Secondo un'analisi di Francisco Rodríguez-Fernández, pubblicata nell'aprile 2026, l'irruzione dell'intelligenza artificiale generativa (IA) solleva interrogativi fondamentali sull'organizzazione del lavoro e sulla struttura dell'occupazione, con un focus specifico sulla situazione in Spagna. Questo documento integra diverse fonti di evidenza per fornire un quadro completo dell'impatto dell'IA sul mercato del lavoro spagnolo, esaminando sia i dati attuali sia le proiezioni future.
Le fonti di evidenza considerate includono i dati più recenti del mercato del lavoro spagnolo, provenienti dall'indagine sulla popolazione attiva (EPA) del quarto trimestre del 2025 dell'INE, le stime internazionali sull'esposizione occupazionale all'IA e le evidenze sperimentali sui suoi effetti sulla produttività. La conclusione principale di questa analisi è che la Spagna si posiziona in una fascia di esposizione medio-alta all'IA rispetto alla media dei paesi dell'OCSE. Ciò è accompagnato da un'accelerazione notevole nel tasso di adozione aziendale: il 21,1% delle imprese con dieci o più dipendenti utilizzava già almeno una tecnologia di IA nel primo trimestre del 2025, un incremento significativo rispetto al 12,4% registrato nel 2023.
L'evidenza microeconomica sperimentale conferma guadagni di produttività significativi in contesti controllati, variando tra il 14% e il 40% a seconda del tipo di compito e del profilo del lavoratore negli Stati Uniti. Tuttavia, la traduzione di questi guadagni a livello macroeconomico è oggetto di un dibattito accademico attivo. Ad esempio, Acemoglu (2024) stima che l'impatto aggregato sulla produttività totale dei fattori (PTF) non supererà un modesto 0,66% accumulato in dieci anni, un risultato che contrasta con proiezioni più ottimistiche. Per la Spagna, il modello di stima occupazionale sviluppato in questo lavoro, basato sull'indice AIOE di Felten et al. (2023) adattato alla Classificazione Nazionale delle Occupazioni CNO-11, suggerisce una distruzione lorda di tra 1,7 e 2,3 milioni di posti di lavoro nell'arco di dieci anni, sebbene parzialmente compensata dalla creazione di nuove occupazioni e dall'effetto di complementarità sui lavoratori che rimangono.
1. Introduzione
L'economia spagnola ha chiuso il 2025 con un numero record di 22.463.300 persone occupate, il livello più elevato della sua storia e la prima volta dal primo trimestre del 2008 in cui il tasso di disoccupazione è sceso al di sotto del 10%. Questo contesto di forza del mercato del lavoro coincide con un'accelerazione senza precedenti nella diffusione dei sistemi di intelligenza artificiale nelle imprese spagnole. La percentuale di aziende che hanno adottato l'IA è passata dal 12,4% nel 2023 al 21,1% nel primo trimestre del 2025, segnando un aumento di 8,7 punti percentuali in soli due anni.
La concomitanza di questi due fenomeni – il massimo storico di occupazione e l'accelerazione dell'adozione dell'IA – non deve essere interpretata come prova dell'innocuità tecnologica. La letteratura economica distingue sistematicamente tra l'effetto di sostituzione, per cui l'automazione sposta direttamente il lavoro umano in determinate mansioni, e l'effetto di complementarità, per cui la tecnologia aumenta la produttività dei lavoratori che continuano a svolgere mansioni non automatizzabili. La grandezza relativa di entrambi gli effetti, e la loro distribuzione tra gruppi occupazionali, livelli di istruzione e settori, rappresenta la questione centrale dell'attuale dibattito accademico.
Questo documento persegue tre obiettivi principali. Il primo è offrire una revisione della letteratura accademica più rilevante, con un'attenzione particolare ai lavori pubblicati tra il 2023 e il 2025, che hanno rinnovato il quadro concettuale e fornito evidenze empiriche di qualità superiore rispetto agli studi pionieristici. Il secondo obiettivo è presentare la metodologia impiegata per stimare l'esposizione dell'occupazione spagnola all'IA generativa, descrivendo in modo preciso i suoi presupposti, le sue limitazioni e il grado di incertezza delle stime. Infine, il terzo obiettivo è sintetizzare i risultati dell'analisi empirica, circoscrivendoli rigorosamente a ciò che i dati disponibili permettono di affermare.
2. Revisione della letteratura
2.1. Il quadro delle mansioni: fondamenti teorici
L'analisi moderna della relazione tra tecnologia e impiego si fonda sul quadro delle mansioni proposto da Autor et al. (2003). Il loro contributo fondamentale è distinguere tra il contenuto delle mansioni svolte dai lavoratori – che possono essere routinarie o non routinarie, cognitive o manuali – e le occupazioni in quanto tali. L'apporto centrale di questo modello è la dimostrazione empirica che l'informatizzazione sposta il lavoro nelle mansioni routinarie, sia cognitive che manuali, e complementa il lavoro nelle mansioni non routinarie cognitive. Utilizzando dati rappresentativi per il periodo 1960-1998 negli Stati Uniti, gli autori mostrano che questo schema spiega il 60% dello spostamento della domanda relativa di lavoro non qualificato tra il 1970 e il 1998. Il lavoro all'interno di occupazioni nominalmente identiche rappresenta quasi la metà di tale impatto, sottolineando l'importanza di analizzare il contenuto delle mansioni, non solo le categorie occupazionali.
Questa prospettiva teorica è stata ulteriormente ampliata da Acemoglu e Restrepo in una serie di lavori di riferimento (2018, 2019, 2020) che formalizzano l'effetto di sostituzione e l'effetto di complementarità all'interno di un modello di equilibrio generale. L'apporto centrale di questo quadro è l'identificazione di due meccanismi contrapposti: l'effetto produttività, che aumenta la domanda di lavoro riducendo i costi, e l'effetto spostamento, che riduce la domanda sostituendo il lavoro umano in mansioni specifiche. Il segno dell'effetto netto sull'occupazione e sui salari dipende dalla magnitudo relativa di entrambi gli effetti, rendendo l'analisi empirica essenziale.
Frey e Osborne (2013, pubblicato come articolo nel 2017) hanno applicato questo quadro alle 702 occupazioni della classificazione SOC nordamericana, stimando, tramite un classificatore di processo gaussiano, la probabilità di automazione di ciascuna. La loro conclusione, secondo cui il 47% dell'occupazione statunitense presentava un alto rischio di automazione, fu enormemente influente, ma è stata anche oggetto di sistematiche critiche metodologiche. Il problema principale evidenziato è che lo studio valuta l'intera occupazione come automatizzabile o meno, senza considerare che l'automazione opera mansione per mansione all'interno di un'occupazione: anche se alcune delle mansioni di un lavoro sono automatizzabili, i lavoratori possono essere riassegnati alle mansioni rimanenti.
2.2. Esposizione all'IA generativa: indici di seconda generazione
La generalizzazione dell'IA generativa a partire dal 2022 ha motivato una nuova ondata di studi sull'esposizione occupazionale che applicano metodologie più sfumate. Felten et al. (2023) hanno costruito l'indice AIOE (AI Occupational Exposure) basandosi su dieci capacità dei sistemi di IA, tra cui la modellazione del linguaggio e la generazione di immagini. Queste capacità sono state poi collegate alle competenze richieste da ogni occupazione secondo il database O*NET. L'indice, disponibile pubblicamente su GitHub (github.com/AIOE-Data/AIOE), identifica una correlazione positiva tra l'esposizione all'IA, il salario mediano dell'occupazione e il livello di istruzione richiesto. Questa scoperta indica che sono le occupazioni "colletti bianchi" e ad alta qualifica a essere più esposte all'IA generativa, e non le mansioni manuali e routinarie che caratterizzavano il rischio di automazione classica. Ciò rappresenta un cambiamento qualitativo importante rispetto al paradigma di Frey e Osborne.
Eloundou et al. (2024), in un lavoro pubblicato su Science, hanno sviluppato un approccio differente. Mediante annotazione umana e classificazione automatizzata con GPT-4, hanno valutato le mansioni di ogni occupazione secondo un criterio di esposizione ai modelli linguistici (LLM) nelle loro diverse versioni. I loro risultati indicano che circa l'80% della forza lavoro statunitense potrebbe vedere almeno il 10% delle proprie mansioni influenzate dall'irruzione degli LLM, mentre circa il 19% potrebbe vedere influenzata più della metà delle proprie mansioni. Il lavoro precisa esplicitamente che esposizione non equivale ad automazione né a perdita di impiego: la tecnologia può ugualmente operare come strumento di aumento delle capacità umane, potenziando la produttività e la qualità del lavoro, piuttosto che sostituirlo interamente.
Questi studi più recenti evidenziano la crescente complessità nell'analisi dell'impatto dell'IA sul mercato del lavoro. L'attenzione si sposta dalla mera sostituzione delle mansioni routinarie a una più sfumata interazione tra intelligenza artificiale e competenze umane, sottolineando la necessità di politiche che favoriscano l'adattamento e la riqualificazione della forza lavoro per sfruttare al meglio le opportunità offerte dalla tecnologia, mitigando al contempo i potenziali rischi di dislocazione.