AI e lavoro cognitivo: il tema più discusso del 2026, e anche il più frainteso. A marzo, Anthropic ha pubblicato uno studio che in poche ore ha fatto il giro di X, LinkedIn e newsletter di mezzo mondo. Il titolo dello studio è sobrio — “Labor Market Impacts of AI: A New Measure and Early Evidence” — ma i thread che ne sono seguiti hanno trasformato un lavoro scientifico cauto in un allarme esistenziale.

Il problema è che i dati dicono qualcosa di più complicato. E leggere il paper originale, pagina per pagina, cambia radicalmente la prospettiva.

Cos’è la “esposizione osservata” e perché cambia tutto

Gli autori, Maxim Massenkoff e Peter McCrory, introducono una nuova metrica: l’observed exposure, esposizione osservata. Non misura ciò che l’AI potrebbe teoricamente fare, ma ciò che sta effettivamente facendo in contesti professionali reali, basandosi su milioni di interazioni con Claude in ambienti enterprise.

Il divario tra teoria e realtà è enorme.

Per i lavoratori in informatica e matematica, la capacità teorica degli LLM copre il 94% dei task. La copertura osservata reale? Il 33%. Per i ruoli d’ufficio e amministrativi: 90% teorico, 40% osservato. – In sintesi: l’AI può fare molto di più di quanto stia effettivamente facendo oggi.

Questo dato, nella maggior parte dei thread virali, è stato invertito di senso — trasformato in “l’AI sta già facendo il 33% del tuo lavoro” anziché “siamo ancora lontanissimi dal tetto teorico”.

AI e lavoro cognitivo: chi è davvero esposto

La mappa delle occupazioni più esposte conferma alcune intuizioni e ne smentisce altre.

I programmatori informatici guidano con il 75% di esposizione osservata. Seguono gli addetti al customer service al 70%, gli operatori di data entry al 67%, gli specialisti di cartelle cliniche al 66%, gli analisti di ricerca di mercato al 64%. Sono tutti lavori ad alto contenuto cognitivo, spesso svolti da chi ha titoli di studio elevati e stipendi superiori alla media.

Il profilo demografico dei lavoratori più esposti è netto: guadagnano il 47% in più rispetto al gruppo meno esposto, sono più spesso donne, più spesso laureati. I titolari di laurea magistrale sono quasi quattro volte più rappresentati nel gruppo ad alta esposizione rispetto a quello a esposizione zero.

Dall’altra parte, il 30% della forza lavoro americana ha esposizione zero: cuochi, meccanici, baristi, lavapiatti. La tecnologia che riorganizza le carriere professionali è, per ora, irrilevante per un terzo dei lavoratori.

Il dato che il thread virale ha capovolto

Qui sta il nodo centrale, e vale la pena essere precisi.

Il thread più condiviso affermava che i lavoratori esposti “sono più anziani” e che l’AI stava già causando disoccupazione misurabile. Il paper dice l’esatto contrario su entrambi i punti.

Sul fronte occupazionale, gli autori scrivono esplicitamente di non aver trovato alcun aumento sistematico della disoccupazione per i lavoratori più esposti dall’introduzione di ChatGPT ad oggi. In tutte le analisi condotte, l’impatto sull’unemployment è piatto o addirittura negativo — il che significa che la disoccupazione nel gruppo esposto non è aumentata.

C’è un segnale preoccupante, ma più sottile: un calo del 14% nel tasso di assunzione di lavoratori tra i 22 e i 25 anni nelle occupazioni ad alta esposizione. Un dato che il paper stesso definisce “appena statisticamente significativo” e che ammette interpretazioni alternative — molti giovani potrebbero stare continuando nel lavoro precedente, spostandosi verso altri settori, o tornando a studiare. Per i lavoratori sopra i 25 anni non si rileva alcun effetto comparabile.

È un segnale da monitorare, non una sentenza.

Perché questo framework è importante (davvero)

Lo studio non nasce per allarmare, ma per costruire uno strumento di misurazione che si aggiorni nel tempo, prima che gli effetti diventino macroscopici. Gli autori sono espliciti: se l’impatto sarà grande, questo framework lo vedrà arrivare. Se invece gli effetti resteranno ambigui, avranno comunque costruito una metodologia rigorosa per distinguere il segnale dal rumore.

È un approccio intellectualmente onesto e scientificamente raro nel dibattito sull’AI — che tende a oscillare tra utopismo totale e distopia imminente senza mai fermarsi sui dati.

La domanda che rimane aperta è quella sui ruoli entry-level: se le posizioni junior si riducono, dove si formerà la prossima generazione di professionisti senior? L’AI può coprire il task, ma può coprire anche l’apprendimento implicito che avviene facendolo?

Rif. https://cdn.sanity.io/files/4zrzovbb/website/3f7fd9d552e66269bdb108e207c5d80531d04b8b.pdf 

AI Disclosure

Revisione editoriale assistita dall’intelligenza artificiale.
Ricerca, analisi tecnica e framework concettuale a cura dell’autore.