🧭 Grass Brief

First inning: tutti affermano di sapere che cosa fa l’IA ai posti di lavoro. La ricerca migliore si contraddice. Ora il Politecnico ha guardato alla Svizzera.

17 agosto 20269 min di letturaDennis Gorican

Chi segue la copertura mediatica dell’IA e del mercato del lavoro sperimenta una particolare forma di colpo di frusta. Una settimana un titolo annuncia che l’IA sta eliminando il lavoro intellettuale su larga scala. La settimana dopo, un altro studio non trova alcun effetto misurabile. Poi un terzo spiega che l’intera storia è stata letta male fin dall’inizio.

Per la maggior parte dei lettori è rumore di fondo. Per i dirigenti in riorientamento professionale è qualcosa di più serio. Questi titoli orientano le decisioni: in quale direzione riposizionarsi, quali competenze acquisire, quali settori evitare, come spiegare il proprio campo professionale in un colloquio. Le persone ricostruiscono silenziosamente la propria carriera attorno all’affermazione sicura del trimestre.

Per questo questa settimana facciamo qualcosa di un po’ insolito per il Grass Brief. Invece di riassumere un singolo studio, mostriamo lo stato reale delle evidenze, contraddizioni comprese, e che cosa ha trovato la prima analisi svizzera seria. Perché il quadro onesto è più utile di quello sicuro di sé.

La contraddizione ai vertici della disciplina

L’Hamilton Project della Brookings Institution ha recentemente riassunto la principale ricerca accademica su IA e occupazione, e già il titolo dice tutto sulla maturità del campo: la ricerca su IA e mercato del lavoro è ancora al primo inning, alla prima ripresa di gioco.

Si consideri che cosa trovano davvero gli studi migliori. Un team guidato dall’economista di Stanford Erik Brynjolfsson ha collegato misure di esposizione all’IA a dati salariali dettagliati del fornitore di servizi paghe ADP e ha rilevato netti cali dell’occupazione tra chi inizia la carriera nelle professioni esposte all’IA, mentre i lavoratori esperti e senior nelle stesse professioni sono rimasti stabili o sono cresciuti. È lo studio alla base della maggior parte dei titoli «l’IA divora i posti d’ingresso», e coincide con i dati svizzeri di jobs.ch che abbiamo trattato nel nostro articolo sul paradosso senior.

Poi sono arrivati Eckhardt e Goldschlag, con dati pubblici della Current Population Survey. Il loro risultato: la disoccupazione è aumentata meno nelle professioni con maggiore esposizione all’IA. Non di più. Di meno. Il risultato di fondo ha tenuto con diverse misure di esposizione.

E infine Iscenko e Millet, che hanno sì rilevato un calo più marcato degli annunci di lavoro nelle professioni esposte all’IA, ma: il calo è iniziato nel 2022, prima del lancio pubblico di ChatGPT. La loro tesi è che la tempistica si adatta meglio alla svolta macroeconomica dell’aumento dei tassi d’interesse che al debutto dei grandi modelli linguistici. In altre parole, parte di ciò che il mondo attribuisce all’IA potrebbe essere semplicemente denaro caro.

Tre lavori di ricerca rigorosi. Tre risposte sostanzialmente diverse. Non è uno scandalo; è così che appare un giovane campo di ricerca. Ma dovrebbe cambiare in modo duraturo il modo in cui leggerete il prossimo titolo sicuro di sé.

Che cosa ha trovato il Politecnico guardando alla Svizzera

In questo panorama controverso arrivano ora le prime evidenze svizzere serie. Gli economisti del KOF Jeremias Klaeui e Michael Siegenthaler del Politecnico federale di Zurigo hanno applicato per la prima volta ai dati del mercato del lavoro svizzero i metodi di misurazione dell’esposizione all’IA sviluppati per il mercato statunitense, con due fonti di dati indipendenti: i dati amministrativi di tutte le persone in cerca d’impiego registrate presso gli uffici del lavoro e i dati sugli annunci che coprono praticamente l’intero mercato svizzero del lavoro online.

Il loro risultato centrale: dopo l’introduzione di ChatGPT e di altri grandi modelli linguistici nell’autunno 2022, il mercato del lavoro nelle professioni fortemente esposte ai LLM si è sviluppato in modo nettamente meno favorevole rispetto alle professioni poco esposte. Da novembre 2022 il numero di persone in cerca d’impiego registrate nelle professioni fortemente esposte è aumentato in media del 27 per cento in più rispetto alle professioni poco esposte. Coerentemente, gli annunci di lavoro nelle professioni fortemente esposte sono diminuiti in modo nettamente più marcato nello stesso periodo.

I gruppi colpiti in modo più visibile: programmatori di applicazioni, sviluppatrici di software, analisti di sistemi, giornaliste e professionisti della pubblicità e del marketing. I meno esposti: addetti alle pulizie, custodi, sarte, professioni basate sulla presenza fisica.

Due dettagli metodologici danno peso allo studio. Primo, i risultati tengono con entrambe le fonti di dati indipendenti e con due diverse misure di esposizione. Secondo, e più importante: le tendenze nelle professioni con esposizione diversa sono andate in parallelo per anni prima del 2022. La divergenza inizia solo alla fine del 2022, proprio con l’arrivo dei modelli linguistici. Come dice Siegenthaler, i risultati indicano in modo piuttosto netto che l’IA generativa è dietro il recente aumento della disoccupazione in alcune professioni fortemente esposte all’IA.

Una sfumatura svizzera merita attenzione. Nei dati statunitensi gli effetti si concentrano fortemente sui lavoratori più giovani. Anche in Svizzera le persone in cerca d’impiego sotto i 50 anni sono un po’ più colpite di quelle più anziane, ma la differenza tra le fasce d’età è molto meno marcata. Il modello svizzero è più ampio e più piatto di quello americano.

Che cosa lo studio del Politecnico non dice

È qui che conta la disciplina epistemica, perché questo studio verrà citato per anni, spesso a sproposito.

L’analisi del KOF misura spostamenti relativi tra gruppi professionali, non l’effetto dell’IA sull’occupazione totale. Gli sviluppi generali che toccano tutte le professioni allo stesso modo, congiuntura compresa, vengono deliberatamente neutralizzati. E il contesto è essenziale: questi spostamenti avvengono all’interno di un’occupazione complessiva in crescita. Gli stessi autori osservano che l’IA rende plausibilmente le aziende svizzere più produttive, il che dovrebbe sostenere l’occupazione complessiva, effetti che il loro studio lascia volutamente da parte.

La sintesi onesta delle migliori evidenze svizzere è quindi questa: l’IA ridistribuisce visibilmente la pressione tra le professioni, e il lavoro intellettuale di routine ne assorbe la parte maggiore. Ma secondo le evidenze attuali non sta riducendo il mercato del lavoro svizzero. Sono due affermazioni diverse, e quasi ogni titolo allarmante le comprime in una sola.

Che cosa possiamo ragionevolmente considerare assodato

Mettendo insieme le evidenze credibili, globali e svizzere, alcune conclusioni reggono da uno studio all’altro e possono sostenere il peso di una decisione di carriera.

La pressione è reale, ma distribuita in modo diseguale. Il lavoro intellettuale fortemente esposto e ripetitivo, la redazione di testi, la programmazione di componenti standard, le analisi standardizzate, la comunicazione formattata, affronta una domanda in peggioramento misurabile, in Svizzera come altrove.

Il gradiente di anzianità riemerge di continuo. Che si tratti dei dati ADP di Stanford o dei dati svizzeri sugli annunci del nostro articolo sul paradosso senior, lo schema si ripete: la pressione si concentra dove il lavoro consiste nel produrre output e diminuisce dove consiste nel giudicarlo. La domanda di profili senior negli annunci svizzeri è aumentata del 26 per cento, mentre gli annunci per junior sono calati di circa un terzo.

E i numeri complessivi restano solidi. L’occupazione in Svizzera è a livelli record, e nessuno studio serio dimostra attualmente una distruzione complessiva di posti di lavoro a causa dell’IA.

Che cosa nessuno sa ancora davvero

Altrettanto importante è ciò che nessuno può ancora dirvi. Se gli spostamenti tra professioni siano duraturi o un adeguamento temporaneo. Quanto del calo degli annunci sia da attribuire all’IA e quanto ai tassi d’interesse e alla congiuntura; l’enigma temporale di Iscenko e Millet non è risolto. Se gli aumenti di produttività creeranno abbastanza in fretta nuovi ruoli da assorbire chi è stato escluso, come finora ha fatto prima o poi ogni ondata tecnologica. E quali professioni concrete verranno ridefinite anziché ridotte.

Chi afferma di avere certezze su queste domande sta vendendo qualcosa.

Come decidere quando le evidenze sono controverse

Il che ci porta alla domanda pratica: come dovrebbe agire un dirigente in transizione quando i migliori ricercatori del mondo si contraddicono?

Primo: smettete di riposizionarvi seguendo i titoli. Vediamo clienti che vogliono riscrivere l’intera narrazione ogni volta che esce un nuovo studio. Una strategia di carriera che cambia con il ciclo delle notizie non è una strategia. Le evidenze giustificano esattamente una conclusione strutturale: spostare il proprio posizionamento verso capacità di giudizio, responsabilità e contesto, il livello che ogni studio mostra stabile o in crescita, e allontanarlo dalla pura produzione di output. Questa conclusione è sopravvissuta a ogni risultato contraddittorio dell’ultimo anno. Costruite su ciò che è solido tra più studi, non su ciò che ne afferma uno solo.

Secondo: trattate le vostre conversazioni di mercato come dati. I grandi studi descrivono medie su milioni di annunci. La vostra transizione si svolge in un segmento specifico, a un livello specifico, in aziende specifiche. Dieci conversazioni vere con le persone che possono davvero influenzare il vostro prossimo passo, ex colleghi con responsabilità di assunzione, membri di consigli di amministrazione, headhunter di fiducia, contatti del settore, vi dicono sulla domanda per il vostro profilo più di qualsiasi indice di esposizione. Quando le evidenze macro sono controverse, le evidenze micro che raccogliete voi stessi diventano l’input più affidabile che avete.

Terzo: tenete le vostre conclusioni in modo flessibile e il vostro processo in modo saldo. L’atteggiamento onesto in un campo di ricerca al primo inning è la convinzione provvisoria: abbastanza forte per agire, abbastanza flessibile per essere aggiornata. Ciò che non dovrebbe essere provvisorio è il processo: posizionamento chiaro, una rete calda, capacità di giudizio visibile, resistenza finanziaria e psicologica per tempi realistici. Queste cose funzionano in ogni scenario che la ricerca attualmente ammette.

Il mercato continuerà a produrre titoli sicuri di sé. I ricercatori, e va a loro merito, continuano a produrre un disaccordo onesto. Da qualche parte nel mezzo si prendono le buone decisioni di carriera: informate dalle evidenze, ancorate al proprio mercato e costruite sull’unico risultato che non vuole scomparire, cioè che esperienza e capacità di giudizio sono ciò che le macchine rendono sempre più prezioso.

Fonti: Klaeui & Siegenthaler (KOF, Politecnico federale di Zurigo), «KI und der Schweizer Arbeitsmarkt: Erste Evidenz zu Auswirkungen auf Arbeitslosigkeit und Stellenausschreibungen» (persone in cerca d’impiego registrate nelle professioni fortemente esposte ai LLM aumentate dal novembre 2022 del 27 per cento in più rispetto alle professioni poco esposte; due fonti di dati indipendenti; effetti d’età meno concentrati che negli Stati Uniti; spostamenti relativi all’interno di un’occupazione complessiva in crescita); The Hamilton Project / Brookings, «Research on AI and the Labor Market Is Still in the First Inning», 2026; Brynjolfsson, Chandar & Chen (Stanford / dati salariali ADP), 2025; Eckhardt & Goldschlag (Current Population Survey), 2025; Iscenko & Millet (annunci di lavoro e tempistica dei tassi d’interesse), 2026; Stanford HAI, AI Index Report 2026; JobCloud, jobs.ch KI Report 2026.