Il report di Anthropic, pubblicato di recente, ci offre dati reali su quello che è l’impatto dell’IA sul lavoro. I dati smentiscono l’allarme sui licenziamenti e rivelano il vero problema: l’accesso nel mondo del lavoro dei più giovani e il fenomeno dell’AI-washing nelle aziende.
Il tema del rapporto tra intelligenza artificiale e lavoro continua a tenere banco. E probabilmente non smetteremo di occuparcene, perché tocca la vita di tutti noi, tocca il lavoro che facciamo, tocca il modo in cui questa società sta prendendo forma nell’era dell’IA.
È un tema che suscita schieramenti netti, chi è contrario e chi è favorevole a questo sviluppo. Ma troppo spesso viene trattato in termini teorici, di quello che potrebbe essere. In realtà avremmo bisogno di confrontarci con i dati reali. E i dati reali ce li offre l’ultimo rapporto di Anthropic, pubblicato il 5 marzo 2026 e firmato dagli economisti Maxim Massenkoff e Peter McCrory.
I numeri si IA e lavoro del report Anthropic
Anthropic è la società di Dario Amodei, al centro di tante discussioni in questi giorni per le vicende che legano il modello Claude al Pentagono e sollevano questioni anche dal punto di vista etico. Lo stesso Amodei, a luglio dello scorso anno, aveva previsto che il lavoro sarebbe stato fortemente influenzato dall’intelligenza artificiale già nei prossimi cinque anni. Ne avevo parlato anche in questo canale.
Ma vediamo cosa dice questo rapporto. La novità è nel metodo: invece di stimare cosa l’IA potrebbe fare in teoria, Anthropic ha misurato cosa sta effettivamente facendo nella pratica, analizzando milioni di conversazioni reali con Claude in contesti lavorativi. Ha introdotto una nuova metrica, chiamata “esposizione osservata”, che misura quali compiti vengono effettivamente svolti con l’aiuto dell’IA, non quali potrebbero essere svolti in teoria.
L’analisi ha riguardato circa 800 professioni. Le più esposte secondo lo studio sono i programmatori informatici, con il 75% dei compiti già coperti dall’IA, seguiti dagli addetti al servizio clienti, dagli addetti all’inserimento dati con il 67%, dagli specialisti di cartelle cliniche e dagli analisti finanziari.

Il divario tra capacità teorica e uso reale
Ma all’atto pratico, tutto questo come si traduce? Qui emerge il dato centrale del report.
Prendiamo il lavoro della programmazione informatica. I modelli linguistici potrebbero teoricamente gestire il 94% dei compiti. Ma nella pratica, oggi, Claude ne copre il 33%. Prendiamo i ruoli amministrativi e d’ufficio. La capacità teorica è del 90%, ma l’uso reale è una frazione di quel numero.
Il report lo visualizza con due aree: una blu, che rappresenta ciò che l’IA potrebbe fare, e una rossa, molto più piccola, che rappresenta ciò che l’IA sta effettivamente facendo. Man mano che le capacità avanzano e l’adozione si diffonde, l’area rossa crescerà fino a coprire quella blu. Ma oggi siamo ancora lontani.
Chi invece non ha praticamente esposizione? Il 30% dei lavoratori. Cuochi, meccanici di moto, bagnini, baristi, lavapiatti, addetti ai camerini. Tutti lavori che richiedono presenza fisica, manualità, interazione diretta. L’IA non sa friggere un uovo, non sa riparare un motore, non sa servire un cliente guardandolo negli occhi.

Ecco il profilo di chi rischia di più
Il report traccia anche il profilo dei lavoratori nelle professioni più esposte. E qui emerge un ribaltamento rispetto a quello che ci si potrebbe aspettare.
Non sono i lavoratori meno qualificati a rischiare di più. Sono quelli più istruiti, più pagati, più specializzati. I lavoratori nelle professioni più esposte guadagnano in media il 47% in più rispetto a quelli nelle professioni non esposte. Hanno livelli di istruzione più alti: i laureati con titoli post-laurea sono il 17,4% nelle professioni esposte, contro il 4,5% in quelle non esposte. Una differenza di quasi quattro volte.
E c’è un dato che riguarda le donne. I lavoratori nelle professioni più esposte all’IA hanno una probabilità maggiore di 16 punti percentuali di essere donne. Questo conferma quanto già emerso in altri studi: le professioni a prevalenza femminile, come i ruoli amministrativi, il servizio clienti, l’inserimento dati, sono tra le più vulnerabili.
Il vero problema non sono i licenziamenti
E quindi non regge più quel tema dell’intelligenza artificiale che ci ruba il lavoro. Non è quello il punto. Il report di Anthropic è chiaro: non c’è un aumento sistematico della disoccupazione nelle professioni esposte all’IA. Dal rilascio di ChatGPT a fine 2022 a oggi, chi lavora in questi settori non sta perdendo il posto.
Ma c’è un segnale che non va ignorato. I ricercatori hanno trovato evidenza che l’assunzione di giovani lavoratori, nella fascia tra i 22 e i 25 anni, sta rallentando nelle professioni più esposte. Un calo del 14% nel tasso di ingresso rispetto al 2022.
Questo dato trova conferma in altri studi. La Federal Reserve di Dallas ha rilevato che la quota di occupazione per i giovani tra i 20 e i 24 anni nelle professioni esposte all’IA è scesa dal 16,4% nel novembre 2022 al 15,5% nel settembre 2025. I ricercatori di Stanford, usando i dati delle buste paga di ADP su 25 milioni di lavoratori americani, hanno misurato un calo del 6% nell’occupazione dei giovani tra i 22 e i 25 anni nelle professioni ad alta esposizione. Nel frattempo, l’occupazione dei lavoratori dai 30 anni in su è cresciuta tra il 6% e il 13%.
Il dato più preoccupante riguarda i programmatori: l’occupazione per i più giovani è del 20% sotto il picco del 2022. Revelio Labs ha calcolato che le offerte di lavoro per posizioni entry-level negli Stati Uniti sono calate del 35% da gennaio 2023. SignalFire, analizzando le grandi aziende tech, ha rilevato un calo del 50% nelle nuove assunzioni di persone con meno di un anno di esperienza post-laurea.
Il meccanismo è chiaro: non sono licenziamenti. Chi lavora già non viene cacciato, perché quelle competenze servono per guidare l’introduzione dell’IA nei processi di lavoro. Le aziende stanno chiudendo le porte d’ingresso. Eliminano le posizioni entry-level, quelle da cui tradizionalmente si iniziava la carriera.
Il caso Dorsey e il fenomeno dell’AI-washing
E qui arriviamo a una vicenda recente che illumina un altro aspetto della questione.
Il 26 febbraio 2026, Jack Dorsey, fondatore di Twitter e amministratore delegato di Block, la società che controlla Square e Cash App, ha annunciato il taglio di 4.000 dipendenti. Quasi metà della forza lavoro. La motivazione dichiarata: l’intelligenza artificiale permette di fare di più con meno persone. Il mercato ha reagito con entusiasmo e il titolo è salito del 24%.
Ma la narrazione di Dorsey regge alla prova dei fatti?
I dati raccontano un’altra storia. Block impiegava 3.835 persone alla fine del 2019. Durante la pandemia l’organico è esploso fino a superare i 10.000 dipendenti. Un aumento di quasi tre volte in pochi anni. Lo stesso Dorsey, rispondendo alle critiche, ha ammesso di aver assunto troppo perché aveva costruito due strutture aziendali separate invece di una sola.
Nel marzo 2025, meno di un anno prima dei grandi licenziamenti, Dorsey aveva scritto in un memo interno che i tagli di quel periodo non avevano nulla a che fare con l’IA e non miravano a sostituire persone con l’intelligenza artificiale. Undici mesi dopo, il racconto era cambiato completamente.
Quello che sta emergendo ha un nome: AI-washing. Le aziende usano l’intelligenza artificiale come giustificazione per ristrutturazioni che hanno ben altre origini.
I dati lo confermano. Solo il 4,5% dei licenziamenti del 2025 ha effettivamente citato l’IA come causa. Nel frattempo, il 59% dei responsabili delle assunzioni ammette di usare l’IA come copertura per tagli guidati da eccesso di assunzioni, pressione sui costi e problemi organizzativi.
La Harvard Business Review, sulla base di un sondaggio su oltre mille dirigenti condotto a dicembre 2025, ha concluso che i licenziamenti attribuiti all’IA sono quasi completamente in anticipazione del suo impatto, non per capacità già dimostrate.
C’è un precedente istruttivo. Klarna aveva annunciato che l’IA aveva contribuito a ridurre la forza lavoro del 40%. Poi ha dovuto riassumere lavoratori perché le capacità dell’intelligenza artificiale non erano sufficientemente robuste per sostituirli davvero. Forrester Research prevede che metà dei licenziamenti attribuiti all’IA verranno riassorbiti, spesso con assunzioni offshore o a stipendi più bassi. E che il 55% dei datori di lavoro già rimpiange i tagli fatti in nome dell’IA.
Cosa si intende per AI-washing
Il termine è stato coniato nel 2019 dall’AI Now Institute, un centro di ricerca della New York University, e deriva direttamente dal greenwashing, la pratica con cui le aziende fanno affermazioni false o fuorvianti sull’impatto ambientale positivo dei loro prodotti.
Così come alcune aziende esagerano le proprie credenziali ecologiche attraverso il greenwashing, l’AI-washing consiste nell’esagerare l’uso dell’intelligenza artificiale a fini di marketing senza che dietro alle affermazioni ci sia alcuna sostanza.
Il fenomeno esiste da anni. Uno studio del 2019 della società di investimenti MMC Ventures ha rilevato che il 40% delle nuove aziende tecnologiche europee che si definivano “startup di intelligenza artificiale” in realtà non usava praticamente alcuna IA: era puro marketing per raccogliere capitali.
Il fenomeno è stato paragonato alla bolla delle dot-com, quando le aziende aggiungevano “.com” al proprio nome per gonfiare le valutazioni.
La differenza è che oggi l’AI-washing non riguarda solo i prodotti, ma anche le decisioni aziendali: i licenziamenti spesso vengono attribuiti all’intelligenza artificiale per renderli più accettabili agli occhi del mercato e dell’opinione pubblica.
Cosa è giusto chiedersi adesso
In chiusura, il report di Anthropic ci dice che l’IA non sta ancora distruggendo posti di lavoro. Ma ci dice anche che il divario tra capacità teorica e uso reale si sta restringendo. Oggi Claude copre il 33% dei compiti dei programmatori, ma potrebbe coprirne il 94%. Quando quel divario si chiuderà, e si chiuderà, l’impatto sarà diverso da quello che vediamo oggi.
Il tema su cui interrogarsi non è se l’intelligenza artificiale ci sta rubando il lavoro. Il tema è un altro: stiamo davvero costruendo un mercato del lavoro che funziona solo per chi è già dentro? E se la risposta è sì, quanto tempo abbiamo prima che diventi un problema strutturale? Siamo in grado oggi di costruire un mercato del lavoro che sappia garantire un accesso adeguato ai più giovani, alle donne?






















