Lo scorso gennaio il World economic forum ha incrociato due incognite: la velocità con cui avanza l'intelligenza artificiale e la preparazione della forza lavoro, e ne ha ricavato quattro futuri possibili per il rapporto tra lavoro e AI al 2030. Futura Network ne ha dato conto con un'analisi che va dal progresso esponenziale allo stallo. Gli scenari servono a pensare. Per decidere, però, un'impresa o un'amministrazione ha bisogno di sapere in quale di quei futuri sta entrando, e che cosa fare mentre la risposta non è ancora chiara.

Due assi, e uno dei due non si misura

Il white paper "Four Futures for Jobs in the New Economy: AI and Talent in 2030", frutto del lavoro della comunità dei Chief Strategy Officer del Forum, combina un vettore di avanzamento dell'AI, esponenziale o incrementale, con un vettore di prontezza della forza lavoro, diffusa o limitata. Ne escono “Supercharged Progress, The Age of Displacement, Co-Pilot Economy e Stalled Progress”. Il documento accompagna ogni scenario con una tabella di indicatori e i relativi valori di partenza: la capacità media dei cinque modelli migliori sul benchmark Mmmu, la crescita annua della produttività del lavoro all'1,5%, la disoccupazione globale al 5%, la quota di imprese che stanno scalando l'AI agentica al 23%, il rapporto tra le retribuzioni orarie del 10% più pagato e del 10% meno pagato a 16,8.

Nella stessa tabella, alla voce "AI literacy and adjacent skills", il valore di partenza è "N/A". Una nota spiega che oggi non esiste una misura globale, autorevole e standardizzata di queste competenze.

È un dettaglio che cambia la lettura dell'intero esercizio. Il primo asse, la velocità della tecnologia, dipende in gran parte da laboratori e investitori che un decisore italiano non controlla. Il secondo, la preparazione delle persone, è quello su cui scuole, imprese e pubbliche amministrazioni possono intervenire davvero, ed è anche quello che nessuno sa ancora misurare. Lo stesso Forum avverte che le frecce della tabella hanno valore illustrativo, costruite per disegnare gli scenari e non per prevederli.

Lavoro e AI: dal progresso esponenziale allo stallo, quattro scenari possibili per il 2030

Un paper del World economic forum incrocia l’evoluzione dell’intelligenza artificiale e la preparazione della forza lavoro. Dalle traiettorie di queste variabili emergono futuri molto diversi tra loro.

Lavoro e AI, gli indicatori che arrivano prima della disoccupazione

Molti degli indicatori del rapporto raccontano l'esito, non la traiettoria. Quando il tasso di disoccupazione si muove, la scelta tra riqualificare e sostituire è già stata fatta, spesso in silenzio, nelle singole aziende.

A un'organizzazione servono segnali più vicini alle decisioni che prende ogni mese. Il primo riguarda il passaggio dalla sperimentazione alla produzione: in quanti processi un agente AI esegue compiti in autonomia, e non si limita più a suggerire. Il secondo è l'ingresso nel lavoro, cioè quante posizioni junior e di routine vengono ancora aperte nelle funzioni in cui l'automazione avanza. Il terzo misura la preparazione dall'interno: la quota di persone che ha completato una formazione di base sull'AI, il tempo necessario a riqualificare un addetto su un ruolo vicino, la frequenza con cui chi usa i sistemi segnala errori e anomalie. Sono dati che quasi ogni organizzazione possiede già, dispersi tra risorse umane, sistemi informativi e responsabili di processo. Messi insieme, costruiscono in piccolo quella misura della prontezza che su scala globale manca.

Le mosse valide in tutti e quattro i futuri

Il Forum propone nove strategie "no-regret", mosse che hanno senso qualunque scenario si realizzi. La prima è partire in piccolo, costruire in fretta e scalare ciò che funziona, a cominciare dai problemi operativi a rischio più basso. Un'altra chiede di allineare le strategie tecnologiche e quelle sulle persone, integrando l'apprendimento dell'AI nel flusso di lavoro invece di confinarlo in corsi separati. Un'altra ancora riguarda la governance e l'infrastruttura dei dati, perché un modello vale quanto i dati su cui lavora.

La formazione di base è l'esempio più chiaro di azione senza rimpianti. Se l'AI accelera, prepara le persone al lavoro con gli agenti; se rallenta, rende più produttiva l'integrazione graduale. In Europa è anche un punto fermo normativo: nella versione vigente dopo le modifiche del Regolamento (UE) 2026/1744, l'art. 4 del Regolamento (UE) 2024/1689, l'AI Act, chiede a fornitori e deployer di adottare misure per sviluppare l'alfabetizzazione in materia di AI del proprio personale.

Trigger: sperimentare, formare, limitare, fermare

Una soglia decisionale è una regola scritta prima: quando un indicatore supera un certo valore, scatta una decisione già discussa, con un responsabile e una scadenza. Trasforma lo scenario da racconto a strumento di governo.

Le soglie utili sono di quattro tipi. Alcune autorizzano a sperimentare, per esempio un nuovo processo pilota quando quello precedente ha retto per un periodo stabilito senza errori gravi. Altre impongono di formare: se gli agenti entrano in produzione in una funzione, il piano di riqualificazione di quella funzione parte subito, prima di qualsiasi revisione degli organici. Poi ci sono le soglie che limitano l'espansione, quando la formazione resta indietro rispetto alla tecnologia o le segnalazioni di errore crescono più dell'uso. E infine quelle che fermano un sistema e riportano il processo al lavoro manuale.

Conta la reversibilità. Sospendere un agente si fa in un giorno; ricostruire un canale di assunzione per i giovani chiuso da due anni richiede molto di più, e le competenze che si perdono intanto non tornano con una delibera. Per i sistemi ad alto rischio l'AI Act fissa già un passaggio obbligato: l'art. 26, par. 7, prevede che il datore di lavoro che li introduce informi prima i rappresentanti dei lavoratori e i lavoratori interessati.

Rivedere le ipotesi, e chiedersi chi paga

Ogni soglia poggia su un'ipotesi che invecchia. Un riesame periodico, semestrale o annuale, serve a verificare se gli indicatori scelti hanno anticipato qualcosa, se le soglie sono scattate e con quali effetti, e se lo scenario di riferimento regge ancora.

La domanda più scomoda riguarda la distribuzione. Nell'Executive opinion survey 2024 del Forum, condotta su oltre diecimila dirigenti, circa il 54% si aspetta che l'AI sostituisca posti di lavoro esistenti e il 24% che ne crei di nuovi; quasi il 45% prevede margini di profitto più alti, appena il 12% salari più alti. Nello scenario di stallo il rapporto descrive guadagni concentrati nelle imprese e nei territori con competenze AI e una sostituzione che colpisce soprattutto i ruoli di routine. Per chi ragiona con l'Agenda 2030, e con il Goal 8 sul lavoro dignitoso, il riesame deve guardare anche a chi ha assorbito i costi: giovani, lavoratori meno qualificati, aree con meno accesso alla formazione.

Dove si incontrano studi sul futuro e professionisti dell'AI

Futura Network, la testata dell'Alleanza Italiana per lo Sviluppo Sostenibile (ASviS), ha scelto un motto che descrive bene il problema: "Decidiamo oggi per un domani sostenibile". Tra la Scuola "Futuri e Sostenibilità" e gli incontri di Ecosistema Futuro, il suo pubblico di decisori pubblici e privati, imprese, università e società civile lavora da anni con gli scenari come metodo. Chi progetta, integra e governa i sistemi di intelligenza artificiale nelle organizzazioni lavora sull'altro lato della stessa questione.

L'Associazione italiana professionisti dell'intelligenza artificiale (Aipia), ente no profit con sede a Roma, riunisce sviluppatori, data scientist, ricercatori, consulenti e aziende. Per l'associazione, la prima condizione per costruire indicatori comparabili è un vocabolario condiviso: agente, alfabetizzazione, sorveglianza umana, bias significano cose diverse per un ufficio del personale, un reparto IT e un sindacato. È la ragione per cui Aipia mette a disposizione un glossario pubblico dell'Associazione italiana professionisti dell'intelligenza artificiale, con definizioni brevi che vanno dagli agenti all'AI Act.

Sul fronte delle competenze, la norma UNI 11621-8:2026, pubblicata il 30 aprile 2026, descrive dodici profili professionali per l'AI, dal Chief AI officer all'AI Consultant. Per un'organizzazione che cerca una misura locale della propria prontezza, profili definiti da una norma tecnica offrono un riferimento più solido dell'autovalutazione. Un laboratorio sugli scenari in cui esperti di futures studies e professionisti dell'AI costruiscano insieme soglie e indicatori per un settore concreto è il tipo di lavoro che i due mondi, oggi, hanno ragione di fare.

La misura che manca è la prima decisione

Il rapporto del Forum lascia vuota proprio la casella della preparazione delle persone. Un'organizzazione che sceglie oggi come misurarla, anche in modo imperfetto e solo al proprio interno, ha già iniziato a spostarsi lungo l'asse su cui può agire. Sulla velocità dell'AI si può soltanto osservare. Sulla prontezza della forza lavoro si decide.

Copertina: Mario Gogh/unsplash