Quando si parla di futuro del lavoro, c’è un dato recente, pubblicato a gennaio 2026 dal Fondo Monetario Internazionale, che vale la pena tenere a mente: nei Paesi con alta adozione di competenze IA, l’occupazione nei ruoli più esposti alla tecnologia è il 3,6% più bassa dopo cinque anni rispetto ai Paesi dove quella adozione è ancora limitata. È un fenomeno già in corso, che colpisce in modo sproporzionato chi si affaccia per la prima volta al mercato del lavoro: i task tipicamente assegnati alle persone neoassunte – ricerca, redazione di base o gestione documentale – sono tra i più facilmente automatizzabili.
La narrativa più diffusa sulla transizione IA è quella dell’evoluzione graduale: quando le competenze cambiano, chi si aggiorna trova la sua strada. Ma questa equivalenza funziona per chi è già dentro il sistema, con un contratto stabile e il tempo da investire in aggiornamento; per chi sta entrando nel mercato, o per chi lavora in settori a bassa sindacalizzazione e con contratti atipici, i termini della transizione sono molto diversi.
Anche i dati italiani lo confermano: secondo l’ultimo OsservatorioD sul benessere tecnologico (Valore D/SWG, marzo 2026), in Italia solo 1 persona su 6 usa l’IA generativa quotidianamente, percentuale che cresce se si considerano le persone laureate (il 32% la usa ogni giorno). Il 28% delle persone in Italia, invece, non ha mai usato uno strumento di IA. Un divario che riflette condizioni strutturali di accesso, di istruzione e di contesto lavorativo, prima ancora che di volontà individuale.
L’automazione, infatti, non distribuisce costi e benefici in modo casuale: tende a seguire le linee di divario già esistenti nel mercato del lavoro.
Da creator a orchestrator: nuove frontiere (e barriere) del lavoro in era di IA
Il McKinsey Global Institute (Agents, robots, and us: Skill partnerships in the age of AI, Novembre 2025) stima che entro il 2030 il valore delle ore lavorative automatizzabili negli Stati Uniti raggiungerà circa 2.900 miliardi di dollari annui. La distribuzione di questa trasformazione, però, è tutt’altro che uniforme: il 75% della domanda attuale di competenze legate alla IA è concentrata in tre soli gruppi occupazionali – STEM, management e finanza. I settori con zero o bassissima domanda di competenze IA, come ristorazione, trasporti ed edilizia, rappresentano circa il 40% della forza lavoro statunitense e si collocano sistematicamente sotto la mediana reddituale.
Il resto della domanda proviene da altri dieci settori in cui la IA sta iniziando ad assumere un ruolo sempre più rilevante, tra cui l’architettura e l’ingegneria, l’installazione, la manutenzione e la riparazione, nonché l’istruzione.
Nel suo report, McKinsey descrive la trasformazione in corso con un frame utile: le persone stanno passando dall’essere creator di output all’essere orchestrator di sistemi. È una trasformazione reale, documentata in settori che vanno dalla farmaceutica al banking, e porta con sé un genuino ampliamento delle possibilità per chi riesce a compierla.
Assumere il ruolo di orchestratore richiede però tempo per sperimentare, contesti organizzativi che tollerano l’errore, accesso agli strumenti e una certa stabilità contrattuale. Chi lavora in un call center a termine o in un back-office amministrativo sottopagato raramente dispone di tutte queste condizioni insieme.
La transizione è reale, ma non è ugualmente disponibile, e questo accentua ulteriormente il divario, anche dal punto di vista salariale. Il premio in termini economici per chi acquisisce nuove competenze emergenti è documentato: il FMI rileva che, in ambito anglosassone, gli annunci di lavoro che richiedono almeno una nuova competenza tecnologica offrono in media il 3% in più di stipendio; per i ruoli che richiedono quattro o più nuove competenze, il premio sale fino al 15% nel Regno Unito e all’8,5% negli Stati Uniti.
Sono segnali concreti di un mercato che premia l’adattamento ma che rimane accessibile soprattutto a chi dispone delle condizioni per adattarsi.
Le condizioni strutturali del digital divide
La tendenza prevalente nel dibattito pubblico assegna la responsabilità di questo adattamento alle singole persone lavoratrici: arrivano ormai da innumerevoli canali gli inviti ad aggiornarsi e a rafforzare la padronanza degli strumenti di IA (che in gergo inizia a essere chiamata AI fluency). È una lettura parziale, perché individua nel singolo la variabile su cui agire senza considerare le condizioni strutturali che rendono quell’azione possibile o impossibile. Secondo un’analisi dell’International Labor Organization (Generative AI and jobs: a 2025 update, ILO/NASK-PIB, 2025), una persona lavoratrice su quattro nel mondo svolge un’occupazione con qualche grado di esposizione alla IA generativa. Nei Paesi ad alto reddito questa quota sale al 34%; nei Paesi a basso reddito scende all’11%, soprattutto perché mancano le infrastrutture che renderebbero l’automazione economicamente conveniente.
L’esclusione dai benefici della IA è una forma di disuguaglianza meno visibile della sostituzione diretta, ma altrettanto rilevante sul piano delle opportunità. Per l’ILO, del resto, l’effetto principale della IA generativa sulle occupazioni non è la scomparsa dei posti di lavoro ma la trasformazione del lavoro stesso, con implicazioni importanti sulla qualità: l’automazione di alcuni task può liberare tempo per attività più significative, oppure produrre una maggiore standardizzazione dei processi e una riduzione dell’autonomia, a seconda di come viene governata.
L’automazione vista da una lente di genere
Se i più recenti dati del Global Gender Gap Report ci hanno confermato quanto sia ancora lunga la strada verso una piena parità di genere nel mondo del lavoro, la transizione IA e l’automazione di molti processi aziendali rende ancora più visibili le disuguaglianze. In alcuni casi le accentua.
Secondo l’analisi ILO/NASK-PIB, i ruoli con i punteggi di esposizione più alti alla IA generativa sono quelli statisticamente più popolati dal lavoro femminile: lavoro impiegatizio, supporto amministrativo, customer service. In Europa e Asia Centrale, il 39% dell’occupazione femminile ricade in una delle quattro categorie di esposizione all’IA generativa, contro il 26% di quella maschile. Queste percentuali riflettono la cosiddetta “segregazione occupazionale di genere”, che ha concentrato le donne soprattutto in quei ruoli cognitivi di routine che, secondo il McKinsey Skill Change Index, registrano i punteggi di cambiamento più alti nei prossimi cinque anni.
In più, come riporta Donata Columbro per Insider di Sky TG24, una meta-analisi di 18 studi internazionali della Harvard Business School ha dimostrato che le donne – in ogni area geografica, settore e ruolo analizzati – usano la IA generativa il 22% meno rispetto agli uomini. Questo si traduce in una minore AI fluency per le donne, proprio in un momento in cui la domanda di queste skill tecniche è cresciuta di sette volte in due anni, più rapidamente di qualsiasi altra competenza nei mercati del lavoro avanzati.
La buona notizia è che la direzione si può cambiare, e in positivo, grazie a interventi strutturati e ben contestualizzati. Tra il 2023 e il 2024, il progettoDigitHer di Valore D e Generation Italy – un percorso di formazione focalizzato nelle professioni del digitale e dell’IT, intensivo e gratuito, rivolto a 150 donne tra i 18 e i 34 anni in condizioni di inattività o disoccupazione – ha raggiunto un tasso di inserimento lavorativo del 67,3%, superando l’obiettivo iniziale del 60%. È un risultato che indica chiaramente la direzione: colmare il divario digitale di genere richiede interventi che combinino formazione tecnica, empowerment e accompagnamento al lavoro, non semplice accesso agli strumenti.
Senza interventi di questo tipo, però, il rischio di lungo periodo è che il digital gap di genere si autoalimenti: meno donne usano la IA generativa, meno i sistemi vengono addestrati su preferenze e bisogni femminili, meno i modelli producono output che le rappresentano adeguatamente. Un meccanismo che abbiamo analizzato in dettaglio nel nostro approfondimento su come riconoscere i bias dell’AI e prevenirli nei processi aziendali.
Le scelte che determinano la transizione
Il modo in cui si distribuiscono i costi e i benefici dell’automazione dipende da scelte precise: chi decide i tempi di implementazione, quali risorse vengono destinate alla transizione, chi viene coinvolto nel processo e chi resta fuori. Vale la pena fermarsi su un dato interessante registrato dal report McKinsey: quasi il 90% delle aziende ha già investito nella IA, ma meno del 40% riporta benefici misurabili. Il valore si realizza solo dove le organizzazioni ridisegnano interi flussi di lavoro attorno alla collaborazione tra persone e macchine, come scelta strategica.
Lo ha spiegato anche Antonio Palmieri, cofondatore e direttore della Fondazione Pensiero Solido, nell’episodio di D Cultura, il vodcast di Valore D, intitolato L’algoritmo siamo noi: libertà e consapevolezza nell’era digitale: la scelta tra sostituire una persona con un chatbot o affiancare la tecnologia alle persone ricade sulle persone in posizione di leadership. Ottimizzare i costi nel breve periodo è possibile, ma Palmieri la considera una scelta miope: investire nel potenziamento delle persone attraverso la tecnologia produce nel tempo una redditività maggiore per l’impresa.
Coinvolgere allora lavoratrici e lavoratori nelle decisioni sull’integrazione della IA, come raccomanda l’ILO attraverso il dialogo sociale, porta risultati migliori: chi usa gli strumenti conosce i limiti reali, sa dove l’automazione libera davvero e dove invece comprime l’autonomia. I Paesi che hanno recepito questo mindset prima degli altri – come Finlandia, Irlanda e Danimarca, che guidano lo Skill Readiness Index del FMI – hanno in comune sistemi di istruzione terziaria robusta, investimento nell’apprendimento permanente e welfare che regge durante le fasi di transizione: infrastrutture costruite nel tempo per permettere alle persone di adattarsi mentre la tecnologia evolve.
Investire nei percorsi di formazione, nella sicurezza durante la transizione e nella capacità delle persone di partecipare alle decisioni che le riguardano è la precondizione perché i guadagni di produttività dell’AI si traducano in benefici diffusi. È la stessa lezione che le grandi trasformazioni economiche del passato hanno lasciato ogni volta che qualcuno ha scelto di ascoltarla.
