2026-05-28 di Staff Spiegamelo Facile 7 min di lettura lavoro a rischio AI

Il tuo lavoro è davvero a rischio AI? La risposta che nessuna classifica ti dà

In sintesi: Il tuo lavoro è a rischio AI? I ragionieri sono sopravvissuti a 50 anni di automazione contabile. Ecco perché le previsioni sui lavori AI sono quasi sempre…

Cinquant'anni di automazione contabile. Calcolatrici, schede perforate, mainframe, fogli di calcolo, ERP, cloud. Mezzo secolo in cui l'industria tecnologica ha letteralmente costruito sé stessa attorno all'idea di togliere lavoro ai ragionieri. E i ragionieri? Sono aumentati. Continuano ad aumentare.

Se questa cosa non ti fa venire almeno un dubbio sulle classifiche "i lavori a rischio AI" che girano sui social, vale la pena fermarsi a capire perché.

Il problema strutturale delle previsioni sull'automazione

Prevedere quali lavori verranno distrutti dall'intelligenza artificiale è quasi impossibile, e i dati storici lo dimostrano sistematicamente: le professioni che avrebbero dovuto soffrire di più dall'automazione spesso sono cresciute, mentre alcune apparentemente al sicuro sono scomparse senza preavviso. Questo schema si ripete da decenni, con ogni grande ondata tecnologica.

Il caso dei ragionieri è forse il più clamoroso. Dan Bricklin — uno dei creatori di VisiCalc, il primo foglio di calcolo della storia — raccontava di commercialisti che alla fine degli anni Settanta usavano il suo programma per fare in pochi giorni quello che prima richiedeva un mese intero. Uno strumento che, sulla carta, avrebbe dovuto rendere obsoleto almeno una parte del loro lavoro. Risultato reale: secondo i dati BLS, il numero di dottori commercialisti negli Stati Uniti è cresciuto ininterrottamente tra il 1980 e il 2010, con un'accelerazione spiegata non dalla tecnologia ma da nuove normative fiscali che hanno creato obblighi contabili aggiuntivi. La tecnologia non era nemmeno la variabile principale.

Gli economisti hanno un modo elegante per dirlo: ceteris paribus, cioè "a parità di tutte le altre condizioni". Il problema è che le altre condizioni non restano mai uguali. Cambiano le normative, cambia la domanda, cambiano i mercati. E ogni volta che cambia qualcosa, il ragionamento "questa tecnologia sostituisce questi lavoratori" perde un pezzo.

Perché il modello di Frey e Osborne non funzionava

Il rapporto di Frey e Osborne del 2013 — quello che stimava il 47% dei lavori americani a rischio automazione — è probabilmente la stima più citata e più contestata degli ultimi dieci anni. Non perché i ricercatori fossero incompetenti, ma perché il modello analizzava le mansioni tecnicamente automatizzabili senza considerare i vincoli economici, sociali e regolatori che rallentano o reindirizzano l'adozione reale delle tecnologie.

In pratica: tecnicamente automatizzabile e concretamente automatizzato sono due cose molto diverse. E la distanza tra le due è spesso occupata da persone che hanno saputo spostarsi prima che il terreno sparisse sotto i piedi.

La distinzione non è sottile. Un'analisi del McKinsey Global Institute del 2017 stimava che, anche nelle occupazioni con alta quota di attività automatizzabili, meno del 5% dei lavori fosse integralmente sostituibile — perché le mansioni si mescolano, si ridefiniscono, si spostano verso ciò che la macchina non riesce ancora a fare. Il rischio non è mai distribuito per categorie intere: è distribuito per attività specifiche, dentro ogni categoria.

Il paradosso di Jevons: quando l'efficienza aumenta la domanda

Nel 1865, l'economista William Stanley Jevons osservò qualcosa di controintuitivo: le macchine a vapore più efficienti, invece di ridurre i consumi di carbone, li aumentarono. Rendere il vapore più economico lo rese conveniente in contesti dove prima non era accessibile, e la domanda totale esplose. Jevons ne trasse un principio: rendere qualcosa più efficiente spesso porta a consumarne di più, non di meno.

Applicare questo principio all'AI richiede cautela — siamo passati da risorse fisiche a lavoro cognitivo, e l'analogia non è perfetta. Ma ci sono segnali che la logica di fondo si stia replicando. Uno studio di Erik Brynjolfsson, Danielle Li e Lindsey Raymond pubblicato nel 2023 (NBER Working Paper 31161) su quasi 5.200 agenti di supporto clienti ha mostrato che l'accesso a uno strumento AI generativo ha aumentato la produttività media del 14%, misurata sul numero di problemi risolti per ora. I guadagni più alti si sono concentrati tra i lavoratori meno esperti. Il lavoro non è sparito: si è spostato, e in molti casi si è espanso. È un dato circoscritto al customer support, non generalizzabile meccanicamente, ma è uno dei pochi esperimenti controllati disponibili — e il pattern è coerente con quello che Jevons aveva descritto per il carbone.

Se sei un consulente e oggi usi strumenti AI per produrre bozze, analisi o ricerche in un decimo del tempo, la domanda giusta non è "mi ha rubato il lavoro?". La domanda giusta è: "sto facendo più cose, cose diverse, cose che prima erano fuori portata?" Se la risposta è sì, stai probabilmente vivendo questo meccanismo in diretta — non una sostituzione.

I lavori cambiano contenuto ma resistono come etichette

I dati storici sul mercato del lavoro mostrano uno schema ricorrente: le categorie professionali resistono come etichette molto più a lungo di quanto cambi il loro contenuto reale. "Ragioniere" nel 1970 e "ragioniere" nel 2010 sono quasi due mestieri diversi — uno lavorava con libri mastri e calcolatrici meccaniche, l'altro con ERP, dashboard e analisi predittive — ma nelle statistiche risultano la stessa voce. Questo crea un'illusione di stabilità che nasconde una trasformazione continua.

È esattamente quello che sta succedendo con l'AI. I copywriter che oggi usano strumenti di scrittura generativa non stanno semplicemente accelerando il lavoro che facevano nel 2018: stanno gestendo flussi editoriali più complessi, supervisionando output invece di produrli da zero, prendendo decisioni su tono e strategia che prima erano assorbite dal tempo di esecuzione. Il titolo professionale è lo stesso; la giornata lavorativa no.

Questo spiega perché c'è qualcosa di strutturalmente limitato nelle classifiche "le 10 professioni che l'AI eliminerà entro il 2027". Non perché siano necessariamente in malafede, ma perché usano un modello lineare — "questa tecnologia fa X, quindi chi fa X è a rischio" — per descrivere un sistema che non funziona in modo lineare. È come cercare di prevedere dove si fermerà una pallina su un campo da bowling guardando solo l'angolo iniziale del lancio, senza considerare le buche, l'umidità, e il fatto che qualcuno potrebbe spostare i birilli a metà gioco.

Un dato concreto: secondo il rapporto OECD Employment Outlook 2023, che analizza i mercati del lavoro dei paesi membri usando una metodologia basata sulla disaggregazione delle mansioni per livello di automatizzabilità, meno del 10% dei lavori è ad alto rischio di automazione completa, mentre circa il 25-30% cambierà significativamente nel contenuto delle mansioni. Non è "sparirà", è "sarà diverso". Sfumatura enorme, spesso ignorata nelle classifiche virali.

Su cosa vale la pena ragionare davvero

Monitorare il rischio AI per il proprio lavoro significa spostare l'attenzione dalle etichette professionali alle singole attività che compongono quel lavoro — e chiedersi quali di queste attività stanno diventando automatizzabili, quali stanno aumentando di valore, e quali nuove attività si stanno creando attorno agli strumenti AI. È un'analisi molto più granulare e utile rispetto a qualsiasi classifica per categoria.

Se lavori come freelancer o hai una piccola impresa, le domande concrete sono queste:

Le attività che richiedono più tempo sono attività di giudizio, relazione, contesto — o sono attività ripetitive e sequenziali?
Stai usando strumenti AI per espandere quello che offri, o stai aspettando che qualcuno usi quegli strumenti al posto tuo?
Il valore che porti ai clienti dipende da cosa produci, o da come interpreti il problema prima ancora di produrre qualcosa?

Se le risposte alle ultime due ti mettono a disagio, quella sensazione è più utile di qualsiasi indice di esposizione all'AI che puoi trovare su Google. E se stai cercando un punto di partenza concreto, qui abbiamo raccontato come funziona lavorare con l'AI senza un team alle spalle.

La cosa più onesta da dire, alla fine, è che non esiste una classifica giusta dei lavori a rischio — perché il rischio non è distribuito per categorie, ma per attività, e le attività cambiano più velocemente delle categorie. Chi impara a ragionare su questa distinzione ha già un vantaggio su chi aspetta che qualcuno gliela annunci già digerita. I ragionieri lo sanno da cinquant'anni, anche se non l'hanno mai chiamata così.

Domande Frequenti

Come capire se il mio lavoro è a rischio intelligenza artificiale?

Valutare il rischio AI per il proprio lavoro significa analizzare le singole attività che lo compongono, non la categoria professionale nel suo insieme. Le attività più esposte sono quelle ripetitive, sequenziali e basate su regole fisse: data entry, elaborazione di moduli standard, ricerche di informazioni strutturate. Le attività meno esposte sono quelle che richiedono giudizio contestuale, gestione delle relazioni, creatività adattiva e responsabilità decisionale. Una buona domanda da porsi è: 'Il valore che offro ai clienti dipende da cosa produco o da come ragiono e scelgo?' Se la risposta è la seconda opzione, il rischio diretto di sostituzione è significativamente più basso. Secondo i dati OCSE del 2023, meno del 10% dei lavori è ad alto rischio di automazione completa.

Il paradosso di Jevons: cos'è e come si applica all'AI?

Il paradosso di Jevons è un principio economico formulato da William Stanley Jevons nel 1865 secondo cui rendere una risorsa o un'attività più efficiente porta spesso a consumarne di più, non di meno. Applicato all'intelligenza artificiale: se uno strumento AI riduce drasticamente il tempo necessario per un'analisi o una produzione, il risultato più probabile non è fare la stessa cosa spendendo meno risorse, ma fare molte più cose — di tipo più complesso — con le stesse risorse. Questo significa che 'essere esposti all'AI' potrebbe tradursi in un aumento della domanda per quella professione, non in una riduzione. Il caso dei ragionieri è emblematico: cinquant'anni di automazione contabile non hanno ridotto il numero di commercialisti — lo hanno aumentato.

Perché le previsioni sui lavori eliminati dall'AI sono spesso sbagliate?

Le previsioni sui lavori a rischio AI tendono a essere imprecise perché usano un modello lineare — 'questa tecnologia fa X, quindi chi fa X è sostituibile' — per descrivere un sistema economico e sociale che non funziona in modo lineare. I principali errori sistematici sono tre: primo, ignorano che le normative cambiano e creano nuovi obblighi professionali; secondo, non considerano il paradosso di Jevons, cioè il fatto che rendere qualcosa più economico spesso aumenta la domanda complessiva; terzo, confondono 'tecnicamente automatizzabile' con 'concretamente automatizzato'. Il famoso rapporto di Frey e Osborne del 2013, che stimava il 47% dei lavori americani a rischio, è il caso più citato di previsione ampiamente contestata dai dati reali degli anni successivi.

I lavori cambiano davvero con l'AI o spariscono del tutto?

I dati storici mostrano che la maggior parte dei lavori cambia nel contenuto, ma raramente scompare come categoria. Le professioni mantengono la stessa etichetta molto più a lungo di quanto cambi il loro contenuto reale: un ragioniere del 1970 e uno del 2010 fanno mestieri quasi completamente diversi, ma nelle statistiche risultano la stessa voce. Con l'AI sta accadendo qualcosa di simile: i copywriter che usano strumenti generativi non fanno lo stesso lavoro dei copywriter del 2018 'ma più velocemente' — fanno un lavoro più strategico, editoriale e orientato alla supervisione. Secondo i dati OCSE del 2023, circa il 25-30% dei lavori cambierà significativamente nel contenuto delle mansioni nei prossimi anni, mentre la sostituzione completa riguarda meno del 10%.

Come usare l'AI per non perdere clienti come freelancer?

Usare l'AI per non perdere clienti come freelancer significa spostare il proprio valore verso le attività che la tecnologia non può replicare facilmente: la comprensione del contesto specifico del cliente, la responsabilità delle decisioni, la relazione di fiducia, la capacità di definire il problema giusto prima ancora di risolverlo. In pratica, gli strumenti AI possono accelerare drasticamente la parte esecutiva del lavoro — ricerca, bozze, analisi, formattazione — liberando tempo per la parte strategica e relazionale. Il rischio concreto non è essere sostituiti dall'AI, ma essere sostituiti da un altro freelancer che usa l'AI meglio. La differenza tra i due scenari è tutta nella volontà di adottare attivamente gli strumenti invece di osservarli da lontano.