Qualche giorno fa mi sono fermato su un dato della Banca Centrale Europea.
Tra il primo trimestre del 2023 e il primo trimestre del 2026 l’occupazione dei giovani nel settore ICT europeo è diminuita in maniera significativa. Una dinamica simile, seppure meno intensa, compare nei servizi professionali e nella finanza (European Central Bank [ECB], 2026).
Avrei potuto leggerlo come un altro dato sul rapporto tra intelligenza artificiale e lavoro.
Poi mi sono imbattuto in altri dati. Nel Regno Unito si stanno riducendo le opportunità rivolte ai laureati. Negli Stati Uniti alcune ricerche mostrano che le imprese stanno cambiando la composizione delle assunzioni e, insieme, il contenuto stesso dei lavori (Steele & Cruz, 2026; Wang et al., 2026).
Ho ripensato alle prime cose che facevamo quando abbiamo cominciato a lavorare. Alle ricerche preparatorie, alle bozze da rifare, ai dati da mettere in ordine, alle analisi più semplici affidate a chi aveva appena iniziato. Molte erano attività che speravamo di lasciarci presto alle spalle.
Oggi una parte di quelle attività può essere svolta in pochi secondi dall’intelligenza artificiale.
E mentre pensavo al tempo che possiamo risparmiare, mi sono chiesto che cosa ci fosse davvero dentro quel tempo.
Perché forse dentro c’era anche una parte del modo in cui siamo diventati capaci.
Volevamo occuparci delle questioni importanti, partecipare alle decisioni, assumerci responsabilità maggiori.
Solo molti anni dopo ci accorgiamo che una parte di ciò che siamo diventati ha cominciato a formarsi proprio lì.
In quel documento che ci veniva restituito pieno di correzioni.
In una riunione nella quale ascoltavamo qualcuno più esperto accorgersi in pochi minuti di qualcosa che a noi era completamente sfuggito.
In un errore che ci aveva costretto a ricominciare.
Nelle domande che inizialmente faticavamo persino a comprendere e che, dopo qualche anno, avevamo cominciato a formulare noi.
C’è una parte della competenza che nasce così, attraverso una lenta sedimentazione dell’esperienza.
Come si diventa esperti
Lo comprendiamo bene quando incontriamo qualcuno che conosce profondamente il proprio mestiere. A volte quella persona fatica persino a spiegare come abbia fatto ad accorgersi che qualcosa non funzionava. Dice che c’era qualcosa di strano, che un particolare l’aveva insospettita, che valeva la pena guardare meglio.
Potremmo chiamarla intuizione. Dietro quell’intuizione, però, vivono centinaia di situazioni già incontrate, errori ricordati, eccezioni riconosciute, conseguenze osservate. L’esperienza ha lentamente modificato il modo di vedere.
Forse diventare esperti significa anche questo: cominciare a vedere differenze che prima erano invisibili.
Una persona esperta può utilizzare queste tecnologie e aumentare enormemente la propria capacità di azione. Possiede già un patrimonio di conoscenze e di esperienze con cui confrontare ciò che riceve. Riconosce una risposta mediocre, avverte un’incongruenza, comprende ciò che manca, sa quando approfondire e quando fermarsi.
L’intelligenza artificiale può diventare per lei una straordinaria estensione delle possibilità.
Questa domanda attraversa anche una riflessione precedente sul rapporto tra intelligenza artificiale, lavoro e ciò che resta propriamente umano.
Ma che cosa accade quando la stessa tecnologia accompagna qualcuno che quelle esperienze deve ancora costruirle?
Quando l’AI incontra chi deve ancora imparare
Quando un’impresa decide di automatizzare un’attività, guarda comprensibilmente al tempo, ai costi, alla qualità, alla produttività.
Eppure, dentro quella decisione economica, ce n’è un’altra molto meno visibile. Ogni volta che affidiamo interamente un compito a una macchina, qualcuno smette di fare quell’esperienza.
Quando quell’esperienza rappresentava anche un passaggio attraverso cui si costruiva una competenza, l’automazione interviene sulla formazione degli esperti futuri.
La domanda, allora, non riguarda soltanto ciò che possiamo automatizzare. Riguarda anche le esperienze che dovremo lasciare alle persone perché possano diventare capaci di governare ciò che stiamo automatizzando.
È una questione che riguarda anche il modo in cui ripensiamo le organizzazioni nell’era dell’intelligenza artificiale.
Se alcuni dei primi gradini della carriera vengono occupati dalle macchine, allora diventa inevitabile chiedersi attraverso quali altri passaggi una persona potrà imparare a salire.
Per molto tempo questo problema si è risolto quasi da solo.
Si entrava in un’organizzazione dalle attività più semplici. Il lavoro esponeva gradualmente a problemi nuovi. Si osservavano persone più esperte. Arrivavano compiti più complessi, qualche responsabilità, nuovi errori, nuove correzioni. A un certo punto ci si accorgeva che qualcuno appena arrivato cominciava a rivolgersi a noi per chiedere aiuto.
Senza averlo deciso in un momento preciso, eravamo diventati quelli più esperti.
Questa continuità potrebbe diventare sempre meno spontanea.
Le esperienze attraverso cui si diventa capaci, fino a ieri incorporate quasi naturalmente nella vita delle organizzazioni, dovranno essere progettate con molta più consapevolezza.
Potrebbe significare chiedere a un giovane di provare a costruire un’analisi prima di confrontarsi con quella prodotta dall’intelligenza artificiale. Invitarlo a formulare un’ipotesi prima di interrogare il modello. Farlo lavorare accanto a chi possiede esperienza, lasciandogli vedere anche i dubbi, i tentativi e le correzioni che solitamente scompaiono dietro il risultato finale. Affidargli responsabilità progressivamente più difficili e creare luoghi nei quali l’errore possa ancora essere trasformato in apprendimento.
A guardarle soltanto con il metro della velocità, alcune di queste scelte sembrerebbero persino poco convenienti.
Ma un’organizzazione vive anche nel tempo.
Le organizzazioni devono continuare a produrre competenza
I sistemi complessi ci insegnano da tempo che l’efficienza assoluta può produrre fragilità. Quando eliminiamo ogni ridondanza, ogni margine, ogni capacità apparentemente superflua, costruiamo sistemi estremamente performanti finché il mondo continua a comportarsi come previsto.
Poi arriva l’eccezione.
Ed è spesso proprio ciò che avevamo considerato inutile a permettere al sistema di adattarsi.
Ci saranno cose che converrà continuare a saper fare anche quando una macchina saprà farle meglio e più velocemente. Perché comprendere un processo conserva un valore diverso dall’essere capaci di ottenerne il risultato.
Avremo bisogno di persone che sappiano intervenire quando il sistema incontra qualcosa che i dati precedenti avevano previsto male, che sappiano riconoscere l’eccezione e ricostruire il problema quando la soluzione disponibile smette improvvisamente di funzionare.
Potremmo chiamarla una riserva di capacità umana.
La capacità umana ha valore anche quando resta momentaneamente inutilizzata. È una possibilità disponibile.
E le possibilità diventano preziose proprio quando il futuro prende una direzione che avevamo previsto poco.
La competenza non appartiene soltanto alla persona
L’intelligenza artificiale rende questa rappresentazione sempre meno sufficiente.
La capacità di agire che osserveremo nei prossimi anni nascerà sempre più dall’incontro tra ciò che una persona sa, le esperienze che ha vissuto, le tecnologie alle quali può accedere, le persone con cui lavora, l’organizzazione nella quale si trova e il margine di autonomia che quella organizzazione le riconosce.
La competenza prende forma sempre più nella relazione tra la persona e il mondo nel quale prova ad agire.
Per anni abbiamo raccontato il mismatch come una distanza. Le imprese cercano alcune competenze, le persone ne possiedono altre e la formazione dovrebbe colmare lo spazio che le separa.
Quella distanza descrive una parte del fenomeno.
La stessa persona, con le stesse conoscenze, può produrre risultati molto differenti a seconda delle tecnologie che incontra, dell’organizzazione del lavoro, delle relazioni professionali e delle possibilità di apprendimento disponibili.
L’intelligenza artificiale rende tutto questo ancora più evidente. In alcuni casi permette a una persona di svolgere attività per le quali fino a poco tempo prima sarebbe stata necessaria un’altra specializzazione. In altri consente alle imprese di compensare almeno in parte una carenza di personale. In altri ancora amplifica enormemente chi possiede già competenze elevate.
Ripensare il mismatch
Tra persone e imprese.
Tra competenze e organizzazioni.
Tra territori e opportunità.
Tra aspirazioni e condizioni reali di accesso.
Tra ciò che qualcuno potrebbe fare e ciò che il contesto gli consente effettivamente di fare.
A volte una persona avrà bisogno di formazione. In altre situazioni la competenza esiste già e deve essere riconosciuta. Altrove il problema sarà la mobilità, la cura dei figli, l’accessibilità a un’opportunità, la qualità dell’organizzazione, la disponibilità di una tecnologia, la possibilità di fare esperienza.
Orientamento, formazione, politiche attive, lavoro duale e validazione delle competenze cominciano così a mostrarsi come parti di uno stesso problema.
Stanno lavorando, da punti differenti, sulla stessa materia: la capacità delle persone di continuare a muoversi mentre cambia il mondo nel quale lavorano.
Dalla scelta alla capacità di diventare
Medico.
Ingegnere.
Insegnante.
Avvocato.
Programmatore.
Era una domanda che conteneva una certa idea del tempo. Si sceglieva una direzione, si entrava in un percorso e quella scelta contribuiva a dare una forma relativamente stabile alla propria identità professionale.
Oggi quella domanda conserva tutta la sua bellezza, ma da sola rischia di chiedere troppo al futuro.
Forse dovremmo affiancargliene un’altra.
Come vuoi imparare a continuare a diventare?
Perché molti di noi saranno chiamati più volte a essere principianti. Dovremo attraversare territori professionali che oggi conosciamo appena, lasciare competenze che hanno funzionato bene, ricombinarne altre, imparare nuovi linguaggi, utilizzare strumenti che ancora devono essere inventati.
La continuità potrebbe trovarsi sempre meno nel mestiere e sempre più nella capacità di attraversare il cambiamento conservando un rapporto con ciò che siamo e, contemporaneamente, restando disponibili a ciò che potremmo ancora diventare.
Orientare una persona significa aiutarla a vedere un territorio che da sola vede solo in parte. Significa renderle riconoscibili possibilità che ancora fatica a nominare, accompagnarla mentre prova a comprendere quali siano accessibili, quali richiedano un percorso, quali possano essere costruite.
Significa anche insegnarle a muoversi nell’ambiente dell’intelligenza artificiale per allargare lo sguardo senza consegnarle il diritto di scegliere al suo posto.
Perché possiamo chiedere a una macchina di mostrarci cento futuri.
Resta profondamente umano il problema di capire quale di quei futuri abbia senso abitare.
Dalla scala al territorio
La scala suggerisce una direzione, una successione ordinata, un sopra e un sotto. Funzionava bene in un mondo nel quale le traiettorie professionali possedevano una maggiore linearità.
Il lavoro che sta emergendo assomiglia sempre più a un territorio.
Ci sono sentieri che improvvisamente si interrompono, strade che compaiono dove prima vedevamo un confine, attraversamenti laterali, ritorni, deviazioni. Ci sono momenti nei quali avanzare significa fermarsi abbastanza a lungo da capire dove ci troviamo. E ci sono possibilità che diventano visibili soltanto dopo aver percorso una parte del cammino.
Forse anche le politiche del lavoro dovrebbero imparare a guardare le persone in questo modo.
Per anni abbiamo contato ingressi, corsi, ore di formazione, contratti, prese in carico, attivazioni.
Continueremo a farlo, perché sono informazioni necessarie.
Ma immagino un giorno nel quale, accanto a questi indicatori, riusciremo a porre una domanda molto più semplice e molto più difficile.
Dopo aver attraversato quella politica, quella formazione, quell’esperienza di lavoro, quella persona vede davanti a sé più possibilità di quante riuscisse a vederne prima?
Può raggiungerne qualcuna che prima le era preclusa?
Possiede più strumenti per costruirne di nuove?
Ha imparato qualcosa che le permetterà di attraversare anche la prossima transizione, quella che oggi ancora ignoriamo?
Se accadesse questo, avremmo fatto qualcosa di più che collocare una persona o aggiornarne le competenze.
Avremmo ampliato il suo rapporto con il futuro.
Se l’intelligenza artificiale toglierà alcuni dei primi gradini attraverso cui abbiamo imparato a lavorare, il nostro compito sarà qualcosa di più complesso che difenderli tutti o lasciarli scomparire in nome dell’efficienza.
Dovremo costruire altri modi per salire. Alcuni assomiglieranno ancora a scale, altri forse a ponti o a sentieri che oggi riusciamo appena a intravedere.
L’importante sarà lasciare abbastanza passaggi perché chi arriva dopo di noi possa ancora cominciare senza dover essere già esperto e perché, in un mondo popolato da macchine sempre più capaci, agli esseri umani rimanga qualcosa di immensamente prezioso.
La possibilità di continuare a diventare.
Per continuare il viaggio
Bibliografia
European Central Bank. (2026). Youth employment amidst cooling labour demand. ECB Economic Bulletin, Issue 5/2026.
OECD. (2026). AI and skills: What we know so far. OECD Publishing. https://doi.org/10.1787/f843b352-en
OECD. (2026). Recent policy developments on AI in the labour market. OECD Artificial Intelligence Papers, No. 63. OECD Publishing. https://doi.org/10.1787/c0ffced7-en
Polanyi, M. (1966). The tacit dimension. Doubleday.
Steele, J. L., & Cruz, I. (2026). Helping people choose careers in the age of AI [Preprint]. arXiv. https://doi.org/10.48550/arXiv.2607.15506
Wang, F., Wei, Z., & Wang, Y. (2026). Generative AI and the reorganization of labor demand [Preprint]. arXiv. https://doi.org/10.48550/arXiv.2605.23159
Nessun commento:
Posta un commento