Da quando l’intelligenza artificiale generativa è entrata nella vita di milioni di persone e nel dibattito pubblico, una delle domande più frequenti è: quali lavori verranno sostituiti? Scompariranno prima i traduttori, i programmatori o i grafici?
Il problema è che stiamo usando l’unità di misura sbagliata per inquadrare quello che sta succedendo.
A pensarci bene, l’IA non riproduce il lavoro del traduttore, del programmatore o del grafico. Svolge attività specifiche: cercare informazioni, classificare documenti, produrre una prima bozza, confrontare alternative, rispondere a un cliente. Alcune riesce già a farle bene. Altre soltanto in parte perché richiedono conoscenza del contesto, relazione con le persone, controllo o assunzione di responsabilità.
Insomma, il lavoro non è un sistema monolitico che può essere affidato interamente a una macchina, ma un insieme di attività che possono essere di varia natura e prevedere capacità diverse.
Pensare in termini di attività non di lavoro
L’idea non nasce con la GenAI. Da tempo gli economisti studiano il cambiamento tecnologico osservando come le attività vengono distribuite tra lavoratori e macchine, anziché limitarsi a contare le professioni che nascono e quelle che scompaiono.
David Autor, uno degli studiosi più autorevoli del mercato del lavoro, definisce questo modo di guardare alle professioni “task approach”: le persone possiedono competenze, ma le applicano svolgendo attività specifiche. Quando arriva una nuova tecnologia, non sostituisce necessariamente una professione: cambia l’assegnazione di alcuni task tra lavoro umano e capitale.
Sangeet Paul Choudary, autore del fondamentale “Reshuffle”, usa un’espressione ancora più immediata: ogni lavoro è un bundle of tasks, un pacchetto di attività orientate verso un obiettivo. E la tecnologia può agire su di esse in vari modi, come vedremo.
Prendiamo il lavoro di un responsabile marketing. Sembrerebbe un lavoro omogeneo, ma in realtà può comprendere attività molto diverse come la ricerca sulle tendenze, l’analisi dei concorrenti, l’ideazione di una campagna, la negoziazione con le altre funzioni aziendali. Un modello linguistico può sintetizzare centinaia di ricerche e aiutarci nel brainstorming di idee, ma non riesce ad intuire i rapporti di potere in azienda e come riuscire a convincere il responsabile a darci più budget.
L’esposizione all’IA non riguarda quindi il titolo professionale. Riguarda la composizione del lavoro.
L’impatto dell’IA sulle singole attività
Quando impariamo ad osservare un lavoro a livello dei task, scopriamo che l’intelligenza artificiale può intervenire in almeno quattro modi:
- Può sostituire un’attività: una trascrizione, una traduzione preliminare o la classificazione di migliaia di documenti possono essere eseguite quasi interamente da un modello IA;
- Può accelerarla: il professionista continua a svolgere il compito, ma impiega meno tempo per arrivare al risultato;
- Può abbassarne la soglia di competenza: una persona meno esperta riesce a produrre un risultato che prima avrebbe richiesto anni di pratica o l’intervento di uno specialista;
- Può creare nuove attività per l’umano: preparare il contesto, definire criteri di valutazione, controllare gli output, coordinare agenti, gestire eccezioni e decidere quando il sistema non deve essere utilizzato.
Il numero dei task tecnicamente automatizzabili, da solo, non ci dice se una professione scomparirà. Con l’IA un lavoro potrebbe perdere alcune attività, acquisirne altre oppure potrebbe richiedere meno persone.
C’è di più: anche l’automazione dello stesso task può produrre effetti opposti in professioni differenti. Se una tecnologia elimina le attività più semplici e lascia alla persona quelle che richiedono maggiore esperienza, il lavoro residuo può diventare più qualificato. Se invece automatizza proprio la parte più sofisticata e lascia agli esseri umani soltanto l’esecuzione standardizzata, può accadere il contrario.
Per questo le percentuali di “automazione di una professione” vanno lette con cautela. Dire che l’IA può svolgere il 30% dei task di un ruolo non equivale a dire che eliminerà il 30% dei posti. Tra una capacità tecnica e un cambiamento dell’occupazione ci sono di mezzo costi, affidabilità, responsabilità, organizzazione e domanda di mercato.
Quattro effetti dell’IA sul lavoro
Choudary sostiene che quando una tecnologia entra in un pacchetto di attività, non produce sempre lo stesso effetto. Quattro sono i possibili scenari:
Status Quo: può lasciare quasi intatto il valore del lavoro se aiuta la persona, rendendola più produttiva, ma senza cambiare il modo in cui quel lavoro viene remunerato.
Migrazione del valore: può spostare valore verso il lavoratore, se gli permette di svolgere più attività, assumere compiti più importanti o offrire un servizio migliore. In questo caso il suo lavoro potrebbe essere remunerato meglio.
Commoditizzazione: può anche rendere accessibile a molti delle competenze o compiti che prima richiedevano un’esperienza specialistica che apparteneva a pochi. Di conseguenza, questi vedranno abbassare il valore del proprio lavoro.
Sostituzione: in alcuni casi può preparare una sostituzione futura, perché l’uso dello strumento da parte del lavoratore contribuisce a trasferire dati, procedure e conoscenza che migliorano progressivamente il sistema.
Questa griglia è utile perché evita due semplificazioni opposte. La prima è pensare che ogni automazione cancelli lavoro. La seconda è pensare che ogni forma di “augmentation” renda automaticamente più prezioso il lavoratore. In realtà, lo stesso miglioramento tecnico può aumentare il valore di alcuni ruoli, ridurre il premio di altri o spostare il controllo del processo verso chi controlla il sistema.
Perché la tecnologia non ha fatto scomparire i lavori
L’approccio per task aiuta anche a capire perché molte ondate di automazione non abbiano cancellato intere professioni nella misura prevista.
Le tecnologie tradizionali erano molto efficaci nell’esecuzione di compiti circoscritti. Una calcolatrice esegue calcoli, un foglio elettronico applica formule, un software gestionale registra transazioni. Ma qualcuno doveva ancora decidere quali calcoli fare, raccogliere le informazioni, definire l’obiettivo, gestire le eccezioni e valutare il risultato.
La tecnologia erodeva singoli task. L’essere umano conservava il compito di coordinarli: non svolgeva più ogni passaggio, ma continuava a governare il processo.
Choudary definisce questa capacità “goal-seeking”: partire da un obiettivo, scomporlo in attività, scegliere le risorse necessarie e adattare il percorso quando qualcosa non funziona. È uno dei motivi per cui molti lavori sono sopravvissuti anche dopo la scomparsa di una parte significativa delle attività che li componevano. Il titolo professionale restava uguale, mentre il suo contenuto cambiava.
Come gli agenti spostano il confine
Con i sistemi agentivi, però, il confine comincia a spostarsi.
Un chatbot tradizionale risponde a una richiesta: gli chiediamo di preparare una sintesi e ci restituisce una sintesi. La scomposizione del lavoro, l’ordine delle operazioni e la verifica finale rimangono in gran parte nelle mani dell’utente.
Un agente di intelligenza artificiale può essere in grado di portare a termine un obiettivo perché è in grado di costruire un piano, scomporlo in task, utilizzare strumenti esterni, controllare i risultati.
Il passaggio non è da uomo a macchina. È dal task all’obiettivo.
Certo, gli agenti attuali possono commettere errori, perdersi durante processi lunghi e propagare un’informazione inesatta attraverso tutta la sequenza. Autonomia non significa affidabilità, e la supervisione umana resta ancora necessaria.
La direzione, però, è tracciata. L’intelligenza artificiale non viene più utilizzata soltanto dentro un workflow: inizia a partecipare alla sua progettazione e alla sua esecuzione. Quando un sistema può decidere quali attività servono, in quale ordine svolgerle e quali strumenti impiegare, si avvicina alla funzione che caratterizzava il lavoro umano.
L’errore di pensare che l’IA non sostituirà chi saprà utilizzarla
Quando si vede il lavoro come insieme di task, alcuni automatizzabili e altri riservati agli umani, il rischio è di pensare che queste attività siano indipendenti. In realtà esse formano workflow, e i workflow cambiano quando cambia il costo o la disponibilità di una delle loro componenti.
Il word processor, per esempio, non si è limitato a rendere più veloce il lavoro dei dattilografi. Ha reso economico modificare, copiare e impaginare un documento. A quel punto i lavoratori hanno iniziato a scrivere direttamente. Il task della dattilografia non è stato soltanto accelerato: è stato distribuito tra milioni di persone e incorporato in un processo completamente diverso.
Il dattilografo più abile nell’utilizzo di Word non era necessariamente destinato a vincere la competizione. Stava venendo meno il sistema che rendeva necessaria quella professione dedicata.
È il limite dello slogan secondo cui l’IA non sostituirà chi lavora, ma soltanto chi non sa utilizzarla. Quella frase immagina che il vecchio processo rimanga intatto e che la competizione si giochi esclusivamente sulla velocità con cui ciascuno esegue i task esistenti. A volte accadrà. Altre volte cambierà il processo e alcuni passaggi perderanno la loro funzione.
La domanda non può quindi fermarsi a: “Quali attività del mio lavoro può svolgere l’IA?”. Dobbiamo chiederci anche: “Quelle attività continueranno a essere organizzate nello stesso modo?”.
Dal task al workflow
Immaginiamo un’agenzia che realizza ricerche di mercato. Nel processo tradizionale, alcune persone raccolgono le fonti, altre classificano i dati, un analista li interpreta, un consulente costruisce la presentazione e un senior formula le raccomandazioni.
Inserire un assistente di IA in ogni passaggio può rendere le singole persone più veloci. In questo caso l’IA non sostituisce, ma “aumenta” le capacità del singolo.
Un agente potrebbe partire direttamente dall’obiettivo del cliente, cercare le fonti, organizzare le informazioni, formulare alcune ipotesi, sottoporle a verifica e produrre una prima versione del rapporto. A quel punto non abbiamo ottenuto il miglioramento di cinque task. Abbiamo ottenuto un diverso workflow.
Alcune figure potrebbero servire meno. Altre diventerebbero più importanti. Potrebbe crescere il ruolo di chi definisce bene la domanda, controlla le fonti, interpreta le anomalie, comprende il contesto del cliente e si assume la responsabilità delle raccomandazioni. Oppure il baricentro del valore potrebbe spostarsi verso chi possiede la relazione con il cliente e controlla il sistema attraverso il quale passa l’intero processo.
La ricomposizione (rebundle) conta almeno quanto la scomposizione (unbundle).
Le domande che dovremmo farci
Per capire l’effetto dell’intelligenza artificiale sul lavoro conviene quindi procedere su tre livelli.
- task: quali attività può sostituire, accelerare o rendere accessibili a persone meno esperte?
- workflow: quando quelle attività diventano più economiche, il processo continuerà a funzionare nello stesso modo?
- sistema: chi definirà gli obiettivi, coordinerà persone e agenti, controllerà la relazione con il cliente e si assumerà la responsabilità del risultato?
È a questo terzo livello che, come dice Choudary, si deciderà chi starà “sopra l’algoritmo”, cioè sarà in grado di usarlo come leva, e chi finirà “sotto l’algoritmo” ossia ad alimentarlo con la propria attività.
Sono domande più difficili rispetto alla compilazione di una classifica dei lavori destinati a sparire. Ma sono anche molto più utili per un’impresa o un professionista che deve decidere cosa fare adesso. Non basta individuare il task che l’IA può svolgere: bisogna capire che cosa accade a tutto ciò che gli stava intorno.
Il lavoro può restare mentre cambia tutto
È possibile che nei prossimi anni molti titoli professionali restino apparentemente intatti. Continueranno a esistere avvocati, giornalisti, consulenti, sviluppatori e responsabili marketing.
Ma sotto la superficie, le attività che comporranno quei lavori verranno redistribuite tra persone e agenti: alcuni passaggi scompariranno, altri verranno incorporati negli strumenti, altri ancora acquisteranno più rilevanza.
Il cambiamento non apparirà necessariamente sotto forma di una sostituzione improvvisa. Potrebbe manifestarsi attraverso team più piccoli, meno posizioni junior, nuovi criteri di valutazione, aspettative di produzione più elevate e ruoli formalmente uguali ma profondamente diversi.
Per questo chiedersi soltanto se l’IA mangerà il nostro lavoro serve a poco. Prima modifica alcuni task. Poi contribuisce a ricomporre il workflow. Infine può spostare il controllo del sistema nel quale quel lavoro produce valore. Ed è durante questa ricomposizione che si deciderà non soltanto quali lavori sopravvivranno, ma anche quanto varranno.
Prima però conviene verificare una premessa che diamo troppo spesso per scontata: se l’IA permette di svolgere più attività in meno tempo, stiamo davvero diventando più produttivi? Oppure stiamo semplicemente producendo più output, senza creare maggiore valore? È la domanda che affronterò in un prossimo post.