Perché l'IA non ha aumentato la disoccupazione?

Ho pensato di condividere alcune riflessioni di alto livello e un framework che mi aiuta a dare un senso al motivo per cui (finora) non vediamo un impatto significativo dell'AI sul mercato del lavoro statunitense. Mi concentro sugli Stati Uniti perché (a) l'adozione dell'AI qui è elevata, (b) è la più grande economia del mondo, (c) rispetto all'Europa, le nostre istituzioni del mercato del lavoro storicamente facilitano un'adozione più rapida di tecnologie che sostituiscono il lavoro, e (d) abbiamo una varietà insolitamente ricca di statistiche sul mercato del lavoro per comprendere le condizioni attuali. Ho recentemente condiviso queste riflessioni all'interno di Anthropic.

Innanzitutto, l'adozione dell'AI negli Stati Uniti è elevata. Quindi è ragionevole cercare i suoi effetti sulla produttività o sulla disoccupazione. La crescita della produttività del lavoro è stata forte negli ultimi anni e ci sono prove suggestive che l'AI vi abbia in parte contribuito.

Ma il mercato del lavoro statunitense è attualmente stabile e vicino alla piena occupazione. A mio avviso, l'AI non ha causato alcun aumento materiale del tasso di disoccupazione fino ad oggi. Anche se ci concentriamo sui lavoratori con un'elevata esposizione agli attuali modelli di automazione dell'AI, non vediamo aumenti inaspettati della disoccupazione negli ultimi anni (anche se, come discuterò più avanti, questi lavoratori sono più preoccupati per la perdita del posto di lavoro).

Perché non vediamo alcun impatto dell'adozione dell'AI sulla disoccupazione? L'AI (finora) ha le caratteristiche di una tecnologia "skill-biased" (che favorisce le competenze) e "labor-augmenting" (che aumenta il lavoro). Anche mentre l'AI automatizza alcuni aspetti del lavoro, la competenza umana complementare amplifica ciò che l'AI (o gli umani) possono ottenere da soli. L'AI amplia la portata di ciò che le persone possono realizzare, il che aumenta i rendimenti del lavoro con l'AI.

Ora, il futuro è ancora piuttosto incerto. Le capacità dei modelli stanno avanzando rapidamente, e i sistemi di AI potrebbero presto essere in grado di sviluppare autonomamente i propri successori. Sistemi di AI con intelligenza più generale potrebbero portare a una dislocazione lavorativa che non si è ancora materializzata. Se ciò possa accadere (e quanto velocemente) è una questione aperta, una che il mio team sta cercando di comprendere.

Per molti versi, questo breve saggio è il mio tentativo di sintetizzare la ricerca economica di Anthropic degli ultimi 18 mesi per capire come le persone usano l'AI e cosa questo implica per il lavoro, il mercato del lavoro e l'economia in generale in questo momento. Questo lavoro ha sottolineato che il futuro è ancora incerto e le implicazioni saranno probabilmente disomogenee. Finora, abbiamo visto effetti attenuati sulla disoccupazione; questo saggio presenta il mio framework per capire perché (e cosa potrebbe cambiare in futuro).

Fatto di base importante: Il mercato del lavoro statunitense è attualmente stabile.

• Il tasso di disoccupazione a giugno era del 4,2%, che la Fed considera il livello coerente con la piena occupazione e la stabilità dei prezzi.
• Il rapporto tra posti di lavoro vacanti e lavoratori disoccupati è recentemente salito a poco sopra 1 ad aprile, che alcuni economisti sostengono implichi che la domanda e l'offerta di lavoro siano approssimativamente ed efficientemente bilanciate. Indicatori più sofisticati, come l'Indice di Tensione del Mercato del Lavoro HPW (Heise, Pearce, Weber) della Fed di New York, puntano anch'essi a un mercato del lavoro equilibrato.
• Il rapporto occupazione-popolazione in età lavorativa rimane vicino ai massimi pluridecennali, il che riflette la forza diffusa del mercato del lavoro emersa durante l'espansione post-pandemia.
• Le richieste iniziali settimanali di indennità di disoccupazione sono rimaste stabilmente basse negli ultimi quattro anni. E i tassi di licenziamento e dimissioni forzate rimangono ai livelli pre-pandemia o leggermente inferiori.

Dovremmo quindi aspettarci già un impatto dell'AI sul mercato del lavoro? Penso che la risposta sia sì: Il settore dell'AI è abbastanza grande da poter cercare effetti macroeconomici percepibili.

• Circa il 20% delle aziende utilizza l'AI in almeno una funzione aziendale. Nel settore dell'informazione, che costituisce il 5,5% del PIL, la quota è del 40%.
• La produzione di AI corretta per la qualità è cresciuta di oltre il 2.000% all'anno sia nel 2024 che nel 2025, secondo le stime di Patrick McKelvey e del mio collega @akorinek. Anche partendo da una base iniziale piccola, ciò suggerisce che dovremmo vedere segni dell'impatto dell'AI a livello aggregato.
• Credo che stiamo iniziando a vedere l'impatto dell'AI nelle statistiche aggregate sulla produttività:
• La crescita della produttività del lavoro è stata relativamente forte negli ultimi anni: il rapporto tra produzione per ora di lavoro è aumentato del 2,0% all'anno dal primo trimestre del 2022 al primo trimestre del 2026, rispetto all'1,6% nei quattro anni precedenti la pandemia.
• I settori dell'economia statunitense con una maggiore adozione dell'AI hanno tendenzialmente registrato una crescita più rapida della produttività del lavoro negli ultimi quattro anni.
• La crescita della produttività totale dei fattori (TFP)—il modo in cui gli economisti amano misurare la produttività—è stata più modesta negli ultimi anni (soprattutto dopo aver considerato l'utilizzo dei fattori). Questo indebolisce le prove, ma segnali contrastanti sulla produttività potrebbero di per sé indicare che un'accelerazione è in corso.
• Le aziende prendono decisioni di assunzione basate sulle convinzioni sul valore futuro dell'impiego di un nuovo lavoratore, rispetto ai costi.
• Le aziende considerano quanto saranno produttivi i lavoratori in futuro, i salari durante il corso del rapporto di lavoro e la durata prevista del rapporto.
• Per questo motivo, le convinzioni delle aziende sul futuro dovrebbero modellare i risultati del mercato del lavoro oggi, sotto forma di separazioni dal lavoro, assunzioni e cambiamenti occupazionali. Ma tra dimissioni, licenziamenti e tassi di ricerca di lavoro, vediamo un modello di stabilità. Non c'è allo stesso modo alcuna prova di un ricambio occupazionale insolitamente rapido dovuto all'AI.
• Gli annunci di posti di lavoro per ingegneri del software sono ampiamente rimbalzati da maggio 2025, rispetto a tutti gli altri annunci di lavoro, indicando una domanda crescente di lavoratori in un'occupazione in cui le capacità dell'AI stanno avanzando maggiormente.

Ci sono prove che lo spostamento di posti di lavoro stia avvenendo, anche se non è (ancora) macroeconomico importanti? Le prove sono contrastanti. Ma nel complesso, non ne sono convinto.

• Come Maxim Massenkoff e io abbiamo documentato nel nostro rapporto sull'impatto sul lavoro, non abbiamo visto un peggioramento dei tassi di disoccupazione per i lavoratori in ruoli con una grande percentuale di compiti che Claude viene utilizzato per automatizzare, rispetto ai lavoratori in altri ruoli. Aggiornare questa analisi con dati più recenti del BLS non cambia questo risultato.
• Troviamo alcune prove suggestive che i tassi di assunzione per i giovani lavoratori in ruoli altamente esposti all'AI si siano indeboliti nell'ultimo anno circa. Ciò è coerente con le prove in Canarini nella Mina di Carbone, un articolo di ricercatori del Stanford Digital Economy Lab.
• Ma queste prove per lo spostamento dei giovani lavoratori dovrebbero essere interpretate con cautela. È difficile discernere gli effetti causali, perché l'AI è emersa in un ambiente macroeconomico insolitamente volatile: smantellamento delle dislocazioni dell'era pandemica, rapido inasprimento della politica monetaria, volatilità dei prezzi delle materie prime dopo l'invasione russa dell'Ucraina e incertezza politica globale sostenuta (ad esempio, dalle guerre commerciali). Poiché l'assunzione è una forma di investimento, l'incertezza economica generale può di per sé gravare sulle assunzioni.
• Un altro modo di dirlo: dal 2022 a oggi, gli Stati Uniti hanno vissuto il più grande rallentamento del mercato del lavoro non recessivo mai registrato (la "disinflazione immacolata"). Ciò ha coinciso con un mercato del lavoro caratterizzato da "poche assunzioni, pochi licenziamenti". Questo tipo di mercato del lavoro colpisce più duramente chi entra in carriera. In questo momento, i giovani lavoratori potrebbero avere difficoltà a trovare lavoro per ragioni macroeconomiche diverse dall'AI.
• Separatamente, alcuni lavori recenti sostengono che l'aumento del lavoro a distanza dopo la pandemia abbia avuto un impatto sui giovani lavoratori in ruoli altamente esposti all'AI. È difficile isolare l'impatto dell'AI da altri shock che sconquassano l'economia.
• Sebbene non vediamo ancora effetti sulla disoccupazione, scopriamo che i lavoratori in ruoli con compiti per cui Claude viene utilizzato per automatizzare esprimono una maggiore preoccupazione di perdere il lavoro rispetto a quelli in ruoli meno esposti.

Se credete che il mercato del lavoro statunitense sia attualmente sano, che l'AI potrebbe in linea di principio generare effetti macroeconomici percepibili, e che ciò non abbia ancora prodotto dislocazione per i ruoli altamente esposti all'AI, allora la domanda successiva è ovvia:

Perché l'AI non ha causato un aumento significativo della disoccupazione?

Finora, l'AI è sia skill-biased che labor-augmenting. Complementa le competenze di dominio. Si affida a esseri umani nel ciclo per dirigere e valutare il lavoro più complesso. E premia la competenza nell'AI. Le capacità dei modelli stanno migliorando rapidamente, ma rimangono ostinatamente frastagliate. Per colmare le sacche della frontiera frastagliata, è necessaria una supervisione esperta per guidare sistemi di AI incredibilmente capaci e per riprendersi quando vacillano.

Naturalmente, alcuni lavori sono più esposti a un vero e proprio spostamento dovuto all'automazione. Ad esempio, scrittori tecnici, addetti all'immissione dati, rappresentanti del servizio clienti e programmatori informatici sono lavori in cui l'AI può gestire in modo affidabile il nucleo di compiti e responsabilità. Anche se non abbiamo visto alcun aumento della disoccupazione per i lavoratori in questi tipi di ruoli, le occupazioni con un'esposizione osservata più elevata si prevede cresceranno meno fino al 2034 secondo il BLS.

Ma finora, il quadro generale è quello di un aumento del lavoro. Di conseguenza, gli effetti sul mercato del lavoro saranno disomogenei, anche mentre le capacità avanzano rapidamente. Ciò non significa che tutte le competenze che attualmente ottengono un premio sul mercato del lavoro lo faranno in futuro. Alcuni tipi di competenze potrebbero diventare meno preziosi (ad esempio, la pura implementazione della codifica) mentre altri diventano più preziosi (ad esempio, le capacità manageriali di delega e valutazione).

Perché pensiamo che l'AI sia una tecnologia skill-biased e labor-augmenting? Farò alcune osservazioni basate sul lavoro pubblicato dal team di Ricerca Economica di Anthropic e da prove dell'Indice Economico di Anthropic:

• Nonostante l'incredibile progresso dell'AI e la rapida adozione in tutta l'economia, non esiste un lavoro nella tassonomia O\NET (un catalogo del Dipartimento del Lavoro delle occupazioni e dei loro compiti tipici) per cui tutti* i compiti associati siano sistematicamente gestiti da Claude. Se i lavori sono fasci fissi di compiti—non lo sono, ma ne parleremo tra un momento—allora gli aspetti essenziali e non automatizzati del lavoro limitano l'aumento complessivo della produttività e amplificano i rendimenti del lavoro. I compiti che Claude non può gestire possono dipendere dal coordinamento interpersonale, dalle interazioni di persona o dal coinvolgimento con il mondo fisico che, finora, solo gli umani possono fare (vedere "Il compito non è il lavoro" di @lugaricano).
• Nel nostro rapporto di gennaio, Primitive Economiche, scopriamo che input utente sofisticati e output complessi di Claude sono altamente correlati. In altre parole, quando Claude costruisce un modello economico complesso, in pratica lo fa sotto la guida di qualcuno che fornisce una direzione esperta e complementare.
• Mentre Claude tende ad avere successo in media, il modello fatica di più sui lavori più complessi. Questo è in linea con i risultati dell'orizzonte temporale dei compiti di METR, in cui una maggiore affidabilità arriva al costo di orizzonti temporali dei compiti più brevi. Troviamo prove suggestive che gli esseri umani nel ciclo aumentano la complessità del lavoro che Claude gestisce.
• Nel nostro rapporto di marzo, Curve di Apprendimento, abbiamo scoperto che anche dopo solo sei mesi di utilizzo, le persone sono più propense a interagire con Claude come partner di pensiero e hanno interazioni di maggior successo con Claude. Se l'AI fosse abbastanza brava da sola, non ci aspetteremmo di vedere questo effetto.
• L'automazione diffusa dei compiti può comunque aumentare il lavoro. Perché? Perché i lavori non sono fasci fissi di compiti. Storicamente, le nuove tecnologie hanno portato a grandi cambiamenti all'interno dei lavori esistenti, anche mentre alcuni lavori scomparivano. E hanno prodotto tipi di lavoro completamente nuovi che combinano nuove capacità tecniche con competenze umane complementari. Vediamo segni di questo effetto nella nostra ricerca: Una fonte comunemente citata di produttività percepita tra gli 81.000 utenti di Claude era l'ambito—essere in grado di fare di più, in modo più competente. Tale empowerment derivante dall'AI potrebbe ridisegnare i confini dei nostri ruoli e produrre nuovi raggruppamenti di compiti all'interno dei lavori—automatizzandone alcuni, rafforzando l'importanza di altri—aumentando nel contempo il prodotto marginale del lavoro.
• Nel nostro rapporto di giugno dell'Indice Economico, Cadenze, oltre un terzo di tutti gli intervistati del Sondaggio dell'Indice Economico di Anthropic si aspetta che l'AI sia in grado di svolgere la maggior parte o tutti i compiti che svolgono nel loro lavoro nei prossimi dodici mesi. Una quota simile di intervistati si aspetta che le responsabilità lavorative cambino per sé e per i propri colleghi nel prossimo anno. Ma le aspettative di perdita del posto di lavoro erano notevolmente inferiori. In effetti, coloro che usano Claude in modi più automatizzati tendono a essere più ottimisti riguardo all'impatto dell'AI sulla loro retribuzione, sicurezza del lavoro e capacità di trovare un lavoro.
• Con il miglioramento delle capacità dell'AI, vedremo agenti sempre più capaci che possono gestire autonomamente compiti complessi, a lungo termine e di valore. L'AI aumenterà ancora il lavoro? Per avere un'idea su questa questione, abbiamo recentemente analizzato i modelli di utilizzo di Claude Code per vedere se la codifica agentica stia alterando i rendimenti delle competenze. Claude Code è stato utilizzato per compiti sempre più preziosi nei sette mesi in cui lo abbiamo monitorato, ma abbiamo visto rendimenti persistenti delle competenze umane: cioè, le persone prendono decisioni di pianificazione e delegano l'implementazione a Claude. Le persone con maggiore competenza di dominio hanno più successo nei loro compiti e si riprendono in modo più coerente quando Claude commette un errore. Il rendimento della semplice capacità di codifica potrebbe essere diminuito, ma la codifica agentica ha finora aumentato il valore di altre competenze complementari.

Il futuro è difficile da interpretare. Potrebbe benissimo essere che l'aspetto skill-biased e labor-augmenting dell'AI svanirà man mano che i modelli continueranno a migliorare. La frontiera frastagliata potrebbe diventare più liscia. E a un certo punto, i rendimenti delle competenze umane potrebbero diminuire.

Una delle grandi ragioni di tanta incertezza sul futuro è che l'AI potrebbe automatizzare l'innovazione stessa. Dotare le macchine di capacità cognitive generali è un catalizzatore diretto per ulteriore innovazione, in modi in cui le passate tecnologie per scopi generali non lo erano. Il motore a combustione interna non poteva inventare nuovi modi di trasporto. In modelli economici altrimenti standard, l'automazione dell'innovazione—che potremmo vedere prima nell'auto-miglioramento ricorsivo—può produrre singolarità economiche: crescita infinita in un tempo finito.

Si verificheranno tali singolarità? No, se ci sono compiti essenziali che non vengono mai automatizzati, sia per ragioni tecniche che per vincoli sociali. Quei "weak links" (anelli deboli) sono i limiti alla crescita: "La crescita economica potrebbe essere vincolata non da ciò che facciamo bene ma piuttosto da ciò che è essenziale e tuttavia difficile da migliorare", come sostengono Aghion, Jones e Jones (2017). Tali weak links possono mantenere elevata la quota di lavoro sul reddito nel lungo periodo, anche in caso di automazione molto rapida, diffusa ma incompleta.

La logica dei "weak links" vale non solo per la produzione di beni, ma anche per l'automazione dell'innovazione. Se l'AI acceleri drammaticamente la crescita della produttività richiede non solo il miglioramento delle capacità, ma l'automazione su vasta scala dei compiti coinvolti nel processo di R&S. Recenti prove suggeriscono che i weak links sono attualmente un vincolo all'automazione della produzione software: un aumento di 10-20 volte delle righe di codice generate dopo l'introduzione di agenti di codifica ha prodotto solo un aumento del 30% dei rilasci software e nessun aumento totale nell'utilizzo delle app.

È difficile discutere con le leggi di scala. I modelli miglioreranno. Molto meglio. Mi aspetto che questo guidi una crescita più rapida della produttività, e forse anche segni più chiari di RSI (auto-miglioramento ricorsivo). Ma non mi aspetto che la disoccupazione sia sensibilmente più alta tra un anno—almeno non a causa dell'AI.