L’intelligenza artificiale sta cancellando il primo gradino della carriera

L’intelligenza artificiale non ha ancora prodotto una chiara storia di disoccupazione di massa. L’occupazione aggregata nei paesi sviluppati resta sostanzialmente stabile, e studi recenti non trovano prove che l’IA abbia spostato i numeri principali. Ma sotto la superficie c’è un cambiamento preoccupante: il primo gradino della scala di carriera si sta indebolendo silenziosamente.

La prova più evidente arriva proprio dove ci si aspetterebbe: nelle assunzioni all’inizio della carriera. Un working paper del Digital Economy Lab di Stanford, pubblicato a novembre 2025, ha rilevato che 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, anche controllando altri fattori. Un rapporto Anthropic del marzo 2026 offre prove suggestive nella stessa direzione. I lavoratori più esperti nelle stesse occupazioni non hanno subito un calo simile. E l’occupazione non sta diminuendo nemmeno nei lavori entry-level con bassa esposizione all’IA. Il problema è specifico dei primi impieghi esposti all’IA.

Non è un segnale minore. Suggerisce che le aziende stanno usando l’IA per sostituire quei compiti junior attraverso cui le persone tradizionalmente ottenevano il primo punto d’appoggio: sviluppatori software, addetti al servizio clienti, programmatori, manager di sistemi informativi.

Il mercato del lavoro per i neolaureati si sta già raffreddando. La Federal Reserve Bank di New York ha riportato che nel quarto trimestre 2025 il tasso di disoccupazione per i neolaureati è salito al 5,6%, mentre il tasso di sottoccupazione (la quota di laureati che lavorano in posti che non richiedono una laurea) ha raggiunto il 42,5%, il livello più alto dalla pandemia.

Dietro queste statistiche c’è disagio personale. I neolaureati oggi spesso inviano centinaia di candidature prima di ricevere un’offerta, e 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 primi impieghi tipici, il prezzo si paga in ritardo nell’indipendenza, rinvio nella formazione di una famiglia e nella sensazione che i primi seri sforzi professionali siano stati respinti.

Conta anche perché i lavori entry-level fanno parte del sistema di formazione dell’economia. Gli analisti junior imparano quali numeri sono affidabili. I giovani sviluppatori imparano come falliscono i sistemi di produzione. I nuovi marketer imparano come si comportano i clienti al di fuori del linguaggio ordinato dei dashboard. Se l’IA assorbe gran parte della stesura, del triage, della codifica, della sintesi e della 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 termine.

Il modo giusto per migliorare le competenze dei giovani lavoratori non è dire loro: “Impara a programmare”. Quel consiglio, che ha plasmato oltre un decennio di iniziative federali ed espansione universitaria, si basava sul presupposto che la programmazione fosse una competenza stabile e scalabile. Quel presupposto non regge più. Lo strato di lavoro che l’IA gestisce bene — tradurre una specifica in codice di routine, riprodurre pattern standard, debuggare errori prevedibili — è proprio lo strato attorno a cui erano costruiti i programmi “impara a programmare”.

Servono invece università, college e programmi professionali che integrino l’alfabetizzazione all’IA, l’alfabetizzazione ai dati, le competenze di workflow basati su prompt, le capacità di verifica e il giudizio di dominio nei corsi ordinari. Ogni laureato dovrebbe saper usare strumenti di IA, controllarne l’output, capirne i limiti e combinarli con l’esperienza umana.

Per la maggior parte dei giovani lavoratori, il percorso realistico per rendersi preziosi non è evitare l’IA, ma diventare fluenti nella tecnologia e combinarla con giudizio di dominio, ragionamento contestuale e capacità relazionali. Le scuole dovrebbero enfatizzare tirocini retribuiti, apprendistati e progetti legati ai datori di lavoro, in modo che gli studenti costruiscano giudizio in contesti lavorativi reali prima di laurearsi.

I governi dovrebbero creare crediti d’imposta mirati, sussidi salariali e sovvenzioni per la formazione per i datori di lavoro che assumono giovani lavoratori in ruoli strutturati e potenziati dall’IA. L’architettura per questo tipo di sussidio condizionato esiste già nella politica fiscale statunitense. Manca una versione costruita specificamente attorno al lavoro early-stage potenziato dall’IA.

Le aziende, da parte loro, dovrebbero smettere di prendere decisioni di assunzione basate solo sul risparmio di costo a breve termine dall’IA. 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. Le assunzioni entry-level non sono solo una spesa. Sono un investimento nello stock futuro di giudizio dentro l’azienda. La forza lavoro senior più efficace potenziata dall’IA della fine degli anni 2030 sarà composta in gran parte dalla coorte junior di oggi. Le aziende che automatizzano la fase di apprendimento potrebbero migliorare i margini immediati, ma ritrovarsi, tra un decennio, senza nessuno che capisca come funzionano realmente i propri flussi di lavoro guidati dall’IA.

Gli studenti che si laureano questa primavera e il prossimo anno affrontano un mercato del lavoro in transizione. La fluidità nell’IA sta diventando una commodity. La competenza di dominio senza fluidità nell’IA viene superata. La combinazione è ciò che è veramente scarso: l’ingegnere meccanico con conoscenza della produzione e competenza nell’IA; il programmatore software con conoscenza dei servizi finanziari che è anche un mago dell’IA.