Steve Hanke contesta le previsioni di una massiccia distruzione di posti di lavoro causata dall'AI

Steve Hanke ha contestato le previsioni di una massiccia distruzione di posti di lavoro causata dall'AI, nonostante dirigenti e ricercatori avvertano ripetutamente che l'automazione eliminerà i ruoli d'ufficio. L'argomentazione dell'economista, messa in evidenza attraverso Google News, sposta il dibattito dalla capacità dell'AI di svolgere mansioni alla possibilità per le aziende di riorganizzare in modo redditizio interi lavori attorno a essa.

Questa distinzione conta. Un modello può redigere un'email, riassumere una riunione o generare codice software senza sostituire il dipendente responsabile del risultato finale. La maggior parte dei lavori combina attività di routine con giudizio, responsabilità, attività fisica, relazioni e conoscenze a cui il software non può accedere in modo affidabile.

La posizione di Hanke contrasta con le previsioni molto più cupe di alcuni leader tecnologici. Il CEO di Anthropic, Dario Amodei, ha avvertito che l'AI potrebbe eliminare molti lavori d'ufficio di livello iniziale, mentre i ricercatori del mercato del lavoro rilevano le prime pressioni sui lavoratori più giovani. Il conflitto non riguarda più se l'AI cambierà il lavoro. Riguarda se l'automazione delle mansioni si tradurrà in disoccupazione di massa.

Di cosa sta realmente parlando Steve Hanke riguardo ai lavori AI

La tesi di Hanke va intesa soprattutto come un argomento sull'adattamento economico, non come l'affermazione che l'AI lasci invariata l'occupazione.

Secondo l'intervista a Hanke, l'economista della Johns Hopkins University non si aspetta che l'AI diventi una distruttrice di posti di lavoro su larga scala. Questa posizione respinge la semplice catena causale che collega una maggiore capacità dei modelli a una disoccupazione permanente.

L'anello mancante di quella catena è la domanda. Quando la tecnologia riduce il costo di produzione di qualcosa, i clienti spesso ne acquistano di più. Le aziende possono aumentare la produzione, migliorare il servizio, lanciare nuovi prodotti o reindirizzare i dipendenti verso attività che in precedenza erano troppo costose.

La produttività descrive quanto output i lavoratori generano a partire da una determinata quantità di lavoro. Se l'AI aumenta la produttività, un'azienda può produrre lo stesso output con meno ore. Può anche usare quelle ore per servire più clienti, migliorare la qualità o entrare in un altro mercato.

L'effetto finale sull'occupazione dipende da quale risposta prevale. Il taglio dei costi riduce la domanda di lavoro quando un'azienda mantiene costante l'output. L'espansione aumenta la domanda quando costi inferiori attirano un volume sufficiente di attività aggiuntive.

Ecco perché un video dimostrativo non può risolvere il dibattito sui posti di lavoro. Un modello che completa un incarico non mostra come reagiranno i clienti, con quale rapidità le aziende lo adotteranno o quale nuovo lavoro ne deriverà.

Anche le organizzazioni si muovono più lentamente degli sviluppatori di modelli. Un'azienda deve collegare l'AI a dati affidabili, definire procedure di revisione, formare i dipendenti, gestire la sicurezza e assegnare la responsabilità degli errori. Questi vincoli separano la capacità tecnica dall'automazione economicamente utile.

Un modello per l'assistenza clienti offre un esempio chiaro. Può suggerire risposte e recuperare il linguaggio delle policy, aiutando un singolo rappresentante a gestire più conversazioni. Tuttavia, un'azienda ha ancora bisogno di persone per risolvere le eccezioni, calmare i clienti arrabbiati, approvare rimborsi e assumersi la responsabilità dei risultati.

Lo stesso schema emerge nello sviluppo software. Gli assistenti di programmazione possono generare funzioni o test, ma gli ingegneri devono decidere cosa costruire, controllare le dipendenze, proteggere i dati dei clienti e mantenere i sistemi dopo il rilascio. Una produzione di codice più rapida può persino creare più lavoro di revisione e integrazione.

Nulla di tutto questo garantisce che l'occupazione resti stabile. Le aziende possono eliminare posizioni quando il software assorbe abbastanza attività e la domanda non cresce. L'affermazione più forte è più circoscritta: l'automazione a livello di mansione non produce automaticamente l'eliminazione a livello di professione.

Questo ragionamento segue una lunga storia di cambiamenti tecnologici. La meccanizzazione ha ridotto il fabbisogno di lavoro per attività specifiche, creando al contempo ruoli complementari, mercati più ampi e industrie del tutto nuove. La transizione ha comunque danneggiato lavoratori, regioni e fasce d'età particolari.

La distinzione impedisce che l'ottimismo diventi compiacenza. Un'economia può evitare la disoccupazione di massa mentre milioni di persone subiscono licenziamenti, minore potere contrattuale o difficili cambiamenti di carriera. La resilienza aggregata non protegge ogni lavoratore.

L'intervento di Hanke cambia quindi la domanda. Invece di chiedersi se un modello possa svolgere lavoro umano, gli osservatori devono chiedersi se le aziende stiano eliminando posizioni, modificando i piani di assunzione, ampliando l'output o riprogettando i lavori.

Questi risultati richiedono prove dal mercato del lavoro. I benchmark sulle capacità, da soli, non possono fornirle.

Perché il dibattito su Google News riguarda le mansioni, non intere professioni

Le prove più solide a sostegno di Hanke distinguono l'esposizione all'AI dalla sostituzione completa da parte dell'AI.

Uno studio del 2025 dell'International Labour Organization e della NASK polacca ha rilevato che un lavoro su quattro nel mondo presenta una qualche esposizione all'AI generativa. Tuttavia, i ricercatori hanno concluso che la trasformazione è più probabile della sostituzione.

L'indice ILO sui lavori valuta le mansioni all'interno delle professioni invece di considerare ogni lavoro esposto come ugualmente automatizzabile. Questo approccio offre un quadro più utile del rischio sul posto di lavoro.

Un lavoro è un insieme di attività. Un dipendente amministrativo può programmare riunioni, preparare documenti, interpretare richieste insolite, proteggere informazioni riservate e coordinare più persone. L'AI generativa gestisce alcune di queste attività più facilmente di altre.

L'esposizione misura se l'AI può assistere nello svolgimento di mansioni pertinenti o eseguirle. Non dimostra che i datori di lavoro adotteranno la tecnologia, che questa funzionerà in modo affidabile o che un'intera posizione scomparirà.

I ricercatori dell'ILO hanno assegnato alle mansioni un punteggio di automazione basato sulle attuali capacità dell'AI generativa. Hanno rilevato che la maggior parte delle professioni include ancora attività che richiedono il coinvolgimento umano. Il lavoro d'ufficio resta particolarmente esposto perché i modelli linguistici possono elaborare molte attività strutturate e basate sul testo.

Anche genere e geografia influenzano il rischio. Nei Paesi ad alto reddito, l'ILO ha rilevato che quasi il 10% dell'occupazione femminile rientra in professioni con il più alto potenziale di automazione. La quota comparabile per gli uomini era del 3,5%.

Questo divario riflette la concentrazione occupazionale, non una differenza nelle capacità tecniche dei lavoratori. Le donne ricoprono una quota maggiore di ruoli impiegatizi e amministrativi in molte economie avanzate. Questi lavori contengono più mansioni che i modelli attuali possono riprodurre.

Il risultato complica qualsiasi titolo rassicurante. L'AI non deve causare disoccupazione nell'intera economia per produrre danni diseguali. Può esercitare una pressione concentrata su professioni che impiegano particolari gruppi demografici.

La trasformazione può anche ridurre l'organico senza cancellare una professione. Un reparto che prima richiedeva 20 dipendenti potrebbe operare con 15 persone usando l'AI. Il titolo professionale sopravvive, ma le assunzioni calano e i carichi di lavoro cambiano.

L'occupazione di livello iniziale presenta un'altra vulnerabilità. I lavoratori junior spesso iniziano con ricerca, redazione, formattazione, documentazione e analisi di base. Questi incarichi li aiutano ad apprendere il contesto necessario per responsabilità più senior.

Se l'AI assorbe queste attività, i datori di lavoro affrontano un problema di sviluppo. Possono assumere meno dipendenti junior oggi, ma quella decisione può indebolire in seguito il loro bacino di lavoratori esperti.

Le aziende possono rispondere riprogettando i ruoli a inizio carriera anziché eliminarli. Un analista junior potrebbe dedicare meno tempo all'assemblaggio dei dati e più tempo alla verifica delle ipotesi, alle interviste con gli stakeholder e alla spiegazione dei risultati.

Questa riprogettazione richiede una gestione deliberata. Non avverrà semplicemente perché diventa disponibile un abbonamento AI.

I lavoratori hanno anche bisogno di accedere alle informazioni alla base delle loro decisioni. I sistemi di conoscenza personale possono aiutare i dipendenti a conservare il contesto di riunioni, documenti e lavoro precedente mentre l'AI modifica le loro responsabilità quotidiane. Una base di conoscenza AI ricercabile sostiene questa continuità senza decidere quali mansioni un datore di lavoro debba automatizzare.

Il quadro basato sulle mansioni fornisce alla tesi di Hanke il suo fondamento più solido. La maggior parte dei lavori contiene troppa varietà, conoscenza tacita e responsabilità perché un singolo modello possa assorbirli completamente.

Tuttavia, il quadro individua anche dove la pressione arriva per prima. Le mansioni digitali di routine affrontano un'automazione più rapida, mentre le attività incentrate sulle persone e quelle fisiche restano più difficili da sostituire.

I lettori di Google News che incontrano il dibattito dovrebbero quindi interpretare con cautela l'espressione “esposizione al lavoro”. Descrive il contatto con l'AI, non una lettera di licenziamento garantita. Le conseguenze dipendono da come i datori di lavoro riorganizzano il lavoro rimanente.

La vera sfida è tra distruzione dei posti di lavoro e riprogettazione del lavoro

La tesi ottimistica di Hanke regge solo se le aziende usano i guadagni di produttività per espandere il lavoro anziché trattare ogni guadagno come un obiettivo di riduzione dell'organico.

Le aziende non adottano l'AI in un ambiente neutrale. I dirigenti subiscono pressioni per ridurre i costi, proteggere i margini e dimostrare agli investitori che i costosi investimenti tecnologici producono rendimenti. Eliminare posizioni offre un risultato visibile prima della creazione di un nuovo mercato.

Questo incentivo rafforza l'argomento della distruzione dei posti di lavoro. Anche quando l'AI non può automatizzare un'intera professione, un'azienda può combinare l'automazione parziale con il consolidamento del lavoro. I dipendenti rimanenti assorbono quindi le attività che il sistema non riesce a gestire.

L'alternativa è la riprogettazione del lavoro. I datori di lavoro suddividono le responsabilità in modo diverso, creano ruoli di revisione, ampliano la capacità di servizio e formano i lavoratori affinché supervisionino processi assistiti dall'AI. Questo percorso può preservare l'occupazione aumentando al contempo l'output.

Nessuno dei due risultati deriva automaticamente dalla tecnologia. Strategia manageriale, domanda dei clienti, offerta di lavoro, regolamentazione e pressione competitiva plasmano il risultato.

Le previsioni sui lavori del World Economic Forum illustrano le due direzioni. Il suo rapporto del 2025 ha previsto 170 milioni di nuovi ruoli e 92 milioni di ruoli sostituiti a livello globale entro il 2030. Ciò produce un aumento netto di 78 milioni di posizioni.

Queste cifre coprono diverse forze strutturali, non soltanto l'AI. Il cambiamento demografico, la transizione energetica, le condizioni economiche e una più ampia adozione del digitale influenzano tutti le proiezioni.

Tuttavia, la stima coglie il conflitto centrale. Lo spostamento su larga scala e la creazione netta di posti di lavoro possono verificarsi contemporaneamente. I lavoratori che perdono posizioni non possiederanno necessariamente la localizzazione, l'esperienza o le competenze richieste per le nuove.

Un assistente amministrativo licenziato non diventa all'istante un ingegnere AI. La formazione richiede tempo, reddito, accesso e un datore di lavoro disposto ad assumere qualcuno senza esperienza diretta.

La geografia crea un'altra discrepanza. Nuovi ruoli nei data center, nell'energia e nella tecnologia possono comparire in regioni diverse dagli uffici che sperimentano l'automazione. L'occupazione nazionale può crescere mentre comunità specifiche perdono lavoro stabile.

La tempistica conta quanto i totali. Se le aziende eliminano ruoli rapidamente ma le nuove industrie assumono lentamente, i lavoratori possono affrontare anni di disoccupazione o di redditi ridotti. Un risultato favorevole nel 2030 non cancella una transizione dolorosa nel 2027.

Anche il tipo di impiego conta. Un nuovo contratto senza orari prevedibili non sostituisce necessariamente la sicurezza di una posizione da dipendente. Contare solo i posti di lavoro può nascondere cambiamenti in salari, benefit e potere contrattuale.

La posizione di Hanke è più solida a livello macroeconomico. Le nuove tecnologie riducono comunemente i costi di produzione, stimolano gli investimenti e creano domanda complementare. Le economie non sono raccolte statiche di mansioni in attesa di essere automatizzate.

La sua debolezza emerge sul piano distributivo. I mercati possono generare nuove opportunità senza destinarle agli stessi lavoratori che hanno sostenuto il costo dell'adattamento.

Questa tensione spiega perché le aziende subiscono più pressioni dei creatori di modelli. I laboratori di AI possono dimostrare le capacità della tecnologia, ma sono i datori di lavoro a decidere se tali capacità sostengano i lavoratori o li sostituiscano.

Gli investitori dovrebbero osservare le metriche operative anziché il linguaggio promozionale. Il fatturato per dipendente può aumentare perché i lavoratori sono diventati più produttivi, perché l'azienda ha ridotto il personale, o per entrambe le ragioni.

Anche i clienti influenzano l'equilibrio. Se la riduzione dei costi porta a un servizio migliore o a prezzi più bassi, la domanda può espandersi. Se le aziende trattengono tutti i risparmi mentre la qualità del servizio peggiora, i guadagni di produttività non produrranno la stessa risposta economica.

La sfida più importante non è quindi l'intelligenza umana contro quella delle macchine. È espansione contro estrazione.

L'espansione usa l'AI per produrre più valore, servire una domanda insoddisfatta e creare lavoro complementare. L'estrazione la usa soprattutto per ridurre il costo del lavoro, mantenendo invariati gli obiettivi dell'organizzazione.

La previsione di Hanke dipende dal fatto che l'espansione prevalga abbastanza spesso da compensare lo spiazzamento. I prossimi trimestri mostreranno se il comportamento delle aziende supporta questa ipotesi.

Cosa Non Risolve la Tesi Ottimistica sui Posti di Lavoro nell'AI

Evitare un'apocalisse occupazionale non impedirebbe salari più deboli, meno opportunità o un mercato più duro per chi inizia la propria carriera.

L'occupazione è solo una misura della salute del mercato del lavoro. Un lavoratore può restare occupato ricevendo aumenti più contenuti, gestendo più responsabilità o perdendo il controllo su come viene valutato il suo lavoro.

Le ricerche recenti si sono concentrate sempre più su questi effetti più silenziosi. Le aziende possono trattenere la maggior parte dei guadagni di produttività attraverso margini più elevati, anziché condividerli tramite compensi o orari di lavoro più brevi.

La pressione sui salari è particolarmente difficile da rilevare. I datori di lavoro raramente annunciano che l'AI ha ridotto il potere contrattuale di un dipendente. Il cambiamento emerge attraverso aumenti più lenti, offerte più basse o meno posizioni concorrenti aperte.

I blocchi delle assunzioni creano un problema di misurazione simile. Un'azienda può ridursi per naturale turnover senza descrivere il cambiamento come un licenziamento legato all'AI. I dipendenti esistenti restano, ma chi se ne va non viene sostituito.

Questo schema conta per i neolaureati. Dipendono dalle nuove opportunità, non dalla continuità dell'impiego. Un tasso di disoccupazione complessivo stabile può coesistere con un deterioramento del mercato per le posizioni entry-level.

La controargomentazione cruciale a Hanke riguarda quindi distribuzione e tempistica, non solo il numero totale di posti di lavoro. L'AI può non distruggere l'occupazione su vasta scala e al tempo stesso trasferire reddito dai lavoratori ai proprietari.

Può anche aumentare il monitoraggio. Software che registra la produzione, valuta le interazioni o raccomanda decisioni sul personale può indebolire l'autonomia dei lavoratori anche senza sostituire nessuno.

I rischi legati alla qualità aggiungono un altro vincolo. I sistemi di AI generativa talvolta producono informazioni errate con un linguaggio sicuro di sé. La revisione umana resta essenziale quando gli errori incidono su denaro, salute, diritti legali, sicurezza o incolumità pubblica.

Anche il lavoro di revisione ha un costo. I dipendenti devono comprendere abbastanza bene l'argomento da riconoscere gli errori, indagare sugli output incerti e documentare la decisione finale. Una generazione più rapida può creare un flusso maggiore di materiale da verificare.

Neppure la responsabilità può essere automatizzata facilmente. Un modello non può assumersi responsabilità legale, testimoniare sulle intenzioni dell'organizzazione o riparare un rapporto danneggiato con un cliente. Le aziende hanno ancora bisogno di persone responsabili dietro le decisioni rilevanti.

L'analisi sul posto di lavoro dell'ILO sottolinea che gli effetti della tecnologia dipendono dalle scelte di implementazione. Dialogo sociale, formazione e tutele dei lavoratori influenzano il fatto che la trasformazione migliori la qualità del lavoro.

Queste garanzie mettono in discussione l'idea che il solo adattamento del mercato produrrà un buon risultato. I lavoratori hanno livelli diversi di potere contrattuale e le aziende dispongono di più informazioni sull'automazione pianificata rispetto ai dipendenti.

Le piccole imprese affrontano vincoli distinti. Possono accedere a strumenti di AI capaci, ma molte non dispongono di team di sicurezza dedicati, dati interni ben organizzati o tempo per valutazioni approfondite. L'adozione potrebbe restare superficiale anche quando la tecnologia dà buoni risultati in test controllati.

Le grandi aziende possono muoversi più rapidamente in alcune aree perché dispongono di capitale e personale specializzato. Tuttavia, sistemi legacy, regole di approvvigionamento e obblighi normativi possono rallentare le implementazioni aziendali.

Queste differenze rendono incerte le previsioni nazionali. L'adozione dell'AI non avanzerà alla stessa velocità in ogni azienda e professione.

Anche l'affidabilità dei modelli può cambiare rapidamente. Migliori capacità di ragionamento, minori costi operativi o sistemi agentici più robusti potrebbero rendere economicamente conveniente un'automazione più profonda. Il confine attuale delle mansioni non è permanente.

La conclusione prudente non è che Hanke abbia torto. È che la sua posizione affronta un esito, la distruzione netta di posti di lavoro su vasta scala, mentre i lavoratori sperimentano diverse altre forme di pressione.

Lo scenario più plausibile nel breve termine combina guadagni di produttività con licenziamenti selettivi, minori assunzioni, una sostanziale riprogettazione dei ruoli e effetti salariali disomogenei. Questa combinazione appare meno drammatica di una crisi occupazionale, ma richiede comunque attenzione.

La copertura di Google News può appiattire questa complessità in titoli contrapposti. Una parte sostiene che l'AI eliminerà il lavoro, mentre l'altra richiama tecnologie precedenti che hanno creato prosperità.

Entrambe le prospettive trascurano la dimensione operativa intermedia. I datori di lavoro automatizzeranno singoli flussi di lavoro, scopriranno nuovi colli di bottiglia, adatteranno il personale e ripeteranno il processo. L'impatto sul mercato del lavoro si accumulerà attraverso migliaia di decisioni, anziché in un singolo evento decisivo.

I Lavoratori a Inizio Carriera Corrono il Rischio Maggiore

La minaccia immediata più grande non è la scomparsa di ogni lavoro d'ufficio. È l'erosione del primo gradino della carriera.

Le attività entry-level spesso sembrano automatizzabili perché comportano lavoro digitale prevedibile. I dipendenti junior riassumono documenti, preparano prime bozze, svolgono ricerche di base, aggiornano registri e scrivono codice di routine.

Queste attività svolgono anche una funzione formativa. Espongono i lavoratori al vocabolario organizzativo, alle aspettative dei clienti, agli errori comuni e al giudizio dei colleghi più esperti.

Eliminare le attività senza sostituire il processo di apprendimento crea un costo nascosto. Le aziende risparmiano tempo oggi, ma riducono il bacino di persone preparate per ruoli senior domani.

I manager non possono presumere che la revisione degli output dell'AI offra lo stesso sviluppo. Una revisione efficace richiede un modello mentale di ciò che dovrebbe contenere una risposta corretta. I principianti costruiscono quel modello anche producendo il lavoro in prima persona.

Questo crea un paradosso dell'esperienza. I datori di lavoro vogliono lavoratori in grado di supervisionare l'AI, ma i lavoratori hanno bisogno di esperienza pratica prima di poterla valutare in modo affidabile.

Le organizzazioni hanno diversi modi per affrontare il problema. Possono mantenere rotazioni strutturate, chiedere ai dipendenti di spiegare gli output automatizzati e assegnare al personale junior attività a contatto con i clienti o trasversali alle funzioni.

Possono anche misurare l'apprendimento anziché il mero volume di produzione. Se un modello redige la prima versione, il dipendente può documentare gli errori, migliorare la qualità delle fonti e sostenere la raccomandazione finale.

Queste pratiche richiedono investimenti. Un'azienda concentrata solo sui risparmi immediati probabilmente ridurrà le assunzioni junior prima di costruire un sistema formativo sostitutivo.

Il rischio va oltre i servizi professionali. Assistenza clienti, marketing, contabilità, sviluppo software e operazioni legali dipendono tutti da percorsi che spostano i lavoratori dalle attività di routine verso responsabilità che richiedono giudizio.

I modelli di apprendistato sono sopravvissuti alle tecnologie precedenti perché le industrie hanno ancora bisogno di persone esperte. L'AI solleva la possibilità che le aziende sottoinvestano nella fase iniziale aspettandosi però che quella successiva continui.

Anche le istituzioni educative subiscono pressioni. Insegnare agli studenti a produrre saggi generici o codice di base offre meno valore quando i modelli possono generare istantaneamente tali output. I programmi devono enfatizzare verifica, conoscenza del dominio, definizione dei problemi e processo decisionale responsabile.

Questo cambiamento non dovrebbe diventare una scusa per abbandonare le competenze fondamentali. Gli studenti che non imparano mai a scrivere, calcolare o programmare senza assistenza potrebbero faticare a rilevare errori sofisticati.

I lavoratori già inseriti nelle organizzazioni possiedono un vantaggio. Comprendono processi interni, relazioni ed eccezioni che un nuovo candidato non può facilmente dimostrare. L'adozione dell'AI può quindi proteggere gli occupati attuali restringendo al contempo i punti di ingresso.

Questo esito non apparirebbe come una distruzione di posti di lavoro su vasta scala. Apparirebbe come una generazione che riceve meno opportunità per iniziare.

Gli effetti potrebbero in seguito raggiungere salari e mobilità. Quando meno datori di lavoro formano lavoratori inesperti, i candidati competono per un insieme più ristretto di opportunità. Le aziende possono richiedere più esperienza offrendo al contempo minori compensi.

L'argomento storico di Hanke offre comunque un motivo di ottimismo. Nuove industrie e responsabilità possono creare percorsi di ingresso alternativi. Valutazione dell'AI, gestione dei dati, progettazione dei flussi di lavoro, conformità e implementazione presso i clienti richiedono tutti lavoro umano.

Tuttavia, molti di questi ruoli richiedono competenze che i lavoratori un tempo sviluppavano attraverso i posti di lavoro oggi esposti all'automazione. I datori di lavoro devono costruire ponti, anziché presumere che il mercato fornirà candidati esperti.

È qui che l'argomento della riprogettazione del lavoro riceve la sua prova più impegnativa. Riprogettare non può significare dare a un dipendente senior un sistema di AI ed eliminare il team junior.

Un modello duraturo deve spiegare come le persone entrano, imparano e avanzano. Senza questo percorso, i guadagni di produttività di oggi possono creare carenze di competenze domani.

Cosa Osservare Dopo il Dibattito Steve Hanke su Google News

Tre segnali metteranno alla prova la tesi di Hanke più efficacemente di un'altra previsione sull'intelligenza artificiale generale.

Il primo segnale è l'assunzione di personale entry-level nelle professioni esposte all'AI. Le opportunità per sviluppatori software junior, analisti, professionisti amministrativi, marketer e addetti all'assistenza clienti offrono una prima indicazione del comportamento dei datori di lavoro.

Un calo persistente di queste opportunità indebolirebbe la tesi ottimistica, soprattutto se l'attività economica complessiva restasse sana. Suggerirebbe che le aziende stanno usando l'AI per ridurre la domanda di nuovi lavoratori.

Assunzioni entry-level stabili o in crescita rafforzerebbero la posizione di Hanke. Indicherebbero che i datori di lavoro hanno ancora bisogno di persone anche mentre automatizzano le parti di routine del lavoro.

Il secondo segnale è la relazione tra produttività, produzione e numero di dipendenti. La sola crescita della produttività non può distinguere l'espansione dal taglio dei costi.

Se le aziende riportano una produzione più elevata, una domanda dei clienti in crescita e occupazione stabile, l'AI apparirà più come una tecnologia complementare. I lavoratori produrrebbero di più mentre le organizzazioni perseguono mercati più ampi.

Se il fatturato per dipendente aumenta soprattutto perché il numero di dipendenti diminuisce, le evidenze sosterranno la tesi della sostituzione. Gli investitori dovrebbero esaminare i cambiamenti nel personale insieme a vendite, volume dei servizi e spesa in conto capitale.

Il terzo segnale è la crescita salariale nelle professioni altamente esposte. L'occupazione può restare stabile mentre la dinamica delle retribuzioni perde slancio.

Una crescita salariale più lenta suggerirebbe che l’AI ha aumentato l’offerta di output utilizzabile o indebolito il potere contrattuale dei dipendenti. Un simile risultato metterebbe in discussione qualsiasi definizione di successo basata esclusivamente sul numero di posti di lavoro.

Una sana crescita salariale dimostrerebbe che i guadagni di produttività stanno raggiungendo i lavoratori, soprattutto se accompagnati da tempi più brevi per coprire le posizioni aperte e da assunzioni solide. Sosterrebbe l’argomentazione secondo cui l’AI integra competenze umane scarse.

I responsabili politici dovrebbero monitorare questi segnali per professione, età, genere e regione. Le medie nazionali possono celare perdite concentrate tra gli impiegati amministrativi, i neolaureati o le comunità dipendenti da un ristretto numero di datori di lavoro.

I ricercatori devono inoltre distinguere gli effetti dell’AI da quelli dei tassi d’interesse, delle politiche commerciali, dei cambiamenti demografici e dei normali cicli economici. Talvolta le aziende citano l’AI mentre riducono il personale per ragioni finanziarie più ampie.

Vale anche il contrario. Le imprese possono automatizzare silenziosamente il lavoro senza definire la decisione un’iniziativa di AI. I ricercatori avranno bisogno di annunci di lavoro, dati sulle buste paga, indagini sulle attività e comunicazioni aziendali per costruire un quadro credibile.

I lettori dovrebbero evitare di considerare i dati di un singolo mese come un verdetto. Assunzioni e investimenti oscillano, mentre i cambiamenti organizzativi possono richiedere diversi trimestri per emergere.

La domanda più utile è se si stia formando un modello coerente. Le professioni maggiormente esposte stanno perdendo opportunità più rapidamente di ruoli comparabili? I guadagni di produttività stanno ampliando la domanda? I salari tengono il passo?

L’argomentazione di Steve Hanke merita attenzione perché mette in discussione un’assunzione semplicistica. La capacità di automatizzare il lavoro non determina il numero finale di posti di lavoro in un’economia dinamica.

I critici meritano pari attenzione perché l’adattamento aggregato può nascondere perdite gravi per persone specifiche. Un guadagno netto offre poco conforto a chi, per competenze, luogo di residenza o età, non riesce ad accedere alle nuove opportunità.

Le prove emergenti non sostengono né la compiacenza né la certezza di un’apocalisse occupazionale causata dall’AI. Indicano un rapido cambiamento delle attività, uno spiazzamento selettivo e una contesa su chi riceverà i benefici.

Questo è lo standard che la futura copertura di Google News dovrebbe applicare. Occorre osservare assunzioni, produzione e salari effettivi prima di accettare sia la promessa di un’abbondanza senza sforzo sia la previsione di una disoccupazione universale.

Per i lavoratori, la risposta pratica è documentare come il loro giudizio migliori i risultati assistiti dall’AI, non soltanto quanto rapidamente utilizzano un modello. Per i datori di lavoro, il criterio è stabilire se l’automazione amplia le ambizioni preservando al contempo un percorso di apprendimento per le persone.

I prossimi rapporti sul lavoro e le comunicazioni aziendali riveleranno se l’AI diventerà un motore di produzione più ampia o un meccanismo più ristretto per ridurre il costo del personale. Verso quale esito si sta orientando il vostro luogo di lavoro?