L’ondata di sostituzione dell’AI è sopravvalutata? Barclays: solo il 20% delle competenze chiave nel mondo del lavoro può essere altamente replicato, ma l’effetto amplificatore si sta già diffondendo silenziosamente

L'impatto dell'AI sul mercato del lavoro potrebbe essere molto più mite rispetto alla narrazione di mercato, ma anche più profondo. Le ultime ricerche di Barclays mostrano che solo circa il 20% delle competenze chiave lavorative può essere altamente replicato dall'AI, quindi le preoccupazioni su un'ampia "ondata di sostituzioni" sono probabilmente sopravvalutate; tuttavia, l'"effetto amplificatore" dell'AI sulla produttività presenta un quadro completamente diverso: la sua portata è molto più ampia della semplice sostituzione automatizzata, penetrando quasi ogni angolo del mercato del lavoro.

Il 22 settembre Barclays ha pubblicato un rapporto presentando il suo "AI Automation & Amplification Framework" (Barclays 3A Framework), che analizza come unità centrale le competenze, non le professioni, valutando sistematicamente l'impatto di AI cognitiva e AI fisica su oltre 830 occupazioni. La ricerca ha rilevato che il rischio di automazione si concentra fortemente su pochi gruppi professionali, con l'esposizione più alta all'AI cognitiva nelle posizioni di informatica, ingegneria e scienze, mentre i lavori più esposti all'AI fisica sono nell'edilizia, produzione, installazione, manutenzione e riparazione. Nel frattempo, i dati sulle offerte di lavoro negli Stati Uniti mostrano già cambiamenti strutturali coerenti con l'AI—dal 2022 la percentuale di posizioni nei lavori più esposti all'automazione è scesa da circa il 30% al 25% circa.

L'espansione accelerata della domanda di competenze AI rivela un'altra logica: in Stati Uniti, Regno Unito, Francia e Germania, la quota di offerte che richiedono competenze AI è salita dal circa 2% del 2019 al 6-10% nell’agosto 2026. Vale la pena notare che il focus della domanda di competenze AI si sta spostando: nel 2019 oltre il 70% delle posizioni AI era in aree tecnologiche e dati, mentre nel 2026 questa quota sarà scesa al 50%, e la percentuale per ruoli manageriali è salita dal 10% al 25%, indicando che l'AI si sta diffondendo dall’area tecnica all’intero ecosistema lavorativo.

L'analisi tradizionale dell'impatto dell'AI sul lavoro si basa spesso sulle "professioni", ma secondo Barclays, la professione è un insieme di compiti, i compiti sono insiemi di competenze, e le competenze sono l'"atomo di base" per comprendere l'impatto dell'AI. L'AI ha più probabilità di automatizzare o amplificare una competenza specifica (come la raccolta di informazioni, la scrittura o l'analisi dei dati) piuttosto che un intero profilo professionale.

Il framework 3A si basa sul database del Dipartimento del Lavoro statunitense, che include 104 competenze richieste trasversalmente alle professioni e le mappa su oltre 800 posizioni lavorative. L'innovazione del framework si sviluppa su tre dimensioni: primo, include simultaneamente sia l'AI cognitiva che quella fisica, coprendo sia intelligenza digitale che intelligenza fisica; secondo, usa le competenze invece di compiti o professioni come unità base d’analisi; terzo, cattura sia l'"automazione" che l'"amplificazione"—la prima misura il grado in cui l'AI può sostituire il lavoro umano, la seconda il potenziale dell’AI di accrescere la produttività umana.

I risultati mostrano che solo circa il 20% delle competenze è altamente replicabile dall'AI, mentre il 40% delle competenze mostra una forte resistenza all'AI cognitiva, e ben il 70% resiste all'AI fisica, indicando che al momento l'impatto automatizzante dell'AI fisica rimane molto più limitato rispetto a quella cognitiva.

Per quanto riguarda la distribuzione dell’esposizione all’automazione, la scoperta chiave di Barclays è che: il grado massimo di esposizione si concentra solo su pochissime professioni, mentre la maggior parte si espone soprattutto all'AI cognitiva o a quella fisica, non ad entrambe contemporaneamente.

Le professioni con la massima esposizione all’automazione cognitiva AI includono data scientist, statistici e attuari, le cui competenze chiave—acquisizione d’informazioni, riconoscimento di schemi, gestione di documenti e decisioni programmate—coincidono fortemente con le capacità dell’AI. Per l’AI fisica, invece, sono maggiormente coinvolti lavoratori agricoli, operatori di macchine tessili e operai del ferro strutturale, tutti lavori che dipendono da compiti manuali ripetitivi.

Per contro, circa 120 professioni hanno una bassa esposizione combinata a entrambe le tipologie di automazione AI, coprendo circa il 20% del mercato del lavoro USA—tra cui insegnanti, assistenti all’infanzia, allenatori e alcuni addetti all’hotellerie e al settore dell’intrattenimento—professioni che dipendono fortemente dall’interazione umana, dalla supervisione in loco o da performance, difficili da replicare per l’AI.

A differenza della distribuzione concentrata dell'automazione, l’effetto amplificatore dell’AI si manifesta più diffuso ed equilibrato. Nel modello Barclays, l’effetto amplificatore è più evidente nelle professioni con una combinazione più bilanciata tra competenze replicabili, parzialmente replicabili e non replicabili: l’AI gestisce la parte replicabile e accresce il valore e la produttività delle restanti competenze umane.

Tra i lavori con il massimo effetto amplificatore dalla AI cognitiva ci sono i controllori di traffico aereo, responsabili dei servizi sanitari e manager della formazione—posizioni manageriali in cui l’AI si può occupare della burocrazia e del trattamento delle informazioni amplificando al contempo le competenze umane essenziali come leadership, mentoring e gestione del personale. Per l’AI fisica, la massima amplificazione si osserva per meccanici di autobus e camion, meccanici industriali e altre figure tecniche, dove l’AI può automatizzare compiti ripetitivi, ma diagnostica, decisioni e capacità d’adattamento richiedono ancora l’essere umano.

Secondo Barclays, il cuore della distribuzione dell’effetto amplificatore sta nel fatto che l’automatizzazione tramite AI si concentra su specifiche professioni, mentre la sua capacità di migliorare la produttività copre una gamma molto ampia di lavori: medici, insegnanti e ingegneri, tra gli altri, possono trarre vantaggi sostanziali dagli strumenti AI. Questo aspetto implica che, nel lungo periodo, i miglioramenti totali di produttività dovuti all’AI potrebbero superare il suo diretto effetto sostitutivo.

I dati del mercato del lavoro iniziano già a riflettere quanto descritto nel framework. Secondo Barclays, analizzando i dati delle offerte su LinkUp, dal 2022 la quota dei lavori più esposti all’automazione AI è scesa da quasi il 30% circa al 25%, con il calo più marcato tra i ruoli di ingegneria software; la quota dei lavori meno esposti è leggermente salita dal 20% circa al 21-23%.

Allo stesso tempo, la domanda di competenze specifiche AI cresce rapidamente. Secondo i dati di Indeed Hiring Lab e altre fonti su ricerche con parole chiave più ampie, la quota di posti correlati a AI negli Stati Uniti, Regno Unito, Francia e Germania è salita dal 2% circa nel 2019 a tra 6% e 10% nel 2026, con il Regno Unito che mostra l'incremento più marcato.

Ancora più strutturale è il cambiamento nei soggetti della domanda. Nel 2019, i lavori in area tech e dati rappresentavano oltre il 70% dei posti AI pubblicati; nel 2026 questa quota è scesa al 50% circa, mentre la quota delle posizioni manageriali è salita dal 10% circa al 25%. Questa tendenza è evidente in Stati Uniti, Regno Unito, Francia e Germania, a testimonianza che l’AI si sta diffondendo come competenza lavorativa trasversale e non solo come tecnologia specialista.

Il rapporto prevede inoltre nuovi modelli economici generati dalla diffusione dell’AI fisica, divisi in due fasi.

Nella prima fase, gli esseri umani fungono da "addestratori di robot": poiché l’AI fisica al momento manca di dataset reali comparabili ai dati di addestramento dei grandi modelli linguistici, il settore sfrutta il telecontrollo e la raccolta di video in prima persona, affidandosi a dimostrazioni umane per generare dati di addestramento per i robot. Figure's Index, Scale AI e altre società stanno già costruendo tale ecosistema in crowdsourcing.

Nella seconda fase, il valore si sposta verso le "procedure operative" stesse. Con il maturare dell’AI fisica, il focus passa dall’hardware alle competenze e ai flussi di lavoro incorporati—saperi professionali umani come saldatura, chirurgia o cucina potrebbero essere codificati come "manuali dell’operatore robotico" da autorizzare su larga scala, formando una nuova tipologia di proprietà intellettuale. Unitree con UniStore e NEURA Robotics con NeuraGym/NeuraVerse sono già considerati casi iniziali di mercato di competenze, sebbene oggi rimangano integrati nelle piattaforme hardware dei produttori di robot umanoidi.

Barclays ritiene che, nel caso estremo di questa tendenza, l’hardware si commodificherà progressivamente e il vero vantaggio competitivo spetterà a chi saprà catturare, codificare e controllare le competenze di maggior valore: in tal scenario, non necessariamente chi costruisce più robot sarà il vincitore, bensì chi possiederà il “livello di comando” delle competenze potrebbe dominare la nuova guerra delle skill.