Dario Amodei, fondatore e CEO di Anthropic, lo aveva anticipato in un lungo saggio pubblicato a fine gennaio 2026 e intitolato The Adolescence of Technology. In quelle pagine Amodei descrive così l’attuale fase dello sviluppo tecnologico: “Credo che stiamo entrando in un momento di passaggio, tanto turbolento quanto inevitabile, che metterà alla prova chi siamo come specie”.
Nel suo post Amodei avvertiva che l’AI non agirà come un semplice supporto per mansioni specifiche, ma come un “sostituto generale del lavoro umano”, capace di estendersi rapidamente a un’ampia gamma di compiti e di rendere “insolitamente dolorosa” la transizione per il mercato del lavoro, proprio perché più rapida e più ampia delle rivoluzioni tecnologiche passate.
Il nuovo studio di Anthropic, Labor market impacts of AI: A new measure and early evidence, fornisce dati empirici a supporto di questa intuizione: mostra che, pur essendo ancora lontana dal suo pieno potenziale, l’AI ha già iniziato a concentrarsi su una fascia ristretta di professioni altamente esposte – programmatori, addetti al customer service e data entry – dove una quota crescente delle mansioni viene effettivamente svolta dai modelli AI in contesti lavorativi reali. Gli effetti sulla disoccupazione complessiva sono ancora limitati, ma emergono segnali precoci di un rallentamento nelle assunzioni dei lavoratori più giovani.
Indice degli argomenti
Le domande (e le risposte) dello studio di Anthropic
Quante professioni sono davvero esposte all’intelligenza artificiale? E soprattutto: quante lo sono già oggi, non in teoria ma nella pratica quotidiana? Sono le domande al centro del report, a firma degli economisti Maxim Massenkoff e Peter McCrory. Il documento introduce una metrica inedita, l’observed exposure (esposizione osservata), che supera i limiti delle misure puramente teoriche finora utilizzate nella letteratura economica combinando le capacità potenziali dei modelli di AI con i dati reali di utilizzo registrati sulla piattaforma Claude.
Il punto di partenza è una constatazione metodologica che gli autori stessi sottolineano con onestà intellettuale: le previsioni fatte finora sull’impatto delle tecnologie sul lavoro si sono spesso rivelate sbagliate. Studi precedenti sull’esposizione all’offshoring avevano identificato circa un quarto dei posti di lavoro americani come vulnerabili, ma un decennio dopo la crescita occupazionale in quelle categorie era rimasta sostanzialmente stabile. L’obiettivo dichiarato di questo lavoro è costruire un sistema di monitoraggio affidabile prima che gli effetti siano già visibili, per distinguere il segnale dal rumore quando i cambiamenti emergeranno.
Programmatori, operatori di customer service e data entry: i più esposti
Per costruire la misura di esposizione osservata, il team ha incrociato tre fonti: il database O*NET, che cataloga i compiti associati a circa 800 professioni negli Stati Uniti; i dati di utilizzo dell’Anthropic Economic Index, che traccia come Claude viene effettivamente impiegato in contesti professionali; e le stime teoriche di esposizione elaborate da Eloundou et al. (2023), che calcolano se un LLM è in grado di accelerare di almeno il doppio l’esecuzione di un determinato compito.
Il risultato più immediato riguarda il divario tra potenziale teorico e utilizzo reale. Prendendo come esempio il settore Computer & Math, le stime teoriche indicano che il 94% dei compiti sarebbe fattibile con l’AI. Nella pratica Claude copre oggi il 33% di quei compiti.
Il gap (che rappresenta il potenziale inespresso) è sistematico in tutti i settori: l’area rossa del grafico radar pubblicato nel report – che rappresenta l’utilizzo reale – è molto più piccola dell’area blu teorica in ogni categoria professionale. Tradotto: l’AI è lontana dal raggiungere le sue capacità potenziali nell’uso concreto quotidiano. Una buona notizia? Dipende, come sempre, da se si vuole vedere il bicchiere mezzo pieno o mezzo vuoto.
Le professioni con il livello più alto di esposizione osservata sono, nell’ordine: programmatori informatici (74,5%), operatori di customer service (70,1%), addetti al data entry (67,1%), specialisti di cartelle cliniche (66,7%) e analisti di ricerche di mercato (64,8%). In fondo alla classifica si trovano cuochi, meccanici, bagnini e baristi – professioni con esposizione pari a zero secondo i dati osservati, in quanto i loro compiti non raggiungono la soglia minima di utilizzo nei dati di traffico.
Un dato rilevante riguarda il profilo demografico dei lavoratori più esposti: rispetto alla fascia con esposizione nulla, sono più spesso donne (+16 punti percentuali), con titoli di studio più elevati (la quota di laureati magistrali è quasi quattro volte superiore) e con retribuzioni orarie medie più alte del 47%. Non si tratta, in altri termini, delle fasce lavorative tradizionalmente considerate vulnerabili all’automazione.
Nessun aumento della disoccupazione, ma qualcosa si muove tra i giovani
La parte più rilevante per le politiche pubbliche riguarda gli effetti occupazionali misurati finora. Utilizzando i dati della Current Population Survey americana, gli autori confrontano i trend di disoccupazione tra i lavoratori nel quartile più esposto e quelli con esposizione nulla dal 2016 a oggi. Il risultato è che non si rileva, al momento, nessun aumento statisticamente significativo della disoccupazione nelle categorie più esposte all’AI dal lancio di ChatGPT a fine 2022. L’effetto stimato è appena positivo ma prossimo allo zero.
Più sfumato il quadro per i lavoratori giovani. Incrociando i dati con ricerche parallele di Brynjolfsson et al. (2025), che riportano un calo del 6-16% dell’occupazione nelle professioni esposte tra i lavoratori di età compresa tra 22 e 25 anni, gli autori identificano un rallentamento delle nuove assunzioni nelle professioni ad alta esposizione per questa fascia d’età. Il tasso mensile di inizio di nuovi lavori nelle professioni più esposte scende di circa mezzo punto percentuale dopo il 2023, mentre rimane stabile al 2% mensile nelle professioni meno esposte. In termini aggregati, nel periodo post-ChatGPT si registra un calo del 14% del tasso di nuovi ingressi nelle professioni esposte per i giovani tra 22 e 25 anni, un risultato appena statisticamente significativo. Per i lavoratori oltre i 25 anni non si osserva alcun effetto analogo.
Gli autori sono espliciti nel segnalare le alternative interpretative: i giovani che non vengono assunti potrebbero rimanere nel posto precedente occupato, spostarsi verso professioni diverse o tornare a formarsi. Non è detto che il fenomeno si traduca in disoccupazione visibile, anche perché molti giovani che entrano per la prima volta nel mercato del lavoro non compaiono nelle statistiche tradizionali come disoccupati. Il framework presentato nel report punta a monitorare questi cambiamenti nel tempo, aggiornando le misure man mano che nuovi dati di utilizzo e di mercato del lavoro diventano disponibili.
Le posizioni degli esperti
Il dibattito sull’impatto dell’AI vede oggi confrontarsi visioni molto diverse tra i principali economisti del lavoro. Daron Acemoglu (MIT) mantiene una posizione di “ottimismo qualificato”, sostenendo che l’impatto aggregato rimarrà minimo nel breve termine a causa dell’inerzia delle istituzioni e della complessità di integrare queste tecnologie in sistemi legacy.
Una visione condivisa in parte da David Autor, che propone un modello di “realismo adattivo”: secondo Autor, l’AI non causerà una perdita netta di posti di lavoro ma una profonda ristrutturazione dei compiti, agendo come uno “scudo” per proteggere e potenziare l’esperienza umana piuttosto che sostituirla.
Suggeriamo, a tal proposito, la lettura di un recente studio congiunto dei due economisti sull’AI “pro-Worker”.
Su un fronte più cauto si schiera Erik Brynjolfsson (Stanford). Pur non prevedendo uno shock immediato per l’intera forza lavoro, Brynjolfsson ha concentrato la sua attenzione su quelli che definisce i “canarini nella miniera”: i giovani lavoratori tra i 22 e i 25 anni. La sua tesi è che il rallentamento delle assunzioni entry-level sia un segnale precoce di un “gap di investimenti complementari”, dove le aziende faticano ancora a capire come formare i nuovi talenti in un mondo dominato dall’AI.
Una prospettiva più radicale è quella di Anton Korinek, che parla di una trasformazione totale guidata dallo sviluppo dell’AGI (intelligenza artificiale generale), prevedendo una “disruption cognitiva” di magnitudo dieci volte superiore a quelle passate.
Anthropic_Nowcasting_Econ-Report-v12-2
