Come cambierà il mercato del lavoro nel 2034 secondo lo studio USA sull’IA

Da qui al 2034 l’IA non cancellerà semplicemente posti di lavoro: ridisegnerà mansioni, competenze e accessi professionali, premiando sviluppatori, esperti di dati e sicurezza, mentre scuola e imprese dovranno adattarsi.

Il Bureau of Labor Statistics, lufficio statistico del lavoro statunitense, prevede per il periodo 2024-2034 una crescita complessiva delloccupazione negli Stati Uniti, mentre indica prospettive diverse tra professioni esposte allintelligenza artificiale. La direzione pi leggibile non quella di un mercato senza lavoro, ma di un mercato nel quale le attivit amministrative ripetitive perdono peso e aumentano il valore di sviluppo software, analisi dei dati, sicurezza informatica e supervisione dei sistemi.

Le Employment Projections 2024-2034 descrivono quanti saranno gli occupati, quali aperture dipenderanno dallespansione delle professioni e quali dalla sostituzione delle persone che lasciano il proprio impiego. Non dicono che ogni variazione sia provocata dallIA. A incidere sulla domanda di competenze concorrono anche landamento delleconomia, gli investimenti, linvecchiamento della popolazione, le regole, le trasformazioni organizzative e la difficolt di reperire personale qualificato.

Questa distinzione serve a leggere meglio il prossimo decennio. LIA pu automatizzare una parte di una mansione, aumentare la produttivit della persona che la svolge, ridurre il numero di lavoratori necessari oppure generare nuove attivit di controllo e progettazione. Una professione, del resto, non si esaurisce in un compito. Comprende responsabilit, relazioni, decisioni, eccezioni e conoscenza del contesto.

Le proiezioni USA coprono il periodo 2024-2034

Il BLS costruisce le proprie stime su un orizzonte di dieci anni. Ledizione 2024-2034 offre quindi una rappresentazione del mercato americano fino al 2034. Non predice con precisione che cosa accadr in una singola azienda, n consente di stabilire landamento di ciascun anno.

Il primo indicatore da osservare la variazione delloccupazione. Indica quante posizioni una professione potrebbe guadagnare o perdere nellarco dellintero periodo. Anche la variazione percentuale ha il suo peso: un incremento numerico ampio pu tradursi in una crescita moderata quando riguarda una categoria molto grande, mentre una percentuale elevata pu riferirsi a un gruppo professionale ristretto.

Ci sono poi le aperture complessive. Una professione pu chiudere il decennio con meno occupati e continuare a offrire posti per sostituire chi va in pensione, cambia carriera o abbandona il settore. Una riduzione prevista, dunque, non significa che le assunzioni si azzereranno.

Il quadro generale va messo a confronto con le proiezioni delle singole occupazioni. Le attivit informatiche e matematiche ricevono sostegno dalla richiesta di infrastrutture digitali, sistemi automatizzati, servizi cloud, gestione dei dati e protezione delle reti. Gli impieghi dufficio pi standardizzati sono invece maggiormente esposti alla digitalizzazione dei flussi di lavoro e alla produzione automatica di documenti.

Il saldo delloccupazione non coincide con leffetto dellIA

Una proiezione statistica non attribuisce automaticamente allintelligenza artificiale ogni posto creato o soppresso. Il BLS mette insieme andamento storico, struttura delleconomia, produttivit, consumi, investimenti e ipotesi riferite ai singoli settori. LIA pu modificare produttivit e organizzazione, ma il risultato finale dipende da pi fattori.

La prudenza serve anche per unaltra ragione: ladozione di una tecnologia non procede alla stessa velocit con cui un sistema dimostra di poter svolgere un determinato compito. In azienda contano la qualit dei dati, la sicurezza, le responsabilit professionali, le procedure interne, le autorizzazioni e il controllo dei risultati. Una risposta generata da un modello arriva rapidamente. Renderla affidabile richiede conoscenza del processo e verifica umana.

Gli economisti di Anthropic Maxim Massenkoff e Peter McCrory hanno misurato proprio la distanza tra capacit teorica e utilizzo osservato. Il loro studio del 2026 combina le mansioni censite per le professioni statunitensi, valutazioni sulla possibilit di dimezzare il tempo necessario per alcune attivit e dati reali sulluso del modello Claude. Nelle professioni informatiche e matematiche, la capacit teorica pu riguardare il 94% dei compiti; limpiego osservato arriva invece al 33%.

Il divario utile per interpretare le stime al 2034. La tecnologia pu cambiare i compiti prima di modificare il numero complessivo degli occupati. Unazienda pu impiegare un assistente per preparare bozze, sintetizzare documenti o scrivere codice e conservare lo stesso organico. Pu anche produrre di pi con meno ore di lavoro. La decisione dipende dal mercato, dai costi, dalla qualit richiesta e dalla capacit interna di governare il sistema.

Segretari e assistenti amministrativi affrontano la pressione dellautomazione

Le professioni amministrative includono molte attivit ripetitive: inserimento e aggiornamento di dati, gestione dei calendari, preparazione di documenti, classificazione delle richieste, trascrizione, smistamento della posta e produzione di report standard. Sono operazioni per le quali gli strumenti digitali e lIA generativa possono ridurre i tempi.

Le proiezioni del BLS indicano una diminuzione per segretari e assistenti amministrativi nel periodo 2024-2034. La contrazione riguarda soprattutto le mansioni generaliste che possono essere ripartite tra software gestionali, modelli automatici e personale gi presente. Non significa che ogni ufficio eliminer questa figura.

Restano infatti attivit di coordinamento, gestione della riservatezza, rapporto con clienti e fornitori, organizzazione di appuntamenti non standard e trattamento delle eccezioni. Sono aspetti meno facili da trasferire a un sistema automatico, soprattutto quando richiedono una valutazione legata alla situazione concreta.

La stessa pressione si vede in altri lavori dufficio fondati sulla manipolazione delle informazioni. Linserimento dati, la preparazione di una prima bozza e il confronto tra documenti possono essere velocizzati, ma il risultato va controllato. Un errore in una pratica, in una tabella o in una comunicazione pu avere conseguenze operative, legali o economiche.

Il valore si sposta dallesecuzione meccanica alla capacit di impostare il flusso di lavoro, verificare loutput, individuare anomalie e coordinare le persone coinvolte. Saper utilizzare un sistema non basta se manca la capacit di giudicare ci che produce. Chi conosce il processo, invece, pu trasformare lautomazione in uno strumento produttivo.

Gli sviluppatori software restano tra i profili richiesti

Lo sviluppo software mostra bene quanto sia difficile tradurre lautomazione di alcuni compiti nella scomparsa di unintera professione. I modelli generativi producono frammenti di codice, suggeriscono correzioni, scrivono test, documentano funzioni e trasformano istruzioni in prototipi. Il lavoro quotidiano cambia, ma rimangono la progettazione dellarchitettura, la definizione dei requisiti, lintegrazione dei componenti, la verifica della sicurezza e la manutenzione delle applicazioni.

Le proiezioni statunitensi collocano sviluppatori software, analisti per il controllo qualit e tester tra le occupazioni informatiche con prospettive di crescita nel periodo 2024-2034. La domanda arriva dalla diffusione di applicazioni, servizi digitali, sistemi connessi e strumenti basati sui dati. In valore assoluto, una professione gi molto presente pu generare pi posizioni di una nicchia che cresce a una percentuale superiore.

LIA aumenta la produttivit quando viene inserita in un processo definito. Un programmatore pu ottenere in poco tempo una prima soluzione, ma deve comprenderne il codice, controllare dipendenze e vulnerabilit, eseguire prove e verificare che il comportamento rispetti i requisiti. Formulare una richiesta a un modello non equivale a possedere la competenza necessaria per sviluppare software.

Per i profili junior emerge una tensione gi rilevata dagli studi sul lavoro. Anthropic ha osservato, tra i lavoratori statunitensi di et compresa tra 22 e 25 anni, una riduzione del 14% nel tasso di ingresso nelle professioni pi esposte allIA rispetto al 2022. Una ricerca parallela basata sui dati delle buste paga ha stimato una riduzione delloccupazione giovanile compresa tra il 6% e il 16% nelle aree esposte, collegandola soprattutto al rallentamento delle assunzioni.

Il mercato pu chiedere sviluppatori e, nello stesso momento, ridurre alcune attivit iniziali attraverso le quali si imparava il mestiere. Se lIA assorbe la scrittura di codice semplice, la crescita professionale dovr passare pi rapidamente da revisioni, test, sicurezza, documentazione, comprensione dei sistemi e rapporto con utenti e responsabili di prodotto.

Cybersecurity, la difesa cresce insieme alla superficie dattacco

La sicurezza informatica uno dei settori nei quali lIA sposta il valore verso prevenzione, controllo e risposta agli incidenti. La diffusione dei servizi digitali aumenta la quantit di dati, identit, applicazioni e dispositivi da proteggere. Gli stessi strumenti generativi possono essere usati per accelerare gli attacchi, costruire messaggi di phishing pi credibili o automatizzare operazioni ostili.

Per gli analisti della sicurezza informatica, il BLS indica nel periodo 2024-2034 una crescita percentuale molto superiore alla media: lincremento pubblicato del 33%, pari a circa 47.100 posti in pi. Percentuale e dato assoluto vanno letti insieme. Il 33% segnala unespansione molto elevata, mentre laumento numerico pi contenuto rispetto a quello di professioni informatiche con una base occupazionale pi ampia.

Un analista della sicurezza non si limita a leggere gli avvisi prodotti da un sistema. Deve capire se un segnale un falso positivo o una minaccia, ricostruire la sequenza degli eventi, stabilire le priorit, applicare le procedure, documentare lincidente e coordinarsi con chi amministra infrastrutture e dati.

Quando una decisione pu interrompere un servizio o coinvolgere informazioni sensibili, la supervisione umana resta necessaria. Il lavoro comprende la gestione di identit e accessi, la sicurezza delle applicazioni, la valutazione delle vulnerabilit, la risposta agli incidenti, la protezione dei dati e lesame dei fornitori.

A queste competenze si aggiunge la conoscenza dei sistemi di IA: come vengono addestrati e utilizzati, quali dati trattano e quali rischi possono introdurre. Non basta che il sistema individui unanomalia. Serve qualcuno che sappia valutarla e decidere come intervenire.

Data scientist e analisti trasformano i dati in decisioni

La crescita dellIA accresce la richiesta di dati ordinati, aggiornati e interpretabili. Un modello pu creare una sintesi o segnalare una correlazione apparente; la qualit della decisione dipende per da come viene definito il problema, dalle variabili scelte, dalla pulizia dei dati e dalla verifica dei risultati.

Il BLS prevede per i data scientist una crescita del 36% tra il 2024 e il 2034, con circa 82.500 posti aggiuntivi nel periodo. una delle variazioni percentuali pi alte dellarea tecnologica. Le attivit comprendono raccolta e trattamento dei dati, costruzione di modelli, analisi, visualizzazione e comunicazione dei risultati alle persone chiamate a decidere.

La percentuale non garantisce, da sola, unassunzione individuale. Le aziende cercano persone in grado di unire statistica, programmazione, conoscenza del settore e comunicazione. Un modello preciso ma costruito su dati incompleti pu portare a una decisione distorta. Un risultato corretto sul piano tecnico, se non viene spiegato, pu rimanere inutilizzabile.

Gli analisti di ricerca operativa e le professioni informatiche vicine rispondono alla stessa esigenza: utilizzare dati e software per distribuire risorse, stimare la domanda, controllare i processi e confrontare scenari. LIA accelera i calcoli e lelaborazione, ma la scelta delle metriche, dei vincoli e delle interpretazioni resta legata alla competenza professionale.

Le professioni informatiche non crescono tutte allo stesso ritmo

Le occupazioni tecnologiche seguono traiettorie differenti. Una percentuale molto alta pu dipendere da una base di partenza ridotta; una categoria gi diffusa in molti comparti pu creare pi posti in termini assoluti pur registrando un tasso meno appariscente.

La tabella accosta indicatori che non hanno lo stesso significato. Il dato sui data scientist descrive lespansione rapida di una professione specializzata; quello sugli analisti della sicurezza segnala una crescita forte su una base differente. Per gli sviluppatori, il volume totale pu risultare pi rilevante anche se la percentuale non la pi alta.

Per chi lavora nel digitale, la scelta di una competenza non dovrebbe dipendere soltanto dal tasso di crescita maggiore. Vanno considerati la domanda effettiva, laccessibilit del percorso formativo, lesperienza richiesta e la possibilit di trasferire le conoscenze da un settore allaltro.

Le mansioni cambiano prima delle professioni

La trasformazione pi concreta si produce nelle attivit di ogni giorno. Un assistente amministrativo pu abbandonare una parte della digitazione e dedicarsi alla verifica di pratiche generate automaticamente. Un programmatore pu ridurre il tempo destinato al codice ripetitivo e lavorare di pi su progettazione, integrazione e sicurezza. Un analista dei dati pu usare un modello per esaminare ipotesi e concentrarsi sullinterpretazione.

La sostituzione di una mansione non coincide con quella dellintera professione. LIA tende a intervenire prima sui compiti con istruzioni relativamente chiare, molti esempi disponibili e un risultato controllabile. Restano pi difficili le situazioni ambigue, le relazioni complesse, le decisioni che comportano responsabilit, la gestione delle eccezioni e i lavori che richiedono presenza fisica.

Lo studio di Anthropic segnala che il 30% delle mansioni svolte dagli americani non compare nei dati di utilizzo di Claude. In settori come agricoltura, manutenzione meccanica, ristorazione e salvataggio in acqua, limpiego osservato risulta sostanzialmente assente. Questo non rende quelle professioni immutabili, ma mostra che lesposizione teorica e ladozione concreta sono grandezze diverse.

Conta anche il tipo di assistenza fornito. Quando lIA affianca un lavoratore senza sostituirne la decisione, leffetto pu essere un aumento della produttivit e della qualit. Se invece elimina una lunga serie di compiti dingresso, le opportunit per chi deve ancora costruire esperienza possono diminuire.

Laccesso dei giovani il punto pi fragile

Le attivit junior hanno spesso una funzione doppia: producono un risultato e insegnano il mestiere. Raccogliere informazioni, predisporre una bozza, ordinare documenti, eseguire test semplici e confrontare dati consente di imparare procedure e standard.

Se la prima versione viene affidata a un assistente automatico, un professionista esperto pu assorbire pi lavoro senza ampliare il gruppo. Nel breve periodo lorganizzazione guadagna velocit. Cambia per il percorso di apprendistato: il giovane deve raggiungere prima un livello sufficiente di autonomia, controllo e comprensione del contesto.

Il rallentamento delle assunzioni non dimostra che lIA abbia gi provocato una disoccupazione di massa. I dati statunitensi analizzati da Anthropic non mostrano un aumento sistematico della disoccupazione nelle professioni pi esposte dopo la diffusione di ChatGPT nel 2022. Mostrano, per, un segnale concentrato sullingresso nelle professioni con maggiore esposizione.

La risposta non consiste nel conservare senza limiti attivit che una tecnologia pu accelerare. Occorre ripensare i percorsi di apprendimento: affiancamento su casi reali, revisione di output generati, esercizi di verifica, sicurezza, documentazione e assunzione di responsabilit. Lesperienza deve nascere da compiti diversi, non soltanto dalla produzione della prima bozza.

Le competenze richieste diventano ibride

La preparazione utile al 2034 unisce conoscenze tecniche, comprensione dei processi e capacit di giudizio. La familiarit con una piattaforma specifica pu perdere valore quando il mercato cambia strumento; i principi trasferibili resistono pi a lungo.

Le competenze da collegare comprendono:

• Alfabetizzazione sullIA: funzionamento generale dei modelli, limiti, allucinazioni, dati utilizzati e criteri per verificare le risposte.
• Lavoro con il software: comprensione dei flussi, automazioni, integrazioni, versioni, test e gestione degli errori.
• Analisi dei dati: qualit delle fonti, metriche, interpretazione statistica e comunicazione dei risultati.
• Sicurezza informatica: identit, accessi, vulnerabilit, protezione delle informazioni e risposta agli incidenti.
• Conoscenza del settore: regole, processi, clienti, rischi e conseguenze concrete delle decisioni.
• Pensiero critico e comunicazione: formulazione dei problemi, controllo delle risposte, spiegazione dei limiti e assunzione di responsabilit.

Queste abilit non riguardano soltanto gli specialisti della tecnologia. Un responsabile amministrativo deve individuare un errore in un documento generato. Un commerciale deve controllare la provenienza di uninformazione. Un tecnico deve capire se una procedura automatica rispetta le condizioni operative.

Scuola, imprese e formazione devono cambiare metodo

Quando le attivit preparatorie vengono ridotte, una formazione fondata soltanto sullesecuzione ripetitiva perde efficacia. Lapprendimento pu concentrarsi su casi nei quali la persona deve definire il problema, scegliere i dati, utilizzare lIA, controllare il risultato e motivare la decisione.

Le aziende dovranno tenere insieme efficienza immediata e costruzione delle competenze future. Eliminare ogni attivit junior pu aumentare la produttivit di un gruppo gi esperto, ma riduce il numero di persone che in seguito potranno assumere responsabilit avanzate. Un percorso sostenibile richiede supervisione, revisioni e occasioni per capire il lavoro dallinterno.

Anche la formazione interna deve andare oltre luso di un singolo assistente. Chi lavora con questi strumenti deve conoscere le regole per i dati riservati, i criteri di controllo, le responsabilit legate alle decisioni, la sicurezza degli accessi e le modalit per segnalare risultati errati. La qualit delladozione dipende dallorganizzazione almeno quanto dal modello scelto.

Il rapporto tra competenze umanistiche e STEM, cio le discipline scientifiche, tecnologiche, ingegneristiche e matematiche, diventa pi stretto. Programmare senza capire il problema porta a soluzioni fragili. Conoscere bene un settore, senza possedere gli strumenti digitali necessari, pu non bastare per governare processi automatizzati.

La mappa pratica del mercato fino al 2034

Le proiezioni disponibili delineano un mercato articolato. Gli impieghi dufficio basati su compiti standardizzati subiscono pressione; sviluppo software, dati e cybersecurity hanno prospettive pi favorevoli; le attivit che richiedono responsabilit, presenza, relazione o gestione delle eccezioni resistono meglio allautomazione completa.

Il valore non appartiene soltanto a chi costruisce modelli. Aumenta anche per chi sa inserirli in un processo senza compromettere sicurezza, qualit e conformit. Le organizzazioni hanno bisogno di persone capaci di definire requisiti, misurare prestazioni, controllare i risultati, gestire gli accessi, documentare le decisioni e intervenire quando il sistema sbaglia.

Per valutare un settore si possono osservare quattro segnali:

• la quantit di dati e processi digitali da gestire;
• il livello di rischio associato agli errori e alle decisioni automatiche;
• gli investimenti in software, sicurezza e infrastrutture;
• la necessit di competenze ibride difficili da sostituire con una singola applicazione.

Questa lettura evita due conclusioni opposte. La prima che ogni professione esposta sia destinata a scomparire. La seconda trascurare il fatto che lautomazione pu restringere gli ingressi e innalzare il livello minimo richiesto. I dati del BLS descrivono un mercato statunitense complessivamente in crescita nel decennio 2024-2034, ma mostrano anche una redistribuzione del valore tra compiti e competenze.

Nel 2034 conter meno saper usare una funzione isolata e conter di pi saper collegare strumenti, dati, codice, sicurezza e responsabilit. Lintelligenza artificiale non cancella semplicemente il lavoro: riduce il valore di alcune esecuzioni di routine e aumenta quello della capacit di progettare, verificare e governare sistemi che producono risultati nel mondo reale.