L'IA sta mettendo sotto pressione le retribuzioni prima di eliminare posti di lavoro
Google News ha riportato il 31 luglio una scoperta netta di Axios: i lavoratori esposti all'IA hanno mantenuto il proprio impiego, ma la crescita delle loro retribuzioni è diminuita drasticamente dopo il 2023.
La ricerca di Apollo alla base di questa conclusione mette in discussione la consueta narrazione dell'automazione. I datori di lavoro non devono eliminare una posizione per ottenere più valore dall'IA. Possono aumentare le aspettative di produttività, indebolire la posizione contrattuale di un lavoratore o assumere sostituti con stipendi iniziali inferiori.
Questa distinzione conta per programmatori, addetti al servizio clienti, analisti finanziari e altri lavoratori della conoscenza. La contesa immediata non è semplicemente tra esseri umani e macchine. È tra il potere contrattuale dei lavoratori e i datori di lavoro che cercano di trattenere i guadagni di produttività guidati dall'IA.
Gli economisti di Apollo Sania Edlich e Torsten Slok non hanno rilevato alcun calo statisticamente significativo dell'occupazione nelle professioni studiate. Tuttavia, dopo il 2023 la crescita dei salari reali nelle professioni altamente esposte è rimasta indietro di 6,7 punti percentuali rispetto a quella nei settori meno esposti.
La loro stima colloca il divario annuo nella crescita salariale a 28 miliardi di dollari, distribuiti su 5,8 milioni di lavoratori. Lo studio ha inoltre riscontrato un effetto più marcato tra i lavoratori meno pagati.
Si tratta di un risultato preliminare, non di un verdetto definitivo. Altri studi non hanno trovato effetti significativi sui redditi, mentre alcuni hanno rilevato aumenti salariali nei lavori esposti all'IA. Il disaccordo rende il canale delle retribuzioni più importante da monitorare, non meno.
Il nuovo allarme riguarda le retribuzioni, non i licenziamenti
La scoperta di Apollo sposta il primo costo visibile dell'IA dalla disoccupazione alle buste paga dei lavoratori.
I ricercatori hanno confrontato i cambiamenti salariali tra professioni con diversi livelli di esposizione all'IA generativa. L'esposizione descrive quanto le mansioni di un lavoro si sovrappongano a quelle che gli attuali sistemi di IA svolgono.
Hanno classificato 11 professioni come altamente esposte usando dati sulle attività reali di Anthropic. Tra questi settori figuravano programmazione informatica, servizio clienti e analisi finanziaria.
Il confronto ha coperto i dati salariali del Dipartimento del Lavoro prima e dopo il lancio di ChatGPT alla fine del 2022. Apollo ha considerato il 2023 come il primo anno completo dell'era dell'IA generativa.
Secondo il white paper risultante, la crescita dei salari reali nei settori altamente esposti è rimasta indietro di 6,7 punti percentuali rispetto alle professioni meno esposte. Apollo non ha rilevato un effetto significativo sull'occupazione.
Questa combinazione crea il ribaltamento centrale dell'articolo. I lavoratori possono rimanere occupati pur perdendo terreno.
Axios ha riassunto chiaramente la conseguenza pratica nella sua analisi sulla crescita salariale: le persone possono continuare a lavorare ma guadagnare meno di quanto avrebbero altrimenti percepito.
“Retribuzioni più basse” non significa necessariamente che ogni lavoratore interessato riceva un taglio diretto dello stipendio. L'effetto può manifestarsi attraverso aumenti minori, offerte iniziali più deboli o avanzamenti più lenti.
Un'azienda può anche lasciare vacante una posizione liberata. I dipendenti esistenti assorbono quindi più lavoro con l'assistenza dell'IA, spesso senza un aumento proporzionato della retribuzione.
Apollo ha stimato che il divario rappresentasse 28 miliardi di dollari di crescita salariale annua mancata. Si applicava a circa 5,8 milioni di lavoratori, pari a circa il 3,7% della forza lavoro statunitense.
Gli autori hanno descritto questa popolazione come una stima prudente. La misura dell'esposizione copre un insieme limitato di professioni in cui l'uso osservato dell'IA si sovrappone già in modo rilevante alle mansioni lavorative.
I lavoratori meno pagati all'interno del gruppo esposto hanno sperimentato il rallentamento maggiore. Questo risultato complica le affermazioni secondo cui gli strumenti di IA accessibili democratizzeranno automaticamente le competenze e ridurranno le differenze di reddito.
Un addetto al servizio clienti, per esempio, può usare un assistente IA per recuperare informazioni o redigere risposte più velocemente. Il datore di lavoro può quindi aspettarsi che ogni addetto gestisca più conversazioni.
Questo miglioramento della produttività non garantisce una retribuzione più alta. Se il software rende i lavoratori più facili da formare o sostituire, la loro posizione negoziale può peggiorare.
Lo stesso meccanismo può interessare analisti junior e programmatori. L'IA può consentire a più candidati di completare attività di base, aumentando la concorrenza per lavori che un tempo richiedevano competenze tecniche più rare.
Nessuno di questi cambiamenti richiede un annuncio immediato di licenziamenti. Possono svilupparsi attraverso normali revisioni retributive, decisioni di assunzione e obiettivi di performance riveduti.
Questo rende la pressione sulle retribuzioni più difficile da individuare rispetto alla distruzione di posti di lavoro. Una posizione eliminata lascia una traccia visibile. Un aumento che non si è mai concretizzato, no.
Perché l'IA può indebolire il potere contrattuale prima che le assunzioni crollino
L'IA cambia le retribuzioni quando riduce la scarsità delle mansioni di un lavoratore, anche se una persona continua a ricoprire quel posto.
I salari riflettono più della produttività attuale. Riflettono anche le opportunità esterne, i costi di sostituzione, la domanda di lavoro e la disponibilità di un lavoratore a lasciare l'azienda.
L'IA generativa può influenzare ciascuno di questi fattori prima di diventare capace di automatizzare un'intera professione. Un lavoro è un insieme di attività e il software può modificare solo una parte di tale insieme.
Supponiamo che un analista dedichi tempo a raccogliere dati, riassumere documenti, costruire un modello, verificare le ipotesi e presentare conclusioni. Un sistema di IA potrebbe accelerare le prime tre attività pur rimanendo inaffidabile nelle ultime due.
L'azienda ha ancora bisogno dell'analista. Tuttavia, potrebbe aver bisogno di meno analisti per produrre lo stesso volume di lavoro.
La direzione può acquisire questo vantaggio senza licenziare immediatamente nessuno. Può rallentare le assunzioni, aumentare i carichi di lavoro o attendere che il normale turnover riduca l'organico.
I lavoratori percepiscono l'indebolimento della domanda intorno a loro. Diventano meno sicuri nel chiedere aumenti o nel lasciare l'azienda per un altro datore di lavoro.
Il passaggio da un lavoro all'altro conta perché cambiare datore di lavoro ha storicamente aiutato molti lavoratori a ottenere aumenti retributivi più consistenti. Un mercato del lavoro prudente elimina parte di questa leva.
Axios ha osservato che il tasso di dimissioni negli Stati Uniti era tornato a livelli associati alla metà degli anni 2010. Si tratta di un contesto molto diverso dalla Grande Dimissione, quando i datori di lavoro competevano intensamente per i lavoratori.
La comunicazione sull'IA può amplificare la cautela. I dirigenti dicono regolarmente agli investitori che l'automazione ridurrà i costi e migliorerà l'efficienza.
Ancor prima che questi piani si concretizzino pienamente, i lavoratori ricevono lo stesso messaggio. Chi ritiene che un datore di lavoro possa automatizzare una parte del proprio ruolo ha meno fiducia durante una negoziazione salariale.
I datori di lavoro ottengono inoltre più informazioni sui potenziali sostituti. Possono verificare se un dipendente junior assistito dall'IA, un collaboratore esterno o un team offshore possano svolgere lavori in precedenza assegnati a personale esperto.
Questo non significa che le aziende detengano tutto il potere contrattuale. I lavoratori esperti mantengono conoscenza istituzionale, relazioni con i clienti, capacità di giudizio e responsabilità per errori costosi.
Anche l'output dell'IA richiede revisione. Una risposta sicura di sé ma errata può creare costi legali, finanziari, di sicurezza o reputazionali.
Tuttavia, il datore di lavoro non ha bisogno di un'automazione completa per rafforzare la propria posizione. Gli basta un'alternativa credibile al modo attuale in cui il lavoratore svolge un'attività.
I dati originali di Anthropic sull'uso delle attività mostravano che il 57% dell'uso osservato di Claude supportava l'aumento delle capacità umane. Il restante 43% rifletteva modelli di automazione.
L'aumento delle capacità significa che una persona collabora con l'IA e rimane coinvolta nel lavoro. L'automazione significa che il sistema svolge direttamente un'attività con una partecipazione umana limitata.
Queste categorie possono portare a esiti retributivi diversi. L'aumento delle capacità può rendere l'esperienza più preziosa quando l'IA amplia ciò che un lavoratore qualificato può realizzare.
Può anche ridurre il valore dell'esperienza quando il software offre ai lavoratori meno esperti accesso a indicazioni, modelli e spiegazioni tecniche.
La ricerca sul supporto clienti ha dimostrato questa ambiguità. L'assistenza dell'IA può produrre maggiori guadagni di produttività per gli addetti meno esperti perché diffonde pratiche usate dai performer più forti.
Questo risultato può aiutare i lavoratori a imparare. Può anche comprimere il premio un tempo riconosciuto ai dipendenti che possedevano tali pratiche in modo indipendente.
La distribuzione dei guadagni conta quindi quanto l'aumento della produttività. Una produzione più elevata può aumentare i salari, ridurre i prezzi, accrescere i profitti o produrre una combinazione di tutti e tre gli effetti.
L'interpretazione di Apollo è che le aziende stiano attualmente catturando una quota maggiore del beneficio nelle professioni esposte. La crescita salariale più lenta è la prova offerta di questo trasferimento.
Il meccanismo è plausibile, ma i dati non possono osservare direttamente ogni negoziazione retributiva. Deducono un effetto dell'IA dalle differenze tra gruppi professionali nel tempo.
Questa limitazione diventa centrale nel valutare se l'IA abbia causato il divario salariale.
Cosa non dimostra il titolo di Google News
Il divario salariale riportato è rilevante, ma un singolo working paper non può isolare ogni forza che muove le retribuzioni tra le professioni.
Apollo ha confrontato 11 professioni altamente esposte con settori che mostravano una minore esposizione all'IA. Questo approccio offre un test chiaro, ma crea anche potenziali fattori confondenti.
Una complicazione deriva dall'infrastruttura alla base dell'IA. I data center richiedono elettricisti, operai edili, specialisti del raffreddamento e altri dipendenti i cui ruoli presentano un'esposizione relativamente bassa all'IA generativa.
La rapida domanda per questi lavoratori può aumentarne le retribuzioni. Il divario rifletterebbe quindi sia una crescita debole nel lavoro esposto sia una crescita insolitamente forte altrove.
Una seconda complicazione è il più ampio mercato del lavoro tecnologico. Le aziende software hanno modificato le assunzioni dopo l'espansione pandemica, l'aumento dei tassi d'interesse e precedenti eccessi di personale.
I programmatori potrebbero registrare una crescita salariale più debole per ragioni che si sovrappongono all'adozione dell'IA ma non sono interamente causate da essa. Separare queste forze richiede serie temporali più lunghe e dati più dettagliati sui datori di lavoro.
Lo studio usa inoltre l'esposizione anziché la sostituzione verificata. Una professione può contenere attività che l'IA gestisce senza che ogni datore di lavoro implementi la tecnologia in modo efficace.
L'adozione effettiva varia in base alle dimensioni dell'azienda, alla qualità della gestione, alle regole di sicurezza e all'accesso a dati affidabili. Le misure di esposizione indicano un'opportunità tecnica, non un uso uniforme sul posto di lavoro.
Una revisione della Fed del marzo 2026 illustra quanto le evidenze siano ancora irrisolte. Cita studi giunti a conclusioni diverse su occupazione e retribuzioni.
Alcune ricerche hanno rilevato un effetto complessivo limitato su posti di lavoro o annunci, insieme a incrementi salariali statisticamente significativi nelle professioni esposte. Altri lavori hanno rilevato una riduzione dell'occupazione entry-level dove l'IA automatizzava principalmente le attività.
La Fed ha inoltre citato sondaggi che mostrano una rapida adozione. Un sondaggio ha rilevato che l'uso sul posto di lavoro dei modelli linguistici di grandi dimensioni è salito dal 30,1% nel dicembre 2024 al 45,9% tra giugno e luglio 2025.
Questa crescita rende i confronti tra professioni sempre più rilevanti. Non risolve però la questione se l'esposizione all'IA causi retribuzioni più basse nell'intera economia.
Le evidenze dalla Danimarca offrono un ulteriore contrappeso. I ricercatori hanno collegato sondaggi sui lavoratori ai registri amministrativi dell'occupazione dopo che i datori di lavoro avevano introdotto programmi chatbot.
Lo studio sui registri danesi non ha rilevato effetti significativi sui guadagni o sulle ore registrate nei primi due anni successivi al lancio di ChatGPT. Le sue stime escludevano effetti superiori al 2%.
Il mercato del lavoro danese differisce da quello americano. Le sue istituzioni, le pratiche di determinazione dei salari, la rete di protezione sociale e il comportamento dei datori di lavoro limitano un confronto diretto.
Tuttavia, il risultato nullo mostra che la conclusione di Apollo non dovrebbe diventare una regola universale. L’effetto dell’AI sui salari può dipendere dalle istituzioni nazionali e dalla sua implementazione nei luoghi di lavoro.
Un altro working paper, rivisto nell’agosto 2026, sostiene la tesi della pressione salariale utilizzando diversi dataset statunitensi. I suoi risultati sono arrivati dopo il rapporto originale di Axios.
Le stime salariali del paper associano il passaggio da una bassa a un’alta esposizione all’AI generativa a un calo salariale del 4,9% nei dati occupazionali.
Utilizzando annunci di lavoro e registri occupazionali abbinati, gli autori hanno rilevato cali dell’8,71% nei salari pubblicizzati e del 10,76% nei salari iniziali. Non hanno rilevato alcun cambiamento corrispondente nell’occupazione.
Queste stime rafforzano l’ipotesi che la retribuzione possa cambiare prima degli organici. Tuttavia, il paper è ancora un working paper e non ha risolto il dibattito causale.
Il governatore della Federal Reserve Michael Barr ha sottolineato questa incertezza in un discorso del febbraio 2026. Ha affermato che, a quel punto, vi fossero poche prove di un effetto aggregato significativo sui salari.
Barr ha individuato tre domande decisive: se l’AI integri le competenze, come modifichi la domanda tra le occupazioni e chi possieda il capitale risultante.
Questo quadro spiega perché studi apparentemente contraddittori possano coesistere. Uno strumento può aumentare l’output di un lavoratore riducendo al contempo il valore di mercato delle sue competenze originarie.
L’esito dipende da cosa fanno le aziende con il tempo risparmiato. Possono espandere la produzione, migliorare il servizio, ridurre l’occupazione o semplicemente chiedere di più alla forza lavoro esistente.
Dipende anche dalla concorrenza. Un’impresa che trasferisce i guadagni di produttività ai clienti potrebbe aver bisogno di più lavoratori con l’aumento della domanda.
Un’azienda con un forte potere di mercato può trattenere i guadagni come profitto. Un lavoratore con competenze complementari rare può negoziarne una quota.
Il titolo di Google News identifica quindi una possibilità seria, non una misurazione definitiva dell’effetto nazionale dell’AI. I lettori dovrebbero considerare il divario di 6,7 punti come un segnale iniziale.
I lavoratori a basso reddito affrontano la versione più dura della pressione salariale dell’AI
I lavoratori con minori riserve finanziarie possono subire conseguenze anche quando l’AI lascia invariato il loro status occupazionale formale.
Apollo ha rilevato che la crescita salariale è peggiorata maggiormente tra i lavoratori meno pagati del gruppo occupazionale esposto. Questo risultato distributivo ha conseguenze che vanno oltre la stima salariale media.
Uno specialista ben retribuito può assorbire un aumento modesto senza modificare immediatamente le decisioni su casa, assistenza sanitaria o istruzione. Un lavoratore meno pagato ha meno margine di adattamento.
L’inflazione rende la distinzione più netta. Uno stipendio che resta invariato rappresenta una perdita di potere d’acquisto quando i costi essenziali continuano ad aumentare.
Aumenti nominali più lenti possono quindi produrre un calo reale del tenore di vita. Il lavoratore resta occupato, ma il nucleo familiare diventa meno sicuro.
I lavoratori a basso reddito dispongono inoltre di meno risorse per la riqualificazione. I corsi richiedono tempo, denaro, orari prevedibili e la fiducia che una nuova qualifica migliori le prospettive occupazionali.
L’AI può contemporaneamente modificare le competenze a cui i datori di lavoro attribuiscono valore. I lavoratori devono quindi apprendere nuovi strumenti mentre soddisfano aspettative di output più elevate nei loro ruoli attuali.
Il servizio clienti offre un esempio concreto. Un assistente AI può redigere risposte, riassumere conversazioni e suggerire passaggi per la risoluzione dei problemi.
Il management può considerare queste capacità un supporto per gli operatori. Può anche aumentare il numero di casi che ogni operatore deve chiudere durante un turno.
Il lavoratore diventa responsabile della revisione di una maggiore quantità di materiale generato dalla macchina. Gli errori restano associati al dipendente umano, anche quando è stato il software a produrre il suggerimento errato.
La misurazione delle prestazioni potrebbe non riconoscere questa supervisione aggiuntiva. Il dashboard registra una gestione più rapida, mentre il dipendente sopporta un maggiore carico cognitivo ed emotivo.
Il lavoro intellettuale entry-level affronta un problema correlato. Le posizioni junior hanno tradizionalmente consentito ai lavoratori di imparare attraverso ricerca, redazione, test e analisi di routine.
Sono proprio questi i compiti che l’attuale AI generativa gestisce più facilmente. Automatizzarli può eliminare una parte del percorso formativo verso ruoli più senior.
I datori di lavoro possono continuare ad assumere lavoratori entry-level, ma con stipendi iniziali più bassi. Potrebbero sostenere che l’AI riduce l’esperienza necessaria per diventare produttivi.
Il successivo studio sui salari di agosto ha rilevato la sua stima più elevata nella retribuzione iniziale. Questo schema è coerente con datori di lavoro che ridefiniscono la compensazione quando coprono nuove posizioni.
È coerente anche con altri cambiamenti del mercato del lavoro. I ricercatori necessitano di maggiori prove prima di attribuire l’intero calo all’AI generativa.
La questione critica è la mobilità. Un lavoratore che non riesce a ottenere un’offerta migliore ha una leva limitata nei confronti dell’attuale datore di lavoro.
Lo stesso lavoratore può esitare ad andarsene perché le aziende concorrenti pubblicizzano meno posizioni o richiedono padronanza di sistemi AI non familiari.
È così che la pressione salariale può diffondersi senza un drammatico picco di disoccupazione. Il mercato del lavoro resta apparentemente stabile mentre l’avanzamento diventa più difficile.
Le disuguaglianze esistenti possono modellare il risultato. I lavoratori con risparmi possono aspettare offerte migliori, dedicare tempo alla formazione o rifiutare obiettivi di produttività aggressivi.
I lavoratori che vivono stipendio dopo stipendio spesso non possono farlo. Il loro bisogno di un reddito immediato offre ai datori di lavoro maggiore spazio per stabilire le condizioni.
La proprietà dell’AI aggrava lo squilibrio. Le aziende acquistano i sistemi, controllano i dati del luogo di lavoro, definiscono le metriche di prestazione e decidono come allocare i risparmi di produttività.
I dipendenti contribuiscono di norma con le conoscenze di dominio necessarie per rendere utili tali sistemi. Correggono gli output, spiegano le eccezioni e identificano gli errori che i modelli generici non colgono.
Che questo contributo riceva una compensazione è una questione di gestione e di mercato del lavoro, non un’inevitabilità tecnica.
I lavoratori possono migliorare la propria posizione documentando i risultati che producono con l’AI. Il solo volume di output può diventare meno persuasivo man mano che gli strumenti si diffondono.
Capacità di giudizio, prevenzione degli errori, fidelizzazione dei clienti e progettazione dei processi offrono prove di valore più solide. Questi contributi restano legati alla persona che dirige e verifica il sistema.
Un sistema di conoscenza personale può aiutare a preservare tali prove. Può collegare decisioni, materiale di fonte, correzioni e lavoro completato tra diversi progetti.
Questa documentazione non elimina la pressione salariale strutturale. Può rendere più facile spiegare il contributo individuale durante una valutazione o una ricerca di lavoro.
Anche i datori di lavoro affrontano rischi se spingono troppo oltre la compressione. Una retribuzione più bassa può aumentare il turnover, ridurre la fiducia e scoraggiare i lavoratori dal segnalare i fallimenti dei modelli.
Un’azienda che considera l’AI solo uno strumento per ridurre il costo del lavoro può perdere le competenze necessarie per supervisionarla. I risparmi a breve termine possono quindi produrre decisioni più lente ed errori costosi.
L’approccio più sostenibile considera i lavoratori partecipi dei guadagni di produttività. Ciò può includere compensazione, avanzamento, formazione o maggiore controllo su come viene impiegato il tempo risparmiato.
I risultati di Apollo suggeriscono che questa condivisione non stia avvenendo in modo uniforme. I lavoratori a basso reddito sembrano assorbire l’aggiustamento più duro.
Tre segnali mostreranno se la minaccia salariale si sta diffondendo
Il prossimo test è verificare se la compressione salariale emergerà in più occupazioni, più dataset e più decisioni dei datori di lavoro.
Il primo segnale è la retribuzione iniziale nelle occupazioni esposte all’AI. Gli stipendi iniziali reagiscono più rapidamente della compensazione dei dipendenti già in forza, perché i datori di lavoro possono ridefinire le condizioni a ogni assunzione.
I ricercatori dovrebbero confrontare salari pubblicizzati e accettati all’interno della stessa occupazione, settore, località e livello di esperienza. Questo approccio può ridurre la confusione causata da cicli di assunzione più ampi.
Continui cali dei salari iniziali rafforzerebbero l’interpretazione di Apollo. Offerte stabili o in aumento suggerirebbero che il primo confronto occupazionale abbia rilevato una debolezza temporanea del settore tecnologico.
Il secondo segnale è la mobilità da un lavoro all’altro. I lavoratori acquisiscono potere negoziale quando possono andarsene per opportunità migliori, mentre i datori di lavoro lo acquisiscono quando le offerte esterne scompaiono.
Il tasso di dimissioni fornisce una misura ampia, ma i movimenti a livello occupazionale saranno più informativi. Gli analisti devono monitorare se i lavoratori esposti cambiano datore di lavoro meno spesso di lavoratori comparabili.
Un calo concentrato nei ruoli ad alta intensità di AI sosterrebbe il meccanismo del potere negoziale. Un calo esteso a tutto il mercato indicherebbe condizioni economiche più ampie.
I ricercatori dovrebbero inoltre esaminare gli aumenti retributivi che i lavoratori ricevono quando effettivamente si spostano. Meno transizioni combinate con guadagni salariali inferiori indicherebbero opportunità esterne più deboli.
Il terzo segnale riguarda il modo in cui i datori di lavoro distribuiscono guadagni di produttività misurabili. Le aziende discutono sempre più spesso dell’efficienza dell’AI nelle earnings call, negli obiettivi interni e nei piani per la forza lavoro.
Queste dichiarazioni dovrebbero essere confrontate con organici, spese per compensazione, volume delle assunzioni, qualità del servizio e ricavi per dipendente.
Se la produttività aumenta mentre la compensazione reale ristagna, la tesi della compressione salariale diventa più forte. Se occupazione o retribuzioni crescono insieme all’output, l’aumento delle capacità sta producendo un beneficio più ampio.
L’adozione aziendale rivelerà anche quali occupazioni entreranno nel gruppo esposto. I 5,8 milioni di lavoratori di Apollo rappresentano una stima iniziale ristretta, non un tetto massimo.
Gli agenti AI che gestiscono flussi di lavoro più lunghi potrebbero estendere l’esposizione oltre singole attività di scrittura o analisi. L’affidabilità determinerà quanto rapidamente i datori di lavoro affideranno loro tale responsabilità.
La revisione umana resta un vincolo importante. I sistemi che falliscono su compiti complessi e di lunga durata continuano a richiedere una supervisione qualificata.
Questa supervisione può sostenere salari più alti quando responsabilità e conoscenze di dominio restano rare. Può comprimere i salari quando le aziende trattano la revisione come un lavoro di monitoraggio ordinario.
Le politiche pubbliche modelleranno l’equilibrio. Il sostegno alla formazione, la trasparenza salariale, le regole sulla contrattazione collettiva e l’accesso dei lavoratori ai dati sulla produttività possono influenzare chi cattura i guadagni.
Anche la misurazione deve migliorare. Il Dipartimento del Lavoro sta perseguendo accordi di condivisione dei dati con le aziende tecnologiche per monitorare più rapidamente gli effetti dell’AI sull’occupazione.
Dati migliori dovrebbero distinguere l’esposizione tecnica dall’adozione attiva sul luogo di lavoro. Dovrebbero inoltre separare i tagli diretti agli stipendi da aumenti più contenuti, offerte iniziali deboli e opportunità di promozione perse.
Per i lavoratori, la domanda pratica non è se l’AI possa svolgere un intero lavoro. È se i datori di lavoro ora considerino più facile reperire altrove le attività di valore del lavoro.
Questo cambiamento può emergere durante una revisione della retribuzione molto prima di comparire in un rapporto sulla disoccupazione.
Tieni quindi traccia delle tue prove. Registra dove l’AI ha fatto risparmiare tempo, dove il tuo giudizio ha prevenuto un errore e dove le tue conoscenze hanno modificato la decisione finale.
Confronta questa documentazione con i nuovi annunci di lavoro e le fasce salariali nel tuo settore. Se le aspettative di output aumentano mentre la retribuzione ristagna, l’effetto salariale ti sta già raggiungendo.
Il prossimo titolo di Google News potrebbe continuare a concentrarsi sui licenziamenti perché offrono un conteggio visibile. La misura più silenziosa è se le persone occupate conservano una quota equa di ciò che l’AI le aiuta a produrre.
