Nel 2024 David Autor, Caroline Chin, Anna Salomons e Bryan Seegmiller hanno pubblicato sul Quarterly Journal of Economics un lavoro che ha richiesto di ricostruire, titolo per titolo, tutte le denominazioni professionali censite negli Stati Uniti dal 1940 al 2018. Hanno usato i dizionari occupazionali e i brevetti per datare la comparsa di ogni mestiere.
Il risultato principale: circa il 60% dell’occupazione del 2018 si trovava in titoli professionali che non esistevano nel 1940.
Questo numero dice due cose insieme, ed è importante non tenerne solo una. La prima è che il lavoro si rinnova continuamente, e che la disoccupazione di massa prevista a ogni ondata tecnologica non si è mai materializzata. La seconda, meno confortante per chi scrive liste, è che le professioni più importanti tra vent’anni oggi non hanno un nome, e quindi non possono comparire in nessun elenco.
Perché le previsioni sui mestieri sbagliano
C’è un modo per verificarlo, invece di limitarsi a sospettarlo.
L’ufficio statistico del lavoro statunitense pubblica proiezioni occupazionali a dieci anni e, cosa rara e ammirevole, pubblica anche le valutazioni dei propri errori passati. Le sue autovalutazioni mostrano uno schema costante: le proiezioni aggregate sull’occupazione totale sono ragionevoli, mentre l’errore cresce parecchio scendendo al livello della singola professione, dove le previsioni sono spesso sbagliate anche nel segno della variazione.
Il quadro generale sulla previsione a lungo termine viene da Philip Tetlock, che tra il 1984 e il 2004 ha raccolto circa 28.000 previsioni da 284 esperti su eventi politici ed economici, e le ha valutate quando gli eventi si sono verificati. Il risultato, pubblicato nel 2005, è diventato famoso: le previsioni degli esperti erano appena migliori del caso, e gli esperti più sicuri di sé e più mediatici erano sistematicamente i meno accurati.
Non è un argomento contro il pensare al futuro. È un argomento contro il credere alle liste puntuali.
Cosa invece si prevede bene: i compiti
C’è una parte della ricerca economica che funziona molto meglio, e la differenza è nell’unità di analisi.
Nel 2003 David Autor, Frank Levy e Richard Murnane hanno proposto un quadro che regge ancora: la tecnologia non sostituisce professioni, sostituisce compiti. E la distinzione che conta non è tra lavoro manuale e intellettuale, ma tra compiti di routine e non di routine. Un compito di routine è quello le cui regole si possono scrivere per esteso, che sia avvitare un bullone o compilare un modulo secondo criteri fissi.
La previsione che ne discende è stata verificata su vasta scala. Maarten Goos, Alan Manning e Anna Salomons hanno documentato nel 2014, su 16 paesi europei, il fenomeno della polarizzazione: crescono l’occupazione ad alta qualifica e quella a bassa qualifica ma difficile da automatizzare, mentre si svuota la fascia intermedia di impiegati amministrativi, operai di linea e contabili. Autor e Dorn avevano trovato lo stesso schema negli Stati Uniti.
Questa previsione, fatta nei primi anni Duemila, si è avverata. Le liste dei lavori più promettenti degli stessi anni no.
Il caso dei bancomat
L’esempio più utile per capire perché “questo lavoro sarà automatizzato” è quasi sempre la domanda sbagliata viene da James Bessen.
Lo sportello bancomat sembrava la fine del cassiere di banca. Bessen ha ricostruito i dati: il numero di bancomat negli Stati Uniti è passato da circa 100.000 a metà anni Novanta a oltre 400.000 nel 2010. Nello stesso periodo il numero di cassieri di banca non è diminuito. È cresciuto leggermente.
Il meccanismo: i bancomat hanno abbassato il costo di gestione di una filiale, le banche ne hanno aperte di più, e ogni filiale aveva bisogno di personale. Il lavoro del cassiere però è cambiato: meno conteggio del contante, più vendita di prodotti e relazione con il cliente.
È il modello generale. L’automazione di un compito cambia il contenuto di una professione e il suo prezzo relativo molto prima di farla sparire. Ed è il motivo per cui il divario tra la stima di Frey e Osborne, che parlava del 47% dei posti statunitensi a rischio, e quella dell’OCSE, che parlava del 9%, dipende quasi tutto dall’unità di misura: professioni intere contro compiti dentro le professioni. Ne ho scritto in dettaglio in l’AI sostituirà il lavoro?.
Nessuno può dirti che lavoro farai. Ma si può dire con buona confidenza quali parti del tuo lavoro attuale saranno le prime ad andarsene.
Le direzioni che i dati sostengono
Con la cautela che tutto il resto dell’articolo impone, queste sono le direzioni sostenute da dati strutturali e non da previsioni di settore.
| Direzione | Su cosa poggia | Grado di confidenza |
|---|---|---|
| Cura e assistenza alla persona | Demografia: struttura per età già osservata, non prevista | Alto |
| Manutenzione e installazione tecnica sul posto | Compiti non di routine e non delocalizzabili | Alto |
| Transizione energetica e adeguamento edilizio | Impegni normativi e investimenti già deliberati | Medio-alto |
| Lavoro con i dati e loro interpretazione | Crescita documentata della domanda di compiti analitici | Medio |
| Sicurezza informatica e conformità | Domanda trainata da normativa e superficie d’attacco | Medio |
| Ruoli di coordinamento tra persone e sistemi | Estrapolazione, meno solida | Basso-medio |
La riga demografica è quella su cui si può contare di più, per un motivo banale: le persone che avranno ottant’anni nel 2050 sono già nate e già contate.
Come prepararsi senza indovinare il futuro
- Analizza il tuo lavoro per compiti, non per titolo. Scrivi le dieci cose che fai in una settimana e segna quali seguono regole scrivibili per esteso. Quella lista è la tua esposizione reale.
- Non inseguire il mestiere di moda. Quando una professione entra nelle liste, la finestra di vantaggio si è già chiusa in buona parte, e il costo di entrarci è al massimo.
- Costruisci combinazioni, non specializzazioni pure. Le posizioni difficili da coprire nascono quasi sempre all’incrocio tra due ambiti, non al vertice di uno solo.
- Punta sui compiti non delocalizzabili e non regolari. Presenza fisica, responsabilità legale, negoziazione, giudizio in condizioni ambigue.
- Tieni conto del costo reale di cambiare. Cambiare settore non è gratis, e i dati sull’entità della perdita di reddito sono nel dettaglio in reskilling.
- Preferisci competenze che si trasferiscono. La distinzione utile non è tra hard e soft: è tra ciò che vale solo in un’azienda e ciò che vale ovunque. Il punto è sviluppato in hard e soft skills.
- Riconsidera ogni dodici mesi. Non perché il mondo cambi ogni anno, ma perché è l’unico modo per accorgersi presto quando cambia.
Cosa ne penso: le liste fanno più danni che bene
Penso che le liste dei lavori del futuro facciano più danni che bene, perché spostano l’attenzione dalla domanda utile (quali parti del mio lavoro sono sostituibili) a una domanda a cui nessuno sa rispondere.
Ho anche l’impressione che il risultato di Autor e colleghi sul 60% venga citato quasi sempre a metà. La parte ottimista è vera: nasceranno lavori che oggi non immaginiamo. La parte omessa è che, storicamente, le persone che perdono il lavoro vecchio e quelle che ottengono il lavoro nuovo spesso non sono le stesse persone, e nemmeno la stessa generazione.
La mia sensazione, che resta un’ipotesi: la scelta più razionale in condizioni di incertezza alta non è scommettere sul settore giusto, ma ridurre il costo di sbagliare. Cioè competenze trasferibili, una rete di contatti fuori dal proprio settore e un margine economico che permetta di cambiare senza doverlo fare di corsa.
Domande frequenti
Quali sono i lavori più sicuri? Nessuno è sicuro in assoluto. I più resistenti all’automazione, per struttura dei compiti, sono quelli che combinano presenza fisica non standardizzata, responsabilità e giudizio in situazioni ambigue.
L’intelligenza artificiale distruggerà più posti di quanti ne crei? Storicamente non è mai successo, ma il passato non è una garanzia. Il dato importante è che l’effetto netto e l’effetto sulle singole persone sono due cose diverse.
Vale la pena studiare informatica adesso? La domanda per compiti analitici resta alta, ma il mestiere sta cambiando in fretta. Vale se il tuo interesse è genuino; come scommessa puramente strategica è più rischiosa di quanto fosse dieci anni fa.
Cosa succede alla fascia intermedia? È quella documentata come più esposta dalla ricerca sulla polarizzazione: mansioni amministrative e operative con regole scrivibili. È anche quella dove riqualificarsi presto rende di più.
Come faccio a scegliere senza sapere il futuro? Scegliendo criteri invece di destinazioni: compiti non di routine, competenze trasferibili, settori dove la domanda poggia su fatti già osservati come la demografia.
Fonti
- Autor, D., Chin, C., Salomons, A., & Seegmiller, B. (2024). New Frontiers: The Origins and Content of New Work, 1940-2018. Quarterly Journal of Economics, 139(3). Il 60% dell’occupazione in titoli inesistenti nel 1940.
- Tetlock, P. E. (2005). Expert Political Judgment: How Good Is It? How Can We Know? Princeton University Press. Le ~28.000 previsioni di 284 esperti.
- Autor, D. H., Levy, F., & Murnane, R. J. (2003). The Skill Content of Recent Technological Change: An Empirical Exploration. Quarterly Journal of Economics, 118(4), 1279-1333. Il quadro dei compiti di routine.
- Goos, M., Manning, A., & Salomons, A. (2014). Explaining Job Polarization: Routine-Biased Technological Change and Offshoring. American Economic Review, 104(8), 2509-2526. I 16 paesi europei.
- Autor, D. H., & Dorn, D. (2013). The Growth of Low-Skill Service Jobs and the Polarization of the US Labor Market. American Economic Review, 103(5), 1553-1597.
- Bessen, J. (2015). Learning by Doing: The Real Connection Between Innovation, Wages, and Wealth. Yale University Press. Il caso dei bancomat e dei cassieri.
- Frey, C. B., & Osborne, M. A. (2017). The Future of Employment: How Susceptible Are Jobs to Computerisation? Technological Forecasting and Social Change, 114, 254-280.
- Arntz, M., Gregory, T., & Zierahn, U. (2016). The Risk of Automation for Jobs in OECD Countries: A Comparative Analysis. OECD Social, Employment and Migration Working Papers No. 189. La stima del 9%.
- Lin, J. (2011). Technological Adaptation, Cities, and New Work. Review of Economics and Statistics, 93(2), 554-574.
- U.S. Bureau of Labor Statistics. Evaluating the Employment Projections. Monthly Labor Review. Le autovalutazioni sull’accuratezza delle proiezioni decennali.
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.



