I programmatori scoprono che la disruption aveva il loro badge aziendale

Per anni il settore tecnologico ha venduto una favola elegante: l’intelligenza artificiale avrebbe liberato gli sviluppatori dalle attività ripetitive, lasciando agli umani il lavoro nobile, creativo, strategico. Traduzione aziendale: il codice sporco lo fa la macchina, l’architettura la fa il talento. Era una narrativa perfetta, lucidata nei keynote, rifinita nei podcast, benedetta da venture capitalist che non aprono un IDE dal secolo scorso. Ora arriva la Federal Reserve e mette un numero dove prima c’erano intuizioni, ansia e qualche recruiter improvvisamente silenzioso.

Uno studio firmato dagli economisti della Fed, Leland D. Crane e Paul E. Soto, sostiene che la crescita occupazionale dei programmatori statunitensi sia crollata di circa il 50% dopo il lancio di ChatGPT nel novembre 2022. Prima di allora, i lavori ad alta intensità di programmazione crescevano attorno al 5% annuo, un ritmo superiore al resto del mercato del lavoro. Dopo, frenata secca. Nei settori più saturi di sviluppatori, come servizi IT e software, la crescita si sarebbe sostanzialmente appiattita.

Il dato conta non solo per il contenuto, ma per chi lo pronuncia. Quando una banca centrale osserva un fenomeno occupazionale e lo collega a una tecnologia specifica, il discorso esce dalla bolla dei thread su X e delle slide di consulenza. Entra nella statistica istituzionale. In sostanza: non è più solo sensazione da corridoio, è materia economica.

Naturalmente gli scettici avevano argomenti solidi. Il 2022 e il 2023 non sono stati anni normali. Rialzo dei tassi, fine della sbornia digitale post-pandemia, implosioni crypto, tagli nelle Big Tech che avevano assunto come se la domanda di consegne a domicilio dovesse durare mille anni. Attribuire tutto all’AI sarebbe stato intellettualmente pigro. Gli autori, correttamente, hanno provato a isolare l’effetto costruendo un controfattuale: quanti programmatori ci sarebbero stati se la loro quota all’interno di ogni settore fosse rimasta costante.

Risultato: anche depurando il rumore macroeconomico, l’occupazione dei programmatori continuerebbe a scendere di circa il 3% annuo. Altre professioni meno esposte all’AI non mostrano una flessione comparabile. Non è una prova metafisica, ma è un segnale forte. In economia raramente si ottengono confessioni firmate dal colpevole.

Il numero che colpisce l’immaginazione è un altro: nell’arco di tre anni il gap equivarrebbe a circa 500.000 posti che probabilmente sarebbero esistiti senza l’ascesa dei large language model. Gli stessi autori invitano a non leggere quel dato come “mezzo milione di licenziamenti causati dall’AI”. Giustamente. Molti lavoratori si spostano verso ruoli contigui, product, data, operations, security, integrazione. Il mercato del lavoro è più viscoso e ambiguo di un titolo sensazionalistico.

Ma il punto strategico resta. Quando una tecnologia riduce la necessità marginale di assumere nuove persone, l’effetto iniziale non è sempre il licenziamento di massa. Più spesso è il congelamento delle nuove entrate. Si assume meno. Si rimpiazza meno chi se ne va. Si chiede al team esistente di produrre di più con copiloti, agenti e dashboard dal nome futuristico. Il taglio arriva in silenzio, travestito da efficienza.

Interessante anche la tempistica. Il gap occupazionale non si apre subito dopo ChatGPT, ma a metà 2024, circa 18 mesi dopo il debutto pubblico. È perfettamente plausibile. Le imprese non cambiano struttura occupazionale perché vedono una demo brillante. Cambiano quando iniziano a credere che la demo possa entrare nei processi, abbassare costi, reggere audit e non incendiare la compliance. In azienda l’adozione reale ha sempre un ritardo rispetto all’hype. Il PowerPoint corre, il procurement cammina.

Il settore software è inoltre la categoria più esposta all’AI perché il suo output è già digitale, testuale, modulare, verificabile. Il codice è un linguaggio formale con pattern ripetitivi, documentazione, errori ricorrenti, repository immensi da cui apprendere. Era quasi inevitabile che i programmatori diventassero il primo laboratorio del lavoro cognitivo automatizzato. Il chirurgo no. L’idraulico no. Il backend engineer junior, molto più sì.

Anche i dati d’uso industriale confermano la direzione. Vari report mostrano che coding, debugging, architettura software e task matematici rappresentano una quota enorme delle interazioni con i modelli generativi in ambiente enterprise. Non sorprende. Se una macchina produce in secondi la bozza di ciò che prima richiedeva ore, il CFO prende appunti molto prima del sociologo.

La parte più delicata riguarda i junior. Storicamente l’industria del software si è nutrita di una scala di apprendimento: si entra con task modesti, si sbaglia su problemi contenuti, si cresce, si assorbono pratiche dai senior, si diventa nel tempo risorsa critica. Se l’AI erode proprio i compiti entry-level, rischia di danneggiare il meccanismo che produce senior futuri. È il classico paradosso manageriale: ottimizzi il trimestre e indebolisci il decennio.

Uno studio di Harvard citato nel dibattito rileva infatti cali sensibili nell’occupazione junior dopo l’adozione di AI generativa, mentre i senior reggono meglio. Ha senso economico. Chi ha esperienza governa sistemi, priorità, trade-off, sicurezza, relazioni con stakeholder. Chi è all’inizio spesso esegue ticket più standardizzabili. La macchina non sostituisce ancora il veterano che decide. Sostituisce l’apprendistato che lo avrebbe creato.

Questo tema tocca università e mobilità sociale. Se i primi gradini della carriera si restringono, il premio salariale della laurea tecnica può cambiare natura. Non scompare necessariamente, ma diventa più selettivo. I migliori, o i più adattabili, saliranno molto. Gli altri rischiano un mercato più affollato, con meno porte d’ingresso e richieste più alte già al day one. Ironia crudele: ti chiedono esperienza in un ruolo che l’automazione ha cancellato prima che tu potessi farla.

Va detto che il quadro non è solo cupo. I salari dei programmatori non mostrano un collasso generalizzato. L’effetto appare sui volumi occupazionali più che sulle retribuzioni. Alcuni job posting si sono stabilizzati e in certe nicchie risalgono. È coerente con una trasformazione della domanda: meno quantità indistinta, più competenze specifiche. Integrazione AI, cybersecurity, data engineering, governance dei modelli, reliability, infrastruttura GPU, orchestrazione agentica. Il mercato non muore, si sposta.

È ciò che accade in molte rivoluzioni tecnologiche. I bancomat non hanno eliminato le banche, ma hanno cambiato il lavoro bancario. I fogli elettronici non hanno eliminato la finanza, ma hanno reso impossibile lavorarci senza analisi numerica. L’AI non eliminerà il software; renderà obsoleto un certo modo di entrarci e una certa idea romantica dello sviluppatore solitario che digita magia nella notte.

Da CEO, il messaggio è semplice e scomodo. Se gestisci un’impresa tech e stai usando l’AI solo per ridurre headcount, stai giocando in difesa. Potresti migliorare il margine per due trimestri e perdere innovazione per cinque anni. Se invece usi l’automazione per abbassare il costo di costruire nuovi prodotti, aprire mercati minori prima non profittevoli, sperimentare di più, allora trasformi produttività in crescita. Non tutti lo faranno. Molti sceglieranno il licenziamento elegante mascherato da roadmap.

Per i professionisti, la lezione è ancora più netta. Essere “bravi a programmare” non basta più come definizione. Bisogna essere bravi a risolvere problemi economici attraverso sistemi software, usando anche AI. Il codice diventa mezzo, non identità. Chi resta attaccato all’identità professionale novecentesca del puro coder rischia di sembrare un centralinista che difende il valore storico della tastiera a spinotto.

La Silicon Valley, come spesso accade, aveva promesso emancipazione universale e sta consegnando compressione selettiva. Nulla di nuovo. Ogni ondata tecnologica si presenta come democrazia delle opportunità e finisce per premiare chi controlla capitale, distribuzione e piattaforme. La novità qui è che la prima categoria colpita in modo misurabile è proprio quella che costruiva gli strumenti del cambiamento.

Un’ironia quasi letteraria. I programmatori hanno automatizzato mezzo mondo. Ora scoprono che il prossimo workflow ottimizzato era il loro.

Report: https://www.federalreserve.gov/econres/feds/files/2026018pap.pdf

https://www.federalreserve.gov/econres/feds/ai-and-coder-employment-compiling-the-evidence.htm