Anthropic: Labor market impacts of AI: A new measure and early evidence
Osservare l’intelligenza artificiale attraverso il prisma del mercato del lavoro è un esercizio sorprendentemente rivelatore, quasi antropologico. Da una parte c’è la teoria, lucida e rassicurante, costruita con modelli computazionali e benchmark sempre più sofisticati; dall’altra la realtà operativa, fatta di organizzazioni lente, processi aziendali stratificati e, soprattutto, di esseri umani che tendono a cambiare tecnologia molto più lentamente di quanto la Silicon Valley immagini. Il recente rapporto pubblicato da Anthropic, intitolato Labor market impacts of AI: A new measure and early evidence, fotografa proprio questa frizione tra potenziale e pratica. Il risultato è quasi ironico: l’intelligenza artificiale potrebbe fare molto di più di quanto stia effettivamente facendo. Una constatazione che ridimensiona molte narrazioni apocalittiche sulla sostituzione imminente del lavoro umano.
Il documento nasce da un’estensione dell’Anthropic Economic Index, una base dati costruita analizzando milioni di interazioni con il modello linguistico Claude in contesti professionali reali. L’idea è semplice ma metodologicamente interessante: confrontare ciò che i modelli linguistici potrebbero teoricamente fare con ciò che le persone stanno realmente facendo con essi sul lavoro. Il risultato grafico, nella rappresentazione del report, è quasi didascalico. L’area blu rappresenta il potenziale teorico delle capacità dei LLM, mentre l’area rossa mostra l’utilizzo reale. La distanza tra le due aree non è una sfumatura statistica; è un canyon.
Nel settore Computer & Math, che teoricamente dovrebbe essere il paradiso naturale degli LLM, il sistema di Anthropic mostra una copertura reale di appena il 33 per cento dei task. In altre parole, due terzi delle attività che potrebbero essere automatizzate o assistite dall’AI non lo sono ancora. Per un osservatore superficiale questo potrebbe sembrare un ritardo tecnologico; in realtà riflette un fenomeno molto più strutturale: l’adozione tecnologica segue curve economiche e culturali, non semplicemente curve di capacità computazionale.
La storia economica è piena di esempi simili. Quando l’elettricità fu introdotta nelle fabbriche alla fine del XIX secolo, gli economisti notarono che la produttività non aumentò immediatamente. Gli stabilimenti continuarono a essere progettati secondo la logica delle macchine a vapore, con lunghi alberi di trasmissione meccanica. Solo decenni dopo, quando le fabbriche furono ripensate attorno a motori elettrici distribuiti, la produttività esplose. L’AI oggi sembra trovarsi in una fase analoga: la tecnologia esiste, ma le organizzazioni non sono ancora state riprogettate attorno ad essa.
Il rapporto introduce inoltre una metrica piuttosto elegante per misurare il rischio di sostituzione del lavoro: la cosiddetta “observed exposure”. Non si tratta semplicemente di stimare cosa l’intelligenza artificiale potrebbe fare; si tratta di misurare cosa effettivamente sta facendo nei flussi di lavoro reali. La metrica combina tre dimensioni: la capacità teorica dei modelli linguistici, l’utilizzo osservato nei contesti lavorativi e il grado di automazione effettiva, dando maggiore peso ai casi in cui l’AI sostituisce un compito invece di limitarne l’augmentation.
Questo approccio ridimensiona molte delle stime catastrofiste circolate negli ultimi anni. Molti studi, tra cui quello celebre pubblicato da Goldman Sachs nel 2023, suggerivano che fino al 300 milioni di posti di lavoro globali potessero essere esposti all’automazione generativa. Il report di Anthropic non smentisce quel potenziale teorico, ma introduce una distinzione fondamentale tra possibilità tecnologica e implementazione economica. Nel capitalismo reale, le tecnologie non si diffondono per magia. Devono essere integrate, testate, approvate dai legali aziendali, comprese dai manager e, soprattutto, accettate dai lavoratori.
Un’altra osservazione interessante riguarda la distribuzione demografica dell’esposizione. I lavoratori nei settori più esposti all’automazione AI tendono a essere più anziani, più istruiti e sorprendentemente più spesso donne. Il dato merita qualche riflessione perché contraddice molte narrative dominanti secondo cui l’automazione colpirebbe soprattutto lavori manuali o poco qualificati. Gli LLM, per loro natura, operano meglio su attività simboliche, linguistiche e cognitive. Ciò significa che il rischio di trasformazione riguarda professioni come analisti, consulenti, programmatori junior, redattori, paralegali e professionisti dell’informazione.
Questo crea una curiosa tensione culturale. Le società occidentali promuovono da decenni il lifelong learning come antidoto all’obsolescenza professionale. Tuttavia l’automazione generativa sembra colpire proprio coloro che hanno seguito più fedelmente questo consiglio, accumulando titoli di studio e competenze cognitive. Un osservatore cinico potrebbe dire che l’AI sta iniziando la sua rivoluzione nel cuore delle professioni intellettuali, non ai margini dell’economia.
Il rapporto osserva inoltre un fenomeno interessante nel mercato del lavoro giovanile. Non esiste, almeno per ora, un aumento sistematico della disoccupazione nei settori più esposti dall’introduzione di ChatGPT alla fine del 2022. Tuttavia emergono segnali più sottili. Le assunzioni di giovani lavoratori sembrano rallentare nelle professioni più esposte, e le probabilità per i nuovi entranti di trovare lavoro in questi settori sono diminuite di circa il 14 per cento rispetto al periodo pre-ChatGPT.
Questo fenomeno è coerente con un pattern economico ben noto. Le tecnologie di automazione raramente provocano licenziamenti immediati di massa; molto più spesso riducono il flusso di nuove assunzioni. Le aziende mantengono i lavoratori esperti ma rallentano l’ingresso delle nuove generazioni. Il risultato, nel medio periodo, è una trasformazione silenziosa della struttura occupazionale.
Molti economisti hanno osservato dinamiche simili durante l’introduzione dei computer negli anni Ottanta. I lavoratori già impiegati continuarono a lavorare, ma le posizioni entry level diminuirono progressivamente. In altre parole, l’automazione non sempre distrugge posti di lavoro esistenti; spesso elimina i lavori che sarebbero stati creati.
Un’altra dimensione affascinante del report riguarda ciò che l’AI non può ancora fare. Il cosiddetto “white space” nel grafico di Anthropic rappresenta un vasto territorio di attività ancora fuori portata per i modelli linguistici. Lavori fisici come potare alberi, guidare macchine agricole o eseguire manutenzioni tecniche rimangono ampiamente al di fuori del dominio dell’AI generativa. Anche attività legali ad alta responsabilità, come rappresentare clienti in tribunale, restano saldamente ancorate alla presenza umana.
Questo paradosso ribalta alcune gerarchie culturali del lavoro. Per decenni le economie avanzate hanno considerato i lavori manuali come inferiori rispetto alle professioni cognitive. L’AI, con una certa ironia storica, sembra aver invertito temporaneamente questa scala. Un bravo elettricista o un idraulico qualificato possiedono competenze che nessun LLM è ancora in grado di replicare nel mondo fisico.
Il problema è che la narrativa tecnologica continua a muoversi su due velocità. Da un lato le aziende AI parlano di modelli sempre più potenti, con benchmark impressionanti e capacità emergenti. Dall’altro lato le organizzazioni reali affrontano problemi molto più banali: integrazione nei workflow, sicurezza dei dati, governance legale, resistenza culturale interna. Il risultato è una distanza crescente tra hype mediatico e implementazione pratica.
Questo non significa che la trasformazione non arriverà. Significa semplicemente che arriverà più lentamente e in modo più irregolare di quanto molti evangelisti tecnologici immaginino. Il progresso tecnologico raramente procede in linea retta; avanza per ondate, rallentamenti e improvvise accelerazioni.
L’analisi di Anthropic suggerisce che la vera trasformazione del lavoro non dipenderà soltanto dalla capacità dei modelli, ma dall’evoluzione delle organizzazioni. Quando le imprese inizieranno a riprogettare i processi attorno agli agenti AI, la famosa area rossa del grafico potrebbe espandersi rapidamente verso quella blu.
A quel punto il dibattito sul lavoro cambierà radicalmente tono. Non si tratterà più di chiedersi se l’AI può fare qualcosa, ma se le aziende sono disposte a lasciare che lo faccia.
La differenza tra le due domande, nella storia dell’innovazione, è spesso la distanza tra una curiosità tecnologica e una rivoluzione economica. Ed è proprio in quella distanza che oggi si muove, con passo incerto ma inevitabile, l’intelligenza artificiale.
blog: https://www.anthropic.com/research/labor-market-impacts