Come non perdere il lavoro a causa dell’intelligenza artificiale

Circa la metà delle persone teme di perdere il proprio lavoro a causa dell’intelligenza artificiale.⁠a E hanno ragione a preoccuparsi: l’IA è ora in grado di completare compiti di programmazione reali su GitHub, generare video fotorealistici, guidare un taxi in modo più sicuro degli esseri umani e formulare diagnosi mediche accurate.⁠b E nei prossimi cinque anni è destinata a continuare a migliorare rapidamente. Alla lunga, l’automazione di massa e un calo dei salari rappresentano una possibilità concreta.

Tuttavia, un aspetto meno riconosciuto è che, mentre l’intelligenza artificiale riduce il valore delle competenze che è in grado di svolgere, aumenta quello delle competenze che non è in grado di svolgere. I salari (in media) aumenteranno prima di diminuire, poiché l’automazione genera un’enorme quantità di ricchezza e i compiti rimanenti diventano i colli di bottiglia per una crescita ulteriore. Come spiegherò, gli sportelli bancomat hanno effettivamente aumentato l’occupazione dei cassieri, almeno finché l’online banking non ha automatizzato quel lavoro in misura molto maggiore.

La strategia migliore è apprendere le competenze che l’IA renderà più preziose, cercando di cavalcare l’onda dell’automazione. Ma quali sono queste competenze? Ecco un’anteprima:

Competenze che probabilmente aumenteranno di valore con il progresso dell’IA

COMPETENZA	PERCHÉ È PREZIOSA	COME INIZIARE
Utilizzare l’IA per risolvere problemi reali	Man mano che l’IA migliora, rende più potenti le persone in grado di dirigerla. Le parti meno strutturate, che l’IA non riesce a svolgere, diventano i nuovi colli di bottiglia.	• Utilizza strumenti di IA all’avanguardia nel tuo attuale lavoro • Lavora in una startup che sviluppa applicazioni basate su IA o in un’altra organizzazione che utilizza l’IA per risolvere un problema reale
Efficacia personale	La produttività, le abilità sociali e la rapidità di apprendimento sono utili in ogni lavoro e moltiplicano il valore delle tue altre competenze.	• Usa tutor IA per apprendere rapidamente nuove competenze • Lavora con persone che possiedono queste competenze • Sviluppa abitudini coerenti con questi obiettivi
Competenze di leadership	Il management, la strategia e il fiuto per la qualità della ricerca sono compiti poco strutturati con cui l’IA ha difficoltà, ma l’IA conferisce ai leader un’influenza maggiore rispetto al passato.	• Cerca un mentore • Lavora in organizzazioni piccole e in crescita e punta a posizioni manageriali su piccola scala; in alternativa, avvia progetti personali • Studia e applica le best practice (link nell’articolo completo)
Comunicazione e senso estetico	La creazione di contenuti viene automatizzata, ma la capacità di discernimento e i rapporti di fiducia con il proprio pubblico diventano più preziosi.	• Concentrati su contenuti basati sulla tua personalità • Costruisci un legame autentico con il tuo pubblico • Lavora con persone che hanno buon gusto e senso estetico
Ottenere risultati in ambito governativo	I cittadini vogliono che a prendere le decisioni siano persone in carne e ossa, quindi sapere come ottenere risultati in ambito governativo rimane fondamentale (anche se molte posizioni nella pubblica amministrazione dovessero scomparire).	• Segui i percorsi standard per entrare nell’ambito delle politiche pubbliche: ruoli da assistente politico, tirocini, fellowship, posizioni governative e altre posizioni a fianco di figure di successo
Abilità fisiche complesse	La robotica è in ritardo rispetto al lavoro intellettuale, soprattutto per quanto riguarda il lavoro specialistico in ambienti imprevedibili.	• Cerca apprendistati in settori in crescita (ad esempio nella costruzione di data center) • Ottieni un lavoro di livello base e fai carriera

Queste competenze saranno particolarmente preziose se combinate con la conoscenza dei settori chiave per l’IA, tra cui apprendimento automatico, cybersecurity e sicurezza delle informazioni, costruzione di data center e centrali elettriche, sviluppo e manutenzione della robotica e, in misura minore, i settori che potrebbero espandersi notevolmente con la crescita economica.

Al contrario, il futuro di queste competenze sembra molto più incerto:

• Programmazione, matematica applicata e STEM
• Competenze da impiegato d’ufficio di routine, come richiamare e applicare conoscenze consolidate, la scrittura routinaria, le attività amministrative e la traduzione
• Creazione di contenuti visivi, come l’animazione
• Competenze fisiche più routinarie, come la guida

È difficile dire quale effetto avrà tutto questo sul mercato del lavoro nel suo complesso, o quanto rapidamente si manifesterà. Se dovessi azzardare un’ipotesi, direi che nei lavori impiegatizi come finanza, tecnologia, diritto, pubblica amministrazione, sanità e servizi professionali, le posizioni di livello base saranno in difficoltà, a favore di una classe più ampia di manager che supervisionano agenti IA. (Anche se, nel breve periodo, potrebbero aumentare persino gli stipendi di ingresso). Piccoli team e singole persone saranno in grado di ottenere risultati molto maggiori rispetto al passato. I lavori che richiedono una presenza fisica (ad esempio, poliziotti, operai edili, insegnanti, chirurghi) saranno relativamente poco influenzati (con un reddito che manterrà più o meno il passo con il PIL), almeno finché la robotica non si metterà al passo.

Se dovessi dare un solo consiglio pratico, sarebbe quello di imparare a utilizzare l’IA per risolvere problemi reali. Probabilmente puoi farlo già nel tuo lavoro attuale, ma un’opzione per costruire capitale di carriera da prendere particolarmente in considerazione è lavorare per una startup che applica l’IA a problemi reali in crescita. Questo non solo ti farà conoscere meglio l’IA, ma ti permetterà anche di acquisire abbastanza rapidamente competenze generali di produttività e leadership.

Nel resto dell’articolo:

• Spiegherò perché l’automazione può effettivamente aumentare i salari per le competenze non automatizzate.
• Userò la ricerca esistente, la teoria economica, i dati recenti e una comprensione di come funziona l’IA per identificare i tipi di competenze che più probabilmente aumenteranno di valore grazie all’IA. In breve, si tratta di competenze che (i) sono difficili per l’IA, (ii) sono complementari alla sua implementazione, (iii) producono output di cui potremmo fare un uso molto più ampio e (iv) sono difficili da apprendere per gli altri.
• Userò queste categorie per identificare le competenze concrete che con maggiore probabilità aumenteranno di valore e spiegare come iniziare a imparare ciascuna di esse.
• Darò alcune considerazioni finali su come posizionarsi alla luce di quanto sopra, tra cui: evitare lunghi periodi di formazione e lavori impiegatizi di routine, privilegiare ruoli in organizzazioni più piccole o in crescita, portare avanti progetti personali, imparare ad applicare l’IA alle proprie attività e diventare più resiliente, risparmiando di più e investendo nella propria salute mentale.

1. Perché l’automazione spesso non riduce i salari

A metà degli anni ‘90, gli sportelli bancomat iniziarono a comparire nelle banche. All’epoca, ci si aspettava che questo avrebbe fatto perdere il lavoro a molti cassieri di banca.⁠c

E in effetti, il numero di cassieri per filiale scese da 21 a 13.

Tuttavia, ciò rese anche molto più economico gestire una filiale bancaria. Di conseguenza, le banche aprirono molte più sedi. L’occupazione totale dei cassieri in realtà aumentò per due decenni, ma questi ultimi ora trascorrevano il loro tempo a parlare con i clienti, invece che a contare denaro.

Quindi, mentre si assume comunemente che l’automazione riduca salari e occupazione, questo esempio mostra due modi in cui questa supposizione può rivelarsi sbagliata:

1. Sebbene sia vero che l’automazione riduce il salario associato alla competenza che viene automatizzata (ad esempio contare il denaro), spesso aumenta il valore di altre competenze (ad esempio parlare con i clienti), perché queste diventano i nuovi colli di bottiglia.
2. L’automazione parziale può spesso aumentare l’occupazione per una data mansione, rendendo i lavoratori più produttivi e spingendo i datori di lavoro ad assumerne di più. In questo caso, un numero inferiore di cassieri di banca potrebbe fornire un servizio migliore allo stesso numero di clienti.

Ma ecco il colpo di scena finale: oggi l’occupazione dei cassieri di banca è in calo.

Quindi, mentre l’automazione parziale ha aumentato l’occupazione, l’automazione più drastica resa possibile dall’online banking l’ha effettivamente ridotta. Anche questa è una dinamica piuttosto comune.

In effetti, ci sono due forze contrapposte: gli strumenti di IA rendono i lavoratori umani più produttivi, aumentandone in genere l’occupazione, ma se l’IA inizia a sostituire del tutto ciò che fanno, la loro occupazione diminuisce. Quando l’automazione è a un livello intermedio, è difficile prevedere quale delle due forze prevarrà. Ma quando l’automazione è molto estesa, tenderà a prevalere la seconda.

In Gran Bretagna, durante la rivoluzione industriale, la produzione tessile fu notevolmente automatizzata. Ma questo rese l’industria molto più produttiva, tanto che l’occupazione nel settore tessile aumentò drasticamente, solo per poi diminuire nuovamente diverse generazioni dopo.

Oggi, l’occupazione di segretari, impiegati amministrativi, operatori di call center, cassieri, telemarketer, artisti di effetti speciali e animatori è già in forte calo, e l’intelligenza artificiale potrebbe contribuire a portare avanti queste tendenze di lungo periodo.

L’occupazione tra i data scientist, tuttavia, è aumentata del 20 % nel corso del 2023, nonostante l’intelligenza artificiale sia piuttosto efficiente nell’analisi statistica rapida e nella visualizzazione.⁠d Finora, l’IA ha forse reso i data scientist più utili, piuttosto che sostituirli. (Resta da vedere quanto durerà questa situazione).

Un’analisi ha rilevato che l’intelligenza artificiale ha ridotto la domanda di traduttori; tuttavia, nel complesso, l’occupazione dei traduttori è ancora in aumento. Ciò potrebbe essere dovuto al fatto che il calo dovuto all’IA non è stato sufficientemente consistente da compensare l’aumento derivante dalla crescita economica generale (almeno finora).

Il terzo modo in cui l’automazione può effettivamente essere positiva per l’occupazione è che l’automazione di un lavoro spesso crea nuovi tipi di lavoro e aumenta i salari complessivi, perché la società diventa più ricca.

Storicamente, la maggior parte delle persone lavorava nell’agricoltura. Ma oggi, nei paesi ricchi, si tratta solo di qualche punto percentuale, quindi potremmo dire che la maggior parte dei lavori nell’economia è già stata automatizzata! Tuttavia, oggi i redditi sono circa 100 volte superiori a quelli di allora, il che dimostra che, in aggregato, le persone sono passate a lavori molto più remunerativi. In alcuni paesi, come la Corea del Sud, gran parte di questa transizione è stata compiuta in una sola generazione.

Qualcosa di simile potrebbe accadere se molti lavori da remoto venissero automatizzati. Epoch AI è un gruppo di ricerca che si occupa dell’interazione tra intelligenza artificiale generale (IAG) ed economia. Ha stimato che circa un terzo dei compiti lavorativi può essere svolto da remoto e che, se tutte queste mansioni fossero automatizzate, il PIL aumenterebbe da due a dieci volte. In questo scenario, anche i salari per tutte le mansioni non da remoto aumenterebbero probabilmente da due a dieci volte. È persino possibile che l’occupazione dei colletti bianchi aumenti, ma i loro ruoli si concentrerebbero sui colli di bottiglia rimanenti che richiedono ancora l’intervento umano e non possono essere gestiti da remoto.

Con questo non si vuole negare che l’automazione possa avere un impatto dirompente per i lavoratori le cui mansioni vengono automatizzate. Significa solo che a volte può anche aumentarne i salari, oltre a portare benefici ai lavoratori di altri settori.

Questo è uno dei motivi per cui preferisco concentrarmi sulle competenze che aumenteranno o diminuiranno di valore, piuttosto che su particolari titoli professionali.

Ma cosa succederebbe se l’IA, combinata con la robotica generalista, potesse automatizzare quasi tutti i lavori? Sicuramente gli stipendi diminuirebbero, no?

Che impatto avrebbe la “piena automazione” sui salari?

Così come l’automazione parziale dei cassieri di banca ha aumentato l’occupazione, mentre un’automazione più intensiva l’ha diminuita, forse potrebbe accadere lo stesso per i lavoratori umani nel loro complesso?

L’IA, combinata con la robotica, ha il potenziale di essere diversa da qualsiasi tecnologia precedente, nel senso che potrebbe riuscire a svolgere quasi ogni compito economicamente produttivo meglio degli esseri umani.

Sebbene molti economisti respingano questa possibilità, gli esperti di queste tecnologie ritengono che sia possibile.

E se ciò dovesse accadere, molti modelli economici suggeriscono che potrebbe determinare un calo dei salari, forse anche al di sotto del livello di sussistenza, inizialmente perché un numero sempre crescente di “lavoratori digitali” aumenterebbe massicciamente l’offerta di manodopera e, infine, perché questi sarebbero in grado di convertire energia e risorse in output in modo molto più efficiente degli esseri umani.

Non sto dicendo che questo è ciò che accadrà, ma è uno scenario possibile. Epoch ha anche realizzato un modello integrato di come la piena automazione potrebbe diffondersi nell’economia. Con le loro ipotesi predefinite, i salari inizialmente aumentano di circa 10 volte, per poi crollare alla fine degli anni ‘30, quando verranno eliminati gli ultimi colli di bottiglia umani.

Se invece gli esseri umani rimangono necessari solo per una piccola frazione dei compiti, diciamo l’1 %, allora lo stesso modello mostra che i salari aumentano indefinitamente, con ogni essere umano che svolge quel restante 1 % di compiti.⁠e La differenza tra il 100 % e il 99 % di automazione è enorme! (Per saperne di più, vedi gli effetti ambigui della piena automazione sui salari).

Tuttavia, penso che la piena automazione e il calo dei salari siano una possibilità che dovremmo prendere sul serio.

Se alla fine ci sarà l’automazione completa, cosa dovresti fare?

Beh, sulla strada verso l’automazione completa, ci sarà un’automazione parziale. E per i motivi di cui sopra, ciò aumenterà i salari e ti darà più potere contrattuale per un certo periodo.

Quindi i tuoi prossimi passi dovrebbero essere gli stessi in entrambi i casi: imparare le competenze che molto probabilmente aumenteranno di valore nel futuro immediato, così da massimizzare il tuo contributo (e il tuo salario) nel tempo che ci separa dalla completa automazione.

(C’è anche un argomento a favore del risparmiare di più, così da non dover dipendere tanto dalle politiche redistributive dello Stato. Per saperne di più, vedi come prepararsi personalmente all’IAG).

2. Quattro tipi di competenze che con ogni probabilità aumenteranno di valore

I prossimi anni potrebbero essere molto destabilizzanti per molte persone ed è probabile che la ricchezza si concentri ulteriormente. Questo articolo non tratta di come dovremmo reagire come società, ma piuttosto di come puoi posizionarti al meglio come individuo, anche per poter aiutare meglio la società ad affrontare queste sfide.

Il mio scopo qui è fornirti gli strumenti necessari per riflettere su quali competenze avranno più probabilità di aumentare o diminuire di valore, data la tua situazione unica e l’enorme varietà di lavori.

Si tratta chiaramente di un bersaglio mobile, ma lo suddivido in quattro categorie chiave di competenze che probabilmente aumenteranno di valore:

1. Difficili per l’IA: compiti con pochi dati, poco strutturati e a lungo termine, in cui è richiesta la supervisione umana (human-in-the-loop).
2. Necessarie per l’implementazione dell’IA: competenze di organizzazione e revisione dei sistemi di IA, nonché quelle utilizzate in settori complementari come la costruzione di data center.
3. Usate per produrre cose di cui il mondo avrebbe bisogno in quantità molto maggiori: competenze che contribuiscono a migliorare l’assistenza sanitaria, l’edilizia abitativa, la ricerca, i beni di lusso, ecc. – cose che le persone vogliono sempre di più man mano che migliorano e diventano più economiche.
4. Difficili da apprendere per gli altri: competenze rare in linea con i tuoi punti di forza unici.

(Economia a parte: si tratta essenzialmente di scarsa sostituibilità, complementarità, elevata elasticità della domanda dei prodotti/servizi finali e un’offerta di lavoro anelastica).

2.1 Competenze che l’IA non riuscirà a svolgere facilmente

Il modo migliore per sviluppare le tue intuizioni su ciò che l’IA può fare è provare a usare strumenti di IA all’avanguardia per svolgere un lavoro reale (non i modelli gratuiti più scarsi). Ma vorrei fornire alcune basi teoriche su ciò che l’IA potrà fare e non potrà fare, partendo da come viene addestrata.

Compiti assenti dai dati di addestramento dell’IA (e di difficile raccolta)

Gli LLM vengono creati addestrandoli a predire i dati di internet (vedi una breve introduzione). Questo li rende molto efficaci nei compiti basati sul pattern matching e sul recupero di informazioni presenti online.

E si è scoperto che si tratta di una quantità enorme di attività. Nel 2015, Frey e Osborne hanno ipotizzato che le abilità sociali avrebbero resistito all’automazione. Oggi, i chatbot per fini terapeutici sono tra le applicazioni di IA più popolari.

Molte competenze difficili da apprendere per gli esseri umani, tra cui gran parte della terapia, della diagnosi medica e della programmazione, possono essere svolte piuttosto bene da sistemi di “pattern matching”.

Chiaramente, i modelli linguistici di grandi dimensioni possono anche fare alcune generalizzazioni inedite. Ad esempio, è possibile chiedere a GPT-4: “Se la Torre Pendente di Pisa fosse scambiata di posto con la cattedrale di San Paolo e io mi trovassi sul Millennium Bridge di Londra guardando verso nord, cosa potrei vedere?” e può rispondere anche per combinazioni innovative di luoghi.

Tuttavia, gli LLM continuano a faticare in molti ambiti, tipicamente per compiti che non compaiono nei loro dati di addestramento.

Un esempio è il controllo dei robot. Sebbene internet contenga un’enorme quantità di dati linguistici, non esiste un analogo archivio di dati che descriva il movimento fisico.

L’assenza di questi dati sul movimento non è un problema banale da risolvere, perché è difficile creare ambienti virtuali realistici che possano essere utilizzati per generarli a basso costo. L’unica opzione è quella di creare un numero enorme di robot reali e farli muovere, il che è costoso. Quindi l’IA rimane molto meno capace di interagire con il mondo fisico.

Al contrario, i dati su come svolgere molti lavori d’ufficio sono già disponibili su internet, e sarà facile raccogliere dati ancora migliori, poiché tali lavori vengono svolti principalmente su computer, che possono tracciare ogni passaggio.

Frey e Osborne avevano anche previsto che l’IA sarebbe stata inadeguata nei compiti “creativi”, ma oggi anche questo sembra troppo semplicistico. Al 2025, gli LLM sono bravi a fare brainstorming, a scrivere in una vasta gamma di stili (anche in combinazioni inedite), a creare versi in rima e così via. Tuttavia, non sono ancora molto bravi ad avere intuizioni concettuali originali. Questo perché, probabilmente, il primo tipo di compito creativo è più simile al riconoscimento di pattern all’interno dei dati di addestramento, mentre il secondo richiede un salto più grande.

Competenze poco strutturate e a lungo termine

La nuova generazione di sistemi di IA, come o1, utilizza gli LLM come modello di base, ma poi vengono addestrati a ragionare e perseguire obiettivi tramite l’apprendimento per rinforzo.

È un po’ come imparare per tentativi ed errori. I sistemi di IA provano a svolgere un compito, poi viene assegnato un punteggio alla loro accuratezza e quindi vengono ottimizzati per aumentare quel punteggio (vedi un’introduzione).

Nel corso del 2024, questo nuovo paradigma ha innescato progressi straordinari in matematica, programmazione e nel rispondere a domande scientifiche note.

Ciò accade perché questi ambiti hanno risposte oggettive che possono essere verificate immediatamente in modo puramente virtuale, rendendoli particolarmente adatti all’apprendimento per rinforzo.

Al contrario, consideriamo un’abilità come creare un’azienda. Questa richiede molte decisioni discrezionali senza risposte palesemente corrette, e il cui successo si valuta sull’arco di anni. È quindi molto più difficile applicare l’apprendimento per rinforzo a questo tipo di abilità. (Inoltre, non esistono enormi dataset che mostrino ogni passo che un imprenditore compirebbe per creare un’azienda).

Altri esempi potrebbero essere avviare un movimento culturale, dirigere un progetto di ricerca innovativo o definire una strategia organizzativa o politica.

Queste competenze sono:

• Poco strutturate: mancano di istruzioni chiaramente definite e di risultati misurabili
• Di lungo periodo: richiedono tempo per essere implementate e per misurarne il successo.

Questo è il motivo per cui, nonostante le sue capacità quasi sovrumane in alcuni problemi di matematica e programmazione, l’intelligenza artificiale è ancora meno capace della maggior parte dei bambini di sette anni a giocare a Pokemon.

Inoltre, è ancora pessima in molti compiti relativamente semplici come “far installare una serie di scaffali in ufficio”, perché questi comportano pianificazione, interpretazione visiva, l’assunzione di qualcuno e la verifica che il lavoro sia stato fatto.

I modelli riescono a eseguire efficacemente compiti brevi e ben definiti, ma su periodi più lunghi perdono coerenza e si bloccano in loop.

Questo aiuta a spiegare perché finora abbiamo visto così poca automazione tramite IA. Anche dove l’IA è più forte, ovvero nello sviluppo software, può svolgere solo compiti che richiedono circa un’ora di lavoro, mentre la maggior parte dei lavori di sviluppo software è costituita da progetti che richiedono almeno diversi giorni, il coordinamento con un team e la comprensione di un’enorme base di codice.

È anche vero che l’IA sta migliorando rapidamente anche in compiti poco strutturati e a lungo termine. E se i progressi dell’IA saranno abbastanza rapidi, o se l’apprendimento per rinforzo si generalizzerà bene, è possibile che l’IA superi la maggior parte degli esseri umani anche in questo tipo di abilità in tempi relativamente brevi. È anche vero che l’IA potrebbe iniziare a dare nuovi contributi intellettuali attraverso la generazione massiva di idee.

Tuttavia, i compiti poco strutturati e a lungo termine rappresentano l’ambito in cui è più probabile che l’IA incontri difficoltà, ed è possibile che la capacità di padroneggiare le competenze meno strutturate e più a lungo termine sia ancora lontana decenni.

Queste osservazioni potrebbero essere invalidate se venisse creato un nuovo paradigma di IA con punti di forza e di debolezza molto diversi dagli attuali sistemi di IA, o se il progresso dell’IA accelerasse, ma penso che sia la migliore valutazione che possiamo fare oggi.

Competenze in cui è richiesta la supervisione umana

Anche se l’IA è tecnicamente in grado di svolgere un compito, potrebbe non essergli permesso, perché spesso le persone vogliono una supervisione umana. Ecco le principali categorie suggerite dagli economisti in cui ciò potrebbe verificarsi (ad esempio vedi questa intervista con Mike Webb):

|-----------|-----------|---------| | Responsabilità giuridica | È necessario che ci sia una persona legalmente responsabile per determinati tipi di decisioni importanti. | Ingegnere abilitato, avvocato. | | Elevata affidabilità richiesta | I sistemi di IA hanno allucinazioni e commettono errori bizzarri, quindi le persone vorranno che esperti umani controllino le loro risposte e garantiscano il monitoraggio. | Uno storico umano controlla la ricerca dell’IA per individuare eventuali errori. | | Coinvolgimento di sindacati e gruppi di interesse professionali | I lobbisti cercheranno di introdurre norme e regolamenti per proteggere i posti di lavoro. | Medici e avvocati controllano le certificazioni professionali e costituiscono una potente lobby, quindi potrebbero bloccare le applicazioni di IA nei loro settori. | | C’è una forte preferenza per il tocco umano | Molte persone preferiranno di gran lunga che siano gli esseri umani a fornire determinati servizi, magari come bene di lusso. | Tate, artisti con una storia o un brand interessante, leader religiosi | | Necessità di presenza fisica | Molti ruoli richiedono la presenza fisica di qualcuno che supervisioni la situazione. Anche dopo che i robot saranno diventati efficaci, le persone potrebbero essere riluttanti ad affidarsi a loro. | Poliziotti, insegnanti, infermieri. | | Inerzia istituzionale | Molte organizzazioni saranno lente nell’adottare strumenti di IA, il che significa che gli esseri umani rimarranno in lavori importanti. (Anche se un’IA “lavoratore da remoto” potrebbe inserirsi nei flussi di lavoro esistenti ed essere implementata molto più rapidamente rispetto alle precedenti ondate tecnologiche). | Forse molti lavori nella pubblica amministrazione, grandi aziende con vantaggi competitivi difendibili. | | Allineamento degli intenti | Anche sistemi di IA molto potenti e precisi dovranno comunque sapere cosa gli esseri umani vogliono che facciano. È possibile che sempre più ruoli consistano nello specificare preferenze a sistemi di IA. | Iniziative finanziate dal governo per raccogliere le preferenze (?) |

Questi fattori potrebbero rimanere dei colli di bottiglia molto più a lungo dei primi due, poiché alcuni potrebbero persistere anche con sistemi di IA estremamente capaci. D’altra parte, non sappiamo ancora quanto ostacoleranno l’uso dell’IA.

Ad esempio, ai matrimoni si suona spesso musica classica e la maggior parte delle persone preferirebbe un musicista in carne e ossa. Tuttavia, la maggior parte finisce per usare una registrazione perché è molto più economica e pratica.

Allo stesso modo, anche se le persone preferiscono i prodotti di fattura umana e quelli dell’IA rimangono inferiori sotto alcuni aspetti, potrebbero essere talmente migliori sotto altri da diventare di gran lunga i più utilizzati.⁠f

Resta inoltre da vedere se la domanda di questi lavori che richiedono l’intervento umano sarà sufficiente, rispetto all’offerta di persone in grado di svolgerli, a mantenere alti i salari. Anche se le persone continuano a preferire l’arte prodotta dall’uomo, non tutti possono essere artisti.

Competenze in cui l’automazione è limitata dalle infrastrutture fisiche

Supponiamo che domani la robotica d’uso generale inizi a funzionare alla perfezione. Quanto tempo ci vorrebbe per automatizzare i lavori manuali?

Probabilmente un po’ di tempo. Oggi la produzione di robot è nell’ordine dei milioni. Per costruire il miliardo circa necessario ad automatizzare tutti i lavori manuali ci vorrebbe tempo (anche se potrebbe essere più veloce di quanto molti si aspettino).

La produzione relativamente lenta di robot e la mancanza di dati sulle attività fisiche creeranno un periodo in cui l’automazione dei compiti fisici resterà indietro rispetto a quella dei compiti cognitivi.

Anche l’adozione dell’IA nelle attività cognitive sarà in qualche modo limitata dalla potenza di calcolo disponibile, soprattutto se i primi sistemi utilizzeranno molta potenza di calcolo al momento dell’esecuzione. Ciò significa che l’automazione iniziale dell’IA potrebbe concentrarsi sulle attività di maggior valore (ad esempio nella ricerca e sviluppo), ritardando in qualche modo l’automazione dei lavori a basso salario.

2.2 Competenze necessarie per l’implementazione dell’IA

Nel 2025, avere accesso a un’IA all’avanguardia è già un po’ come disporre 24 ore su 24, 7 giorni su 7, di un team di consulenti esperti e tutor su qualsiasi argomento, di una capacità di codifica illimitata per progetti circoscritti e di un numero illimitato di lavoratori da remoto in grado di svolgere alcune brevi attività amministrative.

Questi strumenti stanno dando ai singoli lavoratori molta più capacità di ottenere risultati. Possiamo già vedere questo fenomeno nell’acceleratore di startup di maggior successo al mondo, Y Combinator, che afferma che la sua attuale coorte è concentrata al 70 % sull’intelligenza artificiale e cresce svariate volte più velocemente rispetto alle startup simili di dieci anni fa.

(E dieci anni fa, le startup stesse crescevano più rapidamente rispetto alle aziende dei decenni precedenti. L’effetto dell’IA si inserisce in una tendenza a più lungo termine).

L’effetto oggi è più visibile nel mondo virtuale e privo di vincoli fisici delle startup di software, ma le possibilità si stanno ampliando. Non è necessario lavorare in una startup tecnologica per utilizzare l’IA per apprendere più rapidamente nuove competenze, ottenere consigli, revisionare il proprio lavoro, creare software e così via.

E dei veri e propri “lavoratori virtuali” moltiplicherebbero ancora una volta, drasticamente, questa leva. Questo probabilmente creerà un periodo in cui l’abilità di dirigere questi agenti IA diventerà incredibilmente preziosa.

Queste competenze potrebbero essere:

• Saper individuare i problemi e decidere su cosa concentrarsi
• Comprendere i pro e i contro dei modelli più recenti e come progettare soluzioni che ne aggirino i punti deboli
• Scrivere specifiche di progetto chiare
• Capire cosa vogliono davvero gli utenti finali (UX)
• Progettare sistemi di agenti IA, compreso il controllo e la gestione degli errori
• Capire e coordinarsi con le persone coinvolte
• Assumersi la responsabilità

(Molte di queste competenze sono simili a quelle per la gestione degli esseri umani. Ed esistono già prove che i manager umani competenti sono più bravi a gestire i team di IA).

Queste competenze non sono solo compiti poco strutturati e a lungo termine che l’IA trova relativamente difficili, ma sono anche complementari all’IA: man mano che l’IA migliora, diventano più necessarie. I due effetti si combinano per moltiplicarne il valore.

Al contrario, fare il sarto artigianale di abiti su misura napoletani (discendente da una lunga stirpe di sarti) non è un’attività che l’IA potrà replicare facilmente, ma non è nemmeno complementare a essa. Ciò significa che il valore di mercato di questa competenza probabilmente si manterrà in linea con il reddito globale, senza però superarlo.

Altre competenze che potrebbero essere complementari all’implementazione dell’IA sono quelle relative ad altri campi necessari per la sua adozione su larga scala, come:

• Competenza nell’hardware dell’IA: se l’IA continua a migliorare, ci sarà una massiccia espansione della produzione di chip per far funzionare e addestrare i sistemi.
• Sviluppo dell’IA: man mano che l’IA diventa più preziosa, il valore di renderla più efficace dell’1 % aumenta in modo proporzionale, per cui i restanti colli di bottiglia nella ricerca e sviluppo dell’IA aumentano notevolmente di valore (anche se bisogna tenere presente che lavorare su questo aumenta anche i rischi derivanti dall’IA).
• Attività fisiche necessarie per l’implementazione dell’IA: ad esempio, la costruzione di data center e centrali elettriche, nonché lo sviluppo e la manutenzione di robot.
• cybersecurity e sicurezza delle informazioni: man mano che l’IA e la robotica diventano sempre più integrate in tutti gli aspetti dell’economia, la sicurezza di questi sistemi diventa fondamentale (nessuno vuole essere rapito dal proprio maggiordomo robot).

2.3 Competenze in settori dove la richiesta di prodotti potrebbe esplodere

Devo presentare la dichiarazione dei redditi solo una volta all’anno. Se l’intelligenza artificiale dimezzasse il costo per sbrigare la pratica, continuerei comunque a farla una sola volta (e userò i soldi risparmiati per qualcos’altro).

Al contrario, da quando Uber ha reso i taxi più economici e pratici, le persone hanno iniziato a usarli molto più spesso, in alcuni casi spendendo di più di prima. Il mercato dei taxi è cresciuto molto nell’ultimo decennio o due.

Lo stesso potrebbe valere per l’assistenza sanitaria, alloggi migliori, intrattenimento migliore, beni di lusso, crescita personale, ricerca e molte altre cose che consumo.

Al contrario, le professioni legate a obblighi di legge (come le abilitazioni) e i settori in cui la domanda è stabilita principalmente dal governo potrebbero avere una domanda più rigida (ad esempio, gli stipendi nel settore sanitario del Regno Unito sono diminuiti in termini reali nell’ultimo decennio, nonostante la domanda di assistenza sanitaria sia generalmente aumentata con il PIL).

Più in generale, si possono considerare i settori che probabilmente cresceranno più rapidamente del resto dell’economia in un mondo di automazione basata sull’IA.

Ad esempio, l’automazione tramite IA creerebbe un’enorme ricchezza, probabilmente concentrata nell’1 % più ricco che possiede la maggior parte del capitale. L’aumento della disuguaglianza di reddito farebbe impennare la domanda di beni di lusso. Un’attività come l’organizzazione di eventi esclusivi di degustazione di tè a San Francisco sarebbe difficile da realizzare per un’IA e, allo stesso tempo, vedrebbe una domanda in crescita.

2.4. Competenze difficili da apprendere per gli altri

Si pensi a un lavoro come quello di cameriere in un ristorante di lusso. Mi aspetto che le persone mangino più spesso fuori casa man mano che diventano più ricche, e questo è un lavoro fisico che richiede molte competenze sociali, in cui le persone potrebbero mantenere una forte preferenza per il contatto umano.

Mi aspetto quindi che molti lavori manuali e nel settore dei servizi e della vendita al dettaglio vedranno un aumento dell’occupazione e che i loro salari, in genere, cresceranno in linea con il resto dell’economia.

Tuttavia, questi lavori potrebbero non registrare un aumento insolitamente elevato dei salari, perché le persone possono accedervi con una formazione relativamente breve. Se molte altre persone possono apprendere una competenza, ciò limita l’aumento dei salari associati a quella competenza.

Le competenze il cui valore aumenterà di più sono quelle per cui il mercato del lavoro impiegherà molto tempo ad adeguarsi all’aumento della domanda.

Ad esempio, se sei un operaio edile, potresti imparare un mestiere più specializzato, come quello di elettricista, concentrandoti su settori la cui domanda è destinata ad aumentare, come i data center. È più probabile che le persone con queste competenze più specialistiche diventino un collo di bottiglia determinante durante un periodo di rapida crescita.

3. Quindi, quali competenze lavorative aumenteranno di più di valore? E come puoi svilupparle?

Applichiamo quanto abbiamo trattato per provare a ipotizzare quali saranno le competenze lavorative più preziose. Cerchiamo competenze che soddisfino almeno due delle categorie di cui sopra e, idealmente, tutte e quattro. Mi sono concentrato su competenze trasferibili relativamente ampie.

3.1 Saper usare l’IA per risolvere problemi reali

Cosa: competenze necessarie per l’implementazione dell’IA e difficili da automatizzare: capire punti di forza e limiti dei sistemi di IA; progettare sistemi di IA e integrarli con il resto del mondo; formulare istruzioni chiare; progettare l’esperienza utente (UX).

Perché: man mano che l’IA diventa più competente, le persone che dirigono questi sistemi amplificano enormemente l’efficacia. Il lavoro di coordinamento poco strutturato che l’IA non è in grado di svolgere e la supervisione necessaria diventano il collo di bottiglia. Alla fine, gran parte dell’economia potrebbe concentrarsi sul capire quali istruzioni dare ai sistemi di IA.

Come imparare: chiunque può sviluppare questa competenza utilizzando gli strumenti più recenti di IA per cercare di ottenere risultati reali sul lavoro. Puoi farlo nel tuo attuale lavoro o attraverso progetti personali. Se vuoi cambiare lavoro per trovare una realtà che dia una marcia in più al tuo apprendimento di questa competenza, prova a lavorare in una startup che sviluppa applicazioni basate sull’IA o in un’altra organizzazione in crescita che sta cercando di utilizzare l’IA per risolvere un problema reale (o in qualsiasi altro luogo in cui altre persone possiedano già questa competenza). In questo tipo di ruoli imparerai questa competenza, oltre all’imprenditorialità, alla gestione e alla produttività generale. Assicurati di utilizzare i modelli più all’avanguardia e pensa anche a ciò che potrebbe diventare possibile con le prossime una o due generazioni di modelli.

3.2 Efficacia personale

Essere una persona generalmente produttiva e proattiva

Cosa: fissare obiettivi, avere un sistema per tenere traccia delle attività e rispettare le scadenze, imparare a motivarsi e a concentrarsi, buone abitudini professionali come la gestione delle riunioni e l’autocontrollo emotivo di base.

Perché: Queste competenze sono utili in qualsiasi lavoro, quindi anche con molta automazione, probabilmente resteranno utili, anche per implementare l’IA. Sono anche legate all’agentività e alla capacità di essere responsabili di un progetto dall’inizio alla fine, un punto debole per l’IA. Inoltre, moltiplicano il valore delle altre tue competenze.

Come imparare: Esistono molti modi pratici per aumentare la tua produttività generale, che elenchiamo qui. Vedi anche come essere più agentico.

Abilità sociali

Cosa: Costruire relazioni, coordinarsi bene con gli altri, comprendere le emozioni altrui.

Perché: Sebbene l’IA sia già spesso considerata più empatica degli esseri umani, ci saranno casi in cui le persone vorranno una relazione con una persona reale (almeno come lusso). Inoltre, man mano che un numero sempre maggiore di lavori di routine viene automatizzato, una frazione crescente di ciò che resta potrebbe consistere nel coordinamento tra team umani (ad esempio, immagina tre fondatori che gestiscono un grande team di agenti IA e hanno bisogno di allinearsi rapidamente tra loro, o uno sviluppatore software che deve aggiornare il suo capo sull’output di 10 IA). Le abilità sociali sono anche un fattore importante per molte delle altre abilità elencate, come il management.

Come imparare: È difficile da imparare, ma cerca di metterti in situazioni in cui puoi fare molta pratica. Trascorri del tempo con persone che hanno buone abilità sociali e consulta queste note per ulteriori idee.

Imparare a imparare

Cosa: Orientarsi rapidamente in nuovi ambiti di conoscenze e competenze.

Perché: Se il mondo sta cambiando in modo sempre più rapido e imprevedibile, la capacità di riqualificarsi rapidamente acquisendo nuove competenze diventa più preziosa. Allo stesso tempo, l’intelligenza artificiale permette di ricevere tutoraggio individuale economico su quasi qualsiasi argomento, e questo, a detta di molti, consente di imparare molto più velocemente di prima. Questa abilità può aiutarti anche con tutte le altre competenze di questo elenco.

Come imparare: l’intelligenza artificiale ha reso molto più veloce l’apprendimento di molte competenze, perché è possibile ottenere un coaching personalizzato 24 ore su 24, 7 giorni su 7, su quasi qualsiasi argomento. Imparare a trarne vantaggio è di per sé una competenza estremamente preziosa. Vedi anche la sezione pertinente del nostro precedente articolo su come avere più successo.

3.3 Capacità di leadership

Esiste un insieme di competenze relative al management, all’imprenditorialità e alla strategia che sembrano difficili per l’IA, che traggono vantaggio dal crescente effetto leva fornito dall’IA, di cui potremmo impiegare quantità decisamente superiori e la cui offerta è limitata. Possono anche essere difficili da apprendere, ma suggerisco alcuni modi per metterle in pratica su scala ridotta, che potrebbero aiutarti a passare più rapidamente in ruoli full-time che richiedono queste competenze.

Imprenditorialità

Cosa: individuare idee per nuovi progetti, creare una strategia, coordinare proattivamente persone e risorse per portarli avanti e saper gestire il rischio.

Perché: un piccolo team di fondatori umani può già ottenere di più che in passato e presto potrebbe essere in grado di mobilitare istantaneamente grandi team di lavoratori IA.

Come imparare: chiunque può mettere in pratica le competenze imprenditoriali gestendo un progetto personale o una nuova iniziativa sul lavoro (ad esempio, contribuendo al lancio di un nuovo prodotto, organizzando una nuova conferenza, gestendo un negozio online). L’IA consentirà a questo tipo di progetti di procedere molto più rapidamente di prima. Se desideri concentrarti su una carriera imprenditoriale, consulta il nostro profilo sulla creazione di organizzazioni di impatto. Entrare a far parte di un’organizzazione nuova e in rapida crescita è un altro ottimo modo per apprendere queste competenze.

Management

Cosa: Gestione del personale, del prodotto e dei progetti.

Perché: Alcuni aspetti del management sono attività poco strutturate e a lungo termine, per le quali si vorrà che sia un essere umano ad assumersi la responsabilità. Probabilmente vedremo organizzazioni più sbilanciate al vertice, in cui un numero maggiore di manager umani coordinerà team più piccoli potenziati dall’IA e, alla fine, grandi team di IA. Oggi l’occupazione in ruoli manageriali è in rapida crescita. (Anche se alcune posizioni di middle management potrebbero essere snellite dagli strumenti di IA). Le competenze nella gestione delle persone aiutano anche a gestire i sistemi di IA.

Come imparare: informati sulle migliori pratiche di gestione (consulta questo elenco di letture), quindi inizia a gestire su piccola scala (ad esempio, un freelance o dei volontari in un progetto personale). Cerca di lavorare per qualcuno che sia un ottimo manager. Da lì, prova a progredire verso posizioni manageriali. Continua ad applicare le migliori pratiche e a cercare un mentore, raccogliendo al contempo feedback dalle persone che gestisci.

Strategia, prioritizzazione e processo decisionale

Cosa: definire la visione, la missione e le metriche di un’organizzazione, identificare le priorità, prendere decisioni cruciali.

Perché: poiché l’IA rende più facile ottenere risultati, la questione fondamentale diventa decidere cosa fare in primo luogo. Si tratta anche di un compito poco strutturato e a lungo termine in cui l’IA rimarrà probabilmente indietro. L’IA potrebbe presto diventare migliore della maggior parte degli esseri umani in alcuni tipi di previsione e nei processi decisionali, ma gli esseri umani dovranno comunque essere coinvolti nella revisione delle decisioni.

Come imparare: Cerca di lavorare con qualcuno che abbia questa competenza. Concentrati nel trovare un ambito (anche piccolo) in cui esercitarti a sviluppare una strategia. Impara poi ad applicare le migliori pratiche in quell’ambito. Ecco i più comuni modelli di prioritizzazione, un libro popolare sulla strategia e il nostro articolo sul decision making. Esercitati a fare previsioni per hobby e tieni traccia dei tuoi risultati. Impara a usare gli strumenti di IA e le piattaforme di previsione come ausili decisionali. La scrittura si sta automatizzando sempre più, ma è uno dei migliori strumenti per pensare, perciò vale la pena impararla.

Vera competenza

Cosa: Avere una comprensione di livello esperto di un campo importante, intuito per la ricerca, capacità di formulare intuizioni concettuali originali e di risolvere problemi complessi.

Perché: agli esperti sarà richiesto di supervisionare i sistemi di IA e le decisioni chiave, e quindi ne saranno complementari. Inoltre, avere buone intuizioni concettuali e intuito per la ricerca sarà tra le cose più difficili da automatizzare, perché si tratta per eccellenza di compiti con pochi dati, poco strutturati e a lungo termine (anche se l’IA potrebbe essere brava nella creatività tramite generazione massiva). Queste competenze sono anche difficili da apprendere per la maggior parte delle persone.

La competenza sarà di maggior valore nei settori che probabilmente cresceranno molto, come l’implementazione dell’IA, il suo sviluppo, la robotica, l’hardware informatico, la sicurezza informatica e la produzione di energia, e in aree cruciali della politica governativa (ad esempio relazioni USA-Cina, regolamentazione dell’IA e difesa).

D’altra parte, l’asticella per essere considerati veri esperti si alzerà continuamente nel tempo, man mano che l’IA migliorerà. Dovresti perseguire questa opzione solo se sei in grado di raggiungere abbastanza velocemente i massimi livelli, e di restarci.

Come imparare: Trova un mentore tra i migliori professionisti nel settore, esercitati intensamente e segui i percorsi di formazione standard del tuo campo.

3.4 Comunicazione e gusto

Cosa: Avere buon giudizio in fatto di design, senso estetico e capacità e di prevedere i gusti del proprio pubblico; avere personalità, saper raccontare la propria storia, avere un branding unico e un legame personale con il proprio pubblico; strategie di comunicazione, pubbliche relazioni e brand.

Perché: Anche se gran parte della creazione di contenuti e del marketing sembra destinata ad essere automatizzata, le persone continueranno a desiderare relazioni con persone reali e interessanti. Man mano che diventa più facile creare grandi volumi di contenuti o design, la capacità di selezionare ciò che è valido (il gusto) diventa più preziosa, così come gli aspetti strategici su cosa creare a monte.

Come imparare: “Essere cool” è piuttosto difficile da imparare, ma puoi provare a sviluppare un legame profondo con un pubblico specifico (ad esempio tramite un canale YouTube). Fai pratica usando l’IA per creare contenuti e affinare il tuo gusto osservando cosa funziona nel tempo. Concentrati su contenuti e storytelling più incentrati sulla tua personalità (invece che sul tipo di materiale che si può facilmente ottenere da ChatGPT).

3.5 Ottenere risultati nel settore pubblico

Cosa: La capacità di sapere con chi relazionarsi e come presentare i temi nel modo giusto per far approvare o attuare nuove politiche, la strategia politica, i processi decisionali istituzionali.

Perché: Anche se gran parte del lavoro d’ufficio di routine nel settore pubblico verrà automatizzato, il settore pubblico continuerà probabilmente a crescere di pari passo con l’economia. Le persone vorranno che i decisori siano persone reali. Ciò significa che le competenze difficili da definire e a lungo termine necessarie per ottenere risultati nel settore pubblico rimarranno preziose, soprattutto per la dimensione relazionale. Anzi, il settore pubblico potrebbe persino assumere un’importanza crescente con l’aumentare dell’automazione. Inoltre, la pubblica amministrazione sarà più lenta nell’adottare nuove tecnologie e non è soggetta a una forte concorrenza di mercato.

Come imparare: Lavora per una figura che possiede questa competenza, ad esempio diventare assistente parlamentare o prendi in considerazione altre vie d’accesso standard al settore delle politiche pubbliche se pensi di riuscire ad andare oltre le posizioni di livello base e di analisi di routine.

3.6 Abilità fisiche complesse

Cosa: La capacità di svolgere interventi fisici di precisione, soprattutto in ambienti imprevedibili e critici con una domanda in espansione, ad esempio: chirurgia, impiantistica elettrica ed edilizia per i data center, tecnico specializzato in semiconduttori.

Perché: La diffusione della robotica probabilmente resterà indietro, creando importanti colli di bottiglia per le attività manuali, in particolare quelle necessarie allo sviluppo dell’IA stessa e che risultano più difficili da svolgere per i robot (o altre persone).

Come imparare: fai un apprendistato seguendo il percorso standard previsto per il tuo settore di interesse.

4. Competenze con un futuro più incerto

Di seguito sono elencate alcune competenze il cui valore è più probabile che diminuisca. È molto difficile fare previsioni in merito: come già sottolineato, l’automazione parziale spesso fa aumentare inizialmente la domanda di un lavoro, salvo poi vederla calare drasticamente in un secondo momento.

4.1 Lavoro intellettuale di routine: scrittura, amministrazione, analisi, consulenza

Praticamente tutte le ricerche su quali lavori saranno maggiormente colpiti dall’attuale ondata di IA concordano che l’impatto maggiore riguarderà i lavori impiegatizi con un reddito compreso tra il 70° e il 90° percentile (circa 100-200 000 dollari negli Stati Uniti).⁠g

L’IA è già piuttosto utile per questo tipo di attività, perché ci sono molti esempi nei dati di addestramento che implicano il riconoscimento di pattern o il recupero di informazioni. In futuro, sarà più facile raccogliere ancora più dati e molte delle attività sono abbastanza brevi e chiare perché l’apprendimento per rinforzo funzioni. Nello specifico, ciò potrebbe includere competenze come:

• Molti casi di scrittura e revisione.
• Esecuzione di analisi semplici, come potrebbe fare un analista finanziario, un assistente legale, un funzionario pubblico o un optometrista.
• Richiamo di informazioni consolidate, come nella diagnosi medica.
• Amministrazione
• Traduzione

In ogni organizzazione, molti di questi posti di lavoro potrebbero essere sostituiti da un numero minore di persone che supervisionano un gran numero di agenti di IA (o esseri umani assistiti dall’IA), rendendo le organizzazioni più pesanti al vertice. Luke Drago ha chiamato questo fenomeno “sostituzione piramidale” (Pyramid Replacement).

Detto questo, con la crescita dell’economia, il numero totale di organizzazioni si espande man mano che nuove nicchie diventano redditizie. Quindi, anche se ogni organizzazione avesse bisogno di meno persone per svolgere questo tipo di compiti, l’occupazione totale potrebbe non diminuire per un po’.

Questi ruoli potrebbero anche evolversi per dedicare più tempo ai compiti in cui l’IA è carente, come:

• Analizzare e discutere con i clienti i pareri generati dall’IA
• Verificare gli output generati dall’IA
• Maggiori investimenti nella formazione di una forza lavoro più ridotta ma più produttiva
• Fornire istruzioni ai sistemi di IA

Se le lacune dell’IA sono molte, i livelli di occupazione potrebbero non cambiare di molto. Senza contare che ogni lavoratore avrebbe un livello di produttività pari a quello di diversi lavoratori del passato, il che potrebbe aumentare ulteriormente la domanda.

Inoltre, molte organizzazioni saranno lente ad adottare strumenti di IA, quindi quei posti di lavoro continueranno a esistere più a lungo.

Tutto ciò significa che è difficile dire come, nel complesso, questi cambiamenti si tradurranno in variazioni dell’occupazione tra i colletti bianchi. Ecco però alcune pure speculazioni sulle prospettive a medio termine per diverse professioni:

• Assistenza sanitaria: mi aspetto che gli operatori sanitari dedichino meno tempo alla diagnosi, alle attività amministrative e al monitoraggio, ma più tempo a mansioni fisiche (ad esempio, la somministrazione delle cure). Prevedo che i salari rimarranno stabili, ma che forse cresceranno più lentamente.
• Gestione degli investimenti: mi aspetto che prosegua la tendenza a lungo termine verso un maggiore utilizzo di sistemi quantitativi, supervisionati da un numero minore di lavoratori, spesso più retribuiti.
• Consulenza strategica: le società di consulenza potrebbero essere nella posizione ideale per consigliare le organizzazioni su come applicare l’IA, e sono cresciute rapidamente negli ultimi tempi. L’aumento della domanda di consulenza sull’IA potrebbe compensare l’automazione delle mansioni attualmente svolte dai dipendenti junior. Inoltre, le società potrebbero essere ancora disposte ad assumere profili junior per formarli a ricoprire ruoli senior.
• Servizi professionali: le prospettive per i servizi professionali (ad esempio la contabilità) sembrano simili a quelle della consulenza strategica, ma leggermente peggiori, perché si occupano meno di attività strategiche originali, che saranno più difficili per l’IA. Ad esempio, la contabilità di routine verrà sempre più automatizzata, lasciando un numero (forse) minore di contabili a concentrarsi sui casi più complessi.
• Diritto: Il settore diventerà probabilmente più pesante al vertice. Gli avvocati esperti utilizzeranno l’IA per assistere nella ricerca, ma esamineranno le decisioni chiave e le discuteranno con i clienti. Le pratiche legali ordinarie e la ricerca saranno più automatizzati.
• Pubblica amministrazione: i posti nella pubblica amministrazione incentrati sulla redazione di rapporti di ricerca, sulla consulenza e su mansioni amministrative potrebbero diminuire, a favore di una categoria forse più ampia di funzionari di alto livello e posizioni politiche che utilizzano l’IA.

4.2 Programmazione, matematica, data science e STEM applicate

Dieci anni fa, noi di 80,000 Hours consigliavamo di imparare a programmare e lavorare nella data science, proprio prima che la domanda esplodesse.

Tuttavia, le prospettive per queste competenze oggi sono molto più incerte.

La programmazione è l’ambito in cui l’IA eccelle al momento, nonché quello in cui sta migliorando più rapidamente. Poiché la programmazione è virtuale e ha cicli di feedback rapidi, si presta relativamente bene all’apprendimento per rinforzo. L’occupazione per gli sviluppatori software ha subito una battuta d’arresto, rimanendo piatta nel 2024, dopo molti anni di crescita.⁠i

D’altra parte, molte persone ci hanno detto che gli strumenti di intelligenza artificiale hanno reso molto più rapido imparare a programmare e hanno aumentato la portata di ciò che è possibile fare.

La domanda di software potrebbe anche aumentare man mano che diventa più economico produrlo, il che significa che vale la pena realizzare progetti che prima non erano redditizi.

È plausibile che il valore di investire uno o due mesi ad imparare a programmare sia addirittura aumentato (anche se il valore di dedicarvi anni di studio potrebbe essere diminuito). Potresti raggiungere molto più rapidamente un livello di comprensione della programmazione sufficiente a integrare le tue altre competenze, come nell’imprenditorialità o nel design.

Quindi, per ora, non è chiaro se il valore di questa competenza sia diminuito, ma dobbiamo anche considerare cosa succederà nei prossimi cinque anni. In questo periodo, è probabile che l’intelligenza artificiale inizi a superare chiaramente gli esseri umani nella programmazione, anche per progetti più lunghi e complessi.

Se ciò accadrà, gli sviluppatori software potrebbero passare a ruoli più incentrati sulla gestione dei sistemi di intelligenza artificiale, utilizzando le loro conoscenze di programmazione ma combinandole con altre competenze. Alcuni, però, potrebbero avere difficoltà a compiere questo passaggio.

La situazione per i data scientist sembra simile, anche se finora l’occupazione nel settore della data science ha continuato a crescere rapidamente. Se stai pensando di entrare ora in questo campo, concentrati sull’acquisire rapidamente una solida comprensione concettuale dell’analisi dei dati, piuttosto che sulle procedure tecniche per eseguire analisi elementari.

Potremmo fare osservazioni simili sulle competenze in matematica e STEM applicate, in particolare quelle che comportano l’applicazione di conoscenze consolidate. L’IA ha già superato il livello di dottorato di ricerca nel rispondere a domande scientifiche o matematiche ben definite.

4.3 Creazione visiva

L’IA è già in grado di generare immagini ed è sul punto di generare video fotorealistici. Fa ancora fatica a mantenere la coerenza visiva e a seguire istruzioni visive dettagliate, il che significa che la supervisione umana resta fondamentale, ma questo potrebbe essere risolto nei prossimi anni, con il miglioramento dell’agentività e della multimodalità.

Come già detto, nel 2024 ci sono stati enormi licenziamenti di artisti di effetti speciali e animatori, mentre l’occupazione dei grafici è rimasta stabile.

D’altra parte, alcuni creators potranno utilizzare strumenti di intelligenza artificiale per produrre drasticamente di più rispetto al passato.

4.4 Lavori manuali più prevedibili

Dopo molti anni di previsioni, i taxi a guida autonoma stanno finalmente entrando davvero in servizio e stanno crescendo molto rapidamente. È difficile sapere quanto tempo richiederà la loro diffusione in tutte le principali città, ma non sarebbe sorprendente assistere a un’ondata di licenziamenti di massa tra gli autisti nei prossimi cinque anni.

In generale, per i robot sarà più facile svolgere compiti in ambienti prevedibili, più semplici e a basso rischio. Ad esempio, i robot svolgono già molte mansioni nei magazzini. Questo non ha ancora ridotto l’occupazione degli addetti ai magazzini (forse perché la domanda di magazzini è aumentata ancora più rapidamente con lo shopping online), ma le prossime due generazioni di sistemi robotici potrebbero portare a un punto di svolta.

5. Alcune considerazioni finali sulla strategia di carriera

Alla luce di questi sviluppi, come dovresti affrontare i prossimi passi della tua carriera?

5.1 Cerca modi per saltare i lavori impiegatizi entry level

Mentre l’IA accresce il valore delle capacità di leadership, riduce quello delle posizioni di base che un tempo fungevano da percorso di formazione per svilupparle.

Cosa dovrebbe fare, quindi, se sei un neolaureato che entra nel mercato del lavoro sperando di ottenere uno di questi impieghi?

L’ideale sarebbe trovare un ruolo che permetta di apprendere subito le competenze di leadership (ad esempio, ovunque si possa lavorare con un buon mentore), ma cosa puoi fare se non ci riesci?

Innanzitutto, puoi iniziare ad apprendere competenze di implementazione dell’IA e di efficacia personale in qualsiasi lavoro, e anche queste sono in cima alla mia lista.

In secondo luogo, potresti trovare un modo per iniziare a mettere in pratica capacità di leadership o di comunicazione nel tuo ruolo attuale, magari solo su piccola scala (ad esempio gestendo un freelance o aiutando a lanciare un nuovo prodotto).

In alternativa, potresti avviare un progetto personale o un hobby “serio”, come gestire un progetto di volontariato, tenere un blog o una piccola attività parallela. Queste attività ti permettono di esercitare le tue doti di leadership e, utilizzando strumenti di IA, puoi ottenere di più e più in fretta rispetto al passato.

Per quanto riguarda i lavori a tempo pieno, i ruoli in organizzazioni piccole ma in crescita sembrano più attraenti, perché consentono di sviluppare questo tipo di competenze più rapidamente.

Al contrario, nelle grandi aziende c’è una maggiore specializzazione, il che significa che i ruoli di livello base spesso comportano un lavoro più routinario.

Se hai la possibilità di scegliere, i ruoli presso startup tecnologiche che applicano l’IA a un problema reale sembrano particolarmente interessanti, poiché consentono di imparare l’implementazione dell’IA, l’imprenditorialità e, in generale, a portare a casa i risultati, tutto allo stesso tempo. Ecco un articolo su perché puntare in alto.

Se non riesci a saltare il percorso classico da colletto bianco, un’altra opzione è concentrarti su settori in cui le prestazioni sono determinate da complesse abilità fisiche, presenza fisica e abilità sociali (ad esempio, mediatore, organizzatore di eventi, turismo di lusso).

5.2 Sii cauto nell’intraprendere lunghi periodi di formazione, come dottorati di ricerca e gli studi in medicina.

L’automazione dell’IA sta già avvenendo più rapidamente rispetto alle precedenti ondate tecnologiche,⁠j potrebbe accelerare e ha effetti difficili da prevedere, il che rende meno attraenti i periodi di formazione lunghi.

Questo non significa che non dovresti dedicare 1-2 anni alla formazione, o addirittura che non dovresti mai intraprendere programmi di formazione lunghi. Ad esempio, gli studi post-laurea potrebbero comunque valere la pena per una combinazione di fattori: (i) aumento del valore della vera competenza, (ii) possibilità di svolgere un lavoro utile durante gli studi, (iii) pensi che i progressi dell’IA saranno più lenti, (iv) mancanza di altre opzioni. Ma vale la pena riflettere più attentamente sulle alternative.

E per quanto riguarda il finire l’università? Per la maggior parte delle persone, ne vale ancora la pena perché aumenta notevolmente le prospettive di impiego. Tuttavia, l’argomento a favore dell’abbandonare gli studi sembra più solido di prima (soprattutto se la tua università non ti permette di usare strumenti di IA). Di solito sconsiglio di abbandonare gli studi a meno che non si abbia già un’offerta di lavoro retribuito. Tuttavia, potresti provare a (i) crearsi le condizioni per ricevere tale offerta più rapidamente (ad esempio tramite progetti estivi) o (ii) finire l’università più in fretta.

5.3 Renditi più resiliente al cambiamento

Un modo per affrontare cambiamenti rapidi e imprevedibili è imparare le competenze di efficacia personale utili in ogni lavoro. Ma puoi anche pensare a come impostare la tua vita per renderla flessibile e resiliente:

• Non legarti eccessivamente a un unico Paese e vivi in una grande città con molti tipi di opportunità
• Risparmia più denaro di quanto faresti altrimenti
• Investi nella tua salute mentale generale

5.4 Cavalca l’onda

L’obiettivo non è trovare un singolo lavoro che resti sempre resistente all’automazione, ma restare uno o due passi avanti.

Ciò significa tenersi aggiornati sulle capacità dell’IA, cercare persone da seguire che abbiano una visione lucida di ciò che sta accadendo e adattarsi continuamente in base a dove si sposteranno i colli di bottiglia.

Agire

1. Questa settimana: trova un nuovo piccolo modo per applicare l’IA nel tuo lavoro attuale (o in quello che vorresti).
2. Questo mese: scegli una delle sei competenze e pensa a 1-2 passi che potresti compiere per impararla più velocemente.
3. Questo trimestre: valuta se fare un cambiamento più importante per concentrarti maggiormente su queste competenze.

Grazie a Carl Shulman e Mike Webb per le conversazioni che hanno arricchito questo articolo, a Ethan Heppner per i dati e i commenti, e ad Arden Koehler e Ozy Brennan per i commenti.

---

Pubblicazione originale: Benjamin Todd (2025) How not to lose your job to AI, 80,000 Hours, giugno.