Un grafico pubblicato da The Economist, costruito su elaborazioni che combinano dataset di Anthropic e della National Association of Colleges and Employers, introduce una correlazione che ha il sapore delle evidenze scomode più che delle ipotesi accademiche. Da un lato l’esposizione delle discipline all’intelligenza artificiale, dall’altro la variazione del tasso di occupazione a tempo pieno nei sei mesi successivi alla laurea tra il 2022 e il 2024. Il risultato visivo è lineare, quasi brutale nella sua semplicità: una discesa costante che collega i settori più esposti all’AI con un peggioramento significativo delle prospettive occupazionali. Non serve molta retorica per interpretarlo, perché la direzione dei dati sembra anticipare già la narrazione economica dei prossimi anni.
Il segmento più interessante non riguarda la tecnologia in senso astratto, ma la sua interazione con il mercato del lavoro di ingresso, quello che storicamente funziona come filtro selettivo e meccanismo di assorbimento per i neolaureati. Filosofia e psicologia, collocate in un’area di bassa esposizione diretta ai sistemi di automazione generativa, mostrano variazioni neutre o leggermente positive. Informatica, scienze dell’informazione e ingegneria, cioè il cuore del paradigma produttivo digitale degli ultimi vent’anni, registrano invece contrazioni anche nell’ordine dei 10-15 punti percentuali. Il dato non è marginale, perché colpisce esattamente il segmento che per anni ha rappresentato il motore dell’occupazione qualificata nei grandi ecosistemi tecnologici americani.
La dinamica sottostante è meno misteriosa di quanto molti operatori del settore tendano a raccontare nelle conferenze. L’intelligenza artificiale non ha ancora sostituito in modo esteso i lavoratori esperti, ma ha già ridotto in modo significativo la domanda di lavoro entry-level nei settori tecnici. Le attività più standardizzate del ciclo di sviluppo software, come codice ripetitivo, test di base, debugging elementare e analisi dati strutturata, sono oggi sempre più internalizzate da strumenti generativi. Il risultato è una compressione del primo gradino della carriera, quello che tradizionalmente giustificava l’assunzione massiva di giovani talenti con compiti a basso valore aggiunto ma alto valore formativo.
Questa trasformazione ha una caratteristica che la rende particolarmente rilevante dal punto di vista macroeconomico: non è ancora una sostituzione piena del lavoro umano, ma una ristrutturazione della sua accessibilità. In altri termini, il problema non è la disoccupazione totale, bensì la rarefazione dei punti di ingresso nelle professioni tecniche. Il sistema economico continua a richiedere ingegneri, data scientist e sviluppatori, ma riduce progressivamente lo spazio in cui questi professionisti vengono “addestrati sul campo”, trasferendo parte della formazione implicita alle macchine. È una forma di automazione che non elimina il lavoro, ma lo sposta verso livelli di seniority più elevati, alzando la soglia di ingresso senza dichiararlo esplicitamente.
Il paradosso strutturale emerge con una certa chiarezza quando si osserva la traiettoria temporale tra il 2022 e il 2024. Proprio nel momento in cui l’ecosistema universitario continua a produrre coorti di laureati altamente specializzati nei settori STEM, il mercato riduce l’assorbimento iniziale di queste competenze. L’effetto non è immediatamente visibile nei tassi complessivi di occupazione, ma si manifesta in modo più subdolo nella qualità e nella tempistica delle offerte di lavoro. Si allunga il tempo di transizione tra laurea e primo impiego stabile, mentre si riduce la probabilità di accesso diretto a ruoli tecnici tradizionali. È un cambiamento di struttura, non di ciclo.
Da una prospettiva strategica, il dato solleva una questione che va oltre il dibattito sull’AI come tecnologia abilitante o distruttiva. Il vero nodo riguarda la redistribuzione del valore lungo la catena della conoscenza produttiva. Se i sistemi generativi assorbono le attività iniziali di elaborazione, il capitale umano si concentra più rapidamente verso ruoli decisionali e di supervisione, ma con un collo di bottiglia evidente: non tutti i laureati possono saltare il gradino intermedio senza che il sistema perda capacità di formazione interna. Il rischio, già visibile nei dati, è la formazione di una generazione tecnicamente preparata ma strutturalmente sotto-assorbita nel momento più delicato della sua curva professionale.
In questo scenario, l’intelligenza artificiale si comporta meno come una tecnologia sostitutiva e più come un filtro economico selettivo, che modifica la distribuzione delle opportunità piuttosto che cancellarle. La traiettoria suggerita dal grafico di The Economist non è quella di un collasso occupazionale generalizzato, ma di una riconfigurazione silenziosa del mercato del lavoro iniziale. Una trasformazione che, come spesso accade nelle fasi di innovazione infrastrutturale, diventa visibile solo quando gli effetti cumulativi superano la soglia dell’inerzia istituzionale e a quel punto, la distinzione tra adattamento e ritardo tende a diventare puramente semantica.
A. Dina
