AI e lavoro junior: cosa succede a chi entra adesso

Cosa dicono i dati

Lo studio di Stanford sull'occupazione entry level, aggiornato ad agosto 2026, segue la questione con un dato insolitamente solido: i registri delle buste paga di milioni di lavoratori americani, fino a giugno 2026.

Il risultato è duplice. Non c'è alcun segno di una sostituzione di massa nell'economia. Ma l'occupazione dei giovani tra 22 e 25 anni nelle professioni più esposte all'AI si trova circa il 19% sotto il livello che avrebbe raggiunto se fosse cresciuta come quella dei coetanei in professioni meno esposte. I lavoratori esperti non mostrano un divario paragonabile.

Guardando i valori assoluti: tra novembre 2022 e giugno 2026 l'occupazione dei 22-25enni nelle professioni più esposte è scesa di circa l'11%, mentre nelle meno esposte è cresciuta di circa il 10%.

L'AI non sta licenziando i giovani: sta riducendo le assunzioni junior. Il divario passa quasi tutto da lì, non da un aumento dei licenziamenti.

Va detto che la lettura non è unanime. Alcuni economisti sostengono che il vero responsabile sia il ciclo di rialzo dei tassi più brusco degli ultimi quarant'anni, e che i tempi non tornino: sei mesi dopo l'uscita di ChatGPT le aziende non potevano già aver ridisegnato i processi e cambiato gli organici. Gli autori dello studio di Stanford hanno provato a smontare le obiezioni: hanno tolto l'intero settore tecnologico, isolato l'effetto del lavoro da remoto, verificato l'ipotesi dei tassi, che punta nella direzione opposta, visto che i mestieri più sensibili ai tassi sono anche i meno esposti all'AI. Il divario non si è chiuso, e continua ad allargarsi.

Non è una prova definitiva. È un segnale che dura da quattro anni.

Cosa cambia per un'azienda

Qui il tema smette di essere un dibattito da conferenza e diventa una questione pratica, anche per un'azienda di piccole dimensioni.

Se le attività ripetitive vengono automatizzate, la domanda non è solo quante persone servono. È: dove impareranno?

Un'azienda che oggi automatizza il controllo delle fatture fornitore risparmia tempo, e fa bene. Ma quel controllo era anche il modo in cui il nuovo arrivato in amministrazione capiva come funzionavano gli acquisti, chi ordinava cosa, dove nascevano gli errori. Tolto quello, resta una persona che sa usare uno strumento e non sa riconoscere quando lo strumento ha torto.

Una cosa che la manifattura ha già imparato

Questo problema non è nuovo. Le aziende manifatturiere lo hanno affrontato vent'anni fa, quando le macchine a controllo numerico hanno sostituito il lavoro manuale da cui si imparava il mestiere.

Il vecchio tornitore aveva imparato in officina, sbagliando pezzi. Il nuovo operatore imparava a caricare un programma, e quando la macchina faceva un pezzo fuori tolleranza non sapeva da dove cominciare.

Quello che ha funzionato, dove ha funzionato, non è stato tornare indietro. È stato ricostruire apposta ciò che prima avveniva da solo: affiancamento strutturato invece che per caso, istruzioni di reparto scritte insieme a chi il mestiere lo aveva, prove fatte su materiale di scarto dove sbagliare non costava nulla.

La differenza tra le aziende che hanno gestito bene quel passaggio e quelle che se lo sono trovato addosso non è stata la tecnologia, che era la stessa per tutte. È stata l'anticipo con cui si sono poste il problema.

Vale la pena tenerlo a mente, perché la prossima ondata arriva molto più in fretta e tocca il lavoro d'ufficio, dove nessuno ha mai avuto istruzioni di reparto.

Dove stiamo andando

La direzione non è che i giovani non serviranno. È che la formazione non potrà più essere un effetto collaterale del lavoro noioso.

Finora nessuno ha dovuto progettarla: bastava dare compiti semplici e aspettare. Quando i compiti semplici li fa un sistema, l'apprendimento va costruito apposta, e questo cambia tre cose.

1. Il primo anno di un nuovo assunto va ripensato. Non più mesi di lavoro meccanico, ma affiancamento, revisione di quello che produce il sistema, errori commessi in contesti dove si può sbagliare.
2. La supervisione diventa una competenza, non un passaggio burocratico. Controllare l'output di un sistema richiede di sapere che aspetto ha una risposta sbagliata. Si impara solo vedendone parecchie.
3. Il sapere implicito va reso esplicito. Le regole che le persone esperte applicano senza saperle nominare vanno scritte: perché siano insegnabili a chi arriva, perché siano verificabili quando è un sistema a usarle, e perché altrimenti escono dall'azienda insieme a chi va in pensione. È la parte più lenta di ogni automazione seria, ed è utile anche se poi non si automatizza niente.

La domanda da farsi

Quando si automatizza un processo, la domanda usuale è quanto tempo si risparmia. Vale la pena aggiungerne una seconda: quale apprendimento sparisce insieme a quel lavoro, e dove lo ricostruiamo.

Non è una domanda etica, è una domanda di continuità. Tra dieci anni le persone che oggi sanno riconoscere un errore in un preventivo saranno altrove, e qualcuno dovrà aver imparato a farlo.

Un'azienda che automatizza senza porsela risparmia tempo adesso e si accorge del problema tra cinque anni, quando non avrà nessuno pronto a prendere il posto di chi va in pensione.