Quanti posti di lavoro sta davvero cancellando l'intelligenza artificiale? La risposta, alla meta' del 2026, e' piu' sfumata dei titoli allarmistici. I dati aggiornati mostrano che negli Stati Uniti l'IA viene citata come motivazione nel 13% dei licenziamenti dell'anno, quasi il triplo rispetto al 4,5% del 2025. Ma la stessa cifra, guardata da vicino, racconta soprattutto quanto l'IA sia diventata una comoda etichetta.
Dall'inizio del 2026 si contano centinaia di eventi di taglio del personale per oltre 200mila lavoratori coinvolti; complessivamente, da inizio 2023, piu' di 316mila posti sono stati eliminati da aziende che hanno indicato esplicitamente l'IA o l'automazione tra le cause. Numeri grandi, che pero' vanno letti con attenzione.
Perche' i numeri vanno letti con cautela
Qui entra in gioco il dato piu' interessante. Un'indagine Gallup rivela che il 62% dei lavoratori licenziati non usava strumenti di IA, e che solo l'1% degli intervistati indica l'IA o l'automazione come causa primaria della perdita del posto. La stessa Harvard Business Review osserva che i licenziamenti attribuiti oggi all'IA sono in larga parte 'speculativi': dipendono da strategie aziendali, tagli ai costi e segnali agli investitori piu' che da un impatto reale e misurabile degli algoritmi sul lavoro.
In altre parole, 'colpa dell'IA' e' spesso una narrazione conveniente per giustificare ristrutturazioni decise per altri motivi. Paradossalmente, secondo l'analisi ripresa da Fox Business, chi non usa affatto l'IA risulterebbe piu' esposto ai tagli di chi la padroneggia.
Quali lavori sono davvero piu' esposti
Non tutti i ruoli corrono lo stesso rischio. Le mansioni con la maggiore sovrapposizione con le capacita' attuali dei modelli sono quelle piu' ripetitive e testuali: programmatori alle prime armi, addetti al servizio clienti, data entry, redattori di contenuti standardizzati e alcune figure del marketing. Sono attivita' in cui un assistente conversazionale puo' oggi svolgere una quota crescente del lavoro.
All'opposto, restano molto richieste — e in alcuni casi in forte crescita — le competenze legate all'infrastruttura di machine learning, alla sicurezza dell'IA, alla ricerca applicata, alla sanita' e ai mestieri manuali qualificati, difficili da automatizzare. La linea di faglia, insomma, non passa tra 'umani' e 'macchine', ma tra chi sa integrare l'IA nel proprio lavoro e chi ne resta ai margini.
Cosa significa per chi lavora in Italia
Il mercato del lavoro italiano ha una struttura diversa da quello statunitense, ma la tendenza di fondo e' la stessa: l'IA non cancella professioni in blocco, ridisegna i compiti al loro interno. Per chi lavora, la strategia razionale non e' temere l'automazione in astratto, ma capire quali parti del proprio mestiere l'IA puo' accelerare e quali richiedono ancora giudizio, relazione e responsabilita' umana. Le indagini piu' serie convergono su un punto: nel 2026 il grande spostamento occupazionale annunciato non si e' ancora materializzato nei numeri, ma la pressione a riorganizzare il lavoro attorno all'IA e' reale e crescente.
Il rischio, semmai, e' un altro: che l'IA diventi l'alibi per decisioni prese altrove. Distinguere tra automazione reale e retorica aziendale sara' uno dei compiti piu' importanti — per i lavoratori, per i sindacati e per chi fa politiche del lavoro.
Reskilling: quali competenze contano davvero
Se la linea di faglia passa tra chi integra l'IA nel proprio lavoro e chi ne resta ai margini, la domanda diventa: cosa conviene imparare? Le competenze piu' richieste non sono necessariamente tecniche. Sapere formulare buone richieste a un assistente conversazionale, verificarne le risposte, riconoscere quando 'inventa' e integrare il suo output nel proprio flusso di lavoro sono abilita' trasversali, utili a un avvocato come a un impiegato o a un insegnante. Accanto a queste restano preziose le competenze che l'IA fatica a replicare: giudizio in situazioni ambigue, relazione con le persone, responsabilita' sulle decisioni.
Sul fronte piu' tecnico, la domanda si concentra su chi sa costruire e mantenere i sistemi: ingegneri del machine learning, esperti di dati, specialisti della sicurezza dei modelli. Sono profili scarsi e ben pagati, ma richiedono percorsi formativi impegnativi e non alla portata di una riconversione rapida.
Il ruolo di scuola, imprese e politiche pubbliche
La velocita' del cambiamento chiama in causa il sistema formativo. Se l'IA ridisegna i compiti dei mestieri esistenti, la scuola e la formazione professionale devono aggiornare i contenuti piu' rapidamente di quanto abbiano mai fatto, evitando di preparare i giovani a mansioni che l'automazione sta gia' assorbendo. Le imprese, dal canto loro, hanno un interesse diretto a formare internamente i propri dipendenti anziche' limitarsi a sostituirli, come suggeriscono i dati secondo cui chi padroneggia l'IA e' meno esposto ai tagli.
Per le politiche pubbliche, la sfida e' accompagnare la transizione senza subirla: sostegno al reddito nelle fasi di riconversione, incentivi alla formazione, trasparenza sulle motivazioni reali dei licenziamenti. Perche' il vero pericolo, alla meta' del 2026, non e' un'ondata di disoccupazione tecnologica gia' in atto, ma la tentazione di usare l'IA come giustificazione per scelte decise altrove.
