AI e mondo del lavoro: rischi, numeri e nuove professioni (speciale AI Breakfast)

Il World Economic Forum stima che entro il 2030 l'AI potrebbe rendere obsoleti circa 85 milioni di posti di lavoro, ma crearne 170 milioni, con un saldo positivo di +85 milioni. McKinsey prevede che il 40% delle task lavorative potrebbe essere automatizzato, ma solo una minoranza corrisponde a intere professioni destinate a scomparire. L'articolo analizza i settori più esposti, le nuove professioni come AI trainer e AI governance officer, e le politiche necessarie per gestire la transizione, con un focus su Italia ed Europa.

Il dibattito pubblico sull’intelligenza artificiale e il lavoro è polarizzato tra due narrazioni. Da un lato, l’apocalisse occupazionale: robot e algoritmi che sostituiscono milioni di persone. Dall’altro, l’ottimismo tecnologico: l’AI come forza puramente creatrice di posti nuovi. I dati delle principali organizzazioni internazionali raccontano una verità più sfumata — e più urgente. Non è una sostituzione di massa, ma una trasformazione disomogenea : cambiano i contenuti delle professioni, emergono nuovi ruoli e si ampliano le disuguaglianze tra chi si adatta e chi resta indietro. Questo articolo analizza i numeri, i settori più esposti, le nuove professioni già visibili nel mercato e le politiche necessarie per governare la transizione, con uno sguardo specifico all’Italia e all’Europa. Il World Economic Forum stima che entro il 2030 l’automazione e l’adozione di tecnologie AI possano rendere obsoleti circa 85 milioni di posti di lavoro a livello globale. Lo stesso rapporto, però, ne prevede la creazione di circa 170 milioni di nuovi posti , per un saldo positivo stimato di +85 milioni . Il dato, però, è solo aggregato. La distribuzione geografica, settoriale e per livelli di competenza è molto diseguale. McKinsey corregge la narrazione catastrofica: non si tratta di licenziamenti di massa improvvisi, ma di una ristrutturazione prolungata dei contenuti lavorativi. Circa il 40% delle task oggi svolte da lavoratori potrebbe essere automatizzato entro il 2030, ma solo una parte minoritaria di queste task corrisponde a intere professioni destinte a scomparire. Più frequente è il caso di ruoli che si ibridano : un amministrativo che passa da data entry a supervisione di workflow AI, un avvocato che integra strumenti di document review automatica. L’OECD sottolinea che l’impatto varia drasticamente per settore e livello di qualifica. I lavoratori con bassa qualificazione e task ripetitive sono i più esposti, mentre le professioni ad alta intensità di relazione umana, creatività e problem-solving complesso mostrano una resilienza strutturale . L’organizzazione avverte però che senza politiche di reskilling il rischio è un aumento della disuguaglianza salariale e territoriale. Il Fondo Monetario Internazionale stima che l’AI possa contribuire a un aumento della produttività globale del 2-3% nei prossimi anni, ma con effetti distributivi asimmetrici. Nei paesi con bassa digitalizzazione — tra cui l’Italia — il ritardo nell’adozione e nella formazione amplifica il divario con le economie più avanzate. Non tutti i lavori sono ugualmente a rischio. L’automazione colpisce soprattutto le attività con queste caratteristiche: I settori dove l’impatto sarà più rapido e profondo: Al contrario, risultano più resilienti le professioni che richiedono: L’altra faccia della medaglia è la rapida comparsa di professioni che non esistevano dieci anni fa. Questi ruoli non sono marginali: richiedono competenze ibride, sono ben retribuiti e in forte crescita. Sono i professionisti che addestrano, calibrano e ottimizzano i modelli AI per compiti specifici. Non scrivono solo prompt: progettano dataset di fine-tuning, definiscono policy di comportamento, valutano la qualità delle risposte e gestiscono l’allineamento tra modello e obiettivi aziendali. In Italia la domanda è ancora inferiore all’offerta qualificata, ma sta crescendo nei settori finance, retail e pubblica amministrazione. Con l’ EU AI Act , entrato in vigore nel 2024, i sistemi AI ad alto rischio devono rispettare obblighi di trasparenza, documentazione e controllo umano. Questo ha creato una nuova filiera di figure professionali: il governance officer definisce le policy interne, il compliance specialist verifica la conformità legale, il risk assessor mappa i rischi algoritmici. Si stima che entro il 2027 ogni azienda con oltre 250 dipendenti avrà bisogno di almeno una figura dedicata. Tra data science e operations, l’MLOps engineer costruisce e mantiene le pipeline che portano i modelli AI in produzione. Gestisce versionamento dei modelli, monitoraggio delle performance, aggiornamenti continui e integrazione con i sistemi aziendali. È una delle figure più ricercate nel tech, con una crescita del 70% negli ultimi due anni. I modelli AI si nutrono di dati. Il data curator seleziona, pulisce, etichetta e organizza dataset di alta qualità. È una figura ibrida tra data scientist e archivista, sempre più importante in ambito healthcare, finance e media. L’AI content specialist, invece, produce e revisiona contenuti generati da AI, garantendo accuratezza, tono di marca e rispetto delle normative. Quando i sistemi AI diventano critici — nella cybersecurity, nella medicina, nella mobilità — servono professionisti che li mettano alla prova in modo sistematico. Il red team specialist cerca vulnerabilità, bias, comportamenti imprevisti. L’AI safety researcher lavora invece sulla teoria e sulla pratica dell’allineamento, in contesti che vanno dai laboratori ai regolatori. Oltre ai ruoli specializzati, crescono le professioni ibride : un medico che utilizza strumenti di diagnosi assistita da AI, un avvocato che integra analisi predittiva di giurisprudenza, un giornalista che verifica contenuti generati da algoritmi, un project manager che orchestra team umani e agenzie AI. La tendenza non è la sostituzione, ma l’ integrazione . L’Italia parte da una posizione di svantaggio nella corsa all’adozione dell’AI, ma il PNRR offre risorse senza precedenti per colmare il gap. Secondo la Banca d’Italia nel Rapporto annuale 2024, l’adozione di tecnologie digitali avanzate nel tessuto produttivo italiano è ancora limitata: meno del 20% delle imprese utilizza strumenti di AI in modo strutturato. L’ Unioncamere Excelsior 2025 conferma che tra i lavoratori a rischio di trasformazione ci sono soprattutto gli impiegati del terziario e gli operai specializzati in processi routinari. Il CEDEFOP Skill Anticipation 2025 stima che in Italia tra 3 e 5 milioni di lavoratori potrebbero vedere trasformato profondamente il proprio ruolo entro il 2030. Il rischio non è la disoccupazione di massa, ma l’ impiegificio : mansioni dequalificate, salari stagnanti, working poor. Per evitarlo serve una strategia di reskilling su larga scala. Il Piano Nazionale di Ripresa e Resilienza destina risorse significative alla formazione digitale, alla ricerca su AI e alla transizione industriale. Il problema è la velocità di attuazione: le imprese piccole e medie faticano ad accedere ai bandi, i percorsi formativi spesso non sono allineati alle necessità del mercato. Serve un ecosistema dove università, centri di ricerca, aziende e regioni lavorino insieme. Oltre alle competenze tecniche, c’è un problema di fiducia e comprensione dell’AI. In Italia il 60% circa dei lavoratori dichiara di non conoscere gli strumenti AI, e solo il 15% li utilizza regolarmente nel proprio lavoro. Questo divario generazionale e culturale è il vero bottleneck: non si tratta solo di corsi, ma di un cambio di mentalità. L’Europa ha scelto la strada della regolamentazione, non del laissez-faire. L’ EU AI Act classifica i sistemi AI in base al rischio e impone obblighi crescenti: trasparenza, documentazione, controllo umano, audit periodici. Questa regolamentazione sta generando una domanda di nuove figure professionali: Si stima che entro il 2030 in Europa nasceranno circa 500.000 nuovi posti legati alla governance dell’AI. In Italia, se il PNRR e le politiche attive sono ben orientati, possiamo catturare una fetta significativa di questa domanda. L’Europa non è sola nella corsa all’AI. Stati Uniti e Cina investono somme molto superiori in ricerca e adozione. Il rischio è che l’Italia e l’Europa diventino consumatori di tecnologie altrui , senza sviluppare una filiera propria. L’alternativa è investire in ricerca applicata, startup e formazione, trasformando la regolamentazione da costo a vantaggio competitivo: la fiducia nel sistema AI europeo può diventare un asset. L’AI non è un evento uniforme. Colpisce prima alcuni settori, poi altri; avvantaggia alcune categorie, penalizza altre; beneficia alcune regioni, lascia indietro altre. Il pericolo maggiore non è la disoccupazione totale, ma la polarizzazione . Le regioni del Nord Italia, con una struttura produttiva più industrializzata e un tessuto di PMI più dinamico, sono meglio posizionate per adottare l’AI e per attrarre investimenti. Il Sud, con una maggiore esposizione a settori tradizionali e una minore infrastruttura digitale, rischia di subire la transizione senza beneficiarne. Senza politiche di convergenza, l’AI potrebbe ampliare il divario Nord-Sud invece di ridurlo. I lavoratori over 50 con competenze digitali limitate sono i più vulnerabili. Le donne, sovrarappresentate in settori amministrativi e di servizio a rischio di automazione, potrebbero subire un impatto sproporzionato. Allo stesso tempo, i nuovi ruoli AI sono oggi prevalentemente maschili e giovani: serve una politica attiva di inclusione. Se la transizione non è governata, il pericolo non è la disoccupazione, ma la dequalificazione di massa : lavoratori espulsi da ruoli tradizionali che finiscono in posizioni precarie, low-skill e low-pay. L’AI diventa allora uno strumento di compressione salariale, non di crescita. La storia ci insegna che le rivoluzioni tecnologiche creano ricchezza, ma solo se accompagnate da investimenti in capitale umano. L’intelligenza artificiale non distrugge il lavoro in modo uniforme. Lo trasforma. Il rischio reale è la transizione diseguale : chi aggiorna le competenze diventa più produttivo e retribuito, chi non lo fa rischia l’esclusione. L’obiettivo non è difendersi dall’automazione, ma governarla . Questo richiede tre cose: competenze diffuse, regole chiare e investimenti coraggiosi. L’Italia ha l’opportunità di usare l’AI per colmare i propri ritardi strutturali, ma solo se affronta la transizione come progetto collettivo, non come somma di scelte individuali. Il lavoro del futuro non è umano contro macchina. È umano con la macchina. 🎙 Ascolta lo speciale podcast ~5 min : https://archive.org/download/ai-breakfast/AI Breakfast 2026-08-16.mp3 https://archive.org/download/ai-breakfast/AI Breakfast 2026-08-16.mp3 📻 Spotify: https://open.spotify.com/show/033CI05HOIL6xYV16e88wV https://open.spotify.com/show/033CI05HOIL6xYV16e88wV 📬 Iscriviti alla newsletter: https://buttondown.com/italian-ai-breakfast https://buttondown.com/italian-ai-breakfast 📱 Canale Telegram: https://t.me/ItalianAIBreakfast https://t.me/ItalianAIBreakfast Approfondimento a cura di Andrea Schiona — AI Breakfast