Il camionista rischia più del consulente. Ecco perché
Conta la struttura del lavoro, non il grado di esposizione all'AI.
Ricordate l’articolo di Anthropic sui lavori a rischio? Lo citai in un mio post di qualche settimana fa, evidenziandone i limiti e i problemi. Quell’articolo si basava sulla valutazione dell’impatto dell’AI sui lavori e sulle mansioni proposta da Eloundou e colleghi, che io citai dicendo che mi pareva debole. In generale, il ragionamento si basava sulla valutazione dell’esposizione all’AI delle diverse tipologie di lavoro, classificate secondo lo schema di O*NET.
Negli stessi giorni, Karpathy ha proposto una dashboard che mostrava l’esposizione all’AI di diversi ruoli. Sulla rete si sono scatenate le solite reazioni millenaristiche sulla fine del lavoro. Tipo questa (1,2 milioni di visualizzazioni).
Dopodiché, lo stesso Karpathy ha dovuto spiegare che stavano esagerando il senso del suo contributo:
Adesso ho visto un articolo che critica in modo più radicale e argomentato tutta questa questione dell'esposizione dei lavori all’AI.
L’articolo è scritto da Alex Imas (Università di Chicago) e Soumitra Shukla (Research Fellow presso la Harvard Business School). Sostanzialmente, l’articolo distingue tra job (lavoro) e task (compito).
A job is a set of tasks; a person typically gets paid based on how well they complete all of the tasks associated with the job.
Il punto è: AI automatizza tutti i task di un certo lavoro?
La questione è centrale:
Well, if automating some of the tasks frees up time to generate better ideas, your overall productivity goes up—you become even more valuable to the firm. Humans are still employed and if anything the wages go up.
Al contrario:
On the other hand, if AI automates all of the tasks—let’s say your job only involves two tasks and they both get automated—then yes, human labor will get displaced.
Ancora:
Lastly, even if AI makes people more productive and yields higher wages, there can still be massive layoffs in that sector if consumers do not “absorb” the increased productivity: if productivity-driven price drops do not increase demand for the product, then fewer workers will be needed in that sector.
E qui potremmo ricordare il paradosso di Jevons che citavo nel mio post, per spiegare perché, in realtà, il job posting per software developer stia aumentando.
Le conseguenze che ne traggono gli autori sono MOLTO interessanti:
Let us bring this back to the exposure framework. In the standard approach, a management consultant is highly “exposed” to AI whereas a truck driver is not. But does this mean that the consultant is at higher displacement risk than the truck driver? Not necessarily. The consultant’s high exposure may actually be good news because it means AI will augment many of their complementary tasks, triggering the focus effect and potentially raising wages. On the other hand, the truck driver’s moderate exposure on a single critical task is much more dangerous because trucking companies have a much higher incentive to automate the task of driving, and once that’s done, the job is gone as well.
[…]
The relevant object therefore is not average task exposure, but the structure of bottlenecks and how automation reshapes worker time around them. Two jobs with identical exposure scores can have completely opposite displacement risks depending on whether their tasks are complements, whether demand for their output is elastic or inelastic, and the incentives of the firm to invest in automation. The workers at greatest risk are not necessarily those with the highest average exposure, but those whose jobs are built around a small number of core tasks that AI can automate.
Qual è la conseguenza di questa lettura?
Ci sono troppi proclami basati su analisi superficiali e che richiedono invece molto più studio e approfondimento.
Prima di tutto, bisogna smettere di parlare di “esposizione all’AI” come se fosse sinonimo di “rischio di scomparsa del lavoro”. Come abbiamo visto, un consulente manageriale (o un software engineer) con altissima esposizione potrebbe anche essere più al sicuro di un camionista con esposizione media — perché la struttura del suo lavoro, fatta di molti task complementari, attiva l’effetto focus: l’AI libera tempo per svolgere meglio le cose che contano davvero. Il camionista, invece, ha un lavoro a bassa dimensionalità: automatizzare la guida significa eliminare il lavoro, non aumentarne la produttività.
Questo ha conseguenze concrete per chi deve prendere decisioni — politici, sindacati, imprese, formatori. Non è utile sapere che “il 80% dei lavori è esposto all’AI”. È utile sapere quali lavori hanno pochi task critici automatizzabili, quali settori hanno domanda anelastica (dove la maggiore produttività porta a licenziamenti, non a nuove assunzioni) e quali aziende hanno l’incentivo economico a investire nell’automazione completa di una mansione. Sono domande molto più difficili, ma sono le uniche a produrre risposte utili.
Il paradosso è che i lavoratori più a rischio — autisti, magazzinieri, operatori di linea — sono anche quelli che appaiono meno nei grafici allarmistici, perché hanno una bassa “esposizione”. Il dibattito pubblico, travolto dai tweet sulle professioni digitali, rischia di concentrare l’attenzione e le risorse sui lavoratori della conoscenza, che per lo più si adatteranno, lasciando indietro proprio chi ha meno strumenti per farlo.
Serve quindi un cambio di registro: meno classifiche virali, più analisi settoriali. Meno paura diffusa, più politiche mirate. E soprattutto, meno fiducia negli indici aggregati che semplificano una realtà strutturalmente complessa — come già ricordava Karpathy, con un’onestà rara in questo dibattito.
Postilla
Ho appena visto questo:
Nello scrivere il post mi sono fatto aiutare da Perplexity Pro. Non sostituisce me, che penso e scrivo il post, ma mi aiuta a individuare inconsistenze, a migliorare le citazioni e ad arricchire frasi che ho scritto in modo troppo sintetico.
E anche a trovare titoli più efficaci :-)
© 2026 Alfonso Fuggetta & Sonia Montegiove. Salvo diversa indicazione, tutti i contenuti di questa pubblicazione sono protetti da copyright e rilasciati con licenza CC BY-NC-ND 4.0: https://creativecommons.org/licenses/by-nc-nd/4.0/deed.it