L’IA sta erodendo il primo gradino della carriera: i dati e le soluzioni
L’intelligenza artificiale non ha prodotto una disoccupazione di massa, almeno non nei numeri aggregati. I dati occupazionali nei paesi sviluppati restano stabili. Ma sotto la superficie si muove qualcosa di più insidioso: il primo gradino della scala di carriera si sta indebolendo in silenzio.
Uno studio della Stanford Digital Economy Lab, pubblicato a novembre 2025, ha rilevato che i lavoratori tra i 22 e i 25 anni nei settori più esposti all’AI generativa hanno subito un calo dell’occupazione del 16% — un dato che tiene conto di altri fattori che influenzano le assunzioni. Un rapporto Anthropic del marzo 2026 conferma la tendenza. I lavoratori più esperti negli stessi ruoli non hanno registrato cali simili. E l’occupazione non sta calando nei lavori entry-level a bassa esposizione all’AI. Il problema riguarda specificamente i primi impieghi in cui l’AI viene usata intensamente: sviluppatori software, addetti al customer service, programmatori, sistemisti informatici.
Questo suggerisce che le aziende stanno usando l’AI per sostituire i compiti junior — quelli che tradizionalmente permettono a un giovane di mettere piede nel mondo del lavoro.
Un mercato che si sta restringendo per i neo-laureati
Il quadro generale non aiuta. La Federal Reserve di New York ha registrato nel quarto trimestre 2025 un tasso di disoccupazione per i neo-laureati al 5,6%, mentre il tasso di sotto-occupazione — laureati che fanno lavori che non richiedono una laurea — ha raggiunto il 42,5%, il massimo dal Covid. Nessuna statistica dimostra da sola che l’AI sia l’unica causa. Le assunzioni complessive sono calate dopo la pandemia e i giovani sono i primi a soffrire. Ma ignorare che l’AI stia accelerando una transizione già difficile da scuola a lavoro sarebbe un errore.
Il costo umano e formativo
Dietro i numeri c’è una sofferenza reale. I laureati di oggi inviano centinaia di candidature prima di ricevere una singola offerta. Ansia, precarietà finanziaria e burnout sono in aumento. Se l’AI chiude la porta ai primi impieghi tipici, il prezzo si paga in indipendenza ritardata, famiglie rimandate e la sensazione che il primo serio sforzo professionale sia stato rifiutato.
C’è poi un problema strutturale: i lavori entry-level sono il sistema di formazione dell’economia. I giovani analisti imparano quali numeri sono affidabili. Gli sviluppatori junior scoprono come falliscono i sistemi in produzione. I nuovi marketer capiscono come si comportano i clienti fuori dai cruscotti. Se l’AI assorbe il drafting, il triage, il coding, il riassunto e la preparazione amministrativa — compiti che un tempo formavano i neo-assunti — le aziende diventano più efficienti nel breve termine, ma la società diventa meno capace nel lungo periodo.
"Impara a programmare" non basta più
L’idea che basti imparare a programmare per ottenere un lavoro stabile ha guidato per un decennio iniziative federali e l’espansione universitaria. Il presupposto era che il coding fosse una skill stabile e scalabile. Non lo è più. Il livello di lavoro che l’AI gestisce bene — tradurre specifiche in codice di routine, riprodurre pattern standard, debuggare errori prevedibili — è esattamente quello su cui si basavano i corsi di programmazione per principianti.
Oggi la skill rilevante è supervisionare i sistemi AI: capirne gli output, verificarli, combinarli con il giudizio umano. Servono alfabetizzazione AI e dati, competenze nei workflow basati su prompt, capacità di verifica e giudizio di dominio. Serve che università, college e corsi professionali integrino queste competenze nei percorsi ordinari. Ogni laureato dovrebbe saper usare gli strumenti AI, controllarne i risultati, conoscerne i limiti e unirli alla propria expertise.
Questo vale anche per chi entra in settori apparentemente al sicuro dall’AI, come la sanità. Quasi ogni lavoro contiene compiti — drafting, riassunti, scheduling, ricerca, dati di base, comunicazione di routine — per cui l’AI è già uno strumento formidabile. La competizione per i giovani non sarà umano contro macchina, ma collega contro collega che usa l’AI.
Le soluzioni: formazione, incentivi e investimento
Le scuole dovrebbero puntare su co-op retribuite, apprendistati e progetti legati alle aziende, così che gli studenti costruiscano giudizio in contesti reali prima della laurea. I governi dovrebbero creare crediti d’imposta, sussidi salariali e grant per la formazione, destinati alle aziende che assumono giovani in ruoli strutturati e potenziati dall’AI. Negli Stati Uniti esistono già meccanismi fiscali per questo tipo di sussidi condizionali: manca una versione costruita specificamente per il lavoro early-stage con l’AI.
Le aziende, dal canto loro, devono smettere di decidere le assunzioni basandosi solo sul risparmio a breve termine. I giovani lavoratori non valgono solo per i compiti che svolgono questo trimestre. Il loro valore sta nell’apprendimento, nella formazione, nella memoria istituzionale e nella produttività futura. Assumere all’ingresso non è un costo: è un investimento nello stock di giudizio che l’azienda avrà domani. La forza lavoro senior più efficace alla fine degli anni Trenta sarà composta in larga parte dai junior di oggi. Le aziende che automatizzano la fase di apprendimento potrebbero migliorare i margini immediati, ma tra dieci anni si troveranno senza nessuno che capisca come funzionano i loro stessi workflow basati sull’AI.
Per i laureati di questa primavera e del prossimo anno, il messaggio è chiaro. La sola familiarità con l’AI sta diventando una commodity. La sola competenza di dominio senza AI viene superata. La combinazione è ciò che è davvero scarso: l’ingegnere meccanico che conosce la produzione ed è bravo con l’AI; il programmatore che conosce i servizi finanziari ed è un fenomeno con l’AI.
