In questi giorni sto ragionando su una cosa molto concreta: l’AI sta davvero facendo perdere posti di lavoro oppure no? La risposta facile è “dipende”. Ma dipende da cosa, esattamente?
Parto dai numeri. Il World Economic Forum, nel Future of Jobs, stima che entro il 2030 il 22% dei ruoli verrà trasformato, con 170 milioni di nuove posizioni e 92 milioni in uscita: saldo positivo, sì, ma distribuzione tutt’altro che omogenea. Significa che alcuni settori cresceranno e altri stringeranno i ranghi. E per chi comunica e fa impresa questo non è un dettaglio.
Un altro dato utile arriva da una ricerca di Anthropic: il potenziale teorico dell’AI di sostituire compiti è molto più alto dell’uso reale oggi in azienda. Quindi non è una sostituzione “a interruttore”, è più una transizione selettiva. Attenzione però: nelle occupazioni più esposte, le assunzioni dei 22-25enni risultano in calo di circa il 14% rispetto al 2022. Tradotto: si restringono gli ingressi junior proprio dove l’AI è più forte sulle attività ripetitive e standardizzabili.
Ma quindi dove sta già mordendo l’AI?
– Customer service e call center: il rischio di riduzione è concreto, e non da domani. Gli assistenti conversazionali coprono una fetta crescente delle richieste di primo livello.
– Data entry e back-office amministrativo: alta automazione dei task ripetitivi.
– Ruoli di ricerca di mercato e analisi junior: estrazione, sintesi e benchmarking stanno cambiando passo.
– Programmazione e ruoli tecnico-analitici: esposizione alta sui task standard; l’adozione effettiva oggi è parziale, ma la direzione è chiara.
Al contrario, mestieri a forte componente fisica-relazionale (cuochi, meccanici, bagnini, baristi) risultano poco esposti.
Il punto vero, forse, è un altro: non è solo una questione di sostituzione. È anche un tema di redistribuzione della domanda tra canali e competenze. Nel B2B e nel manufacturing, ad esempio, il comportamento d’acquisto sta cambiando. Secondo analisi recenti, dall’introduzione della ricerca potenziata dall’AI, molti brand hanno visto un -20% anno su anno di traffico organico: ChatGPT diventa un referral importante, le query si allungano (20+ parole) e gli utenti fanno domande complesse. Risultato? Meno scoperte top-of-funnel, meno conversioni da contenuto, segnali di retargeting più deboli. Se l’AI risponde direttamente, il tuo sito potrebbe non essere nemmeno consultato.
Cosa cambia per chi fa marketing B2B e per le aziende manifatturiere? La verifica da fare è semplice: il tuo contenuto è costruito per essere “capito, citato e mostrato” dai modelli generativi? Qui entra in gioco la GEO, Generative Engine Optimization. Non basta più posizionarsi su Google: serve diventare l’“answer” dentro piattaforme come ChatGPT, Perplexity e Gemini. In pratica: contenuti con struttura chiara (heading, FAQ, schema), segnali di fiducia solidi, dati verificabili, formati sintetici e facilmente quotabili, presenza nelle conversazioni e nelle community (Reddit, forum, round-up di esperti), directory strutturate.
Domanda centrale: l’AI toglierà lavoro o lo trasformerà? Entrambe le cose. Il WEF descrive quattro scenari fino al 2030, dal progresso rapido con forza lavoro pronta (produttività alta, ma tante mansioni spariscono) al caso opposto (AI lenta e skill insufficienti, con disuguaglianze in crescita), passando per due vie intermedie più graduali. La leva che fa la differenza è sempre la stessa: competenze. Non solo tecniche (AI, dati, cybersecurity), ma soprattutto umane (pensiero critico, creatività, adattabilità). E servono governance e regole per evitare che i benefici si concentrino in poche mani.
Ok, ma cosa facciamo lunedì mattina?
Ecco una checklist operativa in ottica business e marketing:
1) Mappa dei processi esposti: individua attività ad alta ripetibilità (customer care di primo livello, data entry, analisi standard) e definisci un piano di automazione + riallocazione. Dove automatizzi, prevedi già un’upskill dei team su compiti a maggior valore.
2) GEO audit dei contenuti: verifica la tua visibilità dentro ChatGPT, Perplexity e Gemini. Rendi il sito “AI-citabile”: dati chiari, FAQ, schema markup, E-E-A-T, tl;dr iniziali, pagine con comparazioni e liste tecniche. Cura la presenza in UGC e community tecniche: sono fonti che i modelli citano spesso.
3) KPI 2.0: oltre al traffico, misura share-of-answer nei risultati generativi, tasso di citazione del brand, presenza in zero-click panel e menzioni qualificate. Educa gli stakeholder interni su queste metriche, altrimenti valuteranno con parametri superati.
4) Formazione continua: upskilling/reskilling su AI, big data e cybersecurity; soft skill come creatività e problem solving. L’obiettivo è complementare, non sostituibile.
5) Etica e governance: trasparenza degli algoritmi usati, alfabetizzazione digitale diffusa, attenzione alla sovranità tecnologica e alla protezione dei dati. Evitiamo di delegare tutto alle macchine: si perde “agency”.
Perché non iniziare dai ruoli junior? La contrazione delle assunzioni nelle posizioni d’ingresso nelle aree esposte è un segnale che non possiamo ignorare. Vale la pena ripensare i percorsi di onboarding: meno task di routine, più micro-progetti guidati, più contatto con il cliente e con i problemi reali.
La verità, dimmi la verità, è che l’AI non è né la bacchetta magica né il mostro che ci ruba tutto. È un moltiplicatore. Se non mettiamo metodo, obiettivi e metriche nuove, moltiplicherà il caos. Se governiamo la transizione, può elevare lavoro e risultati. Prima di decidere, conviene fare un check. A volte basta fermarsi e guardare meglio.