IA e lavoro: chi rischia davvero e chi è al sicuro, secondo Anthropic

Negli ultimi mesi abbiamo letto ovunque che l’intelligenza artificiale ruberà il lavoro a milioni di persone, ma capire quanto questo rischio sia concreto è molto più complicato di quanto sembri.

Un nuovo studio di Anthropic prova a fare ordine con un approccio diverso dal solito: invece di limitarsi a stimare cosa l’IA potrebbe fare in teoria, guarda a come strumenti come Claude vengono davvero usati sul lavoro e a come questo uso incrocia i dati ufficiali su occupazione e disoccupazione negli Stati Uniti.

La ricerca introduce una metrica chiamata "observed exposure": in pratica misura quanto i compiti di un mestiere risultano coperti dall’IA non solo in teoria, ma anche nell’uso reale in contesti di lavoro.

Per costruirla, gli autori combinano tre fonti: il database O*NET (che elenca i compiti di circa 800 professioni USA), i dati di utilizzo di Claude (Anthropic Economic Index) e uno studio precedente (Eloundou et al. 2023) che valuta se un modello linguistico può rendere un compito almeno due volte più veloce.

Ogni compito riceve un punteggio teorico (0, 0,5 o 1) in base a quanto un LLM può accelerarlo, ma conta di più ciò che accade davvero: i compiti che vedono un uso automatizzato e legato al lavoro pesano di più, quelli dove l’IA affianca la persona (uso assistito) valgono la metà.

Alla fine, per ogni professione gli autori calcolano quanta parte del tempo di lavoro ricade su compiti dove l’IA è effettivamente presente in flussi reali, dando così un’idea più concreta del rischio di sostituzione.

Confrontando la capacità teorica dell’IA con l’uso osservato, emerge un divario netto: ciò che i modelli potrebbero fare copre una fetta molto più ampia di compiti rispetto a ciò che oggi viene davvero automatizzato.

In categorie come informatica e mansioni d’ufficio, lo studio precedente indicava che l’IA potrebbe intervenire sulla grande maggioranza dei compiti (oltre il 90% in alcuni casi), ma i dati di utilizzo di Claude mostrano una copertura reale molto più bassa: ad esempio, per i lavori in Computer & Math la copertura osservata arriva intorno al 33%.

All’estremo opposto, circa il 30% dei lavoratori risulta con copertura zero: qui rientrano mestieri dove l’IA quasi non compare nei dati, come cuochi, meccanici di moto, bagnini, baristi, lavapiatti o addetti agli spogliatoi, spesso legati ad attività fisiche o di contatto diretto.

Guardando alle singole professioni, in cima alla classifica di esposizione osservata troviamo i programmatori: per loro lo studio stima che circa il 75% dei compiti sia coperto da utilizzi di IA, in linea con il forte uso di Claude per scrivere e correggere codice.

Subito dopo compaiono i customer service representative, dove molte interazioni con i clienti passano già da API e flussi automatizzati, e i data entry keyers, che leggono documenti di origine e inseriscono dati: per questi ultimi la copertura arriva al 67%, segno che la parte più ripetitiva del lavoro risulta particolarmente automatizzabile.

In fondo alla distribuzione troviamo invece professioni dove i compiti non compaiono quasi mai nei dati di utilizzo dell'IA: oltre ai lavori manuali già citati, rientrano attività che richiedono presenza fisica o responsabilità legali dirette, come rappresentare clienti in tribunale, ancora fuori dalla portata pratica dei modelli linguistici (ma da "Avvocato Ligas" ad "Avvocato Claude" il passo è breve).

Incrociando la nuova metrica con i dati dell’indagine Current Population Survey (agosto–ottobre 2022), gli autori confrontano il quartile di lavoratori più esposti con il 30% meno esposto.

Le differenze sono marcate: i lavoratori nelle professioni ad alta esposizione risultano più spesso donne (circa 16 punti percentuali in più), più frequentemente bianchi e quasi il doppio delle probabilità di essere asiatici rispetto al gruppo non esposto.

Sul fronte economico, chi lavora nei mestieri più esposti guadagna in media circa il 47% in più e ha livelli di istruzione più alti: le persone con laurea magistrale o dottorato passano da circa 4,5% nel gruppo non esposto a 17,4% tra i più esposti, quasi quattro volte tanto.

Il quadro cambia leggermente quando si guarda non a chi perde il lavoro, ma a chi entra nel mercato del lavoro o cambia occupazione, con un focus sui giovani tra 22 e 25 anni.

Tra il 2024 e il 2025, le serie sembrano divergere: il tasso di ingresso nei mestieri meno esposti resta intorno al 2% al mese, mentre per quelli più esposti cala di circa 0,5 punti percentuali. In media, nel periodo post-ChatGPT, l'ingresso nei lavori più esposti risulta circa il 14% più basso rispetto al 2022.

Questo effetto è appena al limite della significatività statistica e non compare per i lavoratori oltre i 25 anni. Gli autori sottolineano che le interpretazioni alternative non mancano: i giovani potrebbero restare nel lavoro attuale, spostarsi verso altri mestieri o tornare a studiare, e i dati sui cambi di lavoro sono più fragili per natura.

Nel complesso, però, il segnale è coerente con l'idea che le aziende stiano procedendo con più prudenza nell'assumere giovani in ruoli dove l'IA è già molto presente, pur senza generare per ora un'ondata visibile di disoccupazione.

Questo lavoro non chiude certo il dibattito sul rapporto tra IA e occupazione, ma offre una base più solida per monitorare cosa succede davvero: la differenza tra ciò che i modelli potrebbero fare e ciò che fanno oggi sul lavoro potrebbe diventare, nei prossimi anni, il termometro più utile per capire quando il rischio di dislocazione inizierà a trasformarsi in un problema concreto per lavoratori, economia e legislatori.

L'articolo IA e lavoro: chi rischia davvero e chi è al sicuro, secondo Anthropic sembra essere il primo su Smartworld.