Un’azienda su tre riduce i lavori di ingresso: l’AI sta togliendo il primo gradino?

Il primo gradino si restringe, ma non per una sola ragione

Pesano anche crescita debole, costi, incertezza e scelte sulle assunzioni. Per questo sarebbe scorretto tradurre il risultato in “l’AI ha cancellato un terzo dei lavori junior”. L’indagine dice che un terzo delle organizzazioni ha ridotto quel tipo di ruoli e che l’automazione è una delle ragioni citate, con un peso molto diverso secondo la dimensione aziendale. È un segnale importante, non una prova universale di causalità. I ruoli iniziali non sono fatti soltanto di attività preziose. Preparare una prima bozza, ordinare dati, controllare documenti o rispondere a richieste standard può essere ripetitivo; sono proprio i compiti che l’AI svolge più facilmente. Ma quelle attività permettono anche di conoscere clienti, strumenti, eccezioni e linguaggio del mestiere. Se vengono automatizzate senza ridisegnare l’apprendistato, l’azienda risparmia oggi e rischia di non formare le persone che domani dovranno gestire casi complessi. La pressione si inserisce in una situazione già difficile. L’Office for National Statistics stimava 1,012 milioni di persone tra 16 e 24 anni nel Regno Unito non impegnate in istruzione, lavoro o formazione nel trimestre gennaio-marzo 2026. È la categoria indicata con l’acronimo NEET. I due dati non vanno sommati: provengono da misure diverse. Insieme mostrano però perché la riduzione del primo gradino non sia un problema soltanto individuale. Riguarda salari futuri, mobilità sociale e capacità delle imprese di costruire competenze. Anche i contratti stanno cambiando. Nell’industria dei servizi digitali l’AI spinge alcuni clienti a pagare per risultati e non per ore, come abbiamo raccontato nell’analisi su come cambia il prezzo del lavoro digitale. Se il valore non coincide più con il tempo impiegato, i giovani non possono essere valutati soltanto sulla velocità di esecuzione. Servono giudizio, capacità di verificare l’output e conoscenza del contesto.

La risposta utile non è fermare l’AI, ma ricostruire l’ingresso

Per chi cerca lavoro, “saper usare l’AI” è troppo vago. Conta dimostrare come si definisce un problema, quali fonti si controllano, come si riconosce un errore e quale risultato si ottiene. Un piccolo progetto pubblico, una simulazione documentata o un portfolio con prima e dopo rendono visibili capacità che un curriculum generico non mostra. Va evitato l’effetto opposto: presentare come propria una risposta automatica che non si sa spiegare. Le imprese possono usare l’automazione senza chiudere la porta. Un ruolo junior ridisegnato può affidare al sistema la raccolta iniziale e alla persona la verifica, il dialogo e le eccezioni. Servono tutor, obiettivi progressivi e tempo protetto per imparare. Anche il ritorno economico va calcolato oltre le ore risparmiate: la guida su come misurare il ROI dei progetti AI include qualità, adozione e rischio, elementi decisivi quando l’automazione modifica la formazione. Il dato britannico non permette di prevedere quanti posti spariranno in Italia. Offre però una domanda che ogni organizzazione dovrebbe affrontare adesso: se eliminiamo il lavoro semplice, attraverso quale percorso una persona diventerà capace di quello difficile? L’AI può togliere passaggi inutili. Se toglie anche il percorso di apprendimento, il risparmio di breve periodo diventa una carenza di competenze nel lungo.

La trasformazione tecnologica riguarda ormai l’intero sistema: dispositivi, infrastruttura, software e organizzazione. Valutare una novità isolando un solo componente porta a stime incomplete. Prestazioni e valore dipendono dal modo in cui tutti gli elementi lavorano nel caso reale. Nel caso di “Un’azienda su tre riduce i lavori di ingresso: l’AI sta togliendo il primo gradino?”, questo significa leggere la novità oltre l’annuncio e capire quali parti del lavoro vengono realmente modificate. Il rischio è investire sulla promessa tecnica senza considerare disponibilità, competenze e costi di gestione. Una soluzione eccellente in laboratorio può risultare fragile quando deve convivere con sistemi esistenti, picchi di utilizzo e requisiti di continuità. Il mercato premierà piattaforme capaci di offrire efficienza e possibilità di scelta. Standard, portabilità e sicurezza diventeranno criteri di acquisto insieme alle prestazioni. Per le aziende sarà utile mantenere architetture modulari e rivedere periodicamente le decisioni. La notizia è quindi un indicatore di una trasformazione più ampia, che va seguita attraverso risultati e condizioni operative anziché con la sola successione degli annunci.

La prova dei fatti

Chi cerca il primo impiego dovrebbe mostrare prove concrete: progetti, portfolio, esercizi e risultati verificabili, non soltanto competenze dichiarate. Questo primo passo serve a trasformare il tema in un perimetro verificabile: un responsabile, un input conosciuto, un risultato atteso e una misura precedente con cui confrontarsi. Senza questi elementi il progetto rimane una dimostrazione difficile da valutare. Le aziende possono ridisegnare i ruoli junior affidando all’AI i compiti ripetitivi senza eliminare affiancamento, apprendimento e responsabilità progressive. L’azione deve essere documentata insieme ai criteri di controllo, indicando quali casi possono procedere e quali devono fermarsi. È così che l’esperienza delle persone diventa una regola applicabile e migliorabile nel tempo. Scuole e centri di formazione dovrebbero misurare l’accesso al lavoro per mansione e settore, distinguendo l’effetto dell’automazione da domanda debole e costi di assunzione. Prima di estendere il metodo è utile raccogliere correzioni, tempi e costi per alcune settimane. Gli errori vanno raggruppati per causa: dati, istruzioni, strumenti o eccezioni del processo. Ogni categoria richiede un intervento diverso. Il 36% dei datori britannici intervistati dichiara di avere ridotto i ruoli di ingresso negli ultimi dodici mesi. È il punto da cui partire perché definisce l’effetto più immediato per professionisti e imprese. La sua importanza va misurata sul lavoro quotidiano: quante attività coinvolge, quali persone tocca e cosa accade quando il risultato non è corretto.

AI e automazione sono indicate tra le cause dal 24% delle piccole imprese che hanno tagliato, ma dal 58% delle medie e dal 60% delle grandi. Questo secondo elemento chiarisce perché non basta scegliere un prodotto. Servono un processo, dati affidabili e una responsabilità finale. L’adozione diventa sostenibile quando la tecnologia può essere osservata e corretta senza interrompere l’operatività. L’indagine mostra una pressione reale sul primo accesso al lavoro, ma non dimostra che l’AI sia l’unica causa né consente di estendere automaticamente i risultati ad altri Paesi. Il terzo punto indica la prospettiva di medio periodo. La decisione migliore non è necessariamente quella con più funzioni, ma quella che mantiene valore, controllo e possibilità di evoluzione quando cambiano modelli, prezzi o requisiti.