Goldman Sachs afferma che l'India affronta minori rischi occupazionali legati all'AI, ma i servizi restano esposti

Goldman Sachs afferma che l'India deve far fronte a una sostituzione occupazionale causata dall'AI meno diffusa rispetto alle economie più ricche, nonostante i chiari rischi per il lavoro amministrativo e i servizi abilitati dalla tecnologia. Santanu Sengupta, capo economista della banca per l'India, ha espresso questa valutazione il 14 agosto, secondo un rapporto sui rischi per il lavoro. La conclusione mette in discussione le previsioni secondo cui l'AI generativa cancellerà rapidamente posti di lavoro nell'enorme forza lavoro indiana.

Il titolo rassicurante richiede però un'importante precisazione. La minore esposizione dell'India riflette la struttura del suo mercato del lavoro, non un'immunità da sistemi di AI sempre più capaci. Agricoltura, edilizia, manifattura e altre occupazioni fisiche impiegano ancora milioni di persone le cui attività quotidiane restano difficili da automatizzare tramite software.

La pressione è concentrata altrove. Il lavoro amministrativo di routine, i servizi di business process, le telecomunicazioni, i servizi finanziari, i media e alcuni ruoli professionali includono più attività che il software può svolgere. Questi settori sostengono anche la posizione dell'India come importante esportatore di servizi tecnologici e aziendali.

È qui che nasce la tensione centrale. Il Paese appare meno vulnerabile a livello nazionale, mentre parti della sua economia dei servizi, rilevante a livello internazionale, si trovano vicine alla zona d'impatto della tecnologia. La storia dell'India sul lavoro e l'AI riguarda quindi una transizione disomogenea, non una semplice scelta tra disoccupazione di massa e crescita ininterrotta.

Le previsioni di Goldman indicano trasformazione, non sostituzione di massa

L'argomento centrale della banca è che l'AI cambierà più posti di lavoro indiani di quanti ne eliminerà.

Un'analisi di Goldman Sachs pubblicata a fine luglio ha stimato che l'AI generativa può svolgere tra il 9% e il 17% delle attività dell'occupazione non agricola indiana. Questo intervallo misura l'esposizione delle attività, ovvero il lavoro che l'AI può assistere o automatizzare. Non rappresenta una previsione secondo cui la stessa percentuale di lavoratori perderà il proprio impiego.

La distinzione è importante perché le occupazioni raggruppano molte attività diverse. Un analista finanziario potrebbe usare l'AI per riassumere documenti, mantenendo però la responsabilità del giudizio, della comunicazione con i clienti e delle decisioni normative. Un insegnante potrebbe produrre più rapidamente materiali didattici senza trasferire a un modello la gestione della classe o la valutazione degli studenti.

Goldman ha stimato che tra il 42% e il 48% dei lavori non agricoli abbia maggiori probabilità di ricevere assistenza dall'AI piuttosto che subire una sostituzione diretta. Ha collocato tra l'8% e il 12% a rischio di sostituzione, secondo una dettagliata analisi sull'occupazione. La quota restante dovrebbe registrare effetti diretti relativamente limitati secondo le ipotesi del rapporto.

Queste stime sostengono l'affermazione più ampia di Sengupta. L'India ha una quota minore di lavoratori in occupazioni d'ufficio altamente esposte rispetto alle economie avanzate. Una vasta forza lavoro agricola riduce ulteriormente il tasso di esposizione nazionale, perché l'attuale AI generativa opera principalmente attraverso linguaggio, immagini, dati e software.

Goldman prevede che l'adozione aumenterà la crescita annua della produttività del lavoro in India di circa 0,4 punti percentuali nell'arco di un decennio. L'intervallo stimato va da 0,1 a 0,8 punti percentuali, dipendendo in parte da quanto diventeranno capaci i sistemi futuri. Questi guadagni sono proiezioni, non risultati osservati.

La produttività può aumentare quando i lavoratori completano più rapidamente le attività esistenti, producono di più o si spostano verso responsabilità a maggior valore aggiunto. Tuttavia, i datori di lavoro possono anche cogliere i guadagni di efficienza riducendo l'organico. La stessa tecnologia può integrare i lavoratori in un'organizzazione e sostituire ruoli simili in un'altra.

I costi di implementazione influenzeranno questa decisione. Le aziende devono collegare i modelli ai dati interni, riprogettare i flussi di lavoro, verificare gli output, gestire la sicurezza e assegnare responsabilità. Una dimostrazione che completa una singola attività non diventa automaticamente un sistema di produzione affidabile.

Questo aiuta a spiegare perché l'esposizione a livello di occupazione raramente si traduce direttamente in perdite immediate di posti di lavoro. Le aziende di solito automatizzano porzioni di un flusso di lavoro prima di ristrutturare intere posizioni. Le assunzioni possono indebolirsi prima che i licenziamenti diventino visibili, soprattutto quando i datori di lavoro smettono di sostituire chi lascia l'azienda.

Anche la scala dell'India rallenta qualsiasi transizione nazionale. Grandi imprese, piccole aziende, fattorie, fabbriche, enti pubblici e datori di lavoro informali adottano la tecnologia a velocità diverse. L'accesso a capacità di calcolo, elettricità affidabile, dati utili e manager preparati resta disomogeneo.

Le previsioni di Goldman si leggono meglio come una mappa dei punti di pressione. Suggeriscono dove le attività possono cambiare e dove la produttività potrebbe migliorare. Non stabiliscono con quale rapidità i datori di lavoro implementeranno l'AI né come distribuiranno i benefici risultanti.

La struttura del lavoro in India offre un cuscinetto

L'India appare meno esposta perché gran parte della sua forza lavoro svolge attività fisiche, agricole o interpersonali che l'AI generativa non può eseguire direttamente.

Una valutazione del Fondo monetario internazionale ha rilevato che circa il 43% della forza lavoro indiana era impiegato nell'agricoltura. Questa struttura occupazionale rende il Paese meno esposto rispetto alle economie che si sono orientate maggiormente verso servizi d'ufficio. Il software può consigliare un agricoltore, ma non può completare autonomamente la maggior parte del lavoro fisico in un campo.

L'FMI ha stimato che il 26% dei lavoratori indiani ricoprisse occupazioni con un'elevata esposizione all'AI. Ha classificato il 14% dell'occupazione come altamente esposto ma potenzialmente integrato dall'AI. Un altro 12% rientrava in occupazioni altamente esposte, dove i rischi di sostituzione erano maggiori, secondo la sua valutazione sull'India.

Queste cifre differiscono dagli intervalli di Goldman perché le istituzioni usano set di dati, definizioni e classificazioni occupazionali diversi. Una stima può coprire l'intera forza lavoro, mentre un'altra esamina l'occupazione non agricola o le quote di attività. Le variazioni rafforzano il motivo per cui le statistiche sull'esposizione non dovrebbero essere trattate come previsioni precise sui licenziamenti.

La ricerca tra Paesi punta nella stessa direzione generale. Le economie avanzate impiegano proporzioni maggiori di manager, professionisti, amministratori e altri lavoratori della conoscenza. Queste occupazioni utilizzano le attività linguistiche e di elaborazione delle informazioni che gli attuali sistemi di AI gestiscono con maggiore efficacia.

L'FMI ha stimato che circa il 60% dei lavori nelle economie avanzate sia esposto all'AI. Le stime corrispondenti erano del 40% per i mercati emergenti e del 26% per i Paesi a basso reddito. L'esposizione comprende opportunità di crescita della produttività oltre ai rischi di sostituzione.

In Asia, circa la metà dell'occupazione nelle economie avanzate è esposta, rispetto a circa un quarto nelle economie emergenti e in via di sviluppo. Il confronto regionale ha inoltre rilevato che le economie più ricche possiedono più lavori in cui l'AI può integrare i lavoratori. Una maggiore esposizione crea quindi sia rischi più elevati sia un potenziale vantaggio maggiore.

La minore esposizione dell'India può comunque celare seri problemi distributivi. I lavoratori agricoli possono essere protetti dalla sostituzione diretta tramite AI generativa, ma restare vulnerabili a bassa produttività, redditi instabili e protezione sociale limitata. Essere al di fuori della portata immediata dell'AI non garantisce un lavoro sicuro o ben retribuito.

Lo stesso problema emerge nelle città. Uno sviluppatore software e un addetto alle consegne partecipano all'economia digitale, ma la loro esposizione differisce nettamente. Un modello può produrre codice o documentazione, mentre non può guidare una motocicletta nel traffico né consegnare fisicamente un pacco a un cliente.

Le donne e i lavoratori altamente istruiti spesso hanno una maggiore esposizione occupazionale perché sono più rappresentati nei ruoli amministrativi e professionali. Anche i lavoratori a reddito più alto compaiono frequentemente nelle occupazioni esposte. Il loro lavoro offre talvolta maggiore spazio per l'aumento delle capacità, sebbene le componenti di routine possano comunque essere automatizzate.

I giovani laureati affrontano una preoccupazione distinta. I ruoli entry-level includono spesso documentazione, ricerca, pianificazione, test e analisi di base. Queste attività offrono esperienza ai nuovi lavoratori, ma si adattano anche alle capacità degli strumenti di AI generativa.

Un'azienda non deve licenziare i dipendenti esistenti per ridurre queste opportunità. Può mantenere una classe di ingresso più piccola perché i lavoratori esperti producono di più con l'assistenza dell'AI. Questo schema inciderebbe sull'ingresso nella carriera senza apparire immediatamente come disoccupazione di massa.

Il cuscinetto dell'India è quindi reale ma incompleto. Il Paese ha meno lavori esposti in rapporto all'occupazione totale, ma la quota esposta include industrie strategiche e percorsi comuni verso la classe media. Le medie nazionali non possono catturare questa concentrazione.

Il motore dei servizi è più vicino al rischio

I lavoratori indiani più esposti sono concentrati nei servizi che hanno contribuito a rendere il Paese una destinazione globale per le operazioni aziendali in outsourcing.

I processi aziendali IT di routine affrontano un rischio di sostituzione maggiore perché il loro lavoro è ripetitivo e può essere rappresentato digitalmente. Esempi comuni includono risposte di assistenza standardizzate, elaborazione documentale, reportistica di base, trascrizione, inserimento dati e controlli di qualità basati su regole.

Le posizioni di supporto amministrativo affrontano una pressione simile. L'AI generativa può redigere corrispondenza, classificare documenti, estrarre informazioni, creare riepiloghi e rispondere a domande di routine. I sistemi collegati al software aziendale possono inoltre spostare informazioni tra applicazioni con un coinvolgimento umano limitato.

Queste capacità non eliminano ogni ruolo. I modelli continuano a commettere errori fattuali, a gestire male i casi insoliti e a incontrare difficoltà con la responsabilità. Le organizzazioni hanno bisogno di persone per definire i flussi di lavoro, rivedere gli output sensibili, risolvere le eccezioni e comunicare con i clienti.

Tuttavia, il numero e la composizione delle posizioni possono cambiare. Un dipendente dotato di un sistema efficace potrebbe completare un lavoro che in precedenza richiedeva diverse persone. I datori di lavoro potrebbero quindi assumere meno lavoratori junior, aggiungendo al contempo specialisti in dati, sicurezza, progettazione dei flussi di lavoro e valutazione dei modelli.

L'India ha un'esposizione significativa a questa transizione perché i servizi sono centrali per il suo modello di crescita. Goldman Sachs ha descritto l'industria indiana dei servizi IT e aziendali come un settore da circa 250 miliardi di dollari. Ha inoltre riferito che le esportazioni di servizi hanno raggiunto circa 387 miliardi di dollari nel 2024.

I global capability center rafforzano questa connessione. Queste operazioni consentono alle multinazionali di collocare in India funzioni di ingegneria, finanza, analisi, assistenza clienti e altre attività. Goldman ha contato più di 1.700 di questi centri e previsto un'ulteriore espansione fino al 2030.

I centri possono creare lavoro legato all'AI perché le imprese necessitano di team che integrino i modelli nelle operazioni reali. I dipendenti possono sviluppare metodi di valutazione, adattare i sistemi a domini specializzati, gestire l'accesso ai dati e monitorare la conformità normativa. L'ampio bacino indiano di lavoratori tecnologici anglofoni offre una solida base per queste attività.

Gli stessi centri possono anche standardizzare e automatizzare il lavoro esistente. Una multinazionale può implementare un unico sistema in più uffici dopo averlo testato in un'operazione centralizzata. I guadagni di efficienza possono ridurre la domanda di servizi ripetitivi anche quando i ruoli tecnici a maggior valore aggiunto si espandono.

Questo crea una competizione tra upgrading e mercificazione. L’India può orientarsi verso l’ingegneria, la ricerca, il deployment dei modelli e la consulenza complessa. In alternativa, i clienti possono usare l’AI per svolgere internamente una quota maggiore del lavoro di routine, indebolendo il vantaggio delle differenze nel costo del lavoro.

Il protezionismo aggiunge un’ulteriore complicazione. Le restrizioni sui dati transfrontalieri, sui modelli o sui servizi digitali possono limitare il modo in cui i team indiani supportano i clienti esteri. Regole divergenti possono inoltre aumentare i costi di conformità e frammentare i sistemi tra i diversi mercati.

Goldman ha sostenuto che, nella sua precedente valutazione, gli effetti delle restrizioni commerciali sulle esportazioni indiane di servizi trainati dall’AI restavano limitati. Ha comunque individuato nella localizzazione dei dati, nella divergenza normativa e nelle tensioni geopolitiche dei rischi. Tali pressioni vanno oltre le capacità tecniche di qualsiasi modello.

La domanda di competenze AI offre un segnale positivo. Una ricerca basata sugli annunci di lavoro indiani ha documentato una rapida crescita, dopo il 2016, delle offerte che richiedevano capacità legate all’AI. Ha inoltre rilevato evidenze che l’adozione dell’AI può sostenere la domanda di ruoli complementari non legati all’AI.

Tuttavia, gli annunci di lavoro rappresentano le intenzioni dei datori di lavoro, non le assunzioni effettivamente concluse. Le offerte online sovrarappresentano inoltre i datori di lavoro formali e impiegatizi. Mostrano dove si sta spostando la domanda, ma offrono una visione limitata dell’intero mercato del lavoro indiano.

L’esito più probabile non è la scomparsa dei servizi. È un cambiamento in ciò che i clienti considerano prezioso. I risultati di routine diventano più facili da produrre, mentre acquistano maggiore importanza la conoscenza del dominio, un’esecuzione affidabile, i dati proprietari e la responsabilità.

I fornitori indiani di servizi subiranno pressioni per vendere risultati anziché ore di lavoro. I modelli di fatturazione basati soprattutto sul numero di addetti diventano più difficili da giustificare quando il software riduce il tempo necessario per ciascuna attività. Le aziende devono dimostrare che i loro team forniscono capacità di giudizio, integrazione e risultati aziendali misurabili.

I lavoratori affrontano personalmente lo stesso cambiamento. Sapere come utilizzare un chatbot generalista non offrirà un vantaggio duraturo. I dipendenti hanno bisogno di competenza di dominio e della capacità di verificare, perfezionare e applicare il lavoro generato dall’AI in contesti con conseguenze rilevanti.

Questa transizione può creare posti di lavoro migliori, ma non avviene automaticamente. I programmi di riqualificazione devono collegare la formazione alle esigenze reali dei datori di lavoro. Altrimenti, i lavoratori ottengono certificazioni generiche mentre le aziende continuano a faticare a coprire posizioni specializzate.

Una minore esposizione non significa un minore rischio economico

L’India può evitare un’ampia sostituzione diretta e soffrire comunque se l’AI indebolisce le assunzioni entry-level, le esportazioni di servizi o la crescita salariale.

La prima incertezza riguarda il divario tra attività e posti di lavoro. Gli studi sull’esposizione scompongono le professioni in attività che i modelli possono svolgere. I datori di lavoro decidono se tali attività giustificano ruoli riprogettati, assunzioni più lente, cambiamenti nell’outsourcing o riduzioni della forza lavoro.

Queste decisioni dipendono dall’affidabilità. Un modello che riesce in un test controllato può fallire quando gli input diventano ambigui o i clienti si comportano in modo imprevedibile. Gli errori nella sanità, nel settore bancario, nel diritto e nei servizi pubblici comportano conseguenze che impediscono un’automazione senza restrizioni.

La regolamentazione può preservare la supervisione umana, ma può anche cambiare dove viene svolto il lavoro. Le aziende potrebbero centralizzare sistemi approvati riducendo al contempo i team locali. In alternativa, i requisiti di conformità possono generare nuovo lavoro nell’audit, nella documentazione, nella gestione del rischio e nella sicurezza.

L’Organizzazione Internazionale del Lavoro ha sottolineato che l’esposizione non equivale alla perdita del lavoro. Il suo indice globale ha rilevato che un lavoro su quattro presentava una qualche esposizione all’AI generativa. Secondo l’indice di esposizione professionale, la trasformazione era più probabile della sostituzione completa.

La trasformazione può comunque essere dolorosa. Un dipendente può conservare il posto di lavoro perdendo però potere contrattuale, autonomia o opportunità di promozione. Il monitoraggio digitale può aumentare quando le aziende usano sistemi AI per misurare l’output e imporre processi standardizzati.

L’occupazione entry-level merita particolare attenzione. I lavoratori junior spesso gestiscono prime bozze, ricerche di base, codice semplice, appunti di riunione e revisione di documenti. Automatizzare queste attività può eliminare il lavoro attraverso cui le persone tradizionalmente imparano una professione.

Le organizzazioni affrontano quindi un problema di pipeline. Hanno ancora bisogno di dipendenti esperti, ma potrebbero formare meno principianti. Senza apprendistati deliberati, le aziende possono risparmiare denaro oggi creando al contempo future carenze di talenti senior.

La seconda incertezza riguarda la distribuzione della produttività. I guadagni previsti da Goldman descrivono un output aggiuntivo per lavoratore. Non stabiliscono se i dipendenti riceveranno salari più elevati, le aziende otterranno margini maggiori, i clienti pagheranno meno o l’orario di lavoro diminuirà.

I mercati competitivi possono distribuire i benefici attraverso costi inferiori e nuovi servizi. I mercati concentrati possono consentire a un gruppo più ristretto di imprese di trattenere una quota maggiore di valore. I lavoratori con competenze scarse possono ottenere retribuzioni più elevate, mentre i dipendenti in ruoli standardizzati affrontano un potere contrattuale più debole.

La terza incertezza riguarda le infrastrutture. I modelli avanzati richiedono capacità di calcolo, elettricità affidabile, accesso alla rete, sistemi di dati sicuri e team qualificati per l’implementazione. Goldman ha identificato energia, acqua, data center e risorse di calcolo come investimenti necessari.

L’India sta espandendo la propria infrastruttura AI, comprese iniziative pubbliche nell’ambito della IndiaAI Mission. Tuttavia, l’infrastruttura deve andare oltre le grandi aziende tecnologiche. Le imprese più piccole necessitano di accesso economicamente sostenibile e supporto pratico affinché i guadagni di produttività si diffondano nell’intera economia.

La quarta incertezza è se l’India possa produrre una quota maggiore della tecnologia sottostante. Il Paese ha punti di forza nel deployment e nei servizi di ingegneria, ma rimane meno rilevante nei chip avanzati e nella ricerca sui modelli fondamentali. Una forte dipendenza da piattaforme straniere può trasferire all’estero una parte del valore economico.

Goldman aveva in precedenza stimato che il settore AI indiano possa generare oltre 2,3 milioni di offerte di lavoro entro il 2027. Ha inoltre citato proiezioni che collocano il bacino di talenti disponibile vicino a 1,2 milioni. Il divario indica una domanda potenziale, ma non garantisce che i programmi di formazione corrispondano alle posizioni reali.

Le aziende richiedono spesso combinazioni di conoscenze tecniche e settoriali. Una banca ha bisogno di persone che comprendano sia i modelli sia i controlli finanziari. Un produttore ha bisogno di ingegneri capaci di collegare gli output dell’AI alle operazioni fisiche e ai requisiti di sicurezza.

La formazione generica non può colmare ogni disallineamento. I lavoratori hanno bisogno di opportunità per esercitarsi con dati, strumenti e flussi di lavoro pertinenti. Anche i datori di lavoro hanno bisogno di metodi credibili per valutare competenze che cambiano più rapidamente dei titoli di studio tradizionali.

I knowledge worker possono prepararsi documentando le decisioni, sviluppando competenze di dominio e costruendo modi affidabili per recuperare il lavoro precedente. Una base di conoscenza personale ricercabile può sostenere questo processo, soprattutto quando l’AI produce più bozze e informazioni da rivedere.

Tuttavia, la preparazione individuale non può sostituire le politiche del lavoro. Governi e datori di lavoro devono migliorare il sostegno alla transizione, l’istruzione e l’accesso alla formazione. I lavoratori non possono risolvere autonomamente carenze infrastrutturali, una protezione sociale debole o il calo della domanda in un’intera professione.

La conclusione prudente è che una minore esposizione aggregata dà tempo all’India. Non elimina l’obbligo di usare bene quel tempo. Una preparazione insufficiente può trasformare una transizione gestibile in difficoltà concentrate.

Tre segnali mostreranno se la tesi di Goldman regge

La fase successiva dovrebbe essere valutata attraverso assunzioni, domanda di servizi e produttività misurata, piuttosto che attraverso affermazioni sensazionalistiche sulle capacità dell’AI.

Il primo segnale è costituito dalle assunzioni entry-level nei servizi IT, nelle operazioni di business process, nella finanza, nei media e nei servizi professionali. Il reclutamento dei neolaureati offre una prima indicazione del fatto che le aziende stiano potenziando i team esistenti o eliminando il gradino più basso delle scale di carriera.

Un calo duraturo delle posizioni junior indebolirebbe l’interpretazione rassicurante delle previsioni di Goldman. Mostrerebbe uno spiazzamento attraverso posti di lavoro mancanti anziché licenziamenti molto visibili. Un ingresso stabile o in espansione, accompagnato da nuove responsabilità AI, sosterrebbe l’ipotesi dell’aumento delle capacità.

La composizione delle assunzioni conta quanto il totale. I datori di lavoro potrebbero reclutare meno generalisti cercando al contempo più lavoratori con competenze in cybersecurity, data engineering, valutazione dei modelli e conoscenze specifiche del settore. Questo cambiamento convaliderebbe l’aspettativa di trasformazione, creando al contempo un’urgente sfida formativa.

Il secondo segnale è la performance delle esportazioni indiane di servizi tecnologici e aziendali. Ricavi, dimensione dei contratti, fidelizzazione dei clienti e assunzioni presso i principali fornitori possono rivelare se l’AI espande la domanda o riduce l’outsourcing ad alta intensità di lavoro.

La crescita nel lavoro complesso di ingegneria e integrazione dell’AI rafforzerebbe la posizione dell’India. Un calo della domanda per l’elaborazione di routine, senza contratti ad alto valore che lo compensino, esporrebbe la vulnerabilità nascosta dalla media nazionale dell’occupazione.

Gli investitori dovrebbero inoltre esaminare come le aziende descrivono la produttività. Un fornitore può segnalare più output per lavoratore perché è passato a servizi di valore, ha automatizzato il lavoro ripetitivo o ha ridotto il personale. Questi percorsi hanno conseguenze molto diverse per i dipendenti e la competitività a lungo termine.

Il terzo segnale è la produttività misurata al di fuori delle dimostrazioni controllate. La previsione di base di Goldman anticipa un incremento annuo di circa 0,4 punti percentuali nell’arco di un decennio. I guadagni reali dovrebbero infine emergere nell’output, nei tempi di consegna, nella qualità dei servizi o nella creazione di imprese.

Una produttività priva di un’adozione diffusa offrirebbe un sostegno più debole. Alcune grandi aziende possono ottenere efficienze sostanziali mentre le imprese più piccole restano indietro. Tale esito può aumentare la concentrazione senza trasformare l’economia nel suo complesso.

Le evidenze di crescita salariale renderebbero la tesi più solida. Se i lavoratori diventano più produttivi ma le retribuzioni restano stagnanti, i benefici non stanno raggiungendo il lavoro. Se i salari aumentano insieme a output e occupazione, l’aumento delle capacità diventa più convincente.

I responsabili politici dovrebbero monitorare le differenze per genere, istruzione, professione e regione. Un tasso di disoccupazione nazionale stabile può coesistere con gravi perturbazioni nei centri amministrativi o tra i neolaureati. Dati sul lavoro granulari riveleranno tali effetti prima di un singolo dato da titolo.

Il dibattito dovrebbe inoltre separare l’aggiustamento temporaneo dal cambiamento strutturale. I datori di lavoro possono sospendere le assunzioni mentre testano nuovi sistemi, per poi riprenderle una volta cresciuta la domanda. Un calo pluriennale nei ruoli esposti indicherebbe una riorganizzazione più profonda.

L’argomentazione di Goldman è plausibile perché l’India impiega così tante persone in lavori che l’AI generativa attuale non può svolgere direttamente. Agricoltura, edilizia, manifattura, trasporti e servizi alla persona forniscono un sostanziale cuscinetto statistico.

Eppure le ambizioni economiche dell’India dipendono da molto più che dalla protezione dei posti di lavoro esistenti. Il Paese punta a una produttività più alta, esportazioni di servizi più forti, salari migliori e opportunità maggiori per la sua forza lavoro giovane. Il successo richiede che i settori esposti creino nuovo lavoro di valore più rapidamente di quanto le posizioni di routine si contraggano.

La domanda più utile non è quindi se l’AI sottrarrà tutti i posti di lavoro indiani. Non influenzerà ogni professione allo stesso modo e l’esposizione non si trasforma automaticamente in disoccupazione. La domanda più incisiva è se le imprese possano trasformare l’automazione in espansione anziché in una ricerca più ristretta di risparmi sul lavoro.

Nei prossimi mesi, osservate congiuntamente le assunzioni di neolaureati, i contratti per servizi ad alto valore aggiunto e gli indicatori di produttività. Se tutti e tre miglioreranno, la previsione meno rischiosa di Goldman apparirà sempre più credibile. Se invece assunzioni ed esportazioni si indeboliranno mentre l’efficienza aumenterà, l’apparente protezione dell’India avrà nascosto una transizione più difficile.