L'AI finora non fa perdere posti di lavoro, ma rende più difficile ai giovani trovare il primo lavoro

Negli Stati Uniti giornalismo e contabilità sono due corsi di laurea che le misure di esposizione all’intelligenza artificiale considerano quasi uguali. Dopo l’arrivo di ChatGPT, a fine novembre 2022, i loro laureati hanno però avuto sorti diverse: fra il 2022 e il 2024 la retribuzione d’ingresso dei laureati in giornalismo è scesa di circa il 6% rispetto alla media di tutti i corsi, quella dei laureati in contabilità è salita di circa il 3%. Lo studio da cui viene l’esempio spiega la differenza che la media nasconde: i laureati in giornalismo finiscono per il 36% in mestieri fatti in gran parte di compiti che l’AI sa svolgere da sola, quelli in contabilità solo per il 16%.

L’esempio riassume quello che i dati del 2025 e del 2026 cominciano a mostrare negli Stati Uniti: finora l’AI non fa perdere posti di lavoro nell’insieme, ma rende più difficile ai giovani cominciare a lavorare. In Italia, nei dati disponibili, per ora questo segnale non compare, e nessuno l’ha ancora cercato direttamente. L’articolo parte dai dati misurati, non dalle previsioni, e indica che cosa conviene osservare dentro un’impresa.

Giornalismo e contabilità: stessa esposizione all’AI, sorti diverse per i laureati

Conta quanta parte dei laureati di un corso finisce nei mestieri più esposti, e la media dell’esposizione non lo dice.

L’esempio viene da uno studio dell’ufficio statistico degli Stati Uniti (U.S. Census Bureau) su 6,7 milioni di neolaureati, pubblicato a settembre 2026 (Orr, Tucker e Warren, CES Working Paper 26-56). Gli autori hanno collegato i registri delle retribuzioni dei laureati fra il 2016 e il 2024 con il loro corso di studi, e hanno dato a ogni corso un punteggio di esposizione all’AI, ricavato dai mestieri che i suoi laureati fanno di solito.

Fra il 2022 e il 2024 la retribuzione d’ingresso cresce in media un po’ più di quella di tutti i corsi fino al sesto decile di esposizione, un po’ meno dal settimo al nono, e nel decimo crolla: circa il 10% in meno della media. Il decimo decile è quasi tutto informatica, ingegneria informatica e sistemi informativi. Giornalismo e contabilità stanno ai due lati del confine fra nono e decimo decile: hanno quasi lo stesso punteggio perché la media di un corso mette insieme mestieri molto diversi.

L’AI svolge singole mansioni, non interi mestieri

Un mestiere è un fascio di mansioni che l’AI tocca in modo diverso: contare le mansioni invece dei mestieri cambia la risposta sui posti a rischio.

Un mestiere è un fascio di mansioni. Un contabile registra fatture, prepara dichiarazioni, spiega a un cliente perché una spesa non è deducibile: alcune di queste attività un modello linguistico le svolge da solo, altre solo accanto a una persona che controlla e risponde, altre ancora non le tocca. Ogni mestiere contiene i tre tipi in proporzioni diverse.

Da questo dipende la risposta alla domanda «quanti posti sono a rischio». La Banca d’Italia ricorda un confronto: uno studio del 2017 che giudicava i mestieri interi trovava automatizzabile entro vent’anni quasi metà dei posti di lavoro statunitensi; rifacendo il conto sulle singole mansioni, un altro gruppo di ricercatori è sceso sotto il 10%.

Per questo le misure di esposizione all’AI più usate oggi partono dalle mansioni. Quella di Eloundou e colleghi, del 2023, valuta uno per uno circa diciannovemila compiti del catalogo statunitense dei mestieri: per l’80% dei lavoratori un modello linguistico potrebbe dimezzare il tempo di almeno un decimo dei compiti, per il 19% di almeno metà. Questi numeri circolano spesso come previsioni, ma gli autori stessi avvertono che non lo sono: dicono che cosa un modello potrebbe fare, nulla su che cosa deciderà un’impresa.

In Italia le imprese che hanno già adottato l’AI raccontano la stessa cosa: nei casi studiati da Anitec-Assinform e dal Politecnico di Torino, l’AI tende a modificare il contenuto delle attività più che ad automatizzarle del tutto.

Per le professioni italiane una misura di esposizione esiste. Colombo, Mercorio, Mezzanzanica e Seveso (2026) hanno fatto valutare a tre modelli linguistici ciascun compito delle professioni, pesandole con gli annunci di lavoro pubblicati in Italia nel 2019 e nel 2025. In cima alla classifica del 2025 ci sono gli addetti ai call center, i professionisti del marketing e della pubblicità, gli addetti alle paghe e stipendi, i mediatori commerciali, gli addetti alle informazioni al pubblico e quelli alla contabilità; fra gli impiegati amministrativi quasi un compito su quattro è già fra quelli in cui l’AI dà il contributo più alto. Anche questa misura, ottenuta facendo giudicare ai modelli le proprie capacità, dice dove guardare dentro un’organizzazione, e nulla su che cosa succederà a quei posti.

Che cosa misurano i numeri su AI e lavoro

Che cosa un modello potrebbe fare, che cosa le persone fanno davvero e che cosa è cambiato sono tre misure diverse, e i titoli dei giornali le confondono.

Quando si legge un numero su AI e lavoro, conviene chiedersi quale di tre cose misura:

• che cosa l’AI potrebbe fare: quanti compiti di un mestiere un modello sarebbe in grado di svolgere, come nella misura di Eloundou;
• che cosa le persone fanno davvero con l’AI, come risulta per esempio dai registri d’uso dei fornitori;
• che cosa è cambiato nell’occupazione, nelle assunzioni o nelle retribuzioni: è l’unico effetto misurato.

Fra una misura e l’altra la distanza può essere grande:

• fra ciò che l’AI potrebbe fare e ciò che le persone ne fanno: secondo Anthropic, nei mestieri informatici e matematici un modello potrebbe svolgere il 94% dei compiti, ma nei dati d’uso di Claude, il modello dell’azienda, ne compare il 33%;
• fra l’uso e l’effetto: uno strumento che si usa non vuol dire ancora un posto di lavoro cambiato.

Gran parte dei numeri allarmanti degli ultimi due anni misura che cosa l’AI potrebbe fare; i dati che seguono misurano che cosa è cambiato.

Dove l’effetto si vede: nelle assunzioni dei giovani

Chi ha già un lavoro lo tiene; il cambiamento è nelle assunzioni dei giovani, che negli Stati Uniti cominciano a lavorare più tardi, in settori diversi e pagati meno.

Nei dati non si vede un’ondata di licenziamenti. Lo studio più citato è Canaries in the Coal Mine (Brynjolfsson, Chandar e Chen, Stanford, versione di agosto 2026); il titolo ricorda i canarini che un tempo i minatori portavano in galleria, perché avvertivano il gas prima delle persone. Sulle buste paga di milioni di dipendenti statunitensi gli autori trovano due cose:

• le uscite non sono aumentate: i giovani dei mestieri esposti non lasciano il lavoro più di prima;
• le assunzioni sono cambiate: nei mestieri esposti si separano da quelle dei mestieri meno esposti, e solo dopo il 2022.

È quella che chiamiamo porta delle assunzioni: l’effetto riguarda chi non viene assunto, non chi perde il posto, e per questo non compare nelle statistiche sui licenziamenti né in quelle sui sussidi di disoccupazione.

Fra novembre 2022 e giugno 2026 i lavoratori di 22-25 anni nei mestieri più esposti sono diminuiti di circa l’11%, mentre nei mestieri meno esposti sono cresciuti di circa il 10%: rispetto al numero che avrebbero raggiunto crescendo come i coetanei dei mestieri meno esposti, sono circa il 19% in meno. Gli autori stessi indicano due cautele:

• quando si tiene conto del titolo di studio, la stima si dimezza;
• nella grande indagine annuale del Census sulla popolazione, l’American Community Survey, il divario è molto più piccolo che nelle buste paga usate dallo studio.

Un secondo studio, uscito a settembre 2026, guarda fuori dagli Stati Uniti, ma non è una conferma indipendente: uno dei due autori, Bharat Chandar, firma anche Canaries in the Coal Mine. Chandar e Klein Teeselink usano i profili LinkedIn e gli annunci di lavoro di 41 paesi e confrontano, dentro le multinazionali, le filiali estere delle aziende che hanno cominciato a usare l’AI generativa con filiali simili di altre che non l’hanno fatto. I risultati, a marzo 2026:

• nelle filiali che usano l’AI la quota di lavoratori ai primi livelli di carriera è più bassa di 1,9 punti;
• il motivo però non è che i giovani diminuiscono: il loro numero scende del 2,5%, una stima che non si distingue da zero, mentre quello dei lavoratori più esperti cresce del 6,7%;
• lo spostamento si vede in 23 dei 31 paesi in cui la stima è possibile, ma è abbastanza netto da non poter essere attribuito al caso solo in sette, fra cui Stati Uniti, Regno Unito e Spagna.

Gli autori stessi indicano i limiti: LinkedIn rappresenta soprattutto dirigenti e professionisti, e le filiali di multinazionali non sono l’impresa tipica.

Lo studio del Census mostra che cosa succede, dopo l’arrivo di ChatGPT, ai laureati dei corsi più esposti rispetto a quelli dei corsi meno esposti:

• trovano lavoro meno spesso: la quota di chi lavora un trimestre dopo la laurea scende di 5 punti;
• sono pagati meno: la retribuzione d’ingresso scende del 13%, un calo che gli autori paragonano a quello di chi si laurea durante una grande recessione.

La paga scende per due ragioni, che pesano all’incirca metà ciascuna:

• nello stesso settore si guadagna meno: chi comincia a lavorare dopo ChatGPT è pagato meno di chi cominciava prima;
• si comincia più spesso in settori che pagano meno: fra i laureati dei corsi più esposti cala la quota nei settori meglio pagati e cresce quella nei settori peggio pagati, come mostra la figura qui sotto.

È quello che chiamiamo ingresso al ribasso: il giovane trova lavoro, ma in un posto meno qualificato o meno pagato di quello a cui il suo titolo lo portava prima. A due anni dalla laurea lo svantaggio si riduce ma non sparisce: 2 punti di occupazione e poco più del 3% di retribuzione. Una parte dei laureati che mancano all’appello lavora in proprio o continua a studiare: secondo gli stessi autori, queste due strade spiegano fino a metà dei 5 punti.

Gli studi secondo cui il calo potrebbe non dipendere dall’AI

Altri studi vedono la disoccupazione ferma, datano il calo prima di ChatGPT o lo trovano slegato dall’uso dell’AI nelle imprese: l’AI è una spiegazione compatibile con i dati, non dimostrata.

La disoccupazione dei neolaureati non sale. Fairlie e Wu (settembre 2026) trovano che nell’estate 2026 la disoccupazione dei laureati statunitensi di 22-25 anni è al 7,3%, dentro l’intervallo delle quattro estati precedenti (fra il 6,3% e il 7,8%), senza crescere più di quella dei laureati più anziani o dei giovani senza laurea. Le loro stime però sono poco precise, e gli autori concludono soltanto che i dati non indicano un aumento grande:

• un punto di disoccupazione in più non si distinguerebbe da zero;
• con la misura allargata, che conta anche chi è fuori dalle forze di lavoro ma vorrebbe un lavoro e che nell’estate 2026 arriva al 10,4%, gli intervalli di confidenza delle loro stime lasciano aperti aumenti fino a 2-3 punti.

Il calo comincia prima di ChatGPT. Secondo la Federal Reserve di New York, le offerte di lavoro nei mestieri esposti scendono già prima del 2022, e fra posizioni per giovani e posizioni per esperti il calo è simile.

In Danimarca il calo dei giovani occupati non dipende dall’adozione. Humlum e Vestergaard ritrovano nei registri danesi il calo del numero di giovani di 22-25 anni occupati in molti mestieri esposti (il dato misura l’occupazione, non le assunzioni). Ma la quota di giovani fra gli occupati scende allo stesso modo nelle imprese che incoraggiano l’uso dei chatbot e nelle altre, e fra i lavoratori danesi ore e retribuzioni non si sono mosse: gli intervalli escludono variazioni oltre il 2%. Lo studio di Chandar e Klein Teeselink trova invece un legame con l’adozione, ma nella composizione del personale più che nel numero dei giovani.

Altre spiegazioni. Il lavoro da remoto si è diffuso negli stessi mestieri, e le due cause sono difficili da separare; il Census ci prova e trova che la sua stima regge. I tassi d’interesse saliti nel 2022 spiegano, secondo lo stesso studio, al massimo un quarto del calo.

Nelle imprese l’effetto sull’occupazione è piccolo o assente, secondo le indagini presso le imprese:

• Stati Uniti, Regno Unito, Germania e Australia (Yotzov e colleghi): il 69% delle imprese usa l’AI, e nove su dieci non segnalano effetti sull’occupazione negli ultimi tre anni. Per i prossimi tre si aspettano in media un calo dello 0,7%, per due terzi attraverso minori assunzioni;
• regione di New York, settembre 2026 (Federal Reserve di New York): il 4% delle imprese dei servizi ha licenziato a causa dell’AI, mentre circa un terzo ha riqualificato il personale;
• Ohio e stati vicini, settembre 2026 (Federal Reserve di Cleveland): su 157 imprese interpellate, l’81% usa l’AI; fra queste, l’11% dice che l’AI ha fatto crescere il personale e il 2% che l’ha ridotto. L’indagine non distingue i giovani dagli altri dipendenti.

Il Beige Book del 14 ottobre 2026, la raccolta di colloqui con le imprese che la Federal Reserve pubblica otto volte l’anno, dà invece un segnale opposto. Cinque dei suoi dodici distretti riferiscono di imprese che, dopo aver aumentato la produttività con l’AI:

• hanno lasciato uscire personale senza sostituirlo;
• hanno rinviato assunzioni;
• prevedono di creare meno posti.

Sono testimonianze, non misure, e racconti simili compaiono già dall’estate del 2025. Descrivono però lo stesso meccanismo della porta delle assunzioni.

Nessuno di questi studi esclude un effetto dell’AI, ma nessuno permette ancora di attribuirle con certezza il calo delle assunzioni dei giovani: anche chi vede il calo lo descrive come compatibile con l’AI, senza poterlo dimostrare.

Quanto aumenta la produttività con l’AI

Questi studi guardano il lavoro di tutti i giorni, non compiti preparati per un esperimento (il dato italiano della Banca d’Italia è nella sezione sull’Italia):

• nell’assistenza clienti di un’impresa di software, gli operatori con un assistente AI hanno risolto il 15% di problemi in più all’ora; i meno esperti circa il 30% in più, i più bravi quasi nulla (Brynjolfsson, Li e Raymond);
• fra sedici sviluppatori esperti al lavoro sui propri progetti, all’inizio del 2025 l’AI ha allungato i tempi del 19%, mentre loro erano convinti di aver risparmiato il 20% (METR); il seguito dell’esperimento nel 2026 non ha dato una stima affidabile;
• in Danimarca chi usa i chatbot al lavoro dichiara di risparmiare in media circa il 3% delle ore (Humlum e Vestergaard);
• nelle imprese statunitensi quasi 750 direttori finanziari attribuiscono all’AI un aumento della produttività dell’1,8% nel 2025, ma dai ricavi e dagli organici che indicano loro stessi risulta lo 0,6% (Baslandze e altri).

Nel lavoro reale l’aumento cambia molto secondo l’attività e la persona. I guadagni più grandi compaiono dove l’AI fa parte di un processo di lavoro, come l’assistenza clienti; quelli piccoli dove resta uno strumento personale, usato accanto al lavoro di prima. Quanto i processi delle imprese siano pronti a riceverla lo racconta l’articolo Gli agenti sono già in azienda, ma non ancora nei processi.

Un aumento piccolo nell’insieme non basta a far crescere la disoccupazione, ma può cambiare le assunzioni. L’AI rende di più su alcune mansioni e poco o niente su altre: quando qualcuno se ne va, l’impresa può coprire una parte del suo lavoro con lo strumento e non aprire una posizione nuova. È un’interpretazione, non una misura, ma la sostengono i colloqui del Beige Book e l’indagine di Yotzov e colleghi, dove due terzi del calo atteso passano per minori assunzioni: è la porta delle assunzioni vista dal lato dell’impresa.

I giovani trovano lavoro, ma peggiore

Assunzioni e retribuzioni dei giovani calano mentre la disoccupazione resta ferma: le due cose possono essere vere insieme.

I risultati sembrano opposti, ma misurano cose diverse:

• la disoccupazione conta chi cerca lavoro e non lo trova;
• le buste paga contano chi viene assunto in un certo mestiere;
• il Census conta in quale settore si comincia a lavorare e con quale stipendio.

Un giovane che non viene assunto come programmatore e trova posto in un negozio non risulta disoccupato: ha trovato un lavoro peggiore. Lo scrive anche il Census: effetti modesti sulla disoccupazione possono convivere con un peggioramento sostanziale della qualità dei primi lavori. Per questo i due indicatori che guardiamo di solito (disoccupazione e licenziamenti) non bastano a vedere questo cambiamento.

Che cosa sappiamo dell’Italia

In Italia l’AI è arrivata più tardi, le imprese che la usano mantengono l’occupazione e i laureati in informatica trovano lavoro come prima; sulle assunzioni dei giovani nessuno ha ancora fatto uno studio.

L’AI nelle imprese italiane cresce, ma parte da poco. Secondo l’Istat, le imprese con almeno 10 addetti che usano almeno una tecnologia di AI erano il 5,0% nel 2023, l’8,2% nel 2024 e il 16,4% nel 2025, con una forbice larga fra le grandi, al 53,1%, e le piccole e medie, al 15,7%; un terzo di quelle che la usano non indica alcuno scopo aziendale, segno di un uso ancora sperimentale.

Nelle imprese che usano l’AI l’occupazione resta la stessa e cambia la sua composizione. La Banca d’Italia (Ropele e Tagliabracci, marzo 2026) ha studiato le imprese con almeno 50 addetti: nel 2024 l’11,2% usava l’AI, e in queste la produttività è salita di qualche punto e l’occupazione totale non è cambiata, mentre sono cresciuti gli impiegati rispetto agli operai. Il 70% delle imprese non si aspetta effetti sull’organico. Lo studio ha tre limiti: la domanda metteva insieme AI, cloud e robotica, i dati coprono un solo anno dopo l’adozione e mancano informazioni per età.

I laureati in informatica trovano lavoro come prima. Secondo AlmaLaurea, a un anno dalla laurea lavora il 90,4% dei laureati triennali in informatica del 2024, e il loro vantaggio di retribuzione sugli altri laureati resta. È un’indagine con questionario, meno precisa di un registro; non mostra nulla di simile a quanto il Census vede negli Stati Uniti.

Quasi tutti i numeri che circolano in Italia su AI e lavoro vengono dagli Stati Uniti. Non è detto che lì il fenomeno sia più forte: lì, semplicemente, l’ufficio statistico federale l’ha misurato e ha pubblicato il risultato. Nell’unica stima che include l’Italia, quella di Chandar e Klein Teeselink sulle filiali delle multinazionali, per ora lo spostamento italiano non si distingue dal caso. In Italia i dati per fare lo stesso studio del Census esistono, ma nessuno l’ha ancora fatto: lo stiamo facendo noi, sui dati pubblici dell’Istat, e lo raccontiamo nell’articolo della serie sui laureati italiani. Fino ad allora, i numeri americani dicono dove guardare, non quanto sta succedendo qui.

Nelle imprese l’AI passa dalle decisioni di assunzione

L’AI non si presenta come un effetto, ma come una scelta: una posizione per giovani che non si riapre, o che si apre per mansioni diverse.

Dentro un’impresa l’effetto dell’AI non si vede come tale. Si vede come una decisione presa in base alle proprie esigenze:

• una posizione per giovani che non si riapre, perché uno strumento ora automatizza una parte di quel lavoro, o lo rende più efficace;
• una posizione che si riapre, ma per mansioni diverse.

Messe insieme, le decisioni di molte imprese cambiano i primi lavori a disposizione dei giovani; nessuna statistica nazionale lo mostrerà in tempo, e nessun licenziamento lo annuncerà.

Per riconoscere queste decisioni nella propria impresa servono tre domande:

• quali posizioni per chi comincia a lavorare si sono aperte negli ultimi tre anni, e quali non si sono più aperte;
• per quali mansioni si assume oggi un giovane, e se sono le stesse di tre anni fa;
• dove i giovani imparano ora il lavoro che prima imparavano svolgendo le mansioni che uno strumento oggi automatizza.

Chi guida i sistemi informativi ha una domanda in più: quanto e come l’AI si usa già in azienda, anche fuori dagli strumenti ufficiali, come racconta l’articolo sugli agenti in azienda. È la misura di che cosa le persone fanno davvero con l’AI, e dentro un’impresa si può osservare direttamente.

Non è detto che i primi lavori che mancano ai giovani siano persi: le tecnologie che tolgono mansioni ne creano di nuove, spesso in imprese che prima non esistevano. Due domande restano aperte, e hanno ciascuna un articolo della serie:

• se assumere meno giovani, o assumerli per mansioni diverse: l’articolo sull’impresa che assume e forma;
• se i posti che le imprese esistenti non aprono più ai giovani tornano in imprese nuove, e per chi: l’articolo sulle nuove imprese e sulle barriere per fondarle.

I concetti che questo articolo introduce

Cinque voci per leggere i numeri su AI e lavoro: che cosa si misura e dove l’effetto si vede.

Fonti

Studi e rapporti pubblicati fra il 2023 e l’ottobre 2026, letti per intero salvo dove indicato qui sotto.

• U.S. Census Bureau, Orr, Tucker e Warren, Graduating into Disruption, CES Working Paper 26-56, settembre 2026. La figura 1 usa la tabella A3; le medie per decile sono calcolate da Improve and Manage. La figura 2 usa la figura 5, con valori letti dal grafico.
• Brynjolfsson, Chandar e Chen, Canaries in the Coal Mine?, Stanford Digital Economy Lab, agosto 2026.
• Chandar e Klein Teeselink, How Does AI Change Labor Demand? Evidence from 41 Countries, Stanford Digital Economy Lab, settembre 2026 (anche SSRN 7498743, pagina non raggiungibile; il dato sull’Italia è letto dalla figura 6).
• Fairlie e Wu, The Early Impacts of AI on Employment among Recent College Graduates, NBER Working Paper 35796, settembre 2026.
• Audoly, Guerin e Topa, Do Job Postings Show Early Labor-Market Effects of AI?, Federal Reserve Bank of New York, maggio 2026.
• Abel, Deitz, Emanuel e Montalbano, Businesses Are Using AI to Transform Work, Not Cut Jobs, Federal Reserve Bank of New York, settembre 2026.
• Isler e Huettner, SORCE Insights: An Update on AI and the Data Center Buildout, Federal Reserve Bank of Cleveland, ottobre 2026.
• Federal Reserve, Beige Book, ottobre 2026, 14 ottobre 2026: sintesi nazionale e rapporti dei distretti.
• Humlum e Vestergaard, Still Waters, Rapid Currents, NBER Working Paper 33777, marzo 2026.
• Brynjolfsson, Li e Raymond, Generative AI at Work, The Quarterly Journal of Economics, 140(2), 2025; letto nella versione arXiv 2304.11771 del novembre 2024, il 15% dal riassunto dell’articolo pubblicato.
• Becker, Rush, Barnes e Rein, Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity, METR, luglio 2025; METR, We are Changing our Developer Productivity Experiment Design, 24 febbraio 2026.
• Baslandze e colleghi, Artificial Intelligence, Productivity, and the Workforce: Evidence from Corporate Executives, NBER Working Paper 34984, marzo 2026.
• Yotzov e colleghi, Firm Data on AI, NBER Working Paper 34836, marzo 2026.
• Eloundou, Manning, Mishkin e Rock, GPTs are GPTs, 2023.
• Massenkoff e McCrory, Labor market impacts of AI: A new measure and early evidence, Anthropic, marzo 2026 (pagina letta per i numeri citati).
• Banca d’Italia, Ropele e Tagliabracci, Questioni di Economia e Finanza n. 1005, marzo 2026; Dalla Zuanna, Dottori, Gentili e Lattanzio, Questioni di Economia e Finanza n. 878, ottobre 2024.
• Istat, Imprese e ICT, anno 2025, dicembre 2025.
• Colombo, Mercorio, Mezzanzanica e Seveso, The Speed of AI in Italy, Labour & Law Issues, 12(1), 2026.
• AlmaLaurea, Rapporto 2026 sugli esiti occupazionali dei laureati.
• Anitec-Assinform e Politecnico di Torino, L’IA nel mercato del lavoro italiano, aprile 2026 (comunicato).