Anthropic, una delle principali società di ricerca sull'AI e sviluppatrice di Claude, ha pubblicato a marzo 2026 una ricerca sul mercato del lavoro che merita attenzione: non perché annunci catastrofi imminenti ma proprio perché non lo fa, e spiega con rigore il perché. Per chi si occupa di HR, è un documento da leggere con una certa cura, perché dietro la rassicurazione di superficie si nascondono segnali che riguardano da vicino il recruiting, la talent retention e la conversazione che ogni HR Manager prima o poi deve avere con il proprio management.
Da Head Hunter, ci siamo ritrovati a pieno in alcuni aspetti mentre altri sono stati una sorpresa e uno spunto di riflessione anche per noi.
Cominciamo.
- Teoria vs realtà: l'AI fa molto meno di quello che si pensa
- Donne istruite e colletti bianchi: il profilo inaspettato di chi è più esposto
- I licenziamenti non ci sono ancora. Ma i junior non vengono più assunti
- Cosa portare al prossimo board: gli argomenti concreti per parlare di AI con il management
- Cosa dire ai dipendenti che hanno paura
- Come cambia la selezione del personale
- Conclusione
1. Teoria vs realtà: l'AI fa molto meno di quello che si pensa
Il punto di partenza della ricerca è metodologico, ma vale la pena capirlo perché cambia il modo in cui si guarda al problema. Fino ad ora, gli studi sull'impatto dell'AI sul lavoro si basavano su stime teoriche: quali task potrebbero essere svolte da un modello linguistico? La risposta era spesso allarmante, con percentuali altissime di mansioni "a rischio".
Anthropic introduce invece un concetto che chiama observed exposure: non ciò che l'AI potrebbe fare in teoria, ma ciò che sta effettivamente facendo, in contesti lavorativi reali, con una distinzione fondamentale tra uso automatizzato (l'AI che sostituisce) e uso aumentativo (l'AI che affianca). Il risultato è che il gap tra potenziale teorico e utilizzo reale è ancora molto ampio: le aziende e i lavoratori stanno usando l'AI su una parte limitata delle mansioni che questa potrebbe già gestire. In altri termini, la tecnologia è più avanti di quanto il mercato la stia effettivamente sfruttando.
Per fare un esempio concreto: i programmatori informatici risultano i più esposti, con una copertura effettiva del 75% delle loro mansioni. Ma anche per questa categoria, il dato teorico sarebbe ben più alto. Il divario tra "cosa potrebbe fare l'AI" e "cosa sta effettivamente facendo" è ancora molto ampio, ed è lì che si gioca la partita.
2. Donne istruite e colletti bianchi: il profilo inaspettato di chi è più esposto
Tra le professioni più esposte figurano appunto i programmatori informatici (75% di copertura), i rappresentanti del servizio clienti e gli addetti all'inserimento dati (67%). All'estremo opposto, ovviamente, ruoli come bartender, cuochi, meccanici e bagnini che hanno esposizione prossima allo zero: sono lavori fisici, relazionali, situazionali, difficilmente automatizzabili con strumenti linguistici.
Il dato demografico è forse il più sorprendente dell'intera ricerca. I lavoratori nelle professioni più esposte tendono ad essere più istruiti, meglio pagati, e più frequentemente donne. Chi ha un titolo di laurea magistrale, chi guadagna di più, chi lavora in settori white-collar: questa è la categoria che risulta più esposta. Non il precariato, non i lavori manuali.
Per un HR Manager, questo rovesciamento della narrativa comune è rilevante: il rischio non è concentrato nelle fasce più vulnerabili della forza lavoro, ma nei talenti qualificati che l'azienda fatica di più a trovare e trattenere.
3. I licenziamenti non ci sono ancora. Ma i junior non vengono più assunti
Ci sono già licenziamenti di massa? La risposta, per ora, è no. Almeno nella forma che ci si aspetterebbe. Non si registra un aumento sistematico della disoccupazione per i lavoratori nelle professioni più esposte all'AI dalla fine del 2022 ad oggi. Nessuna ondata di licenziamenti misurabile, nessuna "grande recessione dei colletti bianchi" nei dati.
Vale la pena ricordare che si tratta di dati americani: le strutture occupazionali, la distribuzione dei ruoli esposti e le dinamiche di hiring non sono direttamente sovrapponibili al mercato italiano, e vanno lette con il giusto adattamento di contesto.
C'è però un segnale più sottile, che riguarda l'ingresso nel mercato del lavoro. Ci sono prove di un rallentamento nelle assunzioni di lavoratori più giovani nelle professioni esposte all'AI. Tra i 22 e i 25 anni, il tasso di ingresso nelle professioni ad alta esposizione è diminuito di circa mezzo punto percentuale al mese, con un calo complessivo stimato intorno al 14% rispetto al periodo pre-ChatGPT. I più anziani? Nessun effetto analogo.
Questo è il punto che dovrebbe far riflettere. Non è che le aziende stiano licenziando i senior. Stanno semplicemente assumendo meno junior nelle aree in cui l'AI può già fare il lavoro di supporto che tradizionalmente spettava alle figure entry-level. È un cambiamento silenzioso, difficile da vedere guardando solo i tassi di disoccupazione aggregati.
Ne abbiamo parlato anche in un articolo recente che si chiedeva chi farà il senior tra dieci anni, se oggi non si assumono più i junior: una domanda che questa ricerca rende ancora più urgente.
4. Cosa portare al prossimo board: gli argomenti concreti per parlare di AI con il management
Se sei HR Manager, hai probabilmente già ricevuto dal CEO o dal CFO la domanda "ma allora possiamo tagliare qualcuno?". La ricerca di Anthropic ti dà una risposta articolata, e alcuni argomenti concreti da portare al tavolo.
Il primo punto è che le proiezioni del Bureau of Labor Statistics indicano una crescita dell'occupazione più debole per le professioni con maggiore esposizione osservata all'AI nel periodo 2024-2034. Non crollo, ma crescita più lenta. Questo significa che il business deve iniziare a pianificare la forza lavoro su orizzonti più lunghi, non aspettando che il cambiamento sia già avvenuto.
Il secondo punto riguarda la pipeline dei talenti. Se il mercato sta già rallentando l'ingresso dei junior nelle professioni esposte, tra qualche anno ci sarà una carenza strutturale di mid-level in quelle stesse aree. Chi oggi investe nella crescita interna dei propri junior, anche in funzioni parzialmente automatizzate, si troverà avvantaggiato.
Alla luce di tutto ciò abbiamo provato a buttare giù alcune azioni pratiche per chi si occupa di Risorse Umane:
- mappa le mansioni della tua organizzazione distinguendo tra uso automatizzato e uso aumentativo dell'AI. Non tutte le esposizioni sono uguali: una mansione in cui l'AI affianca il professionista è molto diversa da una in cui lo sostituisce end-to-end. Questo esercizio aiuta a costruire una conversazione onesta con il management, basata su dati e non su percezioni.
- Aggiorna le job description in modo da riflettere come stanno cambiando i ruoli, non come erano due anni fa. L'AI ha già cambiato cosa fa un data analyst, un customer service manager, uno sviluppatore: se continui a cercare profili con le stesse specifiche del passato, rischi di selezionare per un lavoro che non esiste più nella stessa forma.
-
Porta in azienda la conversazione sul workforce planning con almeno 18 mesi di anticipo. Il mercato del recruiting per i profili qualificati è già oggi competitivo: se aspetti che la necessità diventi urgente, troverai meno candidati e prezzi più alti. Ne abbiamo parlato approfonditamente nell'articolo sull'Headhunting 2026, dove si analizza come stia cambiando anche il ruolo dei partner esterni nella ricerca del talento.
5. Cosa dire ai dipendenti che hanno paura
Questa è forse la conversazione più delicata che un HR Manager si trova a gestire. La ricerca offre alcuni argomenti utili, ma richiede anche onestà.
Il messaggio rassicurante è quello sui dati di disoccupazione: al momento, non c'è evidenza statistica che chi lavora in una professione esposta all'AI abbia più probabilità di perdere il lavoro. Il rischio di perdere il posto non è ancora visibile nei numeri.
Il messaggio onesto è che il modo in cui si fa carriera potrebbe cambiare. Se il mercato sta già rallentando le assunzioni junior, chi è all'inizio della carriera in professioni esposte deve capire che il percorso tradizionale (entry level > crescita per anzianità) potrebbe non funzionare più allo stesso modo. L'upskilling non è un optional.
Anche qui proviamo a vedere cosa fare in pratica:
- creare spazi formali di confronto sull'AI all'interno dei team, non lasciare che l'ansia si accumuli in silenzio. Le persone hanno paura di quello che non capiscono: workshop, lunch talk, anche solo comunicazioni trasparenti su come l'azienda sta usando o non sta usando l'AI riducono l'incertezza.
- Lavorare con i manager per ridisegnare i percorsi di carriera nei ruoli più esposti, valorizzando le competenze che l'AI non può replicare: giudizio contestuale, gestione delle relazioni, capacità di supervisionare e validare output automatizzati.
- Investire nella formazione mirata, non generica. "Imparare a usare l'AI" è troppo vago. Cosa deve saper fare un customer service manager per restare rilevante? Quali nuove competenze servono a un analista finanziario? Queste domande hanno risposte specifiche, e rispondere a esse è già un atto di cura verso le persone.
Un buon punto di partenza per strutturare questo lavoro è anche rivedere le strategie di talent retention alla luce del nuovo contesto: chi sente di crescere all'interno dell'organizzazione ha meno ragioni per cercare alternative esterne.
6. Come cambia la selezione del personale
È qui che l'impatto si fa più tangibile per chi, come noi, fa Headhunting ogni giorno.
Quello che stiamo vedendo non è un mercato che si contrae, ma un mercato che si polarizza. Da un lato, cresce la domanda di profili con competenze molto specifiche e difficili da automatizzare: leadership complessa, negoziazione, progettazione di sistemi AI, supervisione di processi automatizzati. Dall'altro, molte aziende hanno smesso di assumere figure junior in certe aree, convinte che l'AI possa coprire quel gap. Il problema è che questa scorciatoia ha un costo differito: tra tre o cinque anni, quei junior mancanti non si saranno sviluppati in mid-level, e la pipeline sarà vuota.
Da un punto di vista pratico, chi gestisce la selezione deve considerare alcuni cambiamenti già in atto.
I profili junior nelle aree esposte sono più difficili da trovare e valutare perché il mercato li sta già assorbendo in modo diverso: alcuni scelgono percorsi alternativi, altri si specializzano molto presto per differenziarsi. Selezionare entry-level oggi richiede criteri diversi rispetto a due anni fa.
I profili senior nelle stesse aree sono invece più richiesti e più costosi. Chi ha esperienza nella gestione di processi parzialmente automatizzati, o nella supervisione di output AI, è diventato un profilo raro, e va cercato con metodologie attive, non aspettando che si candidi spontaneamente.
I colloqui stessi stanno cambiando. Domande come "come usi l'AI nel tuo lavoro?" o "come verifichi la qualità degli output automatizzati?" sono diventate rilevanti anche in aree che fino a poco tempo fa sembravano distanti dall'AI. Chi seleziona deve aggiornarsi sulle competenze specifiche di ogni ruolo, perché il job profile sta evolvendo più velocemente di quanto le job description aziendali tengano il passo.
7. Conclusione
La ricerca di Anthropic è uno strumento utile non tanto per le risposte definitive che dà, quanto per la cornice che costruisce. Ci dice che siamo ancora in una fase di transizione con effetti ambigui, che il rischio reale non è ancora visibile nell'aggregato ma è già percepibile in alcuni segmenti, e che chi vuole capire cosa sta succedendo deve guardare i dati di assunzione, non solo quelli di disoccupazione.
Per un HR Manager, questa non è una notizia rassicurante né allarmante: è un'indicazione di lavoro. Come sempre in questo frenetico mondo del lavoro, il momento per agire non è quando il cambiamento sarà già avvenuto.