Quale sarà l’impatto dell’AI sul lavoro?

Dalla diffusione pubblica di ChatGPT nel novembre 2022, è tornata al centro del dibattito una domanda chiave: l’intelligenza artificiale è destinata a distruggere posti di lavoro? Si tratta di un tema già noto, ma l’AI generativa introduce una discontinuità rilevante. Se in passato le macchine hanno sostituito il lavoro fisico e il software ha automatizzato attività routinarie, oggi i modelli generativi impattano anche funzioni legate a linguaggio, analisi, programmazione, immagini e, più in generale, al lavoro intellettuale. Questo segna un cambio di paradigma: per la prima volta, una quota significativa dell’occupazione nei servizi qualificati è potenzialmente esposta.

Per gli investitori, la questione assume una dimensione strettamente macroeconomica. L’impatto dell’AI si riflette infatti su produttività, margini, salari, consumi e, in ultima analisi, sul potenziale di crescita. Uno scenario in cui l’AI riducesse l’occupazione senza generare nuove fonti di reddito avrebbe effetti negativi sulla domanda. Al contrario, un aumento della produttività accompagnato da livelli occupazionali stabili potrebbe sostenere gli utili aziendali. Tra questi due estremi si delinea uno scenario intermedio, più plausibile: un mercato del lavoro complessivamente resiliente, ma caratterizzato da una crescente riallocazione dell’occupazione tra settori e attività.

Simply put esplora questa ipotesi, analizzando se i dati settoriali sull’occupazione mostrano già effetti legati all’introduzione dei modelli di language learning su larga scala (LLM) come ChatGPT.

Leggi anche: I mercati oltre la crisi iraniana: utili e IA come fattori di supporto

Come il progresso tecnologico plasma il lavoro

Gli economisti analizzano da tempo il legame tra progresso tecnologico e occupazione. Un riferimento classico è la teoria dei trasferimenti settoriali di Alfred Sauvy¹, sviluppata anche da Jean Fourastié, secondo cui i guadagni di produttività tendono a ridurre l’occupazione in alcune attività, generandone al contempo in altre. In questo processo, il lavoro non scompare, ma si rialloca tra settori: storicamente dall’agricoltura all’industria e successivamente dall’industria ai servizi.

Questa interpretazione trova riscontro anche nella letteratura anglosassone. Allan Fisher e Colin Clark, con la teoria dei tre settori, mostrano come, con lo sviluppo economico, l’occupazione si sposti progressivamente verso i servizi. Il principio di fondo resta invariato: il progresso tecnologico non riduce necessariamente il volume complessivo di lavoro, ma ne modifica la distribuzione tra comparti. Questo approccio è particolarmente utile per interpretare l’impatto attuale dell’AI, dove la questione non riguarda solo il numero di posti di lavoro a rischio, ma anche i settori in grado di assorbire la forza lavoro.

La letteratura più recente riformula questo meccanismo in termini di singole attività. Daron Acemoglu e Pascual Restrepo distinguono tra un effetto di sostituzione, in cui l’automazione rimpiazza il lavoro in specifiche mansioni, e un effetto di reintegrazione, in cui l’innovazione genera nuove attività e quindi nuova domanda di lavoro. L’AI generativa rende questo equilibrio più complesso, estendendo l’impatto anche alle attività cognitive, oltre a quelle ripetitive.

Le stime indicano che circa l’80% della forza lavoro statunitense potrebbe vedere almeno il 10% delle proprie attività influenzato dall’AI, mentre per circa il 20% dei lavoratori l’esposizione potrebbe arrivare fino alla metà delle mansioni. Si tratta di indicatori di esposizione, non di perdita occupazionale, ma evidenziano l’entità del potenziale cambiamento.

Le prime evidenze empiriche restituiscono un quadro più articolato. Diversi studi indicano che l’AI può aumentare la produttività, in particolare tra i lavoratori meno esperti, agendo come complemento piuttosto che come sostituto. Anche le istituzioni internazionali confermano questa lettura. Il Fondo Monetario Internazionale, ad esempio, stima che circa il 40% dell’occupazione globale sia esposto all’AI, quota che sale a quasi il 60% nelle economie avanzate. In questo contesto, alcuni settori potrebbero beneficiare di guadagni di produttività, mentre altri potrebbero affrontare una domanda di lavoro più debole, pressioni sui salari o un rallentamento nelle assunzioni.

Emergono tre conclusioni:

1. La contrazione delle attività non va confusa con la perdita dei posti di lavoro
2. Le dinamiche settoriali contano più dei dati aggregati sull’occupazione
3. Sebbene sia ancora presto per stabilire un nesso causale completo, è già possibile – e rilevante – individuare segnali dell’impatto dell’AI sui trend occupazionali.

L’impatto dell’AI è visibile nella maggior parte dei settori

Per approfondire, abbiamo analizzato 866 serie di occupazione settoriale negli Stati Uniti, basate sui dati dell’indagine sulle imprese. Per ciascuna serie è stato stimato il trend precedente all’introduzione di ChatGPT e verificata l’eventuale presenza di variazioni significative a partire da dicembre 2022, primo mese completo successivo al suo lancio. Per ridurre l’impatto di distorsioni legate alla pandemia, è stato escluso il periodo compreso tra marzo 2020 e novembre 2022.

Il risultato è chiaro: i trend occupazionali a livello settoriale hanno registrato un cambiamento.

A diversi livelli di aggregazione, circa il 75% delle serie mostra una variazione statisticamente significativa. Si tratta di dinamiche diffuse, non limitate ai settori tecnologici. Sebbene prevalgano variazioni negative, una quota rilevante – pari a circa il 20% – evidenzia andamenti positivi.

Questo, tuttavia, non implica una riduzione dell’occupazione a livello aggregato riconducibile all’AI. I livelli complessivi restano infatti determinati da variabili macroeconomiche quali il ciclo economico, i tassi di interesse, la domanda, le politiche pubbliche e la capacità di adattamento delle imprese. Ciò che emerge dai dati è piuttosto l’ingresso del mercato del lavoro in una fase di riallocazione attiva.

In questo contesto, alcuni comparti – spesso legati a processi digitali, funzioni amministrative o alla normalizzazione post-pandemica – mostrano segnali di indebolimento. Altri, invece, più esposti alla presenza fisica, alla sanità, alle infrastrutture o ai servizi locali, registrano un miglioramento relativo. È rilevante notare come i settori in espansione non siano marginali, ma rappresentino una componente significativa dell’economia.

FIG 1. % delle serie di occupazione settoriale USA che mostra un cambio di trend dopo il lancio di ChatGPT²

Dove il cambiamento è più evidente?

Un’analisi più granulare a livello di sottosettori consente di delineare un quadro più preciso.

Le dinamiche negative più accentuate si concentrano nei comparti che avevano registrato una crescita occupazionale particolarmente sostenuta prima del 2020 o fortemente influenzata dalle dinamiche post‑Covid. Tra questi rientrano logistica e magazzinaggio, servizi di consegna, lavoro temporaneo, supporto alle imprese, progettazione di sistemi informatici e infrastrutture dati. Si tratta in larga parte di attività integrate nelle filiere digitali o in funzioni amministrative maggiormente esposte ai processi di automazione.

Al contrario, i segnali positivi emergono più frequentemente nei settori legati alla domanda di servizi essenziali e alla presenza fisica, come sanità, trasporti locali, infrastrutture e alcuni ambiti del settore pubblico. In particolare, si distinguono assistenza sanitaria e residenziale, servizi sociali, trasporto passeggeri e specifiche attività infrastrutturali.

Il tratto comune di questi comparti risiede nella minore esposizione all’automazione: richiedono interazione umana, presenza fisica, gestione operativa sul territorio o sono soggetti a vincoli normativi. Sebbene possano essere interessati in futuro dallo sviluppo della robotica, tali dinamiche non rientrano ancora nell’attuale fase di innovazione tecnologica.

Non tutti i settori in contrazione sono quelli intuitivamente associati all’AI. In diversi casi, le dinamiche osservate riflettono piuttosto una normalizzazione ciclica o variazioni nella domanda. Questo evidenzia un limite rilevante dell’analisi: vengono individuati cambiamenti nei livelli occupazionali successivi al lancio di ChatGPT, ma non è possibile stabilire un nesso di causalità diretto.

Tuttavia, l’ampiezza e la coerenza dei risultati indicano che l’AI si inserisce in un mercato del lavoro già in evoluzione, contribuendo verosimilmente ad accelerare trasformazioni in atto più che a determinarle ex novo.

Ne deriva una conclusione più articolata: non emergono evidenze di una distruzione diffusa di posti di lavoro su scala aggregata. Piuttosto, i cambiamenti nei trend occupazionali risultano estesi e, nella maggior parte dei casi, negativi, pur in presenza di un numero significativo di settori in espansione.

Questo quadro è coerente con le teorie del cambiamento strutturale: il lavoro non scompare, ma viene progressivamente riallocato tra attività e comparti economici.

Fig. 2. Settori con i maggiori cambiamenti positivi e negativi nei trend occupazionali dopo ChatGPT³

Simply put, o in sintesi, l’intelligenza artificiale non sta ancora eliminando posti di lavoro a livello macroeconomico, ma sta già ridefinendo dove si concentra la crescita dell’occupazione.

Angolo macro / nowcasting

La versione aggiornata dei nostri indicatori proprietari di nowcasting su crescita globale, inflazione e politica monetaria consente di monitorare in tempo reale l’evoluzione dei principali driver macroeconomici dei mercati.

Attualmente, i nostri indicatori segnalano:

• Il nowcaster sulla crescita globale è aumentato questa settimana, trainato da un miglioramento dei segnali provenienti dalla Cina, in particolare grazie a dati sulle esportazioni più solidi. L’indicatore resta su livelli bassi, ma in risalita
• L’indicatore di inflazione è aumentato a livello globale, con un incremento particolarmente marcato nell’area euro a causa della crescita dei costi
• In linea con la crescita, anche il nowcaster sulla politica monetaria è salito, riflettendo principalmente il miglioramento dei dati cinesi legati alle esportazioni

World growth nowcaster: long-term (left) and recent evolution (right)

Reading note: LOIM’s nowcasting indicator gather economic indicators in a point-in-time manner in order to measure the likelihood of a given macro risk – growth, inflation surprises and monetary policy surprises. The nowcaster varies between 0% (low growth, low inflation surprises and dovish monetary policy) and 100% (the high growth, high inflation surprises and hawkish monetary policy).