Quando ho aperto per la prima volta l’esploratore di scenari economici di Anthropic, mi aspettavo l’ennesima argomentazione ben confezionata sui guadagni di produttività. Ho trovato invece una tesi più scomoda: entro il 2030 gli Stati Uniti potrebbero diventare sensibilmente più ricchi, mentre una parte consistente delle persone che hanno costruito la propria carriera nel lavoro intellettuale riceverebbe ben poco di quella prosperità aggiuntiva, o perderebbe del tutto il proprio posto nel mercato del lavoro.

Anthropic è prudente nel descrivere la natura del proprio lavoro. Si tratta di un modello di futuri possibili, non di una previsione, e gli autori chiariscono con insolita franchezza ciò che resta fuori dall’analisi: le scelte di politica economica, i cicli aziendali, gli shock finanziari, gli effetti sulla domanda, le differenze regionali e il costo, molto concreto, di chiedere a una persona di ricominciare in una nuova professione. Queste cautele sono importanti, ma non rendono l’esercizio meno utile. Al contrario, mettono meglio a fuoco la tensione centrale: crescita economica e progresso sociale sono collegati, ma non coincidono. [1] [2]
Questa tensione sviluppa un’argomentazione che ho avanzato di recente in Il conto dell’IA. Spesso ci viene chiesto di ammirare la portata del dividendo dell’IA prima ancora di decidere chi ne è proprietario, chi lo incassa e a chi spetta assorbire i rischi mentre quel dividendo cresce altrove. Gli scenari di Anthropic danno una misura a questo problema.
«La sfida principale non è ottenere crescita economica, ma fare in modo che i benefici siano ampiamente condivisi e i costi non ricadano in modo diseguale.» [1]
Un modello basato sulle mansioni, non sui titoli professionali
L’intuizione utile alla base della ricerca è che ogni professione è un insieme di mansioni, ciascuna con un diverso rapporto con il contesto, la responsabilità e la fiducia delle persone. Nel corso di un turno, un’infermiera può documentare i parametri vitali, coordinare l’assistenza, parlare con i pazienti, ordinare materiali e formulare giudizi che dipendono da tutte queste attività. L’IA può accelerarne alcune, automatizzarne altre e crearne poche di nuove, legate alla supervisione, al controllo della qualità o al coordinamento. Lo stesso vale per una designer, un avvocato, un’analista finanziaria o un consulente junior.
Questa distinzione è molto più utile della stanca contrapposizione tra professioni che «sopravvivono» e professioni che «scompaiono». La questione è capire come cambia l’insieme delle mansioni, quanto rapidamente viene adottato questo cambiamento e chi dispone di tempo, reddito e sostegno sufficienti per adattarsi prima che il vecchio insieme smetta di garantire un sostentamento.
L’Organizzazione internazionale del lavoro giunge a una conclusione simile da un’altra prospettiva. Il suo indice del 2025 rileva che un lavoratore su quattro svolge una professione in qualche misura esposta all’IA generativa, ma sostiene anche che, per la maggior parte delle professioni, la trasformazione è più probabile della sostituzione completa. Il lavoro amministrativo resta la categoria più esposta, anche se le professioni tecniche e specialistiche sono sempre più coinvolte, man mano che la tecnologia diventa più capace. [3]

Lo scenario intermedio è già scomodo
Il dibattito pubblico oscilla spesso fra due narrazioni rassicuranti. Secondo la prima, l’IA cambierà ben poco perché le organizzazioni si muovono lentamente. La seconda presume che qualsiasi sistema sufficientemente capace finirà per sostituire quasi tutti, e quasi subito. Il caso più utile di Anthropic è quello intermedio.
Nello scenario di crescita sostanziale, entro il 2030 l’IA può svolgere metà del lavoro intellettuale, in larga misura in autonomia, anche se le aziende non la applicano a tutte le mansioni per cui sarebbe idonea. Ne risulta un’economia che cresce a un ritmo all’incirca doppio rispetto a quello consueto, con un PIL dell’8,3% superiore nel 2030 a quello che si avrebbe senza IA. È un incremento notevole in un periodo breve. È anche uno scenario in cui i salari dei lavoratori della conoscenza restano pressoché invariati. [1] [2]
È un dato importante, perché da decenni il lavoro intellettuale viene presentato come il versante relativamente sicuro del cambiamento economico. L’istruzione, le competenze analitiche e la vicinanza ai flussi informativi avrebbero dovuto garantire resilienza. Il modello non sostiene che queste competenze diventino prive di valore. Indica piuttosto che la loro rarità può ridursi più rapidamente di quanto riescano ad adeguarsi le istituzioni che le circondano, soprattutto quando il lavoro può essere scomposto in mansioni digitali e svolto attraverso software già in uso.
Anthropic cita esempi come quello di un ingegnere del software che passa al settore elettrico, o di un addetto a un call center che si forma come infermiere, per illustrare una realtà più difficile: la mobilità professionale non è mai fluida come appare in un grafico. La formazione richiede tempo, l’identità professionale è radicata e la possibilità di cambiare dipende anche dalle responsabilità di cura, dal luogo in cui si vive, dalle licenze, dalla salute e dal reddito. Una posizione vacante in un altro settore dell’economia non diventa automaticamente un’opportunità concreta per chi ha visto cambiare il proprio ruolo.

Il salario medio può crescere mentre una carriera perde valore
È nel grafico dei salari che il linguaggio astratto dei «guadagni netti» comincia a non rendere più giustizia alle persone. Nello scenario di crescita sostanziale, i salari medi aumentano perché si espande la domanda di lavoro al di fuori delle professioni intellettuali più esposte. Nel caso estremo, la divergenza è netta: rispetto a un’economia senza IA, i salari al di fuori del lavoro intellettuale crescono del 33,6%, mentre quelli dei lavoratori della conoscenza scendono dell’11,5%. Nel complesso, la media aumenta comunque del 9,7%. [1]
La media è utile in una tabella di contabilità nazionale. Riassume male il bilancio di una famiglia, una richiesta di mutuo, un’identità professionale o la decisione di investire anni nella propria istruzione. Il costo sociale della transizione non si distribuisce su un lavoratore rappresentativo immaginario. Ricade su persone precise, in momenti precisi, spesso quando l’esperienza che hanno accumulato è diventata difficile da valutare nel nuovo mercato.
I ruoli junior meriterebbero più attenzione di quanta ne ricevano di solito. Il lavoro iniziale non è mai stato soltanto un modo più economico per sbrigare mansioni di routine. È stato un sistema di apprendistato, spesso progettato male, attraverso cui si acquisisce il giudizio necessario per gestire, in seguito, ambiguità, clienti, rischi e responsabilità. Se l’IA elimina una parte eccessiva delle attività attraverso cui quel giudizio si forma, la carenza futura potrebbe riguardare persone esperte che non hanno avuto la possibilità di imparare a prendere decisioni prima che la macchina cominciasse a proporre la prima bozza.

Il problema della distribuzione arriva prima dell’apocalisse
Il grafico più rivelatore dell’esploratore è anche il meno spettacolare: mostra come si divide il reddito nazionale tra lavoro e capitale. Nello scenario moderato, nel 2030 la quota del PIL destinata al lavoro è del 59,4%. Nello scenario di crescita sostanziale scende al 56,1%. In quello estremo arriva al 45,2%, mentre il capitale riceve il 54,8% di un’economia molto più grande. [1]
Non c’è contraddizione nel fatto che un’economia diventi più ricca mentre i lavoratori ricevono una quota minore del suo reddito. È proprio questo il punto. L’IA può rendere il capitale più produttivo, perché la potenza di calcolo, i modelli, i dati, le infrastrutture energetiche e i sistemi proprietari di distribuzione diventano utili per un numero crescente di mansioni. Chi possiede questi beni ottiene rendimenti più alti, anche quando i salari complessivi aumentano.
Anche il FMI ha formulato un avvertimento strutturale analogo, in termini più ampi. L’IA investe sia il lavoro qualificato sia quello di routine, e i rendimenti possono favorire le persone e le imprese già attrezzate per adottarla. Se la tecnologia integra innanzitutto il lavoro dei redditi più alti e, al tempo stesso, accresce i rendimenti del capitale, le disuguaglianze all’interno dei paesi possono aumentare anche mentre la produttività migliora. [4]
È qui che la formula «prima o poi ne beneficeranno tutti» smette di essere sufficiente. Beneficiare in futuro non risolve le questioni dei tempi, della proprietà e del potere contrattuale. Un lavoratore il cui salario ristagna per quattro anni mentre le aziende intorno a lui diventano più redditizie non ha ricevuto una quota neutrale del successo nazionale: ha finanziato parte della transizione rinunciando a reddito e affrontando l’incertezza.

La crescita ha bisogno di un sistema che distribuisca i benefici
Non interpreto questa ricerca come un argomento contro l’adozione dell’IA. Rinunciare a tecnologie utili non protegge a lungo i lavoratori e non risolve le debolezze di mercati del lavoro che già faticano a riconoscere adeguatamente il valore della cura, del lavoro artigianale, del servizio pubblico e dell’apprendimento professionale iniziale. La considero piuttosto una ragione per non trattare l’adozione come una decisione di mera implementazione tecnica.
Una risposta seria comincia nelle aziende. Se un’impresa usa l’IA per eliminare un livello di mansioni intellettuali di routine, dovrebbe essere in grado di spiegare che cosa intende fare con le persone che svolgevano quel lavoro: riassegnarle, formarle, mantenerle durante la transizione o semplicemente ridurre il personale. Ogni scelta ha un costo. Fingere che sia un modello impersonale a decidere è un modo comodo per sottrarsi alle proprie responsabilità.
La risposta deve però cominciare anche fuori dalle aziende, perché nessun datore di lavoro, da solo, può risolvere un problema distributivo generato dalla concentrazione di una serie di beni. Nel suo documento sulle politiche pubbliche, Anthropic prende in esame assicurazioni salariali, infrastrutture per l’incontro tra domanda e offerta di lavoro, formazione di settore e forme di conti patrimoniali universali, pensate per dare a più persone una partecipazione diretta alla crescita trainata dall’IA. Sono proposte discutibili, che andrebbero adattate ai contesti locali, soprattutto fuori dagli Stati Uniti. È più difficile respingere la premessa da cui partono: se una quota crescente del reddito deriva dalla proprietà dei sistemi che svolgono il lavoro, un’ampia partecipazione a quella proprietà diventa parte del contratto sociale. [5]
Ai dirigenti non basta un cruscotto della produttività. Devono misurare quali attività vengono potenziate, quali forme di giudizio professionale si stanno svuotando, a chi viene chiesto di riqualificarsi e quali beni si appropriano dei guadagni. Queste domande devono entrare nelle strategie per la forza lavoro, negli acquisti, nei sistemi retributivi e nelle politiche formative prima che si trasformino in un esercizio di gestione della crisi.
Il modello di Anthropic non ci dice quale scenario si realizzerà. Ci offre una mappa più chiara delle scelte nascoste in ciascuno di essi. La tecnologia può rendere l’economia più grande. La qualità della transizione dipenderà dal fatto che sapremo costruire istituzioni capaci di permettere alle persone di partecipare al valore che contribuiscono a creare, invece di limitarsi ad adattarsi al costo della sua creazione.

Share your thoughts