Ogni ciclo tecnologico produce la stessa liturgia apocalittica. Prima arrivano gli evangelisti con slide color pastello e promesse di produttività “esponenziale”; subito dopo compaiono gli economisti televisivi che annunciano la fine del lavoro umano come se stessero recensendo l’ultima stagione di una serie Netflix. L’intelligenza artificiale non fa eccezione. Cambia soltanto il lessico: oggi il termine magico è “white-collar extinction”, un’espressione sufficientemente drammatica da generare click, investimenti e panel conferenze a Davos nello stesso pomeriggio.
Le dichiarazioni di David George meritano attenzione proprio perché arrivano dal cuore del capitalismo tecnologico americano, cioè da quel mondo che storicamente vende il futuro con l’entusiasmo di un televenditore e la freddezza di un hedge fund. George sostiene che il panico attorno all’AI e alla distruzione dei lavori cognitivi derivi dalla vecchia “lump-of-labor fallacy”, l’idea secondo cui esisterebbe una quantità fissa di lavoro nell’economia. È un concetto antico, quasi ottocentesco, eppure incredibilmente resistente. Ogni rivoluzione industriale ha prodotto la convinzione che “questa volta sia diverso”. Ogni volta il mercato del lavoro è stato sconvolto, spesso brutalmente; ogni volta però sono emerse nuove forme di occupazione che nessuno era in grado di prevedere.
La storia economica, osservata senza romanticismi, è una gigantesca macchina di riallocazione del dolore e del capitale. Quando il trattore sostituì milioni di lavoratori agricoli negli Stati Uniti, non si verificò il collasso permanente dell’occupazione. Si verificò qualcosa di molto meno poetico ma molto più interessante: le persone migrarono verso industrie che ancora non esistevano. Fabbriche, servizi, assicurazioni, retail, software. L’essere umano ha una capacità quasi patologica di inventare nuovi bisogni appena risolve quelli precedenti. Keynes immaginava settimane lavorative di quindici ore; il capitalismo invece ha preso i guadagni di produttività e li ha trasformati in nuovi consumi, nuove ansie, nuovi abbonamenti SaaS e nuove riunioni su Zoom che avrebbero probabilmente traumatizzato anche Max Weber.
Qui emerge il nodo centrale che molti analisti AI ignorano: il lavoro non è semplicemente produzione economica. È status, coordinamento sociale, identità, gerarchia, distribuzione del reddito e, spesso, teatro aziendale. Una quantità sorprendente di occupazioni moderne esiste non perché strettamente necessaria, ma perché il sistema economico contemporaneo genera complessità amministrativa a velocità industriale. L’intelligenza artificiale può comprimere enormi quantità di lavoro cognitivo standardizzato; questo però non implica automaticamente la sparizione del lavoro umano. Implica piuttosto una ridefinizione violenta del valore percepito.
Il vero problema è che gran parte del lavoro white-collar contemporaneo è diventato proceduralmente fragile. Presentazioni PowerPoint, reportistica intermedia, customer support standardizzato, compliance documentale, marketing operativo, coding ripetitivo; attività che per anni sono state vendute come “knowledge work” e che improvvisamente scoprono di assomigliare molto a una catena di montaggio linguistica. L’AI generativa eccelle esattamente in questo spazio ambiguo: produce output sufficientemente buoni, sufficientemente veloci e sufficientemente economici da creare pressione salariale immediata.
La Silicon Valley sta vivendo un momento quasi schizofrenico. Da una parte, CEO come Elon Musk o Dario Amodei parlano apertamente di automazione massiva dei lavori cognitivi. Dall’altra, le stesse aziende stanno assumendo ingegneri AI con stipendi che ricordano più il calciomercato saudita che il tradizionale mercato tech americano. È una contraddizione solo apparente. Le rivoluzioni tecnologiche non eliminano immediatamente il lavoro; eliminano soprattutto il lavoro mediocre. Premiano invece in modo sproporzionato le competenze rare, l’accesso al capitale e la capacità di orchestrare sistemi complessi.
Il dettaglio interessante riguarda proprio gli sviluppatori software. Per due anni l’industria ha raccontato che GitHub Copilot e gli LLM avrebbero ridotto drasticamente il bisogno di programmatori. Nel frattempo, la domanda per software engineer senior continua a rimanere elevata in molti segmenti strategici. Questo accade perché l’automazione del coding non elimina automaticamente la necessità di architettura, governance, sicurezza, integrazione, design dei sistemi e supervisione. Scrivere codice è soltanto una frazione del valore reale prodotto dall’ingegneria software. Il mercato finalmente se ne sta accorgendo, con un certo imbarazzo.
Esiste però una distinzione fondamentale che raramente viene affrontata con onestà intellettuale. L’AI probabilmente non distruggerà il lavoro in senso assoluto; distruggerà invece moltissimi percorsi tradizionali di ingresso nelle professioni cognitive. Questa è una differenza enorme. Se un junior analyst, un customer support operator o un programmatore entry-level diventano economicamente sostituibili da agenti AI, il problema non è soltanto occupazionale. Diventa strutturale. Come si formano i senior di domani se il livello junior viene sterilizzato dall’automazione?
L’economia moderna ha sempre funzionato come una piramide di apprendimento implicito. Si iniziava facendo attività ripetitive, si accumulava esperienza e gradualmente si saliva verso compiti ad alto valore. L’AI rischia di comprimere violentemente la base di quella piramide. È un problema che pochi venture capitalist affrontano apertamente perché interferisce con la narrativa ottimistica dell’“abundant intelligence”. Una narrativa elegante, certamente; anche molto redditizia quando si stanno raccogliendo fondi miliardari.
Le stime del International Monetary Fund e del World Economic Forum sulla trasformazione del mercato del lavoro non sono necessariamente catastrofiste; sono statisticamente coerenti con ciò che accade durante shock tecnologici ad alta diffusione. Il dato sul calo delle offerte entry-level negli Stati Uniti riflette qualcosa di più profondo della semplice efficienza operativa. Le imprese stanno iniziando a chiedersi perché assumere cinque analisti junior quando un senior potenziato da AI può produrre output comparabili in metà tempo.
Naturalmente, il capitalismo raramente lascia inutilizzata una nuova fonte di produttività. Se l’intelligenza artificiale riduce drasticamente il costo della cognizione, emergeranno inevitabilmente nuovi mercati costruiti su quella abbondanza. La questione non è “se”, ma “chi”. Ogni rivoluzione tecnologica redistribuisce potere economico verso chi controlla infrastrutture, piattaforme e standard. Nel caso dell’AI, questo significa cloud provider, hyperscaler, produttori di chip e grandi modelli linguistici proprietari. Non è esattamente un caso se l’intera economia AI contemporanea ruoti attorno a pochi attori con capitalizzazioni superiori al PIL di diversi stati sovrani.
Il dibattito tra Sam Altman e Amodei è emblematico. Altman accusa Anthropic di “fear-based marketing”; Anthropic insiste sui rischi sistemici dell’AI avanzata. Entrambe le posizioni contengono una quota di verità e una quota di strategia competitiva. La paura regolatoria è uno strumento di mercato. Più un sistema appare potente e pericoloso, più diventa plausibile sostenere che soltanto pochi attori responsabili debbano controllarlo. È una dinamica antica quanto l’industria energetica e infinitamente più elegante quando viene confezionata come “AI safety”.
La parte ironica è che molte aziende stanno adottando l’intelligenza artificiale senza avere una reale strategia di trasformazione organizzativa. Acquistano copiloti, chatbot enterprise e piattaforme generative come negli anni Novanta si acquistavano ERP multimilionari: con la vaga convinzione che “bisogna esserci”. Una quantità significativa di implementazioni AI corporate oggi produce soprattutto due risultati: più slide per il board e nuovi KPI inventati dai consulenti. Il valore reale arriverà più lentamente, ma arriverà.
La vera variabile che determinerà l’impatto occupazionale dell’AI non sarà la capacità tecnica dei modelli. Sarà la velocità con cui istituzioni, sistemi educativi e imprese riusciranno a riadattare il capitale umano. Ed è qui che il quadro diventa meno rassicurante. La tecnologia evolve con cicli trimestrali; i sistemi educativi nazionali evolvono con la rapidità di una cattedrale medievale. Molte università continuano a preparare studenti per lavori che potrebbero essere radicalmente trasformati prima ancora della loro laurea.
L’intelligenza artificiale probabilmente renderà la conoscenza più economica, ma non renderà automaticamente più equa la distribuzione della ricchezza prodotta. Questo è il punto che entusiasma poco gli investitori ma interessa enormemente la stabilità sociale. Se la produttività cresce mentre il potere contrattuale del lavoro diminuisce, il risultato non è utopia tecnologica. È concentrazione economica accelerata. Storicamente, questi squilibri vengono corretti o dalla politica fiscale o da crisi sistemiche. Talvolta da entrambe.
George ha ragione quando sostiene che non esiste una quantità fissa di cognizione umana da utilizzare. L’economia digitale ha dimostrato più volte che nuovi strumenti generano nuovi comportamenti e nuovi mercati. Nessuno nel 1995 prevedeva influencer manager, prompt engineer, creator economy strategist o specialisti SEO per modelli generativi. Alcuni di questi ruoli sembrano satire involontarie del capitalismo contemporaneo, ma producono reddito reale.
Il problema è che la transizione sarà probabilmente molto più disordinata di quanto suggeriscano i post ottimistici dei venture capitalist. Le rivoluzioni industriali sono magnifiche viste retrospettivamente; attraversarle in tempo reale è spesso traumatico. L’AI non rappresenta la “fine del lavoro”. Rappresenta qualcosa di più sottile e più destabilizzante: la progressiva mercificazione dell’intelligenza standardizzata. In pratica, la conoscenza operativa sta diventando infrastruttura.
Nel lungo periodo emergeranno nuovi settori, nuovi servizi e nuove professioni. Succede sempre. Ma nel breve periodo milioni di lavoratori cognitivi scopriranno che il vero vantaggio competitivo non è più “sapere fare”, bensì “sapere orchestrare”. È una distinzione brutale. Significa che il valore si sposterà verso chi sa definire problemi, integrare sistemi, gestire contesti ambigui e prendere decisioni strategiche sotto incertezza.
Paradossalmente, l’AI potrebbe rendere più preziose proprio le qualità più umane e meno proceduralizzabili: giudizio, leadership, intuizione, negoziazione, creatività autentica, capacità politica. Tutto ciò che per anni il management ha definito “soft skill” con un certo paternalismo HR potrebbe diventare hard currency economica. Una vendetta silenziosa della complessità umana contro l’ossessione algoritmica della standardizzazione.
Blog post: https://www.a16z.news/p/the-ai-job-apocalypse-is-a-complete?hide_intro_popup=true