La crisi dei lavori entry-level: come l’intelligenza artificiale sta cambiando l’ingresso nel mondo del lavoro
L’intelligenza artificiale non ha ancora prodotto una storia chiara di disoccupazione di massa. L’occupazione aggregata nei paesi sviluppati resta sostanzialmente stabile, e studi recenti trovano prove limitate che l’IA abbia spostato i numeri principali. Ma sotto la superficie si nasconde un cambiamento preoccupante: l’indebolimento silenzioso del primo gradino della carriera.
La Stanford Digital Economy Lab ha pubblicato a novembre 2025 un working paper che mostra qualcosa di concreto. I lavoratori tra i 22 e i 25 anni nelle occupazioni più esposte all’IA hanno subito un calo relativo dell’occupazione del 16% dopo la diffusione dell’IA generativa. Il dato tiene conto anche di altri fattori che influenzano le assunzioni. Un rapporto Anthropic del marzo 2026 arriva a conclusioni simili. I lavoratori più esperti nelle stesse occupazioni non hanno subito lo stesso calo. E l’occupazione non scende nei lavori entry-level con bassa esposizione all’IA. Il problema è specifico per i lavori giovanili esposti all’IA.
Il segnale è chiaro: le aziende potrebbero usare l’IA per sostituire i compiti di base attraverso cui le persone ottenevano il primo lavoro. Sviluppatori software, addetti al customer service, programmatori e manager di sistemi informativi sono tra le categorie più colpite.
Il mercato del lavoro per i neolaureati si sta raffreddando
La Federal Reserve Bank di New York ha registrato che nell’ultimo trimestre del 2025 il tasso di disoccupazione per i neolaureati è salito al 5,6%. Il tasso di sottoccupazione, ovvero la percentuale di laureati che lavorano in ruoli che normalmente non richiedono una laurea, ha raggiunto il 42,5%, il livello più alto dalla pandemia. Nessuna singola statistica dimostra che l’IA sia l’unica causa, ma ignorare il suo ruolo sarebbe un errore.
Dietro questi numeri c’è sofferenza personale. I neolaureati oggi inviano centinaia di domande prima di ricevere una singola offerta. I sondaggi mostrano livelli elevati di ansia, precarietà finanziaria e burnout tra i giovani in cerca di lavoro prolungata. Se l’IA chiude silenziosamente la porta ai lavori di ingresso, il prezzo si paga in indipendenza ritardata, formazione di una famiglia rimandata e la sensazione che i primi seri sforzi professionali siano stati rifiutati.
I lavori entry-level fanno parte del sistema di formazione dell’economia. Gli analisti junior imparano quali numeri sono affidabili. Gli sviluppatori giovani imparano come falliscono i sistemi di produzione. I nuovi marketer imparano come si comportano i clienti al di fuori del linguaggio pulito dei dashboard. Se l’IA assorbe gran parte del lavoro di bozze, triage, codifica, riepilogo e preparazione amministrativa che un tempo formava i lavoratori entry-level, le aziende diventano più efficienti nel breve termine, ma la società diventa meno capace nel lungo periodo.
Il vecchio consiglio “impara a programmare” non basta più
La premessa su cui si basavano decenni di iniziative federali ed espansione universitaria non regge più: il coding non è più un’abilità stabile e scalabile che quasi chiunque può imparare e trasformare in un lavoro da ceto medio. Il livello di lavoro che l’IA gestisce bene — tradurre una specifica in codice di routine, riprodurre schemi standard, correggere errori prevedibili — è proprio il livello su cui si basavano i programmi “impara a programmare”.
Ora la competenza richiesta è diversa: supervisionare i sistemi di IA nel loro lavoro, capire gli output che producono e verificarne l’attendibilità. Università, college e programmi professionali devono incorporare nei corsi ordinari l’alfabetizzazione all’IA, la capacità di lavorare con i dati, le competenze per gestire flussi di lavoro basati su prompt, la verifica dei risultati e il giudizio di dominio. Ogni laureato dovrebbe sapere come usare gli strumenti di IA, controllarne gli output, capirne i limiti e combinarli con l’esperienza umana.
Questo vale anche per chi entra in occupazioni apparentemente al sicuro dall’IA, come quelle sanitarie. Ogni lavoro contiene compiti — bozze, riepiloghi, scheduling, ricerca, lavoro base sui dati, comunicazione di routine — per cui l’IA è già uno strumento di produttività sostanziale. La competizione per i giovani lavoratori non sarà più umano contro macchina, ma collega contro collega potenziato dall’IA.
Cosa devono fare scuole, governo e aziende
Le scuole dovrebbero puntare su tirocini retribuiti, apprendistati e progetti legati al lavoro reale, in modo che gli studenti sviluppino giudizio sul campo prima della laurea. I governi dovrebbero creare crediti d’imposta mirati, sussidi salariali e sovvenzioni per la formazione alle aziende che assumono giovani lavoratori in ruoli strutturati e potenziati dall’IA. Negli Stati Uniti esiste già l’architettura fiscale per questo tipo di sussidi condizionali. Manca una versione specifica per il lavoro giovanile potenziato dall’IA.
Le aziende devono smettere di basare le decisioni di assunzione solo sul risparmio di breve periodo che l’IA offre. I giovani lavoratori non valgono solo per i compiti che svolgono in questo trimestre. Il loro valore sta nell’apprendimento, nella formazione di competenze, nella memoria istituzionale e nella produttività futura. Assumere non è solo un costo: è un investimento nello stock futuro di giudizio dentro l’azienda. La forza lavoro senior più efficace con l’IA alla fine degli anni 2030 sarà composta in gran parte dai giovani di oggi. Le aziende che automatizzano la fase di apprendimento potrebbero migliorare i margini immediati, ma ritrovarsi tra dieci anni senza nessuno che capisca come funzionano i propri flussi di lavoro basati sull’IA.
Per i neolaureati, la combinazione che conta è quella che diventa rara: padronanza dell’IA unita a giudizio di dominio, ragionamento contestuale e capacità relazionali. L’ingegnere meccanico che conosce la produzione ed è competente con l’IA. Il programmatore che conosce i servizi finanziari ed è un asso con l’IA. Questi sono i profili che saranno richiesti.
