Intelligenza Artificiale e lavoro L’esposizione occupazionale alla GenAI
Intelligenza Artificiale e lavoro L’esposizione occupazionale alla GenAI. Il research brief dell’International Labour Organization intitolato Generative AI and jobs: A 2025 update, pubblicato nel maggio 2025, aggiorna le stime ILO del 2023 sull’esposizione occupazionale all’intelligenza artificiale generativa, cercando di prevede in quale misura i compiti delle diverse professioni possono essere potenzialmente automatizzati o trasformati dall’uso della GenAI.
Come rilevato dall’indagine di cui abbiamo parlato in questo articolo, anche l’elaborato ILO sottolinea che l’aspetto principale non è tanto (o non è solo) quante attività siano automatizzabili, ma come questa trasformazione verrà governata, chi sarà maggiormente coinvolto, quali professioni saranno ridefinite e quali effetti si avranno sulla qualità del lavoro. Di nuovo, la GenAI può essere interpretata non come una minaccia di sostituzione, ma come un ridisegno del lavoro che richiede però istituzioni, regole e confronto sociale adeguati.
Perciò, l’analisi intende misurare come i compiti legati alle diverse professioni possano essere tecnicamente esposti all’automazione o alla trasformazione. La metodologia di indagine adottata nel 2025 è più raffinata rispetto a quella precedente, perché combina valutazioni umane e strumenti di AI, lavora su un livello occupazionale più dettagliato e distingue diversi gradi di esposizione. Pur esistendo occupazioni con una certa vulnerabilità, quindi, nella maggior parte dei casi l’effetto più probabile non sarà la scomparsa del lavoro, bensì una ristrutturazione. La transizione può essere governata in modo ordinato attraverso il dialogo sociale e policy adeguate.
Nell’agosto 2023 l’ILO aveva pubblicato le prime stime globali sull’esposizione occupazionale alla GenAI, ma nel frattempo sono cambiati sia la tecnologia sia il modo in cui imprese e lavoratori ne comprendono possibilità e limiti. Il brief del 2025 sintetizza perciò i risultati di un working paper più ampio, il cui punto di partenza è la concezione del lavoro come bundle of tasks, cioè come insieme di compiti. Pertanto, non si può dedurre automaticamente l’automazione di un’intera professione dalla sola automatizzazione di alcuni suoi task, senza considerare il peso di quei compiti all’interno dell’occupazione e quanto l’insieme dei task sia vario.
Gli autori del paper sottolineano che la loro analisi riguarda l’esposizione potenziale all’automatizzazione, non l’adozione effettiva della tecnologia nei luoghi di lavoro. A limitare l’applicazione concreta intervengono infatti fattori materiali e organizzativi, come infrastrutture inadeguate, competenze insufficienti, costi elevati o priorità aziendali diverse. Scopo dello studio, quindi, è soprattutto offrire indicazioni utili per aiutare governi e parti sociali a progettare risposte preventive e non meramente reattive.
Rispetto all’indagine condotta nel 2023, oggi si rileva una comprensione più realistica delle effettive capacità della GenAI. Nel 2023 alcuni task, come prendere appunti durante riunioni o organizzare appuntamenti, avevano ricevuto punteggi molto elevati, perché allora si tendeva a valutare in modo eccessivamente ottimistico la possibilità di automatizzarli integralmente. L’esperienza concreta maturata nei due anni successivi ha mostrato invece che, pur essendo attività fortemente supportabili dalla tecnologia, esse continuano in molti casi a richiedere supervisione, contestualizzazione o intervento umano. Di contro, alcune professioni altamente digitalizzate, come sviluppatori web e media, specialisti statistici e di database, nonché diversi ruoli finanziari e software, hanno visto aumentare i loro punteggi medi rispetto al 2023. La ragione risiede nell’evoluzione delle capacità dei modelli: se nel 2023 i large language models erano percepiti soprattutto come generatori avanzati di testo, nel 2025 possiedono capacità multimodali, possono trattare immagini, audio e video e hanno acquisito anche alcune funzioni agentiche, cioè la possibilità di eseguire compiti in più fasi, interagire con ambienti software e prendere decisioni contestuali, cosa che allarga notevolmente il numero di attività almeno parzialmente automatizzabili nei settori del software e dei contenuti digitali.
Tale aumento è parte di una trasformazione più complessa. Come in tutte le grandi transizioni tecnologiche, possono emergere nuovi ruoli dentro le professioni esistenti e persino nuove occupazioni. Il vero nodo, secondo gli autori, riguarda perciò la qualità del lavoro che verrà ridefinita da questi processi. Occorre capire se la GenAI libererà tempo per attività più creative e qualificate, oppure se produrrà maggiore standardizzazione, minore autonomia e una ridefinizione peggiorativa dei ruoli.
Dopo aver identificato quattro gradienti di esposizione e le 112 occupazioni considerate esposte, gli autori stimano quale quota dell’occupazione globale, regionale e distinta per livello di reddito sia collocata in queste categorie, di seguito descritte:
- Il Gradient 1 indica una bassa esposizione complessiva, ma con alcuni compiti che possono essere automatizzati
- Il Gradient 2 indica un’esposizione moderata, con una combinazione di task esposti e task poco esposti
- Il Gradient 3 indica un’esposizione significativa, perché una parte rilevante dei compiti è esposta alla GenAI
- Il Gradient 4 indica l’esposizione più alta e più uniforme, quindi il maggiore potenziale di automazione.
Il risultato principale è che, a livello mondiale, circa un quarto dell’occupazione rientra in una delle quattro classi di esposizione. Tuttavia, questa quota non è distribuita in modo uniforme. Il brief insiste molto sulle differenze di genere: tra gli uomini la quota di lavori esposti è più bassa, mentre tra le donne è significativamente più alta, soprattutto nei due gradienti superiori. Il divario si accentua nei Paesi ad alto reddito. Anche le differenze legate al reddito nazionale sono molto marcate. I Paesi ad alto reddito presentano la maggiore concentrazione di occupazioni esposte, mentre i Paesi a basso reddito registrano percentuali sensibilmente inferiori. Secondo il documento, ciò dipende dal fatto che le occupazioni più esposte alla GenAI, come quelle clericali, finanziarie e di customer service, sono più diffuse nelle economie più ricche. Di conseguenza, nelle regioni più sviluppate si accentuano anche le asimmetrie di genere, perché molte donne sono occupate proprio in ruoli con alta esposizione.
La mancanza di elettricità o di banda larga, competenze digitali insufficienti, costi elevati della tecnologia e difficoltà operative intrinseche ai sistemi AI tendono a frenare lo sviluppo dei nuovi sistemi, ed oggi pochi lavori appaiono davvero ad alto rischio di automazione completa. Anche il gradiente più esposto resta caratterizzato da una presenza residua di compiti che richiedono input umano. Molto più importante, secondo il brief, è l’idea che l’effetto principale della GenAI sarà la trasformazione del lavoro. L’integrazione di questi strumenti può infatti modificare ruoli, contenuti professionali e qualità dell’occupazione. Se l’automazione di alcuni compiti consentirà ai lavoratori di dedicarsi a attività più complesse, creative o soddisfacenti, l’esito potrà essere positivo. Se invece la tecnologia verrà usata per standardizzare i processi, comprimere l’autonomia umana, intensificare il monitoraggio o imporre sistemi mal progettati, allora la qualità del lavoro potrebbe peggiorare. La diffusione della GenAI nei luoghi di lavoro deve essere, perciò, accompagnata da dialogo sociale e consultazione, così che la transizione produca benefici sia per le condizioni di lavoro sia per la produttività.
Research brief_FINAL_15May2025_21.05.25_1
