una fonte primaria rintracciabile: viene ripetuto di rapporto in rapporto senza che compaia mai la metodologia con cui sarebbe stato calcolato. Il secondo, che compare nei rapporti del World Economic Forum sul futuro del lavoro, ha invece una fonte chiara, ed è proprio per questo che va letto con attenzione. È un sondaggio presso i responsabili delle risorse umane di grandi aziende, che dichiarano cosa si aspettano: una fotografia delle aspettative dei datori di lavoro, non una misura di quello che è successo.
Non è un dettaglio pedante. Una previsione dichiarata e un deprezzamento osservato sono due oggetti diversi, e solo del secondo esistono serie storiche.
Cosa si deprezza davvero
Il meccanismo di Deming e Noray è preciso e vale la pena capirlo, perché si applica a chiunque, non solo agli informatici.
Chi entra in un mestiere ad alta intensità tecnologica viene pagato molto perché possiede competenze scarse e appena arrivate sul mercato. Ma quelle stesse competenze sono legate a strumenti e paradigmi che vengono sostituiti. Dopo qualche anno il nuovo laureato le ha imparate all’università, e il vantaggio di chi era arrivato prima svanisce. La conseguenza contro-intuitiva è che nei mestieri tecnologici il tasso di uscita verso altre occupazioni è alto: non perché il lavoro sia brutto, ma perché il vantaggio economico si consuma.
C’è un secondo modo di guardare la stessa cosa, e viene da Edward Lazear. Nella sua formulazione quasi nessuna competenza è davvero specifica di un’azienda: le competenze sono generali, ma ogni azienda le combina con pesi diversi. Quello che perdi cambiando lavoro non è la competenza, è la combinazione. Questo spiega perché una persona molto brava in un contesto ristretto può valere poco fuori, senza essere diventata incapace.
E c’è un terzo meccanismo, il più banale e il più sottovalutato: il decadimento da non uso. Winfred Arthur e colleghi hanno aggregato nel 1998 quasi duecento insiemi di dati sulla ritenzione delle competenze dopo l’addestramento. Il risultato: dopo circa un anno senza pratica la prestazione crolla di oltre nove decimi di deviazione standard, con il crollo più marcato sui compiti cognitivi complessi rispetto a quelli motori.
Tradotto: una parte enorme di quello che chiami “competenza obsoleta” non è obsoleta. È semplicemente non praticata.
Cosa invece cresce, secondo i dati
Qui c’è una serie storica solida. David Deming ha ricostruito, sempre sul Quarterly Journal of Economics, l’andamento della domanda per intensità di competenze sociali nel mercato del lavoro statunitense dal 1980 in poi.
Il risultato: le occupazioni ad alta intensità di competenze sociali sono cresciute di circa dodici punti percentuali in quota sull’occupazione totale, e in quelle occupazioni sono cresciuti anche i salari. Ma il dettaglio che conta di più è un altro: la crescita più forte non è né nelle occupazioni molto matematiche né in quelle molto sociali prese da sole. È in quelle che richiedono entrambe le cose insieme.
| Profilo di competenze | Andamento 1980-2012 |
|---|---|
| Alta matematica + alte competenze sociali | Crescita più forte di occupazione e salari |
| Alta matematica, basse competenze sociali | Crescita modesta, salari meno brillanti |
| Basse competenze matematiche, alte sociali | Crescita di occupazione, salari più contenuti |
| Basse entrambe | In contrazione |
Il modello teorico che Deming propone spiega il perché: le competenze sociali riducono il costo di coordinarsi, e questo permette alle persone di specializzarsi di più. Sono un moltiplicatore del lavoro tecnico, non un’alternativa. Ho scritto altrove perché la contrapposizione tra hard e soft skills sia mal posta: questo è il dato che lo mostra meglio.
La domanda utile non è “quale competenza imparo”. È “quanto in fretta si deprezza questa competenza, e quanto costa tenerla viva”.
Le direzioni sostenute da dati strutturali
Con la stessa cautela che vale per ogni previsione, queste sono le direttrici che poggiano su meccanismi documentati e non su sondaggi di aspettative.
| Direttrice | Perché regge | Deprezzamento atteso |
|---|---|---|
| Competenze relazionali e di coordinamento | Serie storica di Deming, crescita quarantennale | Molto lento |
| Ragionamento quantitativo di base | Trasversale a settori, indipendente dagli strumenti | Lento |
| Giudizio in condizioni di dati ambigui | Non riducibile a regole scrivibili | Lento |
| Alfabetizzazione sugli strumenti di AI | Domanda in crescita ma paradigmi instabili | Rapido sugli strumenti, lento sui concetti |
| Padronanza di uno specifico software o piattaforma | Utile subito, sostituibile | Molto rapido |
| Conoscenza normativa di settore | Rendita alta finché la norma resta | Discontinuo: cambia in blocco |
La riga più importante è la penultima. Non significa che non valga la pena imparare uno strumento: significa che il ritorno di quell’ora è concentrato nei primi anni e va contabilizzato così.
Come scegliere cosa imparare
- Separa i concetti dagli strumenti. Prima di studiare qualcosa, chiediti se stai imparando un principio o un’interfaccia. I principi si trasferiscono, le interfacce vanno rifatte a ogni versione.
- Stima il tempo di dimezzamento prima di iniziare. Una competenza legata a un prodotto commerciale specifico ha un orizzonte breve per costruzione. Va bene, ma sappilo quando decidi.
- Costruisci coppie, non picchi. Il dato di Deming dice che il valore sta nella combinazione tra competenza tecnica e capacità di coordinarsi. Il secondo pezzo raramente viene studiato apposta.
- Metti in pratica quello che impari entro poche settimane. Il decadimento da non uso è documentato e brutale: un corso senza applicazione è una spesa con rendimento vicino a zero.
- Ripassa a intervalli crescenti, non a raffica. La distribuzione della pratica nel tempo batte la stessa quantità di studio concentrata: è uno degli effetti più replicati della psicologia dell’apprendimento.
- Verifica quanta parte del tuo valore è legata a un solo contesto. Se la risposta è “molta”, stai accumulando pesi aziendali, non competenze. Il costo di questa scoperta tardiva è quantificato in reskilling.
- Tratta l’AI come una competenza concettuale. Gli strumenti cambieranno ogni pochi mesi; capire come funzionano e dove sbagliano no. La distinzione è spiegata in AI generativa.
Cosa ne penso: meglio ridurre il rischio che inseguire il picco
Penso che il problema delle liste di competenze del futuro non sia che sbagliano elenco, ma che ottimizzano la variabile sbagliata. Massimizzano il valore atteso di una scommessa, quando la cosa razionale sotto incertezza alta è ridurre la varianza: preferire competenze con deprezzamento lento anche se il picco di guadagno è più basso.
Credo anche che il dato di Deming e Noray sia il più scomodo dell’intera letteratura, perché contraddice il consiglio dominante degli ultimi quindici anni. “Studia una materia tecnica e sarai a posto” è vero per il primo stipendio e diventa progressivamente meno vero dopo. Chi lo dice a un diciottenne dovrebbe almeno dirgli anche la seconda parte.
Se dovessi scommettere, direi questo: la competenza più preziosa dei prossimi cinque anni sarà la velocità con cui una persona riesce a diventare mediocre in un ambito nuovo. Non eccellente: mediocre, in fretta, molte volte.
Domande frequenti
Le competenze tecniche non servono più? Servono eccome: sono la parte che dà accesso al mercato. Il punto è che il loro premio si consuma, mentre quello delle competenze di coordinamento no.
Quanto dura davvero una competenza? Dipende dal legame con uno strumento specifico. Un principio statistico dura decenni; la padronanza di una versione di un software dura quanto quella versione.
Devo imparare a programmare? La logica di programmazione sì, quasi sempre. Il linguaggio specifico è meno importante di quanto sembri, ed è la parte che si deprezza prima.
Come faccio a non dimenticare quello che studio? Applicandolo presto e ripassando a intervalli distanziati. Il decadimento da non uso è la causa più frequente di competenze che sembrano obsolete e non lo sono.
Le competenze relazionali si possono studiare? In parte sì, se le tratti come compiti concreti (condurre una riunione, dare un feedback, negoziare) e non come tratti di carattere. Un punto di partenza è il pensiero critico.
Fonti
- Deming, D. J., e Noray, K. (2020). Earnings Dynamics, Changing Job Skills, and STEM Careers. Quarterly Journal of Economics, 135(4), 1965-2005. L’erosione del premio salariale iniziale nei mestieri tecnologici.
- Deming, D. J. (2017). The Growing Importance of Social Skills in the Labor Market. Quarterly Journal of Economics, 132(4), 1593-1640. La crescita delle occupazioni ad alta intensità di competenze sociali e l’effetto della combinazione con quelle matematiche.
- Arthur, W., Bennett, W., Stanush, P. L., e McNelly, T. L. (1998). Factors That Influence Skill Decay and Retention: A Quantitative Review and Analysis. Human Performance, 11(1), 57-101. La meta-analisi sul decadimento da non uso.
- Lazear, E. P. (2009). Firm-Specific Human Capital: A Skill-Weights Approach. Journal of Political Economy, 117(5), 914-940. Le competenze generali con pesi aziendali.
- Autor, D. H., Levy, F., e Murnane, R. J. (2003). The Skill Content of Recent Technological Change: An Empirical Exploration. Quarterly Journal of Economics, 118(4), 1279-1333.
- Cepeda, N. J., Pashler, H., Vul, E., Wixted, J. T., e Rohrer, D. (2006). Distributed Practice in Verbal Recall Tasks: A Review and Quantitative Synthesis. Psychological Bulletin, 132(3), 354-380. L’effetto della pratica distribuita nel tempo.
- Neuman, S., e Weiss, A. (1995). On the Effects of Schooling Vintage on Experience-Earnings Profiles. European Economic Review, 39(5), 943-955. Il deprezzamento più rapido dell’istruzione nei settori ad alta tecnologia.
- Sackett, P. R., Zhang, C., Berry, C. M., e Lievens, F. (2022). Revisiting Meta-Analytic Estimates of Validity in Personnel Selection. Journal of Applied Psychology, 107(11), 2040-2068.
- Bessen, J. (2015). Learning by Doing: The Real Connection Between Innovation, Wages, and Wealth. Yale University Press. L’apprendimento sul posto di lavoro come fonte principale delle competenze effettivamente usate.
- World Economic Forum. Future of Jobs Report. Serie periodica. Fonte delle stime sul cambiamento delle competenze richieste: sondaggio presso i datori di lavoro, non misurazione retrospettiva.
Questo articolo è stato scritto seguendo il processo descritto in come scriviamo. Se trovi un dato riportato male, scrivimi: lo correggo e lo segnalo in fondo all’articolo.



