L’IA ruba il lavoro? Aggiornamento settembre 2026

di Matteo Rigamonti

C’è stato un tempo in cui utilizzare un computer era un’attività per specialisti. Poi arrivò il personal computer e, tra la fine degli anni Settanta e l’inizio degli Ottanta, quella macchina cominciò lentamente a uscire da università, grandi aziende e centri di ricerca per entrare negli uffici e nelle case. Nell’agosto del 1981 IBM presentò il proprio PC e nel giro di pochi anni iniziò una trasformazione che oggi ci sembra quasi scontata: il computer diventava uno strumento per tutti.

Poteva sembrare la vittoria definitiva della semplicità sulla competenza. Non serviva più essere informatici per usare un computer, ed effettivamente era vero. Ma la diffusione del PC non fece scomparire gli informatici. Accadde quasi il contrario: mentre davanti allo schermo tutto diventava più semplice, dietro crescevano reti, database, sistemi operativi, sicurezza, software e infrastrutture sempre più complesse. Milioni di persone imparavano a cliccare su un’icona; qualcun altro doveva sapere cosa succedeva dopo quel clic.

Con l’intelligenza artificiale sembra stia accadendo qualcosa di sorprendentemente simile, soltanto molto più velocemente. Vale la pena tenere a mente quella storia, perché il punto non è soltanto quando una tecnologia diventa disponibile a tutti, ma cosa succede qualche anno dopo, quando smette di essere una novità e comincia realmente a entrare nel lavoro.

Anche l’IA nasce come materia da ricercatori. Il termine “artificial intelligence” viene coniato nell’ambito del progetto di Dartmouth del 1956 e per decenni rimane soprattutto terreno di università, laboratori, grandi imprese e specialisti. Poi, dal 2022, con ChatGPT e gli altri sistemi generativi, cambia tutto: improvvisamente basta scrivere una frase in linguaggio naturale e la macchina risponde, traduce, programma, crea immagini, riassume documenti e analizza dati.

Da lì al passaggio successivo è bastato pochissimo. Se l’IA scrive, allora il giornalista è finito. Se programma, addio programmatore. Se genera immagini, addio grafico. Se prepara documenti e tabelle, addio impiegato. E prima o poi toccherà al progettista, al consulente, all’avvocato e probabilmente anche al vicino di casa. Una narrazione alimentata anche da una comunicazione commerciale che aveva tutto l’interesse a far credere che un software potesse non soltanto aiutare un professionista, ma quasi trasferire in pochi secondi competenze costruite in anni di studio e lavoro.

Naturalmente una parte del problema è reale. Alcune mansioni verranno automatizzate e alcuni lavori potrebbero ridursi o scomparire. Negarlo sarebbe poco serio. Ma l’Organizzazione Internazionale del Lavoro stima che circa un lavoratore su quattro svolga una professione in qualche misura esposta all’IA generativa e considera la trasformazione del lavoro molto più probabile della sua completa eliminazione. Il punto, quindi, non è decidere se domani mattina il commerciante di Bergamo dovrà chiudere il negozio perché è arrivato ChatGPT, ma capire quali parti del suo lavoro potranno essere automatizzate e quali continueranno invece ad avere valore proprio perché richiedono esperienza, relazione, giudizio e responsabilità.

Prendiamo la scrittura. Oggi chiunque può chiedere a un LLM di produrre mille parole su qualsiasi argomento. Abbiamo quindi creato qualche miliardo di giornalisti? Evidentemente no. Abbiamo creato qualche miliardo di persone capaci di ottenere mille parole grammaticalmente corrette. Lo stesso vale per immagini, codice, presentazioni e molte altre attività: quando tutti possono ottenere facilmente un risultato elementare, quel risultato smette rapidamente di rappresentare un vantaggio competitivo. Il valore si sposta sul capire cosa chiedere, riconoscere ciò che non funziona e inserire il risultato dentro un progetto sensato. In sostanza: competenza.

È qui che comincia a crollare uno dei racconti commerciali più riusciti di questi anni: “con l’IA puoi programmare senza conoscere la programmazione”. No. Con l’IA puoi produrre codice senza conoscere la programmazione. Un programmatore non è una persona che ricorda dove mettere parentesi, punti e virgola o parole come if, for e while. Quella è sintassi. Programmare significa capire algoritmi, dati, memoria, sicurezza, architettura, errori, test e soprattutto cosa dovrà succedere quando quel software verrà usato davvero.

Un LLM può scrivere mille righe di codice più velocemente di quanto una persona riesca a leggerne cento, ed è straordinario. Ma se chi le riceve non sa dire se funzionano, se introducono un problema o se stanno facendo una cosa completamente diversa da quella richiesta, abbiamo soltanto aumentato enormemente la velocità con cui possiamo produrre qualcosa che non comprendiamo. Non a caso gli studi sulla produttività dei programmatori hanno mostrato risultati molto meno automatici di quanto suggerisca la pubblicità: in alcuni contesti l’IA accelera, in altri molto meno, e molto dipende dal compito e da chi la utilizza.

Qui appare il paradosso forse più interessante di tutta la questione: l’interfaccia dell’IA diventa sempre più semplice mentre il suo utilizzo professionale diventa sempre più complesso. L’utente vede una casella dove scrivere una domanda; dietro quella casella, in azienda, iniziano a esserci modelli differenti, agenti, documenti aziendali, sistemi RAG, database, autorizzazioni, automazioni, verifiche e collegamenti con altri software. Esattamente come con il computer: davanti un’icona, dietro un reparto IT. Il vero mercato dell’IA probabilmente non sarà l’ennesima finestra in cui chiedere “scrivimi una mail gentile”, ma la capacità di far funzionare davvero questi strumenti dentro un’azienda.

Il PwC Global AI Jobs Barometer del 2026 descrive infatti due movimenti contemporanei. Alcune professioni vengono “democratizzate”, perché l’IA permette anche a chi possiede meno esperienza di svolgere certe attività; altre vengono invece “professionalizzate”, perché l’automazione delle parti routinarie aumenta il peso del giudizio, della creatività, della responsabilità e delle competenze specialistiche. E proprio le competenze legate all’IA stanno ottenendo una domanda crescente e un premio salariale molto elevato. Non sembra esattamente un mondo nel quale non servirà più sapere nulla.

C’è semmai un problema opposto e meno raccontato: potremmo eliminare proprio alcune attività semplici attraverso cui una persona imparava un mestiere. Il giovane programmatore correggeva piccoli errori, il grafico iniziava dai lavori meno complessi, l’impiegato imparava occupandosi delle attività ripetitive. Se quei gradini vengono automatizzati, lo studente di Pavia che entra domani in azienda potrebbe non trovarsi davanti un lavoro più facile, ma la richiesta di arrivare più preparato al primo giorno. Altro che non dover più studiare.

Nel frattempo arrivano naturalmente le profezie. Bill Gates nell’agosto 2026 ha rilanciato l’allarme sulla possibile scomparsa di molti lavori e ha persino proposto di ragionare su attività “Human Reserved”, volutamente preservate per gli esseri umani. Quasi contemporaneamente Sam Altman ha ammesso di essersi aspettato, dopo GPT-4 (rilasciato nel 2023), una trasformazione dell’economia molto più veloce di quella realmente avvenuta: aziende e persone continuano a utilizzare prodotti, abitudini e processi tradizionali molto più a lungo di quanto immaginasse. Gates guarda la tecnologia e teme che corra troppo. Altman guarda gli esseri umani e scopre che corrono meno di quanto aveva previsto.

Entrambe sono opinioni interessanti, ma forse siamo noi a sbagliare quando assegniamo loro il valore di profezie. Conoscere magnificamente una tecnologia non significa sapere come la utilizzeranno miliardi di persone. Altman può sapere quasi tutto sull’evoluzione di un modello, ma non può sapere quando il piccolo imprenditore di Monza deciderà che vale davvero la pena cambiare il gestionale che usa da quindici anni. Gates può intuire cosa una macchina sarà capace di fare, ma non può prevedere come reagiranno una scuola di Pavia, un ospedale francese, un artigiano tedesco o cento milioni di lavoratori. Curiosamente pretendiamo dagli LLM che dichiarino quando non sanno qualcosa, mentre alle previsioni dei grandi protagonisti dell’IA attribuiamo spesso il valore di una profezia. Forse ogni tanto anche i modelli umani allucinano. La tecnologia può evolvere per release. La società no.

E infatti anche dal lato dell’utente abbiamo probabilmente venduto un’illusione: che l’IA avrebbe reso tutto così semplice da non richiedere più formazione. Fare una domanda a un LLM è già alla portata di un bambino; ottenere sistematicamente risultati affidabili e competitivi è un’altra cosa. Bisogna sapere quali informazioni fornire, come organizzare il problema e quando non fidarsi della risposta. Naturalmente possiamo usare l’IA per imparare, ed è forse uno dei suoi utilizzi migliori. Ma se uno studente studia programmazione per tre anni con un tutor IA e alla fine impara a programmare, non abbiamo dimostrato che grazie all’IA non serve più studiare. Abbiamo semplicemente trovato un nuovo modo di studiare.

Forse allora, per capire dove stiamo andando, conviene tornare un’ultima volta agli anni Ottanta. Sotto qualche albero di Natale, al posto di altri giocattoli, compariva un Commodore 64 o magari un più modesto Commodore 16. Il genitore pensava probabilmente di aver regalato soprattutto una macchina per giocare; il figlio iniziava caricando una cassetta e poi magari scopriva che quella macchina poteva fare altro. Qualche riga di BASIC, programmi copiati dalle riviste, piccoli esperimenti. Qualche anno dopo sarebbero arrivati PC, floppy, DOS e QBasic, con ore passate a modificare qualcosa e la sensazione, magari ingenua ma potentissima, di stare imparando a governare la macchina.

La maggior parte di quei ragazzi rimase semplicemente un utilizzatore. Qualcuno, invece, volle capire cosa ci fosse dietro lo schermo, continuò a studiare e trasformò quella curiosità in un mestiere. Il computer non aveva reso tutti informatici: aveva semplicemente aperto una porta che prima quasi nessuno poteva attraversare. Oggi l’intelligenza artificiale sta probabilmente aprendo una porta simile.

Forse, allora, “l’IA ci ruberà il lavoro?” è semplicemente la domanda sbagliata. Non sappiamo ancora quali lavori eliminerà, quali trasformerà e quali farà nascere. Ma tra milioni di persone che oggi stanno semplicemente usando un chatbot, qualcuna ha già iniziato a chiedersi cosa ci sia dietro e cosa possa costruirci. Quarant’anni fa è cominciata così anche per molti informatici. Potremmo essere esattamente nello stesso momento della storia.

Fonti principali

• IBM – storia dell’IBM Personal Computer, 1981.
• Dartmouth College – Dartmouth Summer Research Project on Artificial Intelligence, 1956.
• International Labour Organization – Generative AI and Jobs: A Refined Global Index of Occupational Exposure, 2025.
• METR – studi 2025-2026 sull’impatto degli strumenti IA sulla produttività nello sviluppo software.
• PwC – 2026 Global AI Jobs Barometer, giugno 2026.
• Bill Gates, Gates Notes – interventi 2026 sul lavoro e sull’IA.
• Sam Altman – dichiarazioni 2026 sulla velocità di adattamento dell’economia all’intelligenza artificiale.