Il visual presente in apertura è stato creato interamente con l’uso dell’intelligenza artificiale (IA). Nonostante le previsioni di una “onda di licenziamenti” scatenata dall’arrivo di ChatGPT alla fine del 2022, i primi dati provenienti dalla Francia raccontano una storia più sottile: le aziende stanno riducendo le assunzioni di giovani in professioni dove l’IA generativa è già capace di svolgere gran parte del lavoro.
Le assunzioni giovanili in calo nei settori più esposti all’IA
Lo studio pubblicato l’8 ottobre dalla Banca di Francia, in collaborazione con Antonin Bergeaud, professore di HEC Paris, e diversi ricercatori, ha confrontato i movimenti di forza lavoro osservati dal 2019 a marzo 2026 con un indice di esposizione all’IA generativa per ciascuna professione.
Per i giovani tra i 21 e i 29 anni la differenza è evidente. Nel marzo 2026, le assunzioni a tempo indeterminato (CDI) nei ruoli più esposti all’IA risulterebbero circa il 28 % al di sotto dei livelli di novembre 2022, contro un calo di quasi l’8 % nei ruoli meno esposti.
Quantificare il vuoto di assunzioni
- Alla fine del 2022 le aziende francesi reclutavano mensilmente circa 22 000 giovani in CDI nei settori più esposti all’IA.
- Tre anni e mezzo più tardi, questa cifra è scesa di circa 6 200 assunzioni al mese.
Il caso dei sviluppatori
Il calo è particolarmente marcato per i programmatori, con una diminuzione di circa il 42 % delle assunzioni di giovani in CDI. Tuttavia, anche escludendo i programmatori dal campione, l’eccedenza di assunzioni nei settori meno esposti rimane evidente. Il risultato persiste inoltre quando si includono i contratti a tempo determinato (CDD) nel calcolo.
Non è una distruzione totale dei posti junior
È errato interpretare questi dati come prova di una perdita del 28 % dei lavori junior a causa dell’IA. I tassi di dimissioni tendono a diminuire e gli organici complessivi delle imprese che adottano molto l’IA non crollano. Ciò che cambia è il ricambio: le aziende mantengono i dipendenti già presenti e ne assumono meno di nuovi.
Dal punto di vista gestionale l’adeguamento è semplice: non è necessario licenziare un posto esistente quando alcune mansioni possono essere svolte da un modello di IA. Basta decidere di non sostituire un dipendente uscito o di non aprire una nuova posizione junior che sarebbe stata creata qualche anno prima.
Le piccole mansioni: un banco di apprendimento
Il problema nasce perché le attività più facilmente automatizzabili dall’IA erano proprio quelle affidate ai neolaureati: ricerca preliminare, sintesi di documenti, stesura di note, pulizia dati, documentazione di codice o la produzione di una bozza che poi verrebbe perfezionata da un senior.
Queste attività, spesso ripetitive e talvolta poco gratificanti, svolgevano una seconda funzione fondamentale: insegnare. Un programmatore non inizia la sua carriera prendendo decisioni architettoniche complesse; un consulente non entra in una riunione con quindici anni di giudizio professionale; un analista non impara a riconoscere un’ipotesi errata osservandone soltanto il risultato finale.
L’apprendimento avviene facendo, sbagliando, ricevendo feedback da colleghi più esperti. Quando questi compiti di base vengono sottratti dall’IA, l’opportunità di crescita dei giovani si riduce drasticamente.
Conseguenze a lungo termine: ricerche economiche
Vari studi hanno già sollevato la questione. Una indagine del National Bureau of Economic Research (NBER) sull’apprendimento in servizio analizza l’impatto dell’automazione sui lavoratori meno esperti, evidenziando che il guadagno immediato per l’impresa (maggiore produttività con meno ore umane) può rendere più fragile il sistema di formazione dei professionisti esperti di domani.
Un altro lavoro, pubblicato dal Centre for Economic Policy Research (CEPR), affronta l’automazione dei posti junior sottolineando che una posizione di ingresso non è valorizzata solo per la sua produzione immediata, ma anche come scalino verso ruoli più qualificati. Rimuovere questo gradino senza ricostruire la scala altrove genera inevitabilmente problematiche di carriera.
La Banca di Francia non afferma che questo scenario sia già consolidato in Francia, ma i risultati invitano a guardare oltre il semplice conteggio dei posti di lavoro. Un’organizzazione può mantenere l’effetto complessivo dell’occupazione per anni pur modificando radicalmente il modo in cui i dipendenti sono rinnovati.
Confronti internazionali
Negli Stati Uniti, Erik Brynjolfsson e colleghi hanno analizzato milioni di record salariali nella loro ricerca “Canaries in the Coal Mine”. Anche lì non emergono perdite massive di lavoro nei settori più esposti all’IA. Tuttavia, tra i 22 e i 25 anni, l’occupazione nei lavori più esposti è circa il 19 % inferiore rispetto al trend osservato nei lavori meno esposti.
Gli studiosi notano inoltre che l’impatto varia a seconda dell’uso dell’IA: quando l’IA automatizza direttamente un compito umano, la perdita di posti per i giovani è più marcata; quando l’IA è usata per complementare il lavoro umano, gli effetti negativi sono minori, soprattutto per i dipendenti più esperti.
Al Danimarca, una ricerca del NBER non rileva diminuzioni significative di reddito o ore lavorate due anni dopo l’introduzione di ChatGPT. Le imprese hanno ridistribuito le attività, creato nuovi incarichi legati all’IA e modificato alcune funzioni senza ridurre gli organici.
In Francia, la correlazione tra alta esposizione all’IA e rallentamento delle assunzioni junior è anche confusa da altri fattori: il settore tecnologico ha subito un forte rallentamento post‑Covid, l’aumento dei tassi di interesse e altre trasformazioni del mondo del lavoro. Pertanto, non è corretto attribuire l’intero calo dei giovani assumati esclusivamente a ChatGPT.
Chi formerà i professionisti di domani?
Le imprese si trovano a dover scegliere tra un guadagno di produttività immediato e la salute a lungo termine del loro capitale umano. Un professionista senior, grazie alla propria esperienza, può rapidamente valutare una sintesi prodotta dall’IA, rilevare errori, correggere ipotesi o scartare l’intero output. Questa capacità nasce da anni di pratica, conoscenza delle eccezioni, dei trabocchetti e dei punti critici del settore.
Un neolaureato non possiede ancora questi “filtri” esperienziali. Se l’IA elimina le attività di base che permettono di costruirli, la formazione dei futuri esperti diventa più difficile, rischiando di lasciare un vuoto di competenze strategiche.
Strategie per mitigare il rischio
Per evitare che la mancanza di ruoli junior indebolisca il sistema di apprendimento interno, le aziende potrebbero considerare:
- Creare task ibridi dove l’IA supporta il lavoro ma non lo sostituisce completamente, mantenendo la componente pratica per i neofiti.
- Sviluppare programmi di mentorship mirati, dove i senior guidano i junior attraverso progetti reali che richiedono comunque l’uso critico dell’IA.
- Introdurre corsi di formazione interna focalizzati su competenze non automatizzabili, come il pensiero critico, l’etica dei dati e la gestione delle incertezze.
- Rivalutare la struttura dei percorsi di carriera, inserendo “punte d’ingresso” alternativi, ad esempio progetti pilota, stage o programmi di rotazione in reparti dove l’IA è meno presente.
Conclusioni
La ricerca francese dimostra che l’IA generativa sta già influenzando la dinamica dell’assunzione giovanile, non tramite licenziamenti di massa, ma tramite un rallentamento del ricambio del personale. Se le attività di base vengono affidate all’IA, il tradizionale “tappeto di ingresso” rischia di svanire, compromettendo la formazione di una nuova generazione di esperti.
Il dibattito è appena agli albori, ma è chiaro che le imprese dovranno bilanciare il desiderio di efficienza immediata con la necessità di investire nella crescita a lungo termine del loro capitale umano. Solo così potranno garantire che la porta d’ingresso al mondo del lavoro non si chiuda definitivamente sotto il peso dell’automazione.