AI e lavoro: bolla, transizione o trauma sociale?
 |
| Immagine creata con Chat Gpt con due prompt. |
Quando si parla di intelligenza artificiale e lavoro, il dibattito si divide spesso in due tifoserie. Da una parte c’è chi pensa che l’AI sia soprattutto una bolla: tanto rumore, tanto marketing, qualche utilità reale, e poi una stanchezza diffusa verso macchine sempre più invadenti e meno sorprendenti. Dall’altra c’è chi teme una transizione molto più dura: aziende che usano l’AI per tagliare personale, comprimere salari, aumentare il controllo e presentare tutto come inevitabile progresso. La verità, oggi, è che le due ipotesi possono convivere. L’AI può essere in parte sopravvalutata sul piano economico immediato e, nello stesso tempo, essere già abbastanza potente come racconto finanziario e manageriale da giustificare ristrutturazioni aggressive.
Prima ipotesi: la bolla non è una fantasia
Il Fondo Monetario Internazionale osserva che i mercati oggi offrono evidenza limitata del fatto che stiano già prezzando una crescita vicinissima e travolgente trainata dall’AI. In altre parole, il grande racconto della produttività esplosiva non è ancora una certezza empirica. Anche il NBER rileva che, nel breve periodo, c’è poca evidenza di un calo aggregato dell’occupazione dovuto all’AI, mentre il paper della BIS trova che, nel breve termine, l’adozione di AI nelle imprese è associata più a produttività più alta e, in media, anche a occupazione più alta, che non a una distruzione netta del lavoro. Questo non significa che il problema non esista. Significa che la narrazione dell’imminente sostituzione totale del lavoro umano, presa così com’è, oggi è molto più ideologica che dimostrata.
Seconda ipotesi: anche una bolla può fare danni reali
Qui sta il punto decisivo. Anche se l’AI non mantenesse tutte le promesse, molte aziende potrebbero comunque usarla come leva per licenziare, delocalizzare, alzare i margini o rassicurare gli investitori. L’ILO scrive che un lavoro su quattro nel mondo è esposto in qualche misura alla trasformazione da GenAI, ma insiste sul fatto che l’esito più probabile non è la sparizione istantanea di intere professioni, bensì la riorganizzazione di compiti, mansioni e gerarchie. Il World Economic Forum aggiunge che entro il 2030 il 22% dei posti sarà trasformato, con 170 milioni di ruoli creati e 92 milioni spostati o persi, e che il 39% delle competenze core dei lavoratori cambierà. Questa non è un’apocalisse certa. È, semmai, una transizione enorme, e una transizione enorme può essere governata bene oppure in modo predatorio.
Il problema non è solo economico: il lavoro regge anche la vita psichica e sociale
Qui la sociologia e la psicologia ci aiutano molto più dei discorsi motivazionali da LinkedIn. Il classico studio di Marienthal, pubblicato nel 1933 da Marie Jahoda, Paul Lazarsfeld e Hans Zeisel, mostrava che la disoccupazione di lungo periodo non produce soltanto povertà materiale. Produce apatia, disgregazione dei ritmi quotidiani, perdita di iniziativa, sfilacciamento della vita comunitaria. Non è un testo antiquato da museo della sociologia: è ancora una delle descrizioni più precise di cosa accade quando il lavoro viene meno a un’intera comunità. Duncan Gallie, in un celebre studio comparativo europeo, ha poi mostrato che gli effetti dell’assenza di lavoro sul benessere non si spiegano semplicemente con il livello generale di disoccupazione o con l’età dei disoccupati: il lavoro continua a contare come riconoscimento, struttura del tempo e appartenenza.
La ricerca psicologica contemporanea va nella stessa direzione. L’Annual Review of Psychology conclude che la disoccupazione porta a peggioramenti della salute psicologica e fisica e a un aumento del rischio di suicidio. Una systematic review e meta-analisi del 2025 conferma che la disoccupazione aumenta il rischio di depressione, ansia e distress psicologico, mentre il reimpiego tende a ridurli. Un altro studio del 2025 trova che le persone disoccupate riportano una qualità della vita più bassa, più sintomi depressivi e ansiosi, e peggiori condizioni percepite di salute. Quindi esistono studi seri che sostengono questa tesi: licenziare per risparmiare non crea solo un problema nei conti aziendali o pubblici, ma un danno umano profondo.
Sul piano cognitivo, bisogna essere cautI, ma un segnale importante c’è. Uno studio di coorte del 2025 collega la perdita del lavoro a un rischio più alto di demenza a esordio precoce nella mezza età. Non sarebbe serio trasformare questo dato in una formula tipo “il licenziamento rovina il cervello” in modo automatico. Ma sarebbe altrettanto sbagliato ignorare che stress cronico, rottura delle routine, depressione, isolamento e impoverimento possono avere effetti di lungo periodo anche sul funzionamento cognitivo. La disoccupazione, insomma, non è un semplice intervallo tra due contratti. Può diventare un evento biografico e somatico.
Se licenzi tutti, chi compra? Parliamo di macroeconomica
L’idea che un’economia non possa distruggere troppo reddito da lavoro senza intaccare anche la domanda è tutt’altro che ingenua. L’IMF spiega che l’AI può aumentare produttività e crescita, ma sottolinea anche che senza politiche fiscali e sociali adeguate rischia di ampliare disuguaglianza e distruzione distributiva. Se i guadagni di produttività restano concentrati in pochi gruppi proprietari e si trasformano in salari compressi, precarietà e licenziamenti, il problema non è solo morale. È anche economico: consumi più deboli, società più ansiose, meno coesione, più instabilità. Le fonti consultate non indicano un nesso automatico tra AI e guerre civili. Indicano però con chiarezza che una transizione tecnologica gestita in modo predatorio può aumentare stress sociale, sfiducia, fragilità psicologica e conflitto politico.
Allora la vera domanda è un’altra: quale società vogliamo dopo l’aumento di produttività?
Se l’AI funziona davvero, anche solo in parte, non basta chiedersi quanti lavori toglierà. Bisogna chiedersi come distribuiremo il tempo, il reddito, la sicurezza e il valore creato. Qui i modelli economici dal Novecento a oggi diventano preziosi, perché mostrano che la storia non ci costringe a scegliere solo tra laissez-faire e catastrofe.
John Maynard Keynes, nel 1930, in Economic Possibilities for our Grandchildren, immaginava che il progresso tecnico e l’aumento di produttività avrebbero potuto portarci a molto meno lavoro necessario, perfino a una settimana di quindici ore. Non era una fantasia naïf: era l’idea che il guadagno tecnico potesse essere convertito in più tempo libero e in una vita meno schiacciata dalla pura sussistenza. La domanda che il nostro tempo ha lasciato in sospeso è semplice: se la produttività sale, perché continuiamo a tradurre quel guadagno quasi solo in profitti e intensificazione, invece che in tempo, sicurezza e qualità della vita?
James Meade, già nel 1938, proponeva un social dividend, cioè una forma di dividendo sociale che oggi assomiglia all’idea di basic income. La sua riflessione successiva insisteva anche su una società con proprietà e redditi molto più diffusi, non concentrati in poche mani. Questo punto è essenziale, perché sposta il discorso da “l’AI sostituisce o non sostituisce il lavoro?” a “chi possiede i frutti della produttività aggiuntiva?”. Se il capitale tecnologico diventa sempre più potente ma i suoi vantaggi restano privati, la frattura sociale si allarga. Se invece una parte del surplus viene socializzata, il progresso cambia segno.
Oggi questa famiglia di idee prende forme diverse. La Banca Mondiale, in Exploring Universal Basic Income, tratta il reddito di base come una proposta da valutare seriamente in termini di povertà, disuguaglianza, incentivi e costi fiscali. UCL, con il modello dei Universal Basic Services, propone di garantire in modo universale alcuni servizi essenziali, come abitare, mobilità, cura, accesso digitale e formazione, invece di affidare tutta la sicurezza sociale al solo reddito monetario. La differenza è importante: il reddito di base protegge la persona con denaro; i servizi di base universali la proteggono anche abbassando il costo concreto della vita. Entrambi i modelli, però, convergono su un punto: se il lavoro cambia e diventa più discontinuo, la dignità non può dipendere solo dal mercato del lavoro tradizionale.
Un’altra ipotesi molto concreta è la job guarantee, la garanzia pubblica di lavoro. Qui l’esperimento contemporaneo più interessante è proprio quello di Marienthal, in Austria. Lo studio di Maximilian Kasy e Lukas Lehner mostra che il programma di lavoro garantito ha migliorato reddito, sicurezza economica e benessere soggettivo, restituendo anche alcuni dei benefici “latenti” del lavoro, cioè struttura del tempo, riconoscimento sociale e riduzione della tensione finanziaria. Non tutto va risolto con sussidi o con il mercato. In alcuni casi una società può decidere che il lavoro socialmente utile è un diritto da garantire.
A livello più generale, anche la tradizione del socialismo di mercato merita un cenno, perché pone una domanda ancora attualissima: possiamo mantenere mercati e innovazione, ma senza lasciare che proprietà, potere e rendite si concentrino in una piccola élite che vive sempre meno del proprio lavoro e sempre più del lavoro altrui? La Stanford Encyclopedia of Philosophy riassume proprio questo punto: il socialismo di mercato prova a evitare una società divisa tra chi può vivere senza lavorare e chi è costretto a lavorare per altri, mantenendo però meccanismi di mercato per coordinare la produzione. Non è una ricetta pronta, ma è una bussola utile per pensare un dopo-capitalismo meno autoritario e meno estrattivo.
L’AI può aiutare una società migliore, ma solo se la politica cambia il telaio
L’AI non deve per forza essere solo una macchina per risparmiare lavoro vivo. Può essere usata per personalizzare la formazione, migliorare servizi pubblici, rafforzare politiche attive del lavoro, rendere più accessibili tutele sociali e accompagnare le persone nelle transizioni occupazionali. L’IMF, nel suo documento del 2024, dice esplicitamente che le politiche fiscali e di welfare possono usare l’AI stessa per migliorare la qualità e l’efficienza della protezione sociale, mentre chiedono al tempo stesso di ampliare formazione, assicurazione contro la disoccupazione, sostegno ai lavoratori atipici e strumenti redistributivi. Qui emerge anche una possibile chiusura positiva: non usare l’AI per smontare la società, ma per amministrarla meglio e renderla più giusta.
La mia tesi
La mia tesi è questa: il vero spartiacque non sarà tra chi usa l’AI e chi la rifiuta. Sarà tra chi la usa per aumentare capacità, dignità, sicurezza e intelligenza del lavoro, e chi la usa per estrarre di più pagando meno esseri umani. Oggi le fonti serie non dimostrano né il paradiso automatico né il collasso immediato. Dimostrano però qualcosa di molto importante: il lavoro non è solo una variabile di costo, e la tecnologia non è mai neutra quando entra in un sistema che distribuisce male potere, tempo e ricchezza.
Per questo, davanti all’AI, la risposta più intelligente non è il luddismo e non è neppure la resa. È pretendere che ogni aumento di produttività venga tradotto almeno in parte in formazione, tempo, reddito, servizi, protezione e partecipazione. Se un’azienda vuole introdurre AI, dovrebbe essere spinta o obbligata a formare prima di licenziare, a condividere una parte dei guadagni, a evitare sprechi umani e a dimostrare che l’innovazione migliora davvero il lavoro, non solo il bilancio trimestrale. Qui non si tratta di fermare il futuro. Si tratta di impedire che il futuro venga appaltato ai più cinici.
Un paradosso recente: licenziare per l’AI può costare più del previsto
C’è poi un elemento nuovo che rende il quadro ancora più interessante. L’AI viene spesso raccontata come una scorciatoia per ridurre i costi del lavoro, ma le notizie più recenti mostrano un paradosso: sostituire persone con sistemi AI può costare molto più del previsto. Non solo per le liquidazioni, le ristrutturazioni e la perdita di competenze interne, ma anche perché l’AI stessa richiede infrastrutture, calcolo, server, energia, software, consulenze, integrazione e manutenzione continua.
Il caso Cloudflare è molto chiaro: l’azienda ha annunciato il taglio di oltre 1.100 posti, circa il 20% della forza lavoro, per riorganizzarsi attorno a un modello operativo “agentic AI-first”, ma prevede anche costi tra 140 e 150 milioni di dollari legati proprio alla riduzione del personale. Non è quindi un risparmio immediato e pulito: è una trasformazione costosa, dolorosa e finanziariamente impegnativa.
Anche Meta mostra la stessa tensione. Reuters ha riportato che l’azienda stava valutando tagli molto ampi mentre affrontava investimenti giganteschi in infrastrutture AI, inclusi piani da centinaia di miliardi di dollari per data center entro il 2028. In altre parole, una parte dei licenziamenti non nasce solo perché “l’AI fa risparmiare”, ma anche perché l’AI costa moltissimo e le aziende cercano di compensare questi investimenti tagliando altrove.
Questo cambia la narrazione. Se il costo del calcolo, dei modelli e dell’infrastruttura supera o assorbe una parte enorme dei risparmi sul personale, allora licenziare non è necessariamente una scelta razionale di efficienza. Può diventare una scommessa finanziaria: si sacrifica lavoro umano oggi nella speranza che l’infrastruttura AI produca margini domani. Ma nel frattempo si perdono esperienza, memoria organizzativa, fiducia interna e capacità di relazione.
La domanda, allora, diventa ancora più politica: se l’AI costa così tanto, perché il costo deve essere pagato soprattutto dai lavoratori? Se una tecnologia richiede investimenti enormi, energia, dati, calcolo e riorganizzazione sociale, non può essere presentata come una semplice questione di “ottimizzazione”. È una scelta di distribuzione: qualcuno paga, qualcuno incassa, qualcuno viene espulso e qualcuno possiede l’infinfrastruttura.
Il problema quindi non è solo se l’AI distruggerà o creerà lavoro. Il problema è chi decide come vengono distribuiti i costi della transizione. Perché una transizione che licenzia persone per finanziare macchine costosissime non è automaticamente progresso. È progresso solo se aumenta davvero capacità, dignità, sicurezza e qualità della vita. Altrimenti è soltanto una vecchia operazione di potere vestita con una macchina nuova.
Glossario dei concetti più difficili
Esposizione occupazionale all’AI
Quanto un lavoro può essere toccato dall’intelligenza artificiale, in parte o molto, nelle sue mansioni quotidiane.
Distruzione netta di lavoro
Quando i posti persi sono più di quelli nuovi creati.
Riorganizzazione delle mansioni
Quando il lavoro non sparisce del tutto, ma cambia: alcune attività vengono automatizzate, altre restano umane, altre nascono da zero.
Produttività
La quantità di valore o lavoro utile che si riesce a produrre in un certo tempo.
Guadagni di produttività
Il vantaggio ottenuto quando si produce di più, o più in fretta, con lo stesso sforzo o con meno persone.
Transizione predatoria
Una trasformazione tecnologica gestita in modo aggressivo e ingiusto, in cui pochi guadagnano e molti pagano il costo umano.
Domanda aggregata
La quantità complessiva di beni e servizi che famiglie, imprese e Stato comprano in un’economia.
Dividendo sociale
Una quota della ricchezza prodotta dall’economia che viene redistribuita alla collettività, non lasciata solo ai proprietari del capitale.
Reddito di base
Un trasferimento economico garantito a tutti o a molti cittadini, pensato per dare sicurezza minima indipendentemente dal lavoro.
Servizi di base universali
Servizi essenziali garantiti a tutti, come trasporti, casa, connessione, cura o istruzione, per rendere la vita più sicura anche senza alti redditi.
Job guarantee, garanzia di lavoro
Idea secondo cui lo Stato o la collettività dovrebbero garantire un lavoro dignitoso a chi vuole lavorare e non lo trova nel mercato.
Benefici latenti del lavoro
I benefici non solo economici del lavoro: ritmo del tempo, identità, riconoscimento, relazioni, senso di utilità.
Polarizzazione del lavoro
Situazione in cui crescono i lavori molto qualificati e quelli molto precari, mentre si restringe lo spazio dei lavori intermedi.
Protezione sociale
L’insieme di strumenti pubblici che proteggono le persone quando perdono reddito, lavoro o sicurezza.
Socializzazione dei guadagni di produttività
Idea secondo cui i benefici del progresso tecnico dovrebbero essere condivisi tramite salari, servizi, tempo libero o redistribuzione, non concentrati in pochi soggetti.
In parole semplici
- L’AI non significa per forza che spariranno tutti i lavori.
- Però può essere usata dalle aziende per tagliare persone anche prima di portare veri benefici.
- Perdere il lavoro non fa male solo al portafoglio: può fare male anche alla mente, alla salute e alla vita sociale.
- Se troppe persone perdono reddito e sicurezza, anche l’economia si indebolisce perché la gente compra meno.
- Il punto non è solo quanti lavori spariscono, ma come viene distribuito il vantaggio della tecnologia.
- Una società più intelligente potrebbe usare l’AI per ridurre l’orario, aumentare la formazione, migliorare i servizi e proteggere chi è in transizione.
- Se invece l’AI serve solo a licenziare e concentrare ricchezza, il danno umano e sociale può essere enorme.
- Il futuro non è deciso dalle macchine. È deciso dalle regole, dalle imprese e dalla politica.
Note sugli studiosi e sugli economisti citati
Marie Jahoda
Psicologa e studiosa sociale austriaca. È una delle autrici del celebre studio su Marienthal, una comunità colpita dalla disoccupazione di massa. Il suo lavoro mostra che il lavoro non dà solo soldi, ma anche tempo strutturato, identità e legami sociali.
Paul Lazarsfeld
Sociologo nato a Vienna, poi attivo negli Stati Uniti. È stato uno dei pionieri della ricerca sociale empirica, cioè della sociologia fatta con dati, indagini e metodi rigorosi. È coautore dello studio di Marienthal.
Hans Zeisel
Terzo autore del lavoro su Marienthal. In quella ricerca aiutò a mostrare con dati concreti che la disoccupazione prolungata non distrugge solo il reddito, ma anche la vita quotidiana e la capacità di progettare il futuro.
Duncan Gallie
Sociologo di Oxford. Ha studiato la qualità del lavoro e le conseguenze sociali della disoccupazione. Nei suoi lavori comparativi mostra che l’assenza di lavoro pesa molto sul benessere e non si spiega solo con l’età o con il tasso generale di disoccupazione.
Carol Wanberg
Psicologa del lavoro. Nella sua review sull’esperienza individuale della disoccupazione riassume molti studi che collegano il non lavoro a peggioramenti della salute mentale e fisica, oltre che a maggior rischio di suicidio.
John Maynard Keynes
Economista britannico. Nel saggio del 1930 Economic Possibilities for our Grandchildren immaginava che il progresso tecnico potesse ridurre molto il lavoro necessario e liberare tempo per vivere meglio.
James Meade
Economista britannico, premio Nobel nel 1977. Già nel 1938 proponeva un “social dividend”, cioè un dividendo sociale che oggi ricorda l’idea di reddito di base. Era interessato a una società in cui i benefici dell’economia fossero distribuiti più largamente.
Maximilian Kasy e Lukas Lehner
Economisti contemporanei. Hanno studiato un esperimento austriaco di garanzia del lavoro ispirato simbolicamente a Marienthal. Il loro lavoro mostra effetti positivi su reddito, sicurezza economica e benessere soggettivo.
Banca Mondiale e UCL Institute for Global Prosperity
Non sono persone ma istituzioni importanti nel mio articolo. La Banca Mondiale discute in modo serio pro e contro del reddito di base. UCL ha sviluppato la proposta dei servizi di base universali, cioè proteggere le persone non solo con soldi ma anche con servizi essenziali garantiti.
Fonti consultate per questo articolo:
2026 | Kasy, Maximilian; Lehner, Lukas, Employing the unemployed of Marienthal: evaluation of a guaranteed job program
https://maxkasy.github.io/home/files/papers/Jobguarantee_marienthal.pdf
2026 | IMF, Global Economic and Financial Implications of Artificial Intelligence
https://www.imf.org/-/media/files/publications/imf-notes/2026/english/insea2026002.pdf
2026 | BIS, AI adoption, productivity and employment: evidence from European firms
https://www.bis.org/publ/work1325.pdf
2025 | ILO, Generative AI and jobs: A 2025 update
https://www.ilo.org/publications/generative-ai-and-jobs-2025-update
2025 | ILO Working Paper 140, Generative AI and jobs: A refined global index of occupational exposure
https://www.ilo.org/sites/default/files/2025-05/WP140_web.pdf
2025 | World Economic Forum, Future of Jobs Report 2025
https://reports.weforum.org/docs/WEF_Future_of_Jobs_Report_2025.pdf
2025 | Sterud et al., Mental health effects of unemployment and re-employment
https://pmc.ncbi.nlm.nih.gov/articles/PMC12505101/
2025 | Park et al., Job Loss and Early-onset Dementia Risk in Middle-aged Adults
https://pubmed.ncbi.nlm.nih.gov/41477054/
2025 | Liegert et al., Health-related quality of life of unemployed individuals
https://pmc.ncbi.nlm.nih.gov/articles/PMC12689676/
2024 | IMF, Broadening the Gains from Generative AI: The Role of Fiscal Policies
https://www.imf.org/-/media/files/publications/sdn/2024/english/sdnea2024002.pdf
2024 | IMF, Gen-AI: Artificial Intelligence and the Future of Work
https://www.imf.org/-/media/files/publications/sdn/2024/english/sdnea2024001.pdf
2019 | World Bank, Exploring Universal Basic Income
https://openknowledge.worldbank.org/server/api/core/bitstreams/bbb71d18-ef5f-5536-9af5-67d3e3795a61/content
2019 | UCL Institute for Global Prosperity, Universal Basic Services: Theory and Practice
https://discovery.ucl.ac.uk/10080177/1/ubs_report_online.pdf
2017 | UCL Institute for Global Prosperity, Social prosperity for the future: A proposal for Universal Basic Services
https://www.ucl.ac.uk/bartlett/sites/bartlett/files/universal_basic_services_-_the_institute_for_global_prosperity_.pdf
2012 | Annual Review of Psychology, Carol Wanberg, The Individual Experience of Unemployment
https://www.annualreviews.org/doi/pdf/10.1146/annurev-psych-120710-100500
1998 | Gallie, Duncan; Russell, Helen, Unemployment and life satisfaction: A cross-cultural comparison
https://www.cambridge.org/core/services/aop-cambridge-core/content/view/48F2FB7F8E9CA651811F6A9E7F34DC44/S0003975600007633a.pdf/unemployment_and_life_satisfaction_a_crosscultural_comparison.pdf
1938 | Cambridge excerpt on James Meade and the social dividend
https://assets.cambridge.org/97810096/52483/excerpt/9781009652483_excerpt.pdf
1933 | Jahoda, Lazarsfeld, Zeisel, Marienthal: an unemployed community
https://dasrotewien-waschsalon.at/fileadmin/DOCS/2017/marienthal_englisch_FINAL.pdf
1930 | John Maynard Keynes, Economic Possibilities for our Grandchildren
https://resolve.cambridge.org/core/services/aop-cambridge-core/content/view/230A7959F87C44AC6E83E406DF126B97/9781139524162c25_p321-332_CBO.pdf/economic-possibilities-for-our-grandchildren-1930.pdf
Stanford Encyclopedia of Philosophy, Socialism
https://plato.stanford.edu/entries/socialism/
University of Oxford, Duncan Gallie profile
https://www.nuffield.ox.ac.uk/people/profiles/duncan-gallie/
University of Vienna, Marie Jahoda profile
https://geschichte.univie.ac.at/en/persons/marie-jahoda
American Sociological Association, Paul Lazarsfeld
https://www.asanet.org/paul-lazarsfeld/
Nobel Prize, James E. Meade biographical
https://www.nobelprize.org/prizes/economic-sciences/1977/meade/biographical/
Commenti