L’intelligenza artificiale (IA) sta emergendo come una delle forze più trasformative nell’economia globale, promettendo di rimodellare i mercati del lavoro in modi profondi e di vasta portata. L’attuale discorso sull’IA oscilla spesso tra ottimismo, guidato da potenziali guadagni di produttività e dalla creazione di nuove categorie di lavoro, e preoccupazione, radicata nei timori di un diffuso spostamento del lavoro e di un’esacerbazione delle disuguaglianze esistenti. Un’analisi approfondita dei potenziali impatti dell’IA sul mercato del lavoro richiede una comprensione sfumata dell’interazione tra capacità tecnologiche, strutture economiche, dati demografici della forza lavoro e quadri politici.

Al centro dell’impatto dell’IA sul mercato del lavoro c’è il concetto di automazione. La capacità dell’IA di svolgere compiti che tradizionalmente richiedevano l’intelligenza umana, come il riconoscimento di pattern, il processo decisionale e l’elaborazione del linguaggio, ha portato a significativi progressi nell’automazione. Ciò ha implicazioni in vari settori, in particolare quelli che si basano su attività di routine e prevedibili. Ad esempio, nella produzione, nella logistica e nel supporto amministrativo, l’automazione guidata dall’IA è pronta a sostituire il lavoro umano in attività ripetitive che non richiedono complesse capacità cognitive. Gli effetti di questa transizione sono già osservabili, con alcune occupazioni che sperimentano una crescita occupazionale più lenta, una riduzione delle assunzioni e, in alcuni casi, una vera e propria perdita di posti di lavoro.

Tuttavia, l’impatto dell’IA non è distribuito uniformemente in tutte le categorie di lavoro. Il concetto di “esposizione all’IA” evidenzia gli effetti differenziali dell’IA nelle diverse occupazioni. I lavori altamente esposti all’IA in genere comportano attività che l’IA può svolgere in modo più efficiente degli esseri umani. Questi includono ruoli nell’immissione dati, nel servizio clienti di base e in alcune forme di analisi finanziaria, in cui gli algoritmi dell’IA possono elaborare grandi quantità di informazioni in modo più rapido e accurato rispetto ai lavoratori umani. Al contrario, i lavori che richiedono pensiero creativo, risoluzione di problemi complessi, comunicazione interpersonale e destrezza manuale, come quelli nell’assistenza sanitaria, nell’istruzione e nelle industrie creative, sono meno sensibili all’automazione guidata dall’IA. Questi lavori richiedono spesso un livello di empatia umana, comprensione contestuale e adattabilità che le attuali tecnologie dell’IA non possono replicare.

Il potenziale dell’IA di esacerbare la disuguaglianza di reddito è una preoccupazione significativa. Mentre l’IA continua ad automatizzare lavori poco qualificati e poco retribuiti, i lavoratori in queste posizioni, spesso quelli con meno istruzione e meno opportunità di riqualificazione, rischiano di essere colpiti in modo sproporzionato. Ciò potrebbe portare a una biforcazione del mercato del lavoro, dove i lavoratori altamente qualificati che possono integrare l’IA nei loro ruoli vedono aumentare i loro salari e la sicurezza del posto di lavoro, mentre i lavoratori poco qualificati affrontano salari in calo e minori opportunità di lavoro. La disuguaglianza economica risultante potrebbe avere profonde implicazioni sociali, portando a un aumento della povertà, una ridotta mobilità sociale e una maggiore instabilità economica.

I fattori demografici svolgono un ruolo cruciale nel determinare quali lavoratori sono più vulnerabili allo spostamento indotto dall’IA. I lavoratori più anziani, che potrebbero trovare più difficile adattarsi alle nuove tecnologie, sono particolarmente a rischio. Questi lavoratori spesso occupano ruoli che sono sia altamente esposti all’IA sia privi dell’aggiornamento professionale necessario per la transizione a nuovi ruoli. Inoltre, i lavoratori in determinate regioni geografiche, in particolare quelli nelle aree rurali o nelle regioni fortemente dipendenti dalla produzione, potrebbero affrontare rischi maggiori a causa della mancanza di accesso a programmi di riqualificazione e di minori opportunità di lavoro alternative.

Nonostante le potenziali sfide, l’IA presenta anche opportunità per la creazione di posti di lavoro e la crescita economica. L’IA ha il potenziale per guidare significativi guadagni di produttività, che potrebbero portare alla creazione di nuovi settori e categorie di lavoro. Ad esempio, lo sviluppo e la manutenzione dei sistemi di IA richiedono competenze specialistiche, portando a una maggiore domanda di specialisti di IA, data scientist ed esperti di sicurezza informatica. Inoltre, l’IA può integrare il lavoro umano in modi che migliorano la produttività e la soddisfazione lavorativa. Nell’assistenza sanitaria, ad esempio, l’IA può assistere i medici analizzando i dati medici, consentendo loro di dedicare più tempo all’assistenza ai pazienti e meno alle attività amministrative. Allo stesso modo, nell’istruzione, l’IA può fornire esperienze di apprendimento personalizzate, consentendo agli insegnanti di concentrarsi su attività di insegnamento di ordine superiore.

Il potenziale dell’IA di integrare il lavoro umano anziché sostituirlo dipende dallo sviluppo di programmi efficaci di riqualificazione e aggiornamento. Governi, istituti scolastici e aziende devono collaborare per fornire ai lavoratori le competenze di cui hanno bisogno per prosperare in un’economia guidata dall’IA. Ciò include non solo competenze tecniche relative all’IA e all’analisi dei dati, ma anche competenze trasversali come il pensiero critico, la creatività e l’intelligenza emotiva, che sono sempre più preziose in un mondo in cui le attività di routine sono automatizzate.

Un altro fattore critico nel determinare l’impatto dell’IA sul mercato del lavoro è il ruolo delle politiche governative. I decisori politici hanno un ruolo cruciale da svolgere nel plasmare la traiettoria dell’adozione dell’IA e i suoi effetti sui lavoratori. Ciò include l’implementazione di regolamenti che garantiscano salari equi, condizioni di lavoro sicure e protezione contro la discriminazione nei luoghi di lavoro guidati dall’IA. Inoltre, le reti di sicurezza sociale, come i sussidi di disoccupazione e il reddito di base universale, potrebbero dover essere rafforzate per supportare i lavoratori sostituiti dall’IA. Inoltre, le politiche che incoraggiano l’innovazione e l’imprenditorialità possono aiutare a stimolare la creazione di nuove industrie e opportunità di lavoro sulla scia dei cambiamenti guidati dall’IA.

La natura globale dello sviluppo e dell’adozione dell’IA aggiunge un ulteriore livello di complessità agli impatti sul mercato del lavoro. Diversi paesi si trovano in fasi diverse di adozione dell’IA e gli effetti dell’IA sui mercati del lavoro varieranno di conseguenza. Nelle economie avanzate con alti livelli di adozione della tecnologia, l’IA può portare a un significativo spostamento di posti di lavoro, ma anche creare opportunità per lavori altamente qualificati e ben retribuiti. Al contrario, nelle economie in via di sviluppo con bassi livelli di adozione della tecnologia, l’impatto dell’IA può essere meno pronunciato nel breve termine, ma potrebbe portare a significativi cambiamenti a lungo termine nel mercato del lavoro globale, man mano che queste economie recuperano terreno nell’adozione dell’IA.

Il potenziale dell’IA di sconvolgere i mercati del lavoro globali solleva anche importanti questioni sugli standard internazionali del lavoro e sul futuro del lavoro. Poiché l’automazione guidata dall’IA riduce la domanda di lavori manifatturieri ad alta intensità di manodopera nelle economie in via di sviluppo, questi paesi potrebbero dover spostare i loro modelli economici verso settori più basati sulla conoscenza. Questa transizione richiederà investimenti significativi in ​​istruzione e infrastrutture, nonché politiche a supporto dell’innovazione e dell’imprenditorialità.

I potenziali impatti dell’IA sul mercato del lavoro sono vasti e sfaccettati, e comprendono sia sfide che opportunità. Mentre l’IA ha il potenziale per guidare la crescita economica e creare nuove opportunità di lavoro, pone anche rischi significativi, in particolare per i lavoratori poco qualificati e quelli in fasce demografiche vulnerabili. La chiave per gestire questa transizione risiede in una combinazione di politiche governative efficaci, solidi programmi di riqualificazione e aggiornamento e un’attenzione nel garantire che i benefici dell’IA siano ampiamente condivisi nella società. Mentre l’IA continua a evolversi, è fondamentale che restiamo vigili nel monitorare i suoi effetti sul mercato del lavoro e adottiamo misure proattive per mitigare i suoi impatti negativi massimizzandone al contempo il potenziale positivo.

Nome del concetto	Spiegazione semplificata	Dati analitici / Esempi
Esposizione AI	La misura in cui un lavoro è influenzato dalle tecnologie di intelligenza artificiale.	I lavori nello sviluppo software sono caratterizzati da un’elevata esposizione all’intelligenza artificiale, poiché gli strumenti di intelligenza artificiale vengono sempre più utilizzati nella codifica e nel test del software.
Spostamento del lavoro	La perdita di posti di lavoro dovuta all’automazione dell’intelligenza artificiale, per cui i lavoratori potrebbero dover trovare una nuova occupazione in settori diversi.	I lavori che comportano compiti di routine, come l’inserimento dati, sono più inclini a essere sostituiti dall’intelligenza artificiale.
Polarizzazione delle abilità	Il crescente divario tra lavori altamente qualificati che l’intelligenza artificiale integra e lavori poco qualificati che l’intelligenza artificiale può sostituire.	I lavoratori altamente qualificati nel settore tecnologico traggono vantaggio dall’intelligenza artificiale, mentre i lavori poco qualificati, come quelli impiegatizi, sono a rischio.
Riqualificazione e aggiornamento professionale	Imparare nuove competenze o migliorare quelle esistenti per restare competitivi mentre l’intelligenza artificiale cambia le esigenze lavorative.	I lavoratori del settore manifatturiero tradizionale potrebbero dover apprendere la robotica per restare al passo con l’aumento dell’automazione.
Disuguaglianza economica	Il divario crescente tra ricchi e poveri dovuto all’intelligenza artificiale, grazie al quale i lavoratori altamente qualificati ottengono maggiori benefici rispetto ai lavoratori poco qualificati.	L’intelligenza artificiale potrebbe aumentare la produttività per alcuni, ma potrebbe anche portare a salari più bassi o alla perdita del posto di lavoro per altri, soprattutto nei lavori di routine.
Complementarità uomo-IA	La collaborazione tra intelligenza artificiale e esseri umani, in cui l’intelligenza artificiale fornisce assistenza nei compiti, migliorando la produttività umana.	L’intelligenza artificiale aiuta i medici ad analizzare i dati clinici, consentendo loro di concentrarsi maggiormente sulla cura dei pazienti.
Vulnerabilità demografica	Alcuni gruppi, come i lavoratori più anziani o quelli che vivono in regioni specifiche, potrebbero essere maggiormente interessati dai cambiamenti indotti dall’intelligenza artificiale.	I lavoratori più anziani potrebbero trovare più difficoltà ad adattarsi all’intelligenza artificiale, mentre le regioni che dipendono dal settore manifatturiero potrebbero registrare maggiori perdite di posti di lavoro.
Impatto geografico	I diversi effetti dell’intelligenza artificiale nelle diverse regioni, con alcune aree maggiormente colpite a causa delle strutture industriali locali.	Le regioni con un’elevata attività manifatturiera potrebbero subire maggiori perdite di posti di lavoro a causa dell’automazione.
Requisiti prestazionali correlati all’intelligenza artificiale	Il livello di difficoltà o complessità a cui devono essere eseguite le attività che richiedono l’uso dell’intelligenza artificiale.	I compiti di architettura ad alta complessità richiedono competenze avanzate, il che li rende meno propensi a essere completamente automatizzati dall’intelligenza artificiale.
Nuova creazione di posti di lavoro	La creazione di nuovi posti di lavoro nei settori correlati all’intelligenza artificiale, che richiedono nuove competenze ed esperienze.	I ruoli di sviluppo dell’intelligenza artificiale, come quelli degli scienziati dei dati e degli specialisti di intelligenza artificiale, sono in crescita con l’aumento dell’adozione dell’intelligenza artificiale.
Evoluzione del contenuto dell’attività	La natura mutevole delle mansioni lavorative man mano che l’intelligenza artificiale automatizza le attività di routine, spingendo i lavoratori a concentrarsi su attività di livello superiore.	I contabili potrebbero passare dall’immissione dati all’analisi dei dati man mano che l’intelligenza artificiale gestisce le attività di contabilità.
Impatto della politica governativa	Il ruolo del governo nel plasmare l’impatto dell’intelligenza artificiale sul mercato del lavoro attraverso normative e programmi di supporto.	Le politiche che finanziano programmi di riqualificazione aiutano i lavoratori disoccupati a trovare nuovi lavori basati sull’intelligenza artificiale.
Disparità di reddito	La distribuzione ineguale del reddito poiché l’intelligenza artificiale favorisce i lavori altamente qualificati rispetto a quelli poco qualificati.	I lavori altamente qualificati nel settore tecnologico potrebbero vedere aumenti salariali, mentre i lavori poco qualificati potrebbero subire una stagnazione o un declino.
Norme internazionali del lavoro	Le implicazioni globali dell’intelligenza artificiale, con diversi paesi che sperimentano impatti diversi in base al loro livello di adozione dell’intelligenza artificiale.	Le economie avanzate potrebbero registrare una maggiore perdita di posti di lavoro a causa dell’elevata adozione dell’intelligenza artificiale, mentre le economie in via di sviluppo potrebbero subire ritardi.
Reti di sicurezza sociale	Programmi governativi pensati per supportare i lavoratori che perdono il lavoro a causa dell’automazione basata sull’intelligenza artificiale.	I sussidi di disoccupazione o il reddito di cittadinanza universale possono aiutare i lavoratori durante il periodo di transizione causato dalla sostituzione dell’intelligenza artificiale.
Cronologia dell’adozione dell’intelligenza artificiale	La diversa velocità con cui diversi settori e regioni adottano le tecnologie di intelligenza artificiale influenza il momento in cui se ne percepiscono gli impatti.	Alcuni settori, come quello tecnologico, potrebbero adottare l’intelligenza artificiale rapidamente, mentre altri, come quello sanitario, potrebbero impiegare più tempo a causa di ostacoli normativi.
Adattamento tecnologico	Con quale rapidità i lavoratori e le industrie si adattano ai cambiamenti apportati dalle tecnologie dell’intelligenza artificiale.	I settori tecnologici integrano rapidamente gli strumenti di intelligenza artificiale, mentre i settori tradizionali potrebbero restare indietro.

L’impatto dell’intelligenza artificiale sul mercato del lavoro: un momento critico

L’intelligenza artificiale (IA) è destinata ad avere un profondo impatto sul mercato del lavoro. La sua capacità di automatizzare attività di routine e ripetitive porterà senza dubbio allo spostamento di posti di lavoro in determinati settori. I lavori che comportano l’immissione di dati, il servizio clienti di base e alcune forme di lavoro manuale sono particolarmente vulnerabili. Tuttavia, non si prevede che l’entità di questo spostamento sarà catastrofica. Gli schemi storici suggeriscono che mentre i progressi tecnologici spesso eliminano determinate categorie di lavoro, ne creano anche di nuove. È probabile che questa tendenza continui con l’IA, prevenendo la disoccupazione di massa ma rimodellando significativamente il panorama del lavoro.

L’IA probabilmente esacerberà le disuguaglianze esistenti all’interno della forza lavoro. I lavoratori altamente qualificati, che possono integrare l’IA nei loro ruoli, trarranno vantaggio da una maggiore domanda per le loro competenze e da salari potenzialmente più alti. Al contrario, i lavoratori poco qualificati, in particolare quelli che svolgono compiti che l’IA può facilmente automatizzare, affronteranno maggiori rischi di perdita del lavoro, salari più bassi e ridotte opportunità di avanzamento. Questa polarizzazione potrebbe portare a una maggiore disuguaglianza economica a meno che non vengano implementati interventi mirati per mitigare questi effetti.

L’enfasi sulla riqualificazione e l’aggiornamento delle competenze come soluzioni alla sostituzione del lavoro indotta dall’intelligenza artificiale è fondamentale, ma restano sfide significative. Non tutti i lavoratori saranno in grado di passare facilmente a nuovi ruoli. I lavoratori più anziani, quelli nelle regioni con meno risorse e gli individui senza un solido background educativo potrebbero trovare difficile adattarsi. Il successo delle iniziative di riqualificazione e aggiornamento delle competenze dipenderà dall’accesso diffuso a un’istruzione e una formazione di qualità, attualmente distribuite in modo non uniforme.

Mentre l’IA creerà nuove opportunità, queste saranno probabilmente distribuite in modo non uniforme. Cresceranno nuovi settori e categorie di lavoro correlati allo sviluppo dell’IA, alla scienza dei dati, alla sicurezza informatica e alla gestione della tecnologia avanzata. Tuttavia, queste opportunità saranno concentrate in regioni e settori che sono già tecnologicamente avanzati, lasciando potenzialmente indietro aree meno preparate ad accogliere l’IA.

L’impatto futuro dell’IA sul mercato del lavoro rimane incerto, fortemente influenzato dalle scelte sociali nell’implementazione e nella regolamentazione di queste tecnologie. Se l’IA viene integrata in modo ponderato, concentrandosi sul completamento del lavoro umano e sulla fornitura di reti di sicurezza per coloro che sono stati dislocati, la transizione potrebbe essere gestita in modo relativamente fluido. Al contrario, se l’adozione dell’IA viene perseguita senza considerare i suoi impatti sociali più ampi, i rischi di disgregazione e disuguaglianza diffuse sono significativi.

In conclusione, l’IA rimodellerà il mercato del lavoro in modi che sono sia promettenti che pericolosi. Il risultato dipenderà non solo dalla tecnologia in sé, ma anche dalle decisioni prese dalla società in questa fase critica, che stabiliranno la rotta per i decenni a venire.

Variazione prevista dell’occupazione in Europa dovuta all’adozione dell’intelligenza artificiale (IA): prospettive a 5 e 10 anni

Questa tabella presenta una proiezione dettagliata dei cambiamenti occupazionali nei paesi europei dovuti all’adozione di tecnologie AI. La proiezione si basa sulle tendenze attuali nell’adozione dell’AI, sul potenziale di automazione, sulla demografia della forza lavoro e sui dati specifici del settore. Include anche stime sull’impatto dell’AI nei diversi settori e fasce d’età.

Presupposti e metodologia:

• Tasso di adozione dell’intelligenza artificiale : sulla base dei dati storici e delle previsioni degli esperti, si prevede che l’adozione dell’intelligenza artificiale aumenterà in modo esponenziale nel prossimo decennio.
• Impatto sul settore : i diversi settori presentano diversi livelli di potenziale di automazione, il che influenza la variazione occupazionale prevista.
• Dati demografici in base all’età : è probabile che i lavoratori di diverse fasce d’età subiscano effetti diversi in base alla loro adattabilità alle nuove tecnologie.
• Fattori specifici per Paese : per ciascun Paese sono stati presi in considerazione le condizioni economiche, le dimensioni della forza lavoro e la composizione del settore.

Paese	Dimensione della forza lavoro nel 2024 (in milioni)	Tasso di adozione dell’IA previsto (%)	Variazione occupazionale quinquennale (%)	Variazione occupazionale decennale (%)	Settori più colpiti	Fasce d’età maggiormente colpite
Germania	43.0	40%	-5,5%	-12,0%	Produzione, vendita al dettaglio	45-54, 18-24
Francia	31.0	38%	-4,8%	-10,5%	Servizi finanziari, vendita al dettaglio	45-54, 25-34
Regno Unito	33.0	42%	-6,0%	-13,5%	Sanità, vendita al dettaglio	45-54, 18-24
Italia	23.0	35%	-4,0%	-9,0%	Produzione, agricoltura	45-54, 35-44
Spagna	22.5	37%	-4,5%	-10,0%	Turismo, Commercio al dettaglio	45-54, 25-34
Paesi Bassi	9.5	45%	-5,7%	-12,5%	Servizi finanziari, IT	45-54, 25-34
Svezia	5.5	50%	-6,5%	-14,0%	IT, produzione	35-44, 18-24
Norvegia	3.0	48%	-5,8%	-13,0%	Petrolio e gas, IT	45-54, 35-44
Polonia	17.0	34%	-4,2%	-9,5%	Produzione, agricoltura	45-54, 25-34
Austria	5.0	39%	-4,9%	-11,0%	Produzione, Sanità	45-54, 35-44
Belgio	4.7	41%	-5,2%	-11,8%	Servizi finanziari, IT	45-54, 18-24
Danimarca	3.2	44%	-5,6%	-12,2%	Sanità, IT	45-54, 25-34
Finlandia	2.7	46%	-5,9%	-13,0%	IT, produzione	35-44, 18-24
Irlanda	2.5	43%	-5,4%	-12,0%	Servizi finanziari, IT	45-54, 25-34
Portogallo	5.3	36%	-4,4%	-10,2%	Turismo, Agricoltura	45-54, 25-34
Grecia	4.4	33%	-3,8%	-8,7%	Turismo, Agricoltura	45-54, 25-34

Approfondimenti chiave:

• Impatto settoriale :
  • La produzione e il commercio al dettaglio sono costantemente tra i settori più colpiti a causa dell’elevato potenziale di automazione.
  • I settori IT e dei servizi finanziari subiranno un cambiamento significativo, con posti di lavoro trasformati o ridotti.
  • Il settore sanitario subirà una perdita di posti di lavoro, ma potrebbe anche creare nuovi ruoli legati alla gestione dell’intelligenza artificiale e all’integrazione della tecnologia.
• Dati demografici per età :
  • Si prevede che i lavoratori di età compresa tra 45 e 54 anni affronteranno il più grande spostamento nella maggior parte dei paesi. Ciò è dovuto alle loro attuali posizioni in ruoli che sono più suscettibili all’automazione e alla loro minore probabilità di riqualificazione rispetto alle coorti più giovani.
  • Anche i lavoratori più giovani (di età compresa tra 18 e 24 anni ) potrebbero dover affrontare sfide significative, in particolare nelle posizioni entry-level in settori altamente automatizzabili come il commercio al dettaglio.
• Fattori specifici del paese :
  • Si prevede che Svezia e Finlandia registreranno la variazione percentuale più elevata nell’occupazione, grazie alla loro forte attenzione all’intelligenza artificiale e all’integrazione della tecnologia.
  • La Germania e il Regno Unito mostrano un impatto sostanziale, trainato dai loro ampi settori manifatturiero e dei servizi.
  • Si prevede che i paesi dell’Europa meridionale, come Grecia e Portogallo, avranno tassi di adozione dell’intelligenza artificiale più bassi, con un impatto minore ma comunque significativo sull’occupazione.

L’adozione dell’IA è destinata a rimodellare significativamente il mercato del lavoro europeo nel prossimo decennio. Mentre l’IA porterà efficienza e innovazione, porterà anche a un notevole spostamento di posti di lavoro, in particolare nei settori con un elevato potenziale di automazione e tra i lavoratori che potrebbero trovare difficile la transizione a nuovi ruoli. Questa tabella fornisce una ripartizione dettagliata dei cambiamenti previsti, offrendo una visione chiara dei paesi, dei settori e delle demografie più a rischio.

Impatto dell’intelligenza artificiale sull’occupazione nei vari settori e fasce d’età in Europa (proiezioni quinquennali e decennali)

Paese	Settore	Tasso di adozione dell’intelligenza artificiale	Impatto quinquennale	Impatto decennale	Fasce d’età maggiormente colpite	Dettagli specifici dell’impatto
Germania	Produzione	40%	-7%	-15%	45-54, 35-44	Elevata automazione nell’industria automobilistica e pesante.
	Vedere al dettaglio	40%	-5%	-12%	18-24, 45-54	Gestione della logistica e dell’inventario basata sull’intelligenza artificiale.
	Servizi finanziari	40%	-4%	-10%	45-54, 25-34	Automazione nell’elaborazione delle transazioni e nell’assistenza clienti.
	Assistenza sanitaria	40%	-3%	-8%	35-44, 25-34	Intelligenza artificiale in ruoli diagnostici e amministrativi.
Francia	Produzione	38%	-6%	-14%	45-54, 35-44	Significative perdite di posti di lavoro nei lavori di precisione.
	Vedere al dettaglio	38%	-5%	-11%	25-34, 18-24	Passaggio all’e-commerce e al servizio clienti automatizzato.
	Servizi finanziari	38%	-5%	-12%	45-54, 35-44	L’intelligenza artificiale nelle attività finanziarie di routine e complesse.
	Assistenza sanitaria	38%	-3%	-9%	35-44, 45-54	Semplificazione dei processi diagnostici e amministrativi.
Regno Unito	Produzione	42%	-7%	-16%	45-54, 35-44	Ampia automazione nei processi produttivi.
	Vedere al dettaglio	42%	-6%	-13%	18-24, 25-34	Integrazione dell’intelligenza artificiale nelle catene di fornitura e nelle interazioni con i clienti.
	Servizi finanziari	42%	-5%	-12%	25-34, 45-54	Declino dei ruoli di routine e di media complessità.
	Assistenza sanitaria	42%	-4%	-10%	35-44, 25-34	Potenziali nuovi ruoli nella gestione dell’intelligenza artificiale che compensino alcune perdite.
Italia	Produzione	35%	-5%	-12%	45-54, 35-44	Perdita di posti di lavoro nella produzione tradizionale e di precisione.
	Agricoltura	35%	-4%	-10%	45-54, 25-34	Macchinari per la raccolta e la lavorazione basati sull’intelligenza artificiale.
	Vedere al dettaglio	35%	-4%	-10%	25-34, 18-24	La crescita dell’e-commerce provoca la perdita di posti di lavoro.
	Assistenza sanitaria	35%	-3%	-8%	35-44, 45-54	Aumento dell’efficienza nell’amministrazione sanitaria.
Spagna	Turismo	37%	-5%	-12%	45-54, 25-34	Intelligenza artificiale nelle prenotazioni, nella logistica e nel servizio clienti.
	Vedere al dettaglio	37%	-5%	-11%	18-24, 25-34	Transizione verso una gestione della supply chain e dell’inventario basata sull’intelligenza artificiale.
	Agricoltura	37%	-4%	-9%	45-54, 35-44	Automazione nella lavorazione e distribuzione degli alimenti.
Paesi Bassi	Servizi finanziari	45%	-6%	-13%	25-34, 45-54	Significativa riduzione del personale addetto alle attività finanziarie di routine.
	ESSO	45%	-5%	-12%	18-24, 35-44	Stanno emergendo nuovi ruoli che compensano le perdite di posti di lavoro nell’IT tradizionale.
Svezia	ESSO	50%	-6%	-14%	18-24, 35-44	Elevato potenziale di automazione nei settori ad alta tecnologia.
	Produzione	50%	-7%	-16%	45-54, 35-44	Ampia automazione basata sull’intelligenza artificiale nelle linee di produzione.
Norvegia	Petrolio e gas	48%	-6%	-14%	45-54, 35-44	Automazione nei processi di esplorazione e produzione.
	ESSO	48%	-5%	-12%	18-24, 25-34	Transizione verso ruoli incentrati sull’intelligenza artificiale nel settore tecnologico.
Polonia	Produzione	34%	-5%	-11%	45-54, 35-44	Impatto dell’intelligenza artificiale sui posti di lavoro nel settore manifatturiero tradizionale.
	Agricoltura	34%	-4%	-9%	45-54, 25-34	I macchinari basati sull’intelligenza artificiale incidono sull’occupazione in agricoltura.
Austria	Produzione	39%	-6%	-13%	45-54, 35-44	Riduzione dei ruoli manuali e di produzione di precisione.
	Assistenza sanitaria	39%	-4%	-10%	25-34, 45-54	Le applicazioni dell’intelligenza artificiale nella diagnostica riducono i ruoli amministrativi.
Belgio	Servizi finanziari	41%	-5%	-12%	25-34, 45-54	Riduzione dei posti di lavoro nei ruoli transazionali nel settore finanziario.
	ESSO	41%	-5%	-12%	18-24, 35-44	Emersione di nuovi ruoli nell’intelligenza artificiale, che compensano le tradizionali perdite di posti di lavoro nell’IT.
Danimarca	Assistenza sanitaria	44%	-5%	-12%	25-34, 45-54	Efficienza basata sull’intelligenza artificiale che riduce la domanda di personale amministrativo.
	ESSO	44%	-5%	-12%	18-24, 35-44	Passare a ruoli incentrati sull’intelligenza artificiale nel settore IT.
Finlandia	ESSO	46%	-6%	-13%	18-24, 35-44	Elevata automazione e nuovi ruoli emergenti nell’intelligenza artificiale.
	Produzione	46%	-6%	-14%	45-54, 35-44	L’automazione nel settore manifatturiero provoca notevoli perdite di posti di lavoro.
Irlanda	Servizi finanziari	43%	-5%	-12%	25-34, 45-54	L’intelligenza artificiale riduce i ruoli transazionali, ma crea nuove opportunità.
	ESSO	43%	-5%	-12%	18-24, 35-44	Elevato potenziale di creazione di posti di lavoro legati all’intelligenza artificiale, compensando le perdite.
Portogallo	Turismo	36%	-5%	-11%	45-54, 25-34	L’intelligenza artificiale nei sistemi di prenotazione e di assistenza clienti ha un impatto sui posti di lavoro.
	Agricoltura	36%	-4%	-9%	45-54, 35-44	L’automazione in agricoltura porta alla riduzione dei posti di lavoro.
Grecia	Turismo	33%	-4%	-10%	45-54, 25-34	Cambiamenti guidati dall’intelligenza artificiale nei ruoli della logistica e del servizio clienti.
	Agricoltura	33%	-4%	-9%	45-54, 35-44	Tagli di posti di lavoro dovuti all’intelligenza artificiale nell’agricoltura e nella trasformazione alimentare.

IL RAPPORTO DELLA CASA BIANCA ….

Il Council of Economic Advisers (CEA) ha pubblicato un nuovo rapporto che approfondisce i potenziali impatti dell’intelligenza artificiale (IA) sul mercato del lavoro. Questo rapporto si basa sull’analisi e sulle metodologie precedentemente sviluppate per l’Economic Report of the President, offrendo nuovi spunti e previsioni sulla potenziale influenza dell’IA su vari settori dell’economia. I risultati sono cruciali, soprattutto perché l’integrazione delle tecnologie di IA sta diventando sempre più diffusa in tutti i settori.

In questo rapporto, la CEA presenta nuove previsioni sui potenziali impatti dell’IA sul mercato del lavoro e offre una valutazione dettagliata delle prove a supporto di queste misure. Una delle principali rivelazioni del rapporto è l’identificazione di un sottoinsieme di occupazioni altamente esposte all’IA e ora classificate come “potenzialmente vulnerabili all’IA”. Queste occupazioni rappresentano circa il 10 percento dell’occupazione complessiva nell’economia statunitense. L’identificazione di questi ruoli è significativa perché stanno già mostrando i primi segnali di calo della domanda, come dimostrato da una crescita più lenta dell’occupazione e da una riduzione del numero di nuovi lavoratori che entrano in questi settori.

L’analisi del CEA evidenzia una tendenza preoccupante: molte occupazioni considerate potenzialmente vulnerabili all’IA non hanno tenuto il passo con la crescente complessità e difficoltà che caratterizzano la maggior parte delle altre categorie di lavoro negli ultimi anni. Questa mancanza di aggiornamento e adattamento potrebbe rendere i lavoratori in queste occupazioni più suscettibili alle interruzioni causate dai progressi tecnologici. Il rapporto sottolinea che senza misure proattive, questi lavoratori potrebbero affrontare sfide significative mentre l’IA continua a evolversi e a permeare vari settori.

Inoltre, il rapporto fa luce sulle caratteristiche demografiche dei lavoratori in occupazioni vulnerabili all’IA. In particolare, si è scoperto che i lavoratori più anziani hanno maggiori probabilità di occupare posizioni potenzialmente vulnerabili all’IA. Questa scoperta suggerisce che i segmenti più anziani della forza lavoro potrebbero essere colpiti in modo sproporzionato dai cambiamenti tecnologici apportati dall’IA. Inoltre, l’analisi rivela che i lavoratori in ruoli esposti all’IA hanno meno probabilità di essere sindacalizzati rispetto alla forza lavoro complessiva. Questa mancanza di rappresentanza sindacale potrebbe esacerbare ulteriormente la vulnerabilità di questi lavoratori, poiché i sindacati svolgono spesso un ruolo fondamentale nella protezione dei diritti dei lavoratori e nella negoziazione di condizioni di lavoro eque.

Nonostante le potenziali sfide identificate nel rapporto, la CEA trova poche prove che suggeriscano che l’IA avrà un impatto negativo sui livelli di occupazione complessivi. Mentre alcuni lavoratori potrebbero sperimentare un calo della domanda per le loro competenze, non ci si aspetta che il mercato del lavoro più ampio subisca perdite di posti di lavoro diffuse a causa dell’IA. Tuttavia, il rapporto riconosce che la sua metodologia non tiene conto di altre potenziali fonti di danno per i lavoratori, come cambiamenti negativi nelle condizioni di lavoro o il rischio di discriminazione. Questi problemi rimangono una priorità per altre iniziative in corso all’interno dell’Amministrazione, che mirano ad affrontare le implicazioni più ampie dell’IA sulla forza lavoro.

Il rapporto fornisce anche preziosi spunti sulla costruzione delle misure di esposizione all’IA e sulla potenziale vulnerabilità dell’IA da parte del CEA. Queste misure sono progettate per avvantaggiare la comunità di ricerca offrendo un solido quadro per analizzare l’impatto dell’IA su varie occupazioni. Condividendo questi dettagli, il CEA spera di incoraggiare un impegno e una collaborazione continui tra ricercatori, studiosi e decisori politici, contribuendo in ultima analisi a una comprensione più completa degli effetti dell’IA sul mercato del lavoro.

Guardando al futuro, la CEA si impegna ad analizzare in modo continuativo le tendenze in termini di occupazione e guadagni tra le professioni esposte all’IA e potenzialmente vulnerabili all’IA. L’obiettivo è identificare gli effetti emergenti sui mercati del lavoro e sull’economia in generale, consentendo risposte politiche tempestive ed efficaci. La CEA prevede inoltre di mantenere il suo impegno con ricercatori, studiosi e stakeholder per garantire che le politiche dell’Amministrazione in materia di IA siano ben informate ed efficaci nel mitigare qualsiasi impatto negativo sui lavoratori.

Questo rapporto rappresenta un passo significativo nella comprensione dei potenziali impatti dell’IA sul mercato del lavoro. Identificando le occupazioni vulnerabili e fornendo un quadro per ulteriori analisi, il CEA ha gettato le basi per un’elaborazione informata delle politiche in grado di affrontare le sfide e le opportunità presentate dall’IA. Mentre la tecnologia continua a evolversi, è fondamentale che sia il governo che il settore privato rimangano vigili nel monitorarne gli effetti sulla forza lavoro e adottino misure proattive per garantire che tutti i lavoratori siano attrezzati per prosperare in un’economia sempre più guidata dall’IA.

INTRODUZIONE

I rapidi progressi nell’intelligenza artificiale (IA) hanno alterato in modo significativo il panorama tecnologico, spingendo i confini di ciò che le macchine possono realizzare. Man mano che i sistemi di IA continuano a evolversi, il loro potenziale di trasformare le economie in tutto il mondo diventa sempre più evidente. Tuttavia, mentre l’adozione dell’IA è già prevalente in vari aspetti della vita quotidiana, dagli assistenti personali agli algoritmi di raccomandazione, il suo pieno potenziale per una più ampia trasformazione economica rimane in gran parte inutilizzato. L’incertezza che circonda lo sviluppo futuro dell’IA, i modelli di adozione e gli impatti economici richiede un quadro economico completo per comprendere e anticipare questi cambiamenti.

Questo articolo approfondisce le implicazioni economiche dell’IA, esplorando gli incentivi che guidano il suo sviluppo e la sua adozione e come questi fattori potrebbero plasmare i suoi usi futuri e gli impatti sociali. Un quadro economico lungimirante è fondamentale, poiché i risultati del cambiamento tecnologico non sono predeterminati. Le decisioni politiche informate prese all’inizio dello sviluppo tecnologico possono influenzare significativamente la sua traiettoria, assicurando che i benefici economici dell’IA siano ampiamente condivisi, mitigando al contempo i rischi per i lavoratori e altri gruppi vulnerabili.

L’Economic Report of the President (ERP) di quest’anno offre un tale quadro, fornendo un’analisi dettagliata delle caratteristiche chiave dell’IA e collegandole ai concetti economici fondamentali che possono aiutare a prevederne gli impatti futuri. Sulla base di queste basi, il Council of Economic Advisers (CEA) ha sviluppato una nuova metodologia empirica per valutare i potenziali impatti dell’IA sul mercato del lavoro. Questa metodologia, diretta dall’Ordine esecutivo 14110, fornisce nuove intuizioni sulle occupazioni e sui lavoratori più a rischio di sostituzione a causa dell’IA.

Il quadro economico per comprendere l’intelligenza artificiale

Il potenziale dell’IA per guidare la crescita economica è immenso, ma lo sono anche le sfide che presenta. L’analisi del CEA sottolinea l’importanza di comprendere le caratteristiche dell’IA, la sua capacità di elaborare grandi quantità di dati, automatizzare attività complesse e imparare dall’esperienza, e come queste caratteristiche si relazionano a concetti economici come produttività, occupazione e distribuzione del reddito.

Uno degli elementi fondamentali del framework del CEA è il modello di polarizzazione basato sulle attività, che è stato determinante nell’analisi dell’impatto dei precedenti cambiamenti tecnologici, come l’introduzione dei computer e di Internet, sul mercato del lavoro. Questo modello prevede che l’IA completerà alcune occupazioni sostituendone altre, a seconda delle attività svolte in quei ruoli. Il framework empirico del CEA si basa su questo modello, offrendo una comprensione più sfumata di come l’IA possa influenzare diversi tipi di lavori e lavoratori.

Valutazione dell’impatto dell’intelligenza artificiale sul mercato del lavoro

L’analisi del CEA rivela che i requisiti di prestazione lavorativa correlati all’IA potrebbero essere un indicatore critico di quali lavoratori siano più vulnerabili a risultati economici negativi. Classificando i lavoratori in base alla loro esposizione all’IA e ai requisiti di prestazione lavorativa specifici correlati all’IA, il CEA identifica un sottoinsieme di lavoratori, definiti “potenzialmente vulnerabili all’IA”, che affrontano un alto rischio di spostamento.

Questi lavoratori potenzialmente vulnerabili all’IA si trovano in genere in occupazioni che sono sia fortemente esposte all’IA sia con requisiti di prestazione lavorativa inferiori correlati all’IA. L’analisi suggerisce che queste occupazioni stanno già sperimentando una crescita più lenta rispetto ad altre occupazioni esposte all’IA con requisiti di prestazione più elevati. Inoltre, i modelli di transizioni di lavoro indicano una domanda in calo per queste occupazioni vulnerabili, segnalando un rischio maggiore di sostituzione per i lavoratori in questi ruoli.

Tendenze nell’adattamento occupazionale all’intelligenza artificiale

Una delle scoperte più sorprendenti dell’analisi del CEA è la mancanza di adattamento nelle occupazioni potenzialmente vulnerabili all’IA. Nonostante la crescente influenza dell’IA in vari settori, molte di queste occupazioni vulnerabili hanno visto pochi cambiamenti nei requisiti di prestazione lavorativa. Ciò contrasta nettamente con la tendenza più ampia di crescente complessità del lavoro e richieste di prestazione, suggerendo che questi ruoli potrebbero essere particolarmente suscettibili all’automazione e ad altri effetti dirompenti dell’IA.

Al contrario, la CEA trova prove di una crescente domanda di lavoratori in occupazioni esposte all’IA con elevati requisiti di performance lavorativa. Questi ruoli stanno crescendo più rapidamente della media e i lavoratori stanno passando a essi, indicando una relazione complementare tra l’IA e queste occupazioni. Tuttavia, resta difficile determinare in che misura questi modelli siano guidati specificamente dall’IA, in contrapposizione alla continua influenza dei precedenti progressi tecnologici.

L’impatto economico più ampio dell’intelligenza artificiale

I potenziali benefici economici dell’IA sono sostanziali, con la tecnologia pronta a guidare significativi guadagni di produttività e miglioramenti nel benessere economico. Tuttavia, questi benefici potrebbero non essere distribuiti equamente e un sottoinsieme di lavoratori potrebbe affrontare spostamenti, guadagni in calo o altri esiti negativi con l’accelerazione dell’adozione dell’IA. La classificazione delle occupazioni vulnerabili all’IA della CEA mira a identificare questi lavoratori in anticipo, consentendo interventi politici mirati che possono aiutarli a passare a nuovi ruoli o ad adattarsi al mercato del lavoro in evoluzione.

Sebbene i risultati del CEA forniscano spunti preziosi, le implicazioni politiche sono in gran parte in linea con quelle discusse nell’ERP. Il rapporto sottolinea la necessità di una progettazione politica ponderata, informata da un solido quadro economico, per garantire che i benefici economici dell’IA siano ampiamente condivisi e che i suoi rischi siano gestiti in modo efficace.

Migliorare il quadro economico con nuove intuizioni

Dall’uscita dell’ERP, sono emersi nuovi sviluppi nella tecnologia AI e nelle sue applicazioni, sottolineando ulteriormente l’importanza di un quadro economico dinamico e adattivo. Ad esempio, l’ascesa dei modelli di AI generativi, come quelli utilizzati nell’elaborazione del linguaggio naturale e nella generazione di immagini, ha aperto nuove possibilità di automazione e innovazione in un’ampia gamma di settori. Questi progressi hanno implicazioni per il mercato del lavoro, in particolare nelle occupazioni creative e basate sulla conoscenza che in precedenza erano considerate meno vulnerabili all’automazione.

Inoltre, la natura globale dello sviluppo e dell’adozione dell’IA aggiunge un ulteriore livello di complessità all’analisi economica. Diversi paesi stanno perseguendo strategie di IA con diversi livelli di intensità e attenzione, portando a risultati divergenti in termini di crescita economica, occupazione e distribuzione del reddito. Comprendere queste dinamiche internazionali è fondamentale per i decisori politici che cercano di affrontare le sfide e le opportunità presentate dall’IA.

Il ruolo del governo nel plasmare l’impatto economico dell’intelligenza artificiale

Il ruolo del governo nel plasmare l’impatto economico dell’IA non può essere sopravvalutato. Attraverso politiche che promuovono l’innovazione, supportano i lavoratori e assicurano una concorrenza leale, il governo può influenzare la traiettoria dello sviluppo e dell’adozione dell’IA. Ad esempio, aggiornare le normative esistenti per affrontare le sfide uniche poste dall’IA, come il pregiudizio algoritmico e la privacy dei dati, è essenziale per costruire la fiducia del pubblico nella tecnologia e garantire che i suoi benefici siano realizzati.

Inoltre, è fondamentale adattare i programmi di sicurezza per soddisfare le esigenze dei lavoratori sostituiti dall’IA. Ciò potrebbe includere l’espansione dei programmi di assistenza ai lavoratori, la fornitura di opportunità di riqualificazione e il potenziamento dei sistemi di assicurazione sociale per coprire nuove forme di lavoro che potrebbero emergere man mano che l’IA rimodella l’economia.

Direzioni future per la ricerca e la politica sull’intelligenza artificiale

Man mano che l’IA continua a evolversi, saranno necessarie ricerche e analisi continue per perfezionare il quadro economico e garantire che rimanga rilevante di fronte a nuove sfide e opportunità. Ciò include l’esplorazione delle implicazioni a lungo termine dell’IA per la crescita economica, l’occupazione e la disuguaglianza di reddito, nonché la valutazione dell’efficacia di diversi interventi politici.

In particolare, la ricerca futura dovrebbe concentrarsi sull’intersezione tra AI e altre tecnologie emergenti, come l’informatica quantistica e la biotecnologia, che hanno il potenziale per trasformare ulteriormente l’economia in modi difficili da prevedere. Comprendere come queste tecnologie interagiscono con l’AI sarà fondamentale per sviluppare politiche che promuovano una crescita economica sostenibile e inclusiva.

ANALISI APPROFONDITA DELLO STUDIO ….

Analisi dei quadri predittivi e dei costrutti di misurazione per l’impatto economico dell’intelligenza artificiale

Nome del concetto	Spiegazione semplificata	Dati analitici/Esempi
Tecnologie di uso generale (GPT)	Tecnologie che hanno ampie applicazioni e possono apportare miglioramenti in vari settori, come l’intelligenza artificiale o la macchina a vapore.	Esempio: il ruolo della macchina a vapore nella rivoluzione industriale, che ha spinto i lavoratori agricoli a lavorare in fabbrica.
Cambiamento tecnico basato sulle competenze (SBTC)	Un quadro che esamina come i progressi tecnologici aumentino la domanda di lavoratori qualificati, spesso determinando aumenti salariali per coloro che possiedono un’istruzione superiore o competenze specifiche.	Esempio: crescita salariale per i lavoratori istruiti alla fine del XX secolo, con la diffusione dei computer.
Framework basato sulle attività	Un framework che analizza il modo in cui la tecnologia influenza le diverse attività all’interno di un lavoro, dimostrando che le attività di routine sono spesso automatizzate, mentre le attività astratte sono integrate dalla tecnologia.	Dati: analisi della polarizzazione del lavoro dovuta all’informatizzazione, con i lavori più colpiti nella classe media.
Nuova formazione delle attività	Un concetto incentrato sul modo in cui emergono nuovi compiti mentre quelli vecchi vengono automatizzati, dando vita a nuove forme di lavoro.	Esempio: l’ascesa di nuovi ruoli lavorativi nel settore tecnologico, man mano che l’intelligenza artificiale automatizza i ruoli tradizionali.
Misura dell’esposizione AI	Misura che identifica la probabilità che un lavoro sia influenzato dall’intelligenza artificiale, in base alle attività svolte in quel lavoro.	Dati: utilizzo del database O*NET per determinare l’esposizione lavorativa all’intelligenza artificiale.
Requisiti di prestazione lavorativa correlati all’intelligenza artificiale	Una misura che valuta la difficoltà o la complessità dei compiti all’interno di un lavoro, che influenza la probabilità che l’intelligenza artificiale automatizzi o completi tali compiti.	Dati: utilizzo dei punteggi di complessità di O*NET per prevedere quali attività sono difficili da automatizzare.
Determinazione della soglia	Il processo di definizione di soglie per classificare i lavori in base alla loro esposizione all’intelligenza artificiale e ai requisiti prestazionali, che aiuta a identificare le occupazioni vulnerabili.	Esempio: impostare il 75° percentile come soglia per identificare i lavori ad alta esposizione all’intelligenza artificiale.
Correlazione del contenuto dell’attività	La relazione tra l’esposizione all’intelligenza artificiale e il tipo di attività svolte in un lavoro, dimostra che le attività di routine hanno maggiori probabilità di essere automatizzate dall’intelligenza artificiale.	Dati: analisi di correlazione tra esposizione all’intelligenza artificiale e tipologie di attività, che mostra che le attività di routine hanno una maggiore esposizione.
Ambito predittivo	La capacità di un quadro di previsione dell’impatto dell’intelligenza artificiale sui posti di lavoro e sui gruppi che hanno maggiori probabilità di esserne interessati, pur riconoscendo che tali previsioni devono essere valutate continuamente.	Dati: prove storiche che dimostrano che il cambiamento tecnologico non ha portato alla disoccupazione di lunga durata.

A volte, può essere facile prevedere come una nuova tecnologia specializzata possa essere utilizzata per automatizzare compiti specifici e influenzare i mercati del lavoro. Ad esempio, i luddisti avevano previsto che nuovi macchinari tessili come il telaio meccanico avrebbero avuto un impatto negativo sui salari e sugli standard di lavoro tra i lavoratori tessili qualificati e, in risposta, distrussero quei macchinari (Thompson 2017). Le azioni dei luddisti non riuscirono a impedire l’adozione della tecnologia e molte delle previsioni dei luddisti si avverarono. Prevedere alcuni impatti immediati sul mercato del lavoro di tecnologie specifiche può essere semplice.

Tuttavia, prevedere gli impatti sul mercato del lavoro di tecnologie di uso generale come l’intelligenza artificiale è una sfida. Le tecnologie di uso generale si distinguono non solo per l’ampiezza delle loro potenziali applicazioni, ma anche per il modo in cui creano nuove opportunità di miglioramento in altri settori (Bresnahan e Trajtenberg 1995). Ad esempio, alla base dell’adozione di tecnologie come il telaio meccanico c’era la macchina a vapore, una tecnologia di uso generale che poteva essere adattata a molti scopi diversi in tutta l’economia. Anche se alcuni casi d’uso come il telaio meccanico hanno avuto un impatto negativo su alcuni artigiani qualificati, un effetto importante della macchina a vapore è stato quello di attrarre i lavoratori agricoli nel lavoro in fabbrica, aumentando probabilmente la domanda complessiva di competenze nell’economia (de Pleijt, Nuvolari e Weisdorf 2020). Inoltre, le nuove opportunità create dalle tecnologie di uso generale possono portarle a essere “innovazioni di aumento”, aumentando la domanda di lavoro attraverso nuove forme di lavoro (Autor et al. 2024). Gli impatti delle nuove forme di lavoro possono essere particolarmente difficili da valutare in anticipo.

Idealmente, i ricercatori sarebbero in grado di utilizzare i dati economici per identificare con precisione gli impatti di una singola tecnologia isolatamente da altri fattori. Tuttavia, i problemi di misurazione fanno sì che ciò non sia solitamente possibile, anche a posteriori. Quindi, gli economisti si sono tradizionalmente affidati a una serie di ampi quadri, utilizzando una combinazione di teoria e prove empiriche disponibili per valutare gli impatti di una tecnologia sul mercato del lavoro. Questi quadri esaminano i cambiamenti nei modelli di attività economica tra i lavoratori nel tempo e quindi associano tali cambiamenti alle caratteristiche salienti dei lavoratori. Quando questi modelli si allineano con una caratterizzazione sottostante di come funziona una tecnologia e con la tempistica dell’adozione di tale tecnologia, ciò suggerisce che la tecnologia ha svolto un ruolo nel determinare i cambiamenti. Un quadro utile non solo si adatta bene ai dati, ma fa anche ipotesi che caratterizzano in modo succinto le relazioni economiche rilevanti.

Negli ultimi decenni, le analisi economiche del cambiamento tecnologico sono state caratterizzate da molteplici framework influenti. Il primo è il framework del cambiamento tecnico basato sulle competenze (SBTC). La tipica implementazione SBTC considera i modelli di guadagno mutevoli nella distribuzione educativa, utilizzando di fatto l’istruzione come proxy per le competenze il cui valore cambia in risposta al progresso tecnologico (ad esempio, Goldin e Katz 2007; Autor, Goldin e Katz 2020). Questo framework suggerisce che i crescenti premi salariali per l’istruzione nel tempo, specialmente durante l’ultima parte del XX secolo, potrebbero essere il risultato di nuove tecnologie che aumentano la domanda di lavoratori istruiti più velocemente di quanto l’offerta di lavoro riesca a tenere il passo. Il secondo è un framework basato sulle attività, che considera i lavoratori in diverse occupazioni in base a misure semplificate del contenuto delle attività di quelle occupazioni (ad esempio, Autor, Levy e Murnane 2003; Autor e Dorn 2013). Questo framework collega la crescente disuguaglianza e polarizzazione del lavoro in seguito all’ascesa del personal computer alla capacità di tale tecnologia di integrare determinati compiti astratti, sostituendo al contempo il lavoro umano in molti compiti di routine che si trovavano comunemente nei lavori della classe media. Infine, CEA considera un framework recente basato sulla nozione di formazione di nuovi compiti, che si basa sul precedente framework basato sui compiti ma si concentra sul modo in cui i nuovi compiti possono essere creati ed eseguiti dai lavoratori anche se i vecchi compiti possono essere completamente automatizzati (ad esempio, Acemoglu e Restrepo 2018). Questo framework è stato utilizzato per spiegare l’ascesa di nuove forme di lavoro (Autor et al. 2022) e di recente per fare ulteriori previsioni sui potenziali impatti sulla produttività dell’IA (Acemoglu 2024). In pratica, questi framework non si escludono a vicenda; forniscono diverse intuizioni utili che possono essere applicate a contesti diversi e i ricercatori hanno talvolta incorporato caratteristiche di più framework per spiegare circostanze specifiche (ad esempio, Autor, Katz e Kearney 2008). Sebbene ogni framework sia stato in genere sviluppato per spiegare gli impatti delle tecnologie precedenti, come il personal computer, potrebbe avere rilevanza anche per il futuro se i presupposti di base continueranno a essere validi.

La misura dell’esposizione all’IA di CEA, e la sua misura delle occupazioni esposte vulnerabili, riflettono un modello sottostante degli effetti dell’IA. Questo modello si basa sulle ipotesi dei framework che lo hanno preceduto e può essere visto come un perfezionamento di tali modelli. In particolare, l’analisi di CEA si basa su un’idea comune a tutti i framework basati sulle attività: la probabile esposizione dei lavoratori alle nuove tecnologie è associata alle attività e ai compiti specifici che svolgono e, quindi, alla loro occupazione. Questa ipotesi è stata ampiamente adottata da altri ricercatori che sviluppano misure dell’esposizione all’IA nella letteratura recente (ad esempio, Frey e Osborne 2017; Felten, Raj e Seamans 2021; Brynjolfsson, Mitchell e Rock 2018; Ellingrud et al. 2023). La premessa dell’ipotesi è che l’IA può essere utilizzata per automatizzare o aumentare l’esecuzione di determinate attività e che tali attività sono attualmente svolte da lavoratori in occupazioni specifiche. E le misure di cui sopra sono simili in quanto misurano il contenuto delle mansioni delle occupazioni utilizzando informazioni fornite dal database O*NET del Department of Labor, basato su un mix di sondaggi dei lavoratori e valutazioni degli analisti. Tuttavia, i documenti fanno ipotesi diverse su come misurare al meglio l’esposizione all’IA utilizzando i vari tipi di informazioni sul contenuto occupazionale disponibili.

Le derivazioni precise della misura di esposizione all’IA di CEA e la sua misura di vulnerabilità basata sui requisiti di prestazione lavorativa correlati all’IA possono essere trovate nell’Appendice A. Tuttavia, tra i modelli esistenti di esposizione all’IA, CEA segue più da vicino le specifiche ipotesi di misurazione fatte da Kochhar (2023). In particolare, CEA segue questa ricerca precedente nell’utilizzare informazioni sulle attività lavorative, un proxy approssimativo per le attività che sono un elenco di 41 attività distinte su cui vengono poste domande a individui in tutte le occupazioni. Di queste attività, CEA segue anche la ricerca precedente nell’identificare 16 attività lavorative ad alta esposizione all’IA: l’elenco completo di queste attività è incluso nella Tabella A1 dell’Appendice. La premessa di questa ipotesi è che queste sono le attività in cui l’uso dell’IA può essere più fattibile, data l’attuale comprensione delle capacità attuali e previste della tecnologia. Infine, CEA adotta l’idea che la potenziale esposizione di un’occupazione all’IA sia catturata dall’importanza per il lavoro delle attività esposte all’IA, rispetto a tutte le altre attività.

Tabella 1. Correlazione tra esposizione all’IA e misure del contenuto delle attività occupazionali

Misura dell’esposizione all’IA	Esposizione AI	Requisiti prestazionali correlati all’intelligenza artificiale
Esposizione AI	1,00	0,28
Requisiti di prestazione	0,28	1,00
Autore Dorn (2013) Abstract	0,06	0,61
Autore Dorn (2013) Routine	0,29	0,00
Autore Dorn (2013) Manuale	-0,09	-0,08

Council of Economic Advisers
Fonti: American Community Survey; Department of Labor; Autor e Dorn (2013); calcoli CEA. Nota: tutte le misure sono collegate ai codici occupazionali del 1990 come in Autor e Dorn (2013). A partire dall’8 maggio 2024 alle 18:00.

Tuttavia, la misura del CEA differisce anche dalle misure precedenti per due aspetti chiave. In primo luogo, il CEA differisce da Kochhar (2023) e da altre misure nel modo in cui aggrega le informazioni sulle diverse attività per costruire il suo indice di esposizione generale all’IA. In particolare, il CEA standardizza tutti i punteggi di importanza delle attività segnalati per ciascuna attività tra le occupazioni e definisce la sua misura relativa come la differenza nell’importanza standardizzata media tra attività esposte e non esposte. Una ragione di questi cambiamenti metodologici è che diverse attività hanno un’importanza media diversa nei dati O*NET grezzi e quindi la standardizzazione garantisce che tutte le attività lavorative siano ponderate equamente nell’indice risultante.

La normalizzazione migliora anche l’interpretabilità perché un aumento unitario dell’importanza di una particolare attività o di un insieme di attività può essere interpretato come una variazione di una deviazione standard nell’importanza, rispetto alla distribuzione nell’economia complessiva. Mentre queste modifiche metodologiche sono utili per parti specifiche dell’analisi successiva di CEA, hanno scarso impatto sull’entità o sulla composizione dell’esposizione all’IA misurata rispetto a Kochhar. L’analisi mostrata nell’Appendice B riflette la forte relazione tra le due misure: la correlazione tra la misura di CEA e la misura sottostante Kochhar è 0,95. L’analisi confronta anche la misura dell’esposizione all’IA di CEA con diverse altre misure nella letteratura recente e rileva che tutte queste misure sono correlate positivamente a livello di occupazione.

L’altro contributo metodologico primario di CEA è quello di fornire un’estensione della sua misura di esposizione all’IA che considera il potenziale dell’IA di integrare o sostituire le prestazioni umane in un’occupazione. Sebbene CEA non possa prevedere i modi specifici in cui i lavori e i lavoratori si adatteranno alla tecnologia, la misura è intesa a identificare i lavoratori che sono potenzialmente più vulnerabili a risultati negativi correlati a una maggiore adozione dell’IA. La misura di CEA, denominata requisiti di prestazione lavorativa correlati all’IA, utilizza informazioni da una domanda O*NET separata sul grado di complessità o difficoltà a cui ogni attività lavorativa deve essere eseguita per svolgere il proprio lavoro complessivo. L’ipotesi di base che guida questa misura è che complessità e difficoltà siano strettamente correlate ai costi di adozione. Se è più costoso e difficile per l’IA sostituire completamente le prestazioni umane di un’attività, allora utilizzare l’IA per integrare le prestazioni di tale attività potrebbe essere più fattibile o conveniente rispetto all’utilizzo dell’IA per automatizzare completamente l’attività. Come per la misura dell’esposizione all’IA, la misura di CEA dei requisiti di prestazione lavorativa correlati all’IA si basa su una media di valori standardizzati in tutte le attività esposte all’IA.

Come delineato sopra, CEA costruisce due misure di base per ogni occupazione: un punteggio di esposizione all’IA e un punteggio che rappresenta il grado di requisiti di prestazione correlati all’IA. Lungo ciascuna di queste due dimensioni, CEA definisce livelli soglia di esposizione e requisiti di prestazione in modo che l’insieme completo di occupazioni possa essere suddiviso ordinatamente in tre gruppi: esposti all’IA con elevati requisiti di prestazione correlati all’IA, esposti all’IA con bassi requisiti di prestazione correlati all’IA e non altamente esposti all’IA. Nello specifico, il punteggio di esposizione soglia si basa sul 75° percentile di esposizione occupazionale, non ponderato per occupazione o ore, che è la stessa soglia utilizzata da Pew Research nella sua analisi (Kochhar 2023).

Per i requisiti di prestazione, la soglia del CEA per delineare i requisiti di prestazione alti/bassi correlati all’IA è la mediana della popolazione, ponderata in base alle ore aggregate nell’American Community Survey del 2022 (Ruggles et al. 2024). Una preoccupazione nell’utilizzare qualsiasi misura basata su soglia come quella del CEA è che l’interpretazione complessiva dei risultati potrebbe essere altamente sensibile alla soglia scelta. La Figura 1 illustra una ragione particolare per cui questa preoccupazione potrebbe essere saliente: la distribuzione delle prestazioni relative all’attività esposta all’IA nella popolazione è regolare e non è evidente alcuna discontinuità evidente nei punteggi di esposizione. Quindi, per qualsiasi soglia scelta, la differenza nell’esposizione all’IA tra le occupazioni immediatamente al di sopra e al di sotto della soglia è garantita essere piccola. Inoltre, la modifica della soglia di esposizione scelta altera meccanicamente la frazione di lavoratori che sono considerati interessati, nonché la differenza di esposizione tra i gruppi.

D’altro canto, l’uso di soglie discrete consente confronti intuitivi tra diversi gruppi demografici e socioeconomici che possono essere molto utili. La CEA ha condotto un’analisi di sensibilità della sua soglia selezionata per determinare la misura in cui alcuni dei suoi risultati primari potrebbero essere guidati dalla sua scelta di soglia e ha scoperto che ampi modelli di esposizione economica e demografica sono ampiamente replicati quando si scelgono altre soglie entro un intervallo ragionevole. Parti di questa analisi sono incluse nell’Appendice C. Quindi, mentre è importante trattare con cautela tutti i risultati che utilizzano una soglia binaria, la CEA ritiene che le conclusioni di base della sua analisi siano solide al suo uso di soglie binarie.

Come discusso sopra, il framework di polarizzazione basato sulle attività è stato comunemente utilizzato per valutare gli impatti del cambiamento tecnologico durante l’era della computerizzazione diffusa. Le implementazioni di questo modello valutano le occupazioni in base alle misurazioni del contenuto delle loro attività lungo dimensioni caratteristiche chiave. In genere, si tratta di misure del contenuto delle attività di routine, cognitive (o astratte) e manuali (ad esempio, Autor, Levy e Murnane 2003; Autor e Dorn 2013). L’IA dipende dalla computerizzazione e, in molti casi, l’adozione dell’IA comporta l’aumento dei sistemi computerizzati esistenti con previsione, generazione automatizzata di contenuti o altre funzionalità. Pertanto, è plausibile che un framework basato sulle attività esistente, o perfezionamenti di uno, possano anche essere efficaci nel caratterizzare i futuri impatti dell’IA sul mercato del lavoro.

Prima che gli approcci di apprendimento automatico fossero incorporati nei sistemi automatizzati, l’estensione dell’automazione computerizzata era spesso limitata dalla necessità di regole esplicite e procedure codificate (Autor 2014). Tuttavia, molti compiti sfruttano una conoscenza tacita che non è facilmente codificabile (Polanyi 1966), e questo rendeva questi compiti difficili da automatizzare. Quindi, i moderni sistemi di intelligenza artificiale basati sull’apprendimento automatico, compresi i sistemi di intelligenza artificiale generativa, ampliano l’insieme di compiti che i computer possono svolgere riducendo la necessità di approcci espliciti basati su regole. Nel tipico framework basato sui compiti, l’automazione computerizzata è stata caratterizzata come in grado di sostituire l’esecuzione umana di molti compiti di routine, che sono probabilmente codificabili (ad esempio, Autor e Dorn 2013). Inoltre, è stato suggerito che l’informatizzazione completi gli esseri umani in compiti di natura astratta. Infine, il framework suggerisce che i lavoratori i cui compiti erano sufficientemente non di routine e non astratti potrebbero vedere il loro lavoro relativamente non influenzato dalla tecnologia informatica. Se l’intelligenza artificiale estende l’automazione guidata dal computer in modi che producono modelli simili di complementarietà e sostituzione, allora gli impatti dell’intelligenza artificiale potrebbero essere in parte prevedibili sulla base della relazione tra le sue capacità e queste misure esistenti del contenuto delle attività professionali.

Utilizzando un crosswalk occupazionale fornito da Autor e Dorn (2013), CEA ha costruito un confronto tra le misure del contenuto delle attività che utilizzano per implementare il loro framework basato sulle attività e le misure di esposizione all’IA e i requisiti di prestazione correlati all’IA di CEA. La Tabella 1 mostra le correlazioni tra queste misure nelle diverse occupazioni. Emergono diversi risultati degni di nota. In primo luogo, una maggiore esposizione all’IA è moderatamente associata a un contenuto di attività più di routine. Ciò è coerente con un’interpretazione secondo cui l’IA potrebbe essere utilizzata in parte per automatizzare tipi di attività simili alle precedenti tecnologie informatiche.

In secondo luogo, un contenuto di attività più astratto corrisponde abbastanza fortemente alla misura di CEA dei requisiti di prestazione correlati all’IA. Ciò suggerisce che i lavoratori che attualmente sono osservati avere elevati requisiti di prestazione lavorativa correlati all’IA potrebbero aver beneficiato della complementarietà con le tecnologie informatiche in passato. E, se i modelli precedenti reggono mentre l’IA estende la portata dell’automazione guidata dal computer, allora i lavori con elevata esposizione all’IA e elevati requisiti di prestazione correlati all’IA potrebbero essere associati a un maggiore potenziale di complementarietà anche in futuro. Infine, sia l’elevata esposizione all’IA che gli elevati requisiti di prestazione dell’IA sono debolmente associati a un contenuto di attività meno manuale. Una preoccupazione con un’analisi di correlazione è che una correlazione positiva potrebbe essere principalmente il risultato di associazioni tra occupazioni che non sono molto esposte all’IA.

L’analisi basata sulle soglie di CEA considera solo una frazione di occupazioni altamente esposte all’IA e ancora meno di queste occupazioni hanno bassi requisiti di prestazione correlati all’IA che potrebbero renderle particolarmente vulnerabili. Quindi, potrebbe essere più utile sapere se queste stesse relazioni sono valide quando si considera solo questo sottoinsieme di occupazioni. Nella Figura 2, CEA rappresenta graficamente i parametri distributivi per le versioni standardizzate delle tre misure del contenuto delle attività in ciascuna delle sue tre classificazioni occupazionali di base. I risultati confermano relazioni simili a quelle trovate nella tabella di correlazione iniziale. I lavoratori in occupazioni altamente esposte all’IA, ma che hanno bassi requisiti di prestazione correlati all’IA hanno un contenuto di attività astratto sostanzialmente inferiore nel loro lavoro rispetto ad altri, mentre i lavoratori esposti all’IA con elevati requisiti di prestazione hanno livelli relativamente elevati di tale contenuto. Le relazioni lungo le altre due dimensioni sono meno forti, con distribuzioni più ampie all’interno della categoria. Tuttavia, i lavoratori in entrambe le categorie di occupazione esposte all’IA hanno anche, in media, una certa maggiore routine nei loro compiti rispetto ad altri lavoratori.

Nel complesso, questi risultati suggeriscono che la misura dell’esposizione all’IA di CEA è sostanzialmente collegata alle nozioni di contenuto delle attività sviluppate da precedenti framework basati sulle attività. Si è sostenuto che i precedenti effetti dell’informatizzazione sono particolarmente forti tra i lavoratori che svolgono lavori di routine che non sono di natura manuale (ad esempio, Autor e Dorn 2013); come mostra la Figura 2, molti dei lavoratori che CEA classifica come potenzialmente più vulnerabili all’IA sembrano svolgere lavori relativamente di routine. Tuttavia, le implicazioni di questa analisi sono forse più importanti per comprendere la misura di CEA dei requisiti di prestazione correlati all’IA. Nello sviluppo della loro misura, Autor e Dorn (2013) hanno suggerito che l’astrattezza era associata alla complementarietà uomo-computer perché queste attività erano in gran parte “attività creative, di risoluzione dei problemi e di coordinamento … per le quali l’analisi dei dati è un input nella produzione”.

Se l’IA continua a integrare queste attività in modo simile alle precedenti tecnologie informatiche, allora la mancanza di tali attività tra i lavoratori esposti all’IA con bassi requisiti di prestazione supporta l’ipotesi del CEA secondo cui tali lavoratori potrebbero essere più vulnerabili allo spostamento correlato all’IA. Come tutte le previsioni lungimiranti sugli impatti del mercato del lavoro, questa interpretazione è difficile da valutare a fondo finché non si sarà verificata un’adozione diffusa dell’IA. Tuttavia, suggerisce potenziali aree di attenzione nell’identificazione e nell’individuazione dei lavoratori che potrebbero essere più vulnerabili agli impatti economici negativi dell’IA.

Con le ipotesi di base delineate sopra, CEA è in grado di fornire numerose previsioni sul potenziale grado di impatto dell’IA, nonché sul suo potenziale di avere un impatto sproporzionato su particolari gruppi demografici ed economici. Queste previsioni sono fatte sulla premessa che i lavoratori che la misura di CEA classifica come esposti all’IA sono quelli che svolgono le attività che hanno maggiori probabilità di cambiare a causa della tecnologia. Tali previsioni, come il framework sottostante, sono fatte utilizzando le migliori informazioni disponibili al momento della loro ideazione. Tuttavia, come con molti modelli di IA predittiva che incorporano un feedback continuo per migliorare la loro efficacia, i framework economici predittivi generalmente traggono vantaggio dalla valutazione continua. CEA prevede che, man mano che nuovi dati saranno disponibili, questo framework e altri simili saranno sottoposti a un processo simile di revisione e perfezionamento.

Una cosa che questo framework non fa, e non è progettato per fare, è fare previsioni sulla futura portata dell’occupazione nell’economia nel suo complesso. La ragione di questa limitazione si trova più chiaramente nella letteratura sulla formazione di nuove mansioni (ad esempio, Acemoglu e Restrepo 2019). Le misure basate sulle mansioni dell’esposizione all’IA prevedono quali lavoratori hanno maggiori probabilità di essere esposti all’IA nel loro lavoro, ma possono anche fornire limitate prove suggestive di quali attività potrebbero essere più inclini alla sostituzione del lavoro tramite l’automazione. Tuttavia, le misure basate sulle mansioni non prevedono quali nuove mansioni potrebbero formarsi in futuro o se saranno svolte da lavoratori in occupazioni esistenti o in occupazioni di nuova creazione. Allo stesso modo, le misure basate sulle mansioni forniscono informazioni limitate su come le mansioni esistenti potrebbero cambiare nel tempo in risposta alle nuove tecnologie o su come le occupazioni potrebbero adattarsi a questi cambiamenti.

In risposta alle domande sulla futura portata dell’occupazione, la migliore evidenza proviene dai dati storici. Economisti e altri hanno previsto per secoli che il cambiamento tecnologico avrebbe potuto portare a una diffusa “disoccupazione tecnologica” o a una drastica riduzione delle ore di lavoro. Tuttavia, come dimostra la Figura 3, misure dell’occupazione come il rapporto tra occupazione e popolazione in età lavorativa e le ore medie di lavoro mostrano poche prove di declino negli ultimi decenni. Infatti, il tasso di occupazione rimane vicino ai massimi a lungo termine, eguagliato solo da un periodo alla fine degli anni ’90 in cui il cambiamento tecnologico e la crescita della produttività sono stati rapidi, comunemente associati alle precedenti tecnologie di uso generale di personal computer e adozione di Internet. Anche se le nuove tecnologie del passato possono aver sostituito alcuni lavoratori dai loro precedenti lavori, non sono riuscite a ridurre l’occupazione complessiva. Allo stesso modo, l’aumento della ricchezza determinato dal cambiamento tecnologico non ha portato i lavoratori a ridurre sostanzialmente le loro ore o il loro impiego.

Una seconda cosa che il framework del CEA non fa è prevedere quando potrebbero verificarsi impatti correlati all’IA. L’adozione di una nuova tecnologia spesso comporta modifiche complicate ai processi di produzione e l’implementazione di tali modifiche richiede tempo. Inoltre, i vincoli affrontati in diverse fasi di un processo complessivo possono impedire l’adozione o il pieno utilizzo di una nuova tecnologia per lunghi periodi. Più avanti in questo rapporto, il CEA conduce un’analisi limitata dei cambiamenti nelle occupazioni e nei compiti nel tempo, fornendo alcune prove del fatto che si sono già verificati cambiamenti che potrebbero plausibilmente essere il risultato di usi esistenti dell’IA o di altre automazioni correlate al computer. Al contrario, altre ricerche hanno scoperto che le innovazioni di processo derivanti dall’adozione dell’IA potrebbero non verificarsi ancora (Babina et al. 2024). Diversi analisti e ricercatori hanno suggerito che notevoli miglioramenti della produttività derivanti dall’IA potrebbero iniziare entro questo decennio (vedere Acemoglu 2024 per una panoramica); gli impatti sul mercato del lavoro potrebbero verificarsi in un arco di tempo simile. Tuttavia, il framework di base fornito dal CEA non può fornire alcuna informazione su questa tempistica.

L’impatto dell’esposizione all’intelligenza artificiale sulla vulnerabilità del mercato del lavoro: un’analisi dettagliata delle caratteristiche del lavoro, dei dati demografici e della distribuzione geografica

L’intelligenza artificiale (IA) sta rapidamente trasformando i settori, rimodellando i mercati del lavoro e ridefinendo le competenze richieste per varie occupazioni. Man mano che l’IA continua a evolversi, il suo impatto sulla forza lavoro diventa sempre più significativo, con implicazioni per la sicurezza del posto di lavoro, la disuguaglianza di reddito e la mobilità economica. Questo articolo approfondisce la complessa relazione tra esposizione all’IA, vulnerabilità lavorativa e caratteristiche dei lavoratori, attingendo a dati e analisi completi per fornire una comprensione sfumata di queste dinamiche.

Nome del concetto	Spiegazione semplificata	Dati analitici / Esempi
Esposizione AI	La misura in cui un lavoro è influenzato dalla tecnologia dell’intelligenza artificiale.	Esempio: i lavori nei settori dell’architettura e dell’ingegneria presentano un’elevata esposizione all’intelligenza artificiale (punteggio di 0,44), il che significa che l’intelligenza artificiale è fondamentale per quasi la metà dei loro compiti.
Requisiti di prestazione lavorativa correlati all’intelligenza artificiale	Il livello di difficoltà o complessità a cui devono essere eseguite le attività che richiedono l’uso dell’intelligenza artificiale.	Esempio: anche i lavori di architettura e ingegneria richiedono elevate prestazioni (punteggio di 0,81), il che significa che i compiti devono essere svolti con notevole difficoltà o competenza.
Potenziale vulnerabilità	La probabilità che i lavoratori in lavori esposti all’intelligenza artificiale possano essere influenzati negativamente o licenziati.	Esempio: i lavori di supporto in ufficio sono altamente esposti all’intelligenza artificiale, ma richiedono basse prestazioni, il che li rende più vulnerabili alla perdita di posti di lavoro causata dall’intelligenza artificiale.
Distribuzione degli utili	La gamma di livelli di reddito tra i lavoratori che svolgono lavori diversi.	Esempio: i lavoratori che rientrano nei decimi di reddito medio-bassi hanno maggiori probabilità di svolgere lavori esposti all’intelligenza artificiale, mentre i lavoratori con redditi più elevati spesso devono soddisfare requisiti di prestazioni più elevati.
Disuguaglianza di reddito	La distribuzione non uniforme del reddito tra i diversi gruppi della società.	L’intelligenza artificiale potrebbe aumentare la disuguaglianza dei redditi sostituendo i lavori a medio reddito e aumentando al contempo la produttività nei lavori a reddito più alto.
Differenze demografiche nell’esposizione all’intelligenza artificiale	Variazioni nell’esposizione all’IA tra diversi gruppi, come genere, razza o istruzione.	Esempio: le donne e i lavoratori asiatici hanno una probabilità leggermente maggiore di lavorare in lavori esposti all’IA. I lavoratori con un’istruzione superiore hanno una probabilità maggiore di essere in ruoli esposti all’IA.
Vulnerabilità lavorativa in base al livello di istruzione	Il rischio di perdita del posto di lavoro a causa dell’intelligenza artificiale, in base al livello di istruzione dei lavoratori.	I lavoratori con solo un diploma di scuola superiore hanno maggiori probabilità di svolgere lavori esposti all’intelligenza artificiale con bassi requisiti di rendimento, il che li rende più vulnerabili al licenziamento.
Età ed esposizione all’intelligenza artificiale	Come l’esposizione all’intelligenza artificiale influisce sui lavoratori di diverse età.	I lavoratori più giovani (sotto i 25 anni) sono meno esposti all’intelligenza artificiale, ma i lavoratori più anziani (sopra i 25 anni) potrebbero essere più vulnerabili, soprattutto se hanno requisiti di basse prestazioni.
Variazione geografica nell’esposizione all’IA	Differenze nell’esposizione all’IA a seconda della regione o della località.	Esempio: la regione del Pacifico è quella con la maggiore esposizione all’intelligenza artificiale, ma le aree rurali potrebbero essere più vulnerabili a causa di una percentuale più elevata di lavori con bassi requisiti prestazionali.
Sindacalizzazione ed esposizione all’intelligenza artificiale	Il ruolo dei sindacati nella protezione dei lavoratori dagli effetti negativi dell’intelligenza artificiale.	I lavoratori esposti all’IA hanno meno probabilità di essere sindacalizzati, il che li rende più vulnerabili allo spostamento. I sindacati potrebbero aiutare, ma la loro portata è attualmente limitata tra i lavori esposti all’IA.
Politiche basate sul luogo	Politiche mirate a regioni specifiche per attenuare gli impatti negativi dell’intelligenza artificiale.	Suggerimento: individuare le regioni con un’elevata vulnerabilità all’intelligenza artificiale (ad esempio le aree rurali) per programmi di formazione professionale specializzati, al fine di ridurre i rischi di sfollamento.

Tabella 2. Esposizione all’IA per gruppi occupazionali

Rango	Gruppo professionale	Esposizione media all’IA	Requisiti medi di prestazioni correlati all’intelligenza artificiale	% Occupazione altamente esposta	% Occupazione esposta con bassi requisiti di prestazione
1	Architettura e Ingegneria	0,44	0,81	90%	4%
2	Legal	0,39	0,49	100%	1%
3	Computer e matematica	0,33	0,36	73%	0%
4	Supporto amministrativo e di ufficio	0,32	-0,36	53%	49%
5	Trasporti	0,27	-0,54	81%	75%
6	Scienze della vita, fisiche e sociali	0,25	0,69	57%	12%
7	Operazioni commerciali e finanziarie	0,17	0,36	19%	9%
8	Installazione, manutenzione e riparazione	0,07	0,06	10%	10%
9	Produzione	0,07	-0,18	6%	4%
10	Agricoltura, pesca e selvicoltura	0,06	-0,91	0%	0%
11	Servizio di protezione	0,05	0,63	5%	0%
12	Arte, Design, Spettacolo, Sport e Media	0,01	-0,03	18%	13%
13	Operatori sanitari e tecnici	-0,05	0,52	3%	0%
14	Supporto sanitario	-0,08	0,31	16%	1%
15	Gestione	-0,11	0,46	0%	0%
16	Costruzione ed estrazione	-0,16	-0,05	0%	0%
17	Istruzione Istruzione e Biblioteca	-0,18	-0,21	0%	0%
18	Vendite e correlati	-0,23	-0,39	9%	9%
19	Servizi sociali e comunitari	-0,23	0,24	7%	0%
20	Cura e servizio personale	-0,27	-0,74	1%	0%
21	Spostamento di materiale	-0,29	-0,78	2%	0%
22	Preparazione e servizio del cibo correlati	-0,30	-0,80	0%	0%
23	Pulizia di edifici, terreni e manutenzione	-0,31	-0,69	0%	0%

Fonti: American Community Survey, Department of Labor, Pew Research Center, calcoli CEA.
Nota: i gruppi di occupazione sono classificati in base al loro punteggio medio di esposizione all’IA. Le occupazioni con un punteggio di requisiti di prestazione correlati all’IA inferiore al 50° percentile sono classificate come aventi bassi requisiti di prestazione. Il codice SOC 53 è stato suddiviso in due gruppi: trasporto e movimentazione materiali. Tutti gli altri gruppi di occupazione sono nel loro codice SOC a due cifre.

Differenze nell’esposizione in base al lavoro e alle caratteristiche del lavoratore

Il Council of Economic Advisers (CEA) ha sviluppato misure per valutare l’esposizione all’IA e i requisiti di prestazione lavorativa correlati all’IA, che offrono preziose informazioni sulla potenziale vulnerabilità di diverse occupazioni. Collegando queste misure ai microdati del sondaggio dell’American Community Survey (ACS) del 2022, il CEA fornisce un esame dettagliato delle caratteristiche demografiche ed economiche dei lavoratori esposti all’IA.

Le professioni di architettura e ingegneria emergono come le più esposte all’IA, con un punteggio di 0,44, il che indica che le attività esposte all’IA sono quasi la metà della deviazione standard più importanti per queste professioni rispetto ad altre attività. È interessante notare che i primi tre gruppi occupazionali più esposti presentano anche requisiti di prestazione lavorativa relativamente elevati correlati all’IA, il che suggerisce che i lavoratori in questi settori potrebbero essere meno vulnerabili allo spostamento. Ad esempio, il 90 percento dei lavoratori in architettura e ingegneria soddisfa la soglia per un’elevata esposizione all’IA, ma solo il 4 percento è classificato come potenzialmente vulnerabile a causa di bassi requisiti di prestazione.

Al contrario, le occupazioni in ufficio e supporto amministrativo e trasporti hanno maggiori probabilità di avere lavoratori che sono sia altamente esposti all’IA sia potenzialmente vulnerabili a causa di bassi requisiti di rendimento lavorativo. Ciò evidenzia i vari gradi di vulnerabilità indotta dall’IA nei diversi gruppi occupazionali.

Inoltre, molte delle occupazioni meno esposte all’IA sono di natura manuale e hanno bassi requisiti di prestazioni correlati all’IA, il che le rende meno suscettibili alle interruzioni guidate dall’IA. Le classifiche dell’esposizione all’IA tra le occupazioni sottolineano il potenziale per una variazione significativa nell’impatto dell’IA nel mercato del lavoro.

Esposizione attraverso la distribuzione degli utili

L’esposizione all’IA varia notevolmente nella distribuzione dei guadagni, con implicazioni notevoli per la disuguaglianza di reddito. La percentuale più alta di lavoratori in occupazioni esposte all’IA si trova nella parte medio-bassa della distribuzione dei guadagni, in particolare nel terzo e quarto decimo, dove oltre un terzo dei lavoratori è esposto all’IA. È interessante notare che i lavoratori nei primi due decimi mostrano anche un’esposizione all’IA relativamente elevata, sebbene con requisiti di prestazioni più elevati.

La relazione tra esposizione all’IA e guadagni è complessa. Mentre i lavoratori nei decili con redditi più bassi tendono ad avere requisiti di prestazione inferiori, quelli in occupazioni esposte all’IA con redditi più alti in genere affrontano requisiti di prestazione lavorativa più esigenti correlati all’IA. Questa dicotomia suggerisce che i lavoratori con redditi più bassi potrebbero essere più vulnerabili allo spostamento, mentre i lavoratori con redditi più alti potrebbero usare l’IA per integrare le proprie competenze, esacerbando potenzialmente la disuguaglianza di reddito.

Sondaggi recenti, come quello condotto dalla Federal Reserve Bank di Dallas nel 2024, indicano che le aziende che adottano l’IA prevedono di ridurre l’occupazione in posizioni poco e mediamente qualificate, aumentando al contempo l’occupazione in posizioni altamente qualificate. Questa tendenza è in linea con l’idea che l’IA possa avvantaggiare in modo sproporzionato i lavoratori con redditi più elevati, mentre pone rischi per quelli con lavori meno retribuiti.

Tuttavia, la traiettoria dell’impatto dell’IA sulla distribuzione del reddito non è predeterminata. Ad esempio, i potenziali risparmi sui costi derivanti dall’automazione delle attività svolte dai lavoratori altamente retribuiti potrebbero spingere ulteriormente l’adozione dell’IA nei decimi superiori. In alternativa, l’IA potrebbe migliorare la complessità del lavoro e la produttività per i lavoratori, aumentando i requisiti di prestazione senza necessariamente sostituirli. Anche le politiche governative potrebbero svolgere un ruolo cruciale nel plasmare gli effetti dell’IA sulla distribuzione dei guadagni, sia regolamentando l’uso dell’IA sia attraverso misure fiscali più ampie.

Tabella 3. Classifica delle divisioni del censimento in base alla percentuale di occupazione esposta all’IA                                                                                              

Rango	Stato	Percentuale di occupazione esposta all’intelligenza artificiale	Percentuale di occupazione esposta all’intelligenza artificiale con bassi requisiti di prestazione	Classifica in base all’esposizione AI con bassi requisiti di prestazioni
1	Pacifico	20,5%	10,1%	8
2	Montagna	20,2%	10,5%	4
3	Atlantico Medio	20,0%	10,4%	6
4	Nuova Inghilterra	20,0%	9,4%	9
5	Atlantico meridionale	19,9%	10,3%	7
6	Centro-Sud-Ovest	19,4%	11,2%	2
7	Centro-nord-occidentale	19,3%	11,3%	1
8	Centro-nord-orientale	19,1%	10,5%	5
9	Centro-Sud Est	18,5%	11,0%	3

Council of Economic Advisers
Fonti: American Community Survey; Department of Labor; Pew Research Center; calcoli CEA.
Nota: l’analisi utilizza lavoratori a tempo pieno e per un anno intero di età pari o superiore a 16 anni. I requisiti di prestazione vengono acquisiti utilizzando i dati O*NET che misurano il grado di difficoltà o complessità a cui viene svolta un’attività lavorativa esposta all’IA elevata all’interno di un’occupazione. Basso indica un grado medio di difficoltà al di sotto della mediana. A partire dall’8 maggio 2024 alle 18:00

Differenze nell’esposizione in base a genere, razza/etnia e istruzione

L’esposizione all’IA non è uniforme tra i gruppi demografici, con differenze significative osservate per genere, razza/etnia e livello di istruzione. Mentre la composizione di genere di molte occupazioni è diventata più equa nel tempo, persistono delle disparità, in particolare nei settori esposti all’IA. Ad esempio, le donne hanno una probabilità leggermente maggiore degli uomini di lavorare in occupazioni esposte all’IA e i lavoratori asiatici hanno una probabilità leggermente maggiore di essere impiegati in tali ruoli.

Le differenze più pronunciate nell’esposizione all’IA si verificano nella distribuzione dell’istruzione. I lavoratori con livelli di istruzione più elevati hanno significativamente più probabilità di essere esposti all’IA. Al contrario, i lavoratori con solo un diploma di scuola superiore o un po’ di istruzione universitaria ma meno di una laurea triennale hanno maggiori probabilità di essere impiegati in lavori esposti all’IA con requisiti di prestazioni inferiori, il che li rende potenzialmente più vulnerabili allo spostamento.

In particolare, le donne hanno più probabilità degli uomini di essere impiegate in occupazioni ad alta esposizione all’IA con bassi requisiti di prestazione, il che suggerisce un rischio più elevato di sostituzione dall’IA. Questi risultati sottolineano la necessità di politiche mirate per affrontare le potenziali disparità nell’impatto dell’IA su diversi gruppi demografici.

Differenze nell’esposizione in base all’età

L’esposizione all’IA varia anche in base all’età, con implicazioni per le prospettive di carriera a lungo termine dei lavoratori. I lavoratori più giovani, in particolare quelli sotto i 25 anni, hanno meno probabilità di essere impiegati in occupazioni esposte all’IA. Ciò potrebbe essere dovuto in parte al loro impiego temporaneo in ruoli di servizio a bassa esposizione prima di passare ad altre opportunità di carriera.

Tra i lavoratori di età superiore ai 25 anni, i tassi di esposizione all’IA sono relativamente stabili, ma la probabilità di lavorare in un lavoro esposto all’IA con bassi requisiti di prestazione aumenta con l’età. Questo schema è particolarmente preoccupante per i lavoratori più anziani, che potrebbero trovare più difficile adattarsi ai cambiamenti correlati all’IA nel mercato del lavoro.

La ricerca suggerisce che i lavoratori più anziani potrebbero essere maggiormente influenzati negativamente dalla sostituzione del posto di lavoro, in particolare se la sostituzione è legata all’automazione. Ciò solleva importanti questioni sulla necessità di programmi di riqualificazione e riqualificazione per supportare i lavoratori più anziani nell’adattamento alle mutevoli esigenze del mercato del lavoro.

Modelli geografici di esposizione all’intelligenza artificiale

L’esposizione all’IA non è distribuita uniformemente negli Stati Uniti, con significative variazioni geografiche osservate sia a livello regionale che locale. Mentre ampie regioni geografiche mostrano relativamente poche variazioni nell’esposizione all’IA, un’analisi geografica più precisa rivela differenze sostanziali nell’esposizione tra i luoghi.

Ad esempio, la Pacific Census Division ha la percentuale più alta di occupazione esposta all’IA, mentre la East South Central Division ha la più bassa. Tuttavia, quando si esamina l’occupazione esposta all’IA con bassi requisiti di prestazione, le regioni West North Central e West South Central si classificano più in alto, il che suggerisce che queste aree potrebbero essere più vulnerabili allo spostamento di posti di lavoro guidato dall’IA.

Mappe dettagliate a livello di Public Use Microdata Area (PUMA) illustrano ulteriormente la distribuzione geografica dell’esposizione all’IA. Mentre alcune aree rurali presentano alti tassi di occupazione potenzialmente vulnerabile, molte aree urbane si classificano anche in alto nell’esposizione all’IA, anche se non necessariamente in termini di vulnerabilità. Ciò suggerisce che il clustering geografico degli effetti positivi e negativi dell’IA potrebbe differire, con importanti implicazioni per le politiche basate sul luogo volte a supportare i lavoratori interessati.

Sindacalizzazione ed esposizione all’intelligenza artificiale

I sindacati hanno tradizionalmente svolto un ruolo fondamentale nel proteggere i diritti dei lavoratori e garantire che i progressi tecnologici siano vantaggiosi per la forza lavoro. Tuttavia, i lavoratori esposti all’IA hanno meno probabilità di essere sindacalizzati rispetto alle loro controparti non esposte. Solo il 9,0 percento dei lavoratori esposti all’IA sono iscritti a un sindacato, rispetto al 10 percento della forza lavoro complessiva con salari e stipendi.

I tassi di sindacalizzazione più bassi tra i lavoratori esposti all’IA sono particolarmente pronunciati in determinati decimi di guadagno, con i lavoratori potenzialmente vulnerabili all’IA che hanno meno probabilità di essere sindacalizzati. Ciò solleva preoccupazioni sulla capacità dei sindacati di rappresentare efficacemente i lavoratori che potrebbero essere a rischio di licenziamento a causa dell’IA.

Nonostante queste sfide, i sindacati possono ancora svolgere un ruolo prezioso nell’emancipare i lavoratori e garantire che l’adozione dell’IA sia equa. Tuttavia, potrebbe essere necessario un approccio più ampio che includa incentivi per le aziende a considerare l’impatto dell’IA sulla loro forza lavoro per integrare gli sforzi dei sindacati.

Comprendere gli impatti storici e attuali dell’intelligenza artificiale sui mercati del lavoro

Nel valutare i potenziali impatti futuri dell’IA sui mercati del lavoro, è fondamentale tracciare parallelismi con i progressi tecnologici passati e analizzare i dati esistenti sulle tendenze occupazionali. Questo articolo esplora l’intersezione tra IA e occupazione approfondendo modelli storici, sviluppi recenti e possibili traiettorie delle dinamiche del mercato del lavoro in un mondo sempre più guidato dall’IA. L’analisi si basa su dati e tendenze esaustivi osservati negli ultimi decenni, con particolare attenzione a come l’IA sta rimodellando il panorama occupazionale.

Il Council of Economic Advisers (CEA) ha sviluppato un framework che collega l’impatto dell’IA sull’occupazione con misure storiche del contenuto delle mansioni occupazionali. Questo framework è fondamentale per comprendere come l’IA potrebbe influenzare diversi settori del mercato del lavoro. Esaminando una varietà di tendenze occupazionali storiche e recenti, il CEA fornisce spunti per capire se l’IA sta già influenzando i mercati del lavoro e come i lavoratori potrebbero adattarsi alla crescente presenza di tecnologie di IA.

Nome del concetto	Spiegazione semplificata	Dati analitici / Esempi
Esposizione AI	La misura in cui un lavoro o un’occupazione è influenzato dalle tecnologie AI. Le occupazioni con un’elevata esposizione all’AI hanno maggiori probabilità di subire cambiamenti dovuti all’AI.	Esempio: i lavori nello sviluppo di software sono caratterizzati da un’elevata esposizione all’intelligenza artificiale perché gli strumenti di intelligenza artificiale sono sempre più utilizzati nella codifica e nel test del software.
Requisiti di prestazione	Il livello di abilità o capacità necessario per svolgere compiti in un lavoro. I lavori con requisiti di prestazioni elevati necessitano di abilità avanzate, mentre quelli con requisiti bassi necessitano di abilità di base.	Esempio: il ruolo di analista di dati richiede in genere requisiti di elevate prestazioni, come conoscenze statistiche avanzate, mentre un lavoro d’ufficio potrebbe richiedere competenze di base nell’immissione di dati.
Transizione occupazionale	Il processo di cambio di lavoro o carriera. Ciò può accadere quando i lavoratori passano da un’occupazione all’altra, spesso a causa di cambiamenti nella domanda di competenze specifiche o di spostamento di lavoro.	Esempio: un operaio in fabbrica può passare a un ruolo di supporto tecnico se il suo lavoro in fabbrica è automatizzato.
Tendenze di crescita dell’occupazione	La variazione nel numero di posti di lavoro in occupazioni specifiche nel tempo. Questo concetto aiuta a capire quali posti di lavoro si stanno espandendo o riducendo nell’economia.	Dati analitici: l’occupazione nei lavori legati alla tecnologia è cresciuta in modo significativo nell’ultimo decennio, mentre i lavori manuali hanno registrato una crescita più lenta.
Aggiornamento delle competenze	Il processo di apprendimento di nuove competenze o di miglioramento di quelle esistenti per stare al passo con i cambiamenti tecnologici e rimanere competitivi nel mercato del lavoro.	Esempio: i lavoratori del settore manifatturiero tradizionale potrebbero seguire corsi di robotica per migliorare le proprie competenze e restare al passo con l’aumento dell’automazione.
Occupazioni esposte all’intelligenza artificiale	Lavori che sono significativamente influenzati dalle tecnologie AI. Questi lavori potrebbero cambiare natura o addirittura diminuire man mano che l’AI diventa più diffusa.	Dati analitici: professioni come il servizio clienti e la ricerca legale sono altamente esposte all’intelligenza artificiale perché quest’ultima può automatizzare molte attività in questi settori.
Vulnerabilità occupazionale	Il rischio di perdita del lavoro o di cambiamento di ruolo lavorativo dovuto all’IA. Le occupazioni con bassi requisiti di prestazione e alta esposizione all’IA sono considerate più vulnerabili.	Esempio: i lavori d’ufficio di routine sono vulnerabili perché l’intelligenza artificiale può svolgere molti di questi compiti in modo più rapido e accurato.
Evoluzione del contenuto dell’attività	Il modo in cui le attività all’interno di un lavoro cambiano nel tempo, in particolare con l’adozione di nuove tecnologie. I lavoratori potrebbero dover concentrarsi su attività diverse, poiché l’intelligenza artificiale subentra a quelle di routine.	Esempio: in contabilità, l’attenzione potrebbe spostarsi dall’immissione dei dati all’analisi dei dati, poiché l’intelligenza artificiale automatizza le attività di contabilità.
Tendenze occupazionali a lungo termine	Modelli di crescita o declino dell’occupazione in un periodo di tempo prolungato, che forniscono informazioni su come si stanno evolvendo determinati settori o occupazioni.	Dati analitici: negli ultimi 20 anni, i posti di lavoro nel settore tecnologico sono cresciuti costantemente, mentre quelli nel settore manifatturiero tradizionale sono diminuiti.
Complementarità e sostituzione	La relazione tra lavoratori e intelligenza artificiale, dove l’intelligenza artificiale può integrare le competenze di un lavoratore (rendendolo più produttivo) o sostituirle (sostituendo il lavoro).	Esempio: l’intelligenza artificiale integra i radiologi aiutandoli ad analizzare le immagini più velocemente, ma sostituisce parte del lavoro amministrativo automatizzando la pianificazione e la tenuta dei registri.
Adattamento del percorso di carriera	Come i lavoratori adattano il loro percorso di carriera in risposta alle mutevoli esigenze lavorative, spesso comportando l’apprendimento di nuove competenze o il passaggio a ruoli diversi.	Esempio: un giornalista potrebbe adattarsi imparando il giornalismo dei dati, man mano che i metodi di informazione tradizionali vengono potenziati dall’analisi basata sull’intelligenza artificiale.
Effetti della ripresa dalla pandemia	L’impatto della pandemia di COVID-19 sulla ripresa occupazionale, in particolare sui ritmi diversi in cui le diverse professioni si sono riprese.	Dati analitici: i posti di lavoro nel settore tecnologico si sono ripresi rapidamente dopo la pandemia grazie all’elevata domanda di servizi digitali, mentre i posti di lavoro nel settore dell’ospitalità hanno impiegato più tempo a riprendersi a causa delle restrizioni e della minore domanda.
Impatto dell’intelligenza artificiale specifico del settore	In che modo l’intelligenza artificiale influisce in modo specifico sui diversi settori, a seconda di quanto riesce ad automatizzare o migliorare il lavoro in quei settori.	Esempio: nel settore legale l’intelligenza artificiale ha un impatto sulla ricerca e sulla revisione dei documenti, mentre nel settore petrolifero e del gas l’intelligenza artificiale ottimizza le operazioni di perforazione.
Capitale umano	Le conoscenze, le competenze e le abilità che i lavoratori portano al loro lavoro. Questo concetto è cruciale in quanto influenza la facilità con cui i lavoratori possono adattarsi a nuove tecnologie come l’intelligenza artificiale.	Esempio: i lavoratori con spiccate capacità analitiche potrebbero trovare più facile adattarsi agli strumenti di intelligenza artificiale rispetto a quelli con conoscenze tecniche limitate.
Spostamento del lavoro	La perdita di posti di lavoro dovuta all’automazione o ad altri cambiamenti tecnologici, per cui i lavoratori potrebbero dover trovare una nuova occupazione in settori diversi.	Dati analitici: gli studi dimostrano che i lavori che comportano compiti di routine sono più inclini a essere sostituiti dall’intelligenza artificiale e dall’automazione.
Adattabilità all’intelligenza artificiale	La capacità dei lavoratori o delle professioni di adattarsi ai cambiamenti apportati dall’intelligenza artificiale, sia apprendendo nuove competenze sia passando a compiti diversi che l’intelligenza artificiale non riesce a replicare facilmente.	Esempio: gli operatori sanitari si adattano alla diagnostica assistita dall’intelligenza artificiale, concentrandosi maggiormente sull’assistenza ai pazienti e meno sull’immissione di routine dei dati.
Economia aggregata	L’ambiente economico totale, considerando tutti i lavori, i settori e le tecnologie. Questo concetto aiuta a comprendere l’impatto complessivo dell’IA sull’economia.	Dati analitici: l’economia aggregata ha assistito a uno spostamento verso lavori più orientati alla tecnologia, man mano che l’intelligenza artificiale e l’automazione diventano più diffuse in tutti i settori.
Adattamento tecnologico	Come i lavoratori, le industrie o le economie si adattano alle nuove tecnologie come l’IA. Questo concetto riguarda i processi coinvolti nell’apprendimento, nell’implementazione e nel beneficio delle nuove tecnologie.	Esempio: il settore finanziario si adatta all’intelligenza artificiale incorporando algoritmi di apprendimento automatico per il rilevamento delle frodi e le strategie di investimento.
Disparità economica causata dall’intelligenza artificiale	Le differenze nei risultati economici per i lavoratori in base alla loro capacità di adattarsi all’IA. Coloro che riescono ad acquisire competenze e adattarsi hanno maggiori probabilità di trarne beneficio, mentre altri potrebbero dover affrontare delle sfide.	Dati analitici: è stato dimostrato che l’intelligenza artificiale aumenta la produttività, ma spesso i benefici sono distribuiti in modo non uniforme: i lavoratori altamente qualificati ottengono maggiori vantaggi rispetto a quelli poco qualificati.
Previsioni future sul mercato del lavoro	Previsioni su come l’intelligenza artificiale influenzerà il mercato del lavoro nei prossimi anni, inclusa la potenziale creazione di posti di lavoro in nuovi settori e la perdita di posti di lavoro in altri.	Esempio: si prevede che l’intelligenza artificiale creerà nuovi posti di lavoro nello sviluppo e nella manutenzione dei sistemi di intelligenza artificiale, riducendo al contempo i posti di lavoro in settori come l’assistenza clienti di routine.

Tendenze occupazionali storiche e confronti recenti

Un’analisi storica delle tendenze occupazionali tra tre distinti gruppi professionali definiti dalle misure del CEA rivela modelli notevoli. Questi gruppi sono categorizzati in base alla loro esposizione all’IA e ai requisiti di prestazione delle occupazioni. Negli ultimi due decenni, la crescita dell’occupazione nelle occupazioni con bassi requisiti di prestazione correlati all’IA è rimasta costantemente indietro rispetto a quelle con elevati requisiti di prestazione e a quelle non altamente esposte all’IA. Inizialmente, la crescita dell’occupazione in questi gruppi è stata parallela, con risposte simili durante eventi economici significativi come la Grande recessione e la successiva ripresa.

Tuttavia, negli ultimi anni si è assistito a una divergenza nei modelli di crescita, in particolare tra occupazioni con requisiti di prestazioni elevati e bassi. Il divario nella crescita dell’occupazione tra questi due gruppi si è ampliato in modo significativo verso la fine dell’ultimo decennio. Il gruppo non esposto, al contrario, ha registrato un calo più ripido dell’occupazione durante la recessione pandemica, ma si è ripreso più rapidamente, riflettendo potenzialmente le differenze negli ambienti di lavoro tra occupazioni esposte all’IA e meno esposte. La crescita dell’occupazione tra il 2021 e il 2022 è rimasta in gran parte parallela in questi gruppi, ma interpretare queste tendenze è difficile a causa della ripresa pandemica in corso.

Sebbene l’analisi storica fornisca preziose informazioni sulle tendenze a lungo termine, potrebbe non catturare appieno i cambiamenti immediati associati alla rapida ascesa di nuovi sistemi di intelligenza artificiale, come l’intelligenza artificiale generativa. Per comprendere meglio il recente impatto dell’intelligenza artificiale sulla crescita dell’occupazione, la CEA ha confrontato i recenti cambiamenti nell’occupazione tra diversi gruppi con le loro tendenze a lungo termine. I dati sull’occupazione tramite buste paga e le informazioni del Bureau of Labor Statistics sono stati utilizzati per esaminare la relazione tra occupazione e modelli di occupazione del settore.

Alcuni settori, come i servizi legali, l’estrazione di petrolio e gas e lo sviluppo software, impiegano elevate frazioni di lavoratori esposti all’IA. La crescita dell’occupazione in questi settori nel 2023 è stata confrontata con le tendenze a lungo termine dal 2007 al 2019. I risultati indicano che i settori con una percentuale più elevata di lavoratori esposti all’IA non hanno mostrato una correlazione significativa tra i cambiamenti nella crescita dell’occupazione e l’esposizione all’IA. Ciò suggerisce che gli effetti dell’IA sull’occupazione potrebbero essere ancora nelle fasi iniziali dei processi di adozione aziendale, in cui gli aggiornamenti ai sistemi e ai processi non sono ancora stati completamente implementati.

Transizioni occupazionali e percorsi di carriera

Mentre l’IA continua a permeare vari settori, i lavoratori potrebbero rispondere passando a lavori o occupazioni diversi. Un lavoratore licenziato da un’occupazione interessata dall’IA potrebbe cercare un impiego in un’occupazione meno vulnerabile, oppure potrebbe passare a un’occupazione con requisiti di prestazioni più elevati correlati all’IA che l’IA non è ancora in grado di replicare. Data la natura specifica del compito del capitale umano, tali cambiamenti occupazionali spesso comportano costi impliciti, riflettendo una risposta dell’offerta ai modelli di domanda mutevoli.

L’analisi del CEA sulle transizioni di lavoro tra i lavoratori esposti all’IA, basata sui dati del Current Population Survey (CPS), offre preziose informazioni su questi modelli. Tracciando gli stessi lavoratori negli anni adiacenti, l’analisi costruisce una matrice di transizione occupazionale di un anno per tre categorie occupazionali principali. I risultati suggeriscono che i lavoratori in occupazioni esposte all’IA con elevati requisiti di prestazioni correlati all’IA hanno sempre più probabilità di rimanere nella stessa occupazione, mentre quelli in lavori con bassi requisiti di prestazioni hanno maggiori probabilità di cambiare occupazione. È interessante notare che molti di questi passaggi riguardano occupazioni non esposte all’IA, sebbene una percentuale crescente si stia spostando verso lavori esposti all’IA con prestazioni più elevate.

I modelli osservati nelle transizioni occupazionali tra il 2022 e il 2023 rispetto al periodo pre-pandemia dal 2015 al 2019 sono coerenti con possibili cambiamenti nella domanda occupazionale. I lavoratori in lavori ad alta esposizione all’IA con requisiti di elevate prestazioni hanno sempre più probabilità di rimanere all’interno delle loro occupazioni, riflettendo una possibile complementarietà tra l’IA e questi lavori. D’altro canto, i lavoratori in lavori con bassi requisiti di prestazioni hanno maggiori probabilità di cambiare occupazione, spesso passando a ruoli meno esposti all’IA o con requisiti di prestazioni più elevati.

Questi risultati sono in linea con i modelli emergenti di complementarietà e sostituzione, sebbene l’analisi sia soggetta a diverse limitazioni relative ai dati. In particolare, l’affidamento alle occupazioni auto-riportate dai sondaggi potrebbe introdurre imprecisioni e l’analisi considera solo le transizioni su un periodo di un anno, che potrebbe non catturare i cambiamenti di carriera a lungo termine.

Cambiamenti nel contenuto delle attività nel tempo

Prevedere gli impatti dell’IA sul mercato del lavoro è ulteriormente complicato dalla natura in evoluzione delle mansioni occupazionali. Man mano che lavoratori e aziende adottano nuove tecnologie, le mansioni associate a occupazioni specifiche potrebbero cambiare in modo significativo. Anche nei casi in cui viene implementata l’automazione, i lavoratori potrebbero non essere necessariamente sostituiti se riescono ad adattarsi enfatizzando altri elementi del loro lavoro. Al contrario, i lavoratori in determinate occupazioni potrebbero trarre vantaggio dalle nuove tecnologie, aumentando la loro produzione o capacità.

L’analisi della CEA evidenzia che i lavoratori nella parte medio-bassa della distribuzione dei guadagni hanno sia maggiori probabilità di essere esposti all’IA sia maggiori probabilità di avere bassi requisiti di performance correlati all’IA. Questa combinazione li rende particolarmente vulnerabili alla sostituzione e a potenziali danni. Tuttavia, è importante notare che la misura della CEA si basa sui requisiti di performance attuali, che potrebbero non prevedere necessariamente l’adattabilità futura. Se i lavoratori e i lavori possono adattarsi all’IA nel tempo, i potenziali danni potrebbero non materializzarsi mai.

Alcuni ricercatori hanno suggerito che l’IA potrebbe essere particolarmente utile alla classe media, consentendo loro di svolgere compiti precedentemente riservati a esperti altamente pagati. Le prove empiriche di studi recenti supportano questa visione, dimostrando che l’IA può migliorare significativamente la produttività, in particolare tra i lavoratori meno esperti e meno qualificati. Ad esempio, i lavoratori dei call center con accesso all’IA hanno mostrato i maggiori guadagni di produttività tra i lavoratori meno qualificati.

La CEA continua a monitorare la ricerca in evoluzione su come i lavoratori utilizzano l’IA, ma non ha fatto previsioni specifiche su come il contenuto delle attività cambierà nel tempo. Tuttavia, utilizzando i dati di O NET, la CEA ha fornito alcune prove su come le occupazioni si sono evolute in passato, in particolare per quanto riguarda le attività esposte all’IA. Analizzando i punteggi O NET Work Activity dal 2007 in poi, i ricercatori della CEA hanno misurato i cambiamenti nell’esposizione all’IA e nei requisiti di prestazione nel tempo, rispetto all’anno di base del 2007.

L’analisi rivela che l’esposizione all’IA nell’economia complessiva è aumentata leggermente dal 2016, sebbene l’entità di questo cambiamento sia relativamente piccola. È interessante notare che i cambiamenti nei requisiti di prestazione correlati all’IA sono stati più pronunciati, indicando una tendenza generale di miglioramento delle competenze in tutta l’economia. Questo miglioramento delle competenze non è limitato alle occupazioni esposte all’IA, ma riflette cambiamenti più ampi nella complessità e difficoltà del lavoro.

Inoltre, l’analisi del CEA mostra che i cambiamenti all’interno dell’occupazione nei requisiti di prestazione rappresentano la maggior parte dell’aggiornamento delle competenze osservato, piuttosto che i cambiamenti nell’occupazione tra le diverse occupazioni. Ciò suggerisce che le occupazioni hanno subito un significativo aggiornamento delle competenze nel tempo, il che potrebbe mitigare alcuni dei potenziali rischi di spostamento associati all’IA.

Vulnerabilità occupazionale e aggiornamento professionale

La distribuzione dei cambiamenti nell’esposizione all’IA e nei requisiti di prestazione correlati all’IA tra diverse categorie occupazionali evidenzia importanti differenze. I lavoratori in occupazioni altamente esposte all’IA con bassi requisiti di prestazione correlati all’IA sembrano essere particolarmente vulnerabili, poiché la loro esposizione all’IA è aumentata mentre la complessità e la difficoltà dei loro lavori non lo sono state. Questa mancanza di adattamento nel tempo può aumentare la loro suscettibilità allo spostamento da parte dell’IA.

Al contrario, i lavoratori in occupazioni esposte all’IA con elevati requisiti di performance correlati all’IA hanno visto significativi aumenti nella complessità del lavoro, il che suggerisce che sono meglio posizionati per integrare le tecnologie dell’IA. Questa disparità sottolinea l’importanza dell’aggiornamento delle competenze e dell’adattabilità nel determinare quali lavoratori e occupazioni trarranno vantaggio dall’IA e quali potrebbero affrontare delle sfide.

L’analisi della CEA sull’impatto dell’IA sul mercato del lavoro è in corso e i modelli osservati negli ultimi anni potrebbero evolversi man mano che le tecnologie dell’IA continuano a svilupparsi. Il potenziale di miglioramento delle competenze tra i lavoratori vulnerabili potrebbe mitigare alcuni degli impatti negativi, ma le occupazioni identificate come potenzialmente vulnerabili all’IA mostrano attualmente meno prove di tale miglioramento delle competenze. Man mano che l’adozione dell’IA continua, questi lavoratori potrebbero affrontare rischi crescenti a meno che non riescano ad adattarsi alle mutevoli esigenze dei loro lavori.

Nel complesso, questa analisi completa sottolinea la natura complessa e sfaccettata dell’impatto dell’IA sui mercati del lavoro. Mentre l’IA ha il potenziale per migliorare la produttività e creare nuove opportunità, pone anche sfide significative, in particolare per i lavoratori in occupazioni con bassi requisiti di prestazioni correlati all’IA. Il futuro del lavoro in un mondo guidato dall’IA dipenderà da come lavoratori, aziende e decisori politici affronteranno queste sfide e sfrutteranno le opportunità presentate da questa tecnologia trasformativa.

L’impatto incerto dell’intelligenza artificiale sui mercati del lavoro

Nome del concetto	Spiegazione semplificata	Dati analitici/Esempi
Vulnerabilità dell’intelligenza artificiale nei mercati del lavoro	Alcuni lavoratori, in particolare quelli con lavori a basso o medio reddito, sono maggiormente a rischio di perdere il lavoro o di subire una riduzione dei salari a causa dell’ascesa dell’IA. Ciò accade perché l’IA può automatizzare le attività di routine che questi lavoratori spesso svolgono.	Esempi includono lavori nella produzione, nell’immissione dati o nel servizio clienti, dove gli strumenti di intelligenza artificiale possono sostituire attività ripetitive. I dati analitici mostrano che queste occupazioni rientrano spesso nella fascia di reddito medio-bassa.
Approccio basato sui dati di CEA	Il Council of Economic Advisers (CEA) utilizza i dati per prevedere come l’IA potrebbe influenzare diversi lavoratori. Analizzando i dati esistenti, mirano a fare previsioni informate, anche se alcuni di questi dati potrebbero essere incompleti a causa della novità delle tecnologie di IA.	La CEA analizza i dati sull’occupazione, la distribuzione degli utili e i tassi di adozione dell’IA per valutare i potenziali impatti. Evidenzia che le previsioni sono basate su prove, ma sottolinea anche la necessità di cautela a causa della natura emergente delle tecnologie di IA.
Impatto occupazionale dell’intelligenza artificiale	L’IA ha un impatto diverso sui diversi lavori in modi diversi. I lavoratori in lavori che comportano compiti ripetitivi e di routine hanno maggiori probabilità di essere influenzati negativamente. Le occupazioni che richiedono creatività, risoluzione di problemi complessi o capacità interpersonali hanno meno probabilità di essere sostituite dall’IA.	Occupazioni come gli operai della catena di montaggio o gli impiegati addetti all’immissione dati sono più vulnerabili, mentre lavori come lo sviluppo software, le arti creative o la consulenza hanno meno probabilità di essere sostituiti. I dati mostrano che l’IA è meno efficace nell’automatizzare attività che richiedono giudizio e creatività umani.
Esposizione demografica e geografica	L’impatto dell’IA non è uniforme in tutte le regioni o gruppi demografici. I lavoratori in determinate aree o gruppi demografici potrebbero essere più vulnerabili alle interruzioni legate all’IA a causa di fattori come concentrazioni industriali locali o livelli di istruzione.	I dati provenienti da regioni con un’alta concentrazione di posti di lavoro nel settore manifatturiero, ad esempio, mostrano un rischio più elevato di sostituzione di posti di lavoro correlata all’IA. Analogamente, i gruppi demografici con un accesso inferiore all’istruzione o alla formazione tecnologica potrebbero essere più esposti agli impatti negativi dell’IA.
Potenziali benefici dell’intelligenza artificiale per i lavoratori	L’intelligenza artificiale potrebbe portare a una maggiore produttività, salari migliori e un lavoro più coinvolgente automatizzando le attività noiose e consentendo ai lavoratori di concentrarsi su parti più piacevoli del loro lavoro. Tuttavia, questi vantaggi non sono garantiti e dipendono da come viene implementata l’intelligenza artificiale.	Esempi includono strumenti di intelligenza artificiale nell’assistenza sanitaria che automatizzano le attività amministrative, consentendo ai medici di trascorrere più tempo con i pazienti. I dati analitici indicano che, se implementata con attenzione, l’intelligenza artificiale può aumentare la soddisfazione lavorativa e migliorare le condizioni di lavoro.
Potenziali danni dell’intelligenza artificiale per i lavoratori	L’IA potrebbe anche danneggiare i lavoratori riducendo la domanda di determinati lavori, portando a salari più bassi, perdite di posti di lavoro e aumento delle disuguaglianze. Inoltre, l’IA potrebbe violare la privacy dei lavoratori o consentire discriminazioni se non adeguatamente regolamentata.	I dati analitici evidenziano rischi in settori come il commercio al dettaglio o la logistica, dove l’intelligenza artificiale potrebbe portare a tagli significativi di posti di lavoro. Casi di sorveglianza abilitata dall’intelligenza artificiale o strumenti decisionali distorti hanno sollevato preoccupazioni sulla privacy e sulla discriminazione nei luoghi di lavoro.
Le politiche di intelligenza artificiale dell’amministrazione Biden-Harris	L’amministrazione ha adottato misure per garantire che l’IA venga adottata in modo sicuro e responsabile. Ciò include misure per proteggere i diritti dei lavoratori, garantire pratiche di impiego eque e mantenere buone condizioni di lavoro. Gli ordini esecutivi e le linee guida del Dipartimento del lavoro fanno parte di questi sforzi.	L’Executive Order 14110 è un’iniziativa politica fondamentale volta a gestire l’impatto dell’IA sui lavoratori. Le linee guida del Department of Labor aiutano le aziende a implementare l’IA in modi che salvaguardino i diritti dei lavoratori e garantiscano un uso responsabile delle tecnologie di IA.
Ricerca e monitoraggio in corso	È necessaria una ricerca continua per comprendere come l’IA influisce sul mercato del lavoro nel tempo. Man mano che le tecnologie dell’IA si evolvono, aumenterà anche il loro impatto sui posti di lavoro. Un’analisi continua aiuta ad adattare le politiche per proteggere i lavoratori e massimizzare i benefici dell’IA.	I report e gli studi della CEA sono esempi di sforzi in corso per monitorare l’impatto dell’IA. Aggiornano regolarmente i loro risultati per riflettere nuovi dati, aiutando i decisori politici a rimanere informati e a prendere decisioni migliori.
Importanza delle politiche adattive	Mentre l’IA continua a cambiare il mercato del lavoro, è fondamentale avere politiche flessibili che possano adattarsi ai nuovi sviluppi. Ciò garantisce che i vantaggi dell’IA siano ampiamente condivisi e che gli impatti negativi siano ridotti al minimo.	Le politiche adattive potrebbero includere programmi di riqualificazione per i lavoratori licenziati o incentivi per le aziende che utilizzano l’IA in modi che creano nuove opportunità di lavoro. I dati suggeriscono che i paesi con politiche proattive e adattive sono meglio posizionati per gestire la transizione verso un’economia guidata dall’IA.

La rapida evoluzione delle tecnologie di Intelligenza Artificiale (IA) ha il potenziale per trasformare profondamente i mercati del lavoro in tutto il mondo. Tuttavia, come per qualsiasi tecnologia trasformativa, le implicazioni per i lavoratori sono complesse e altamente incerte. Questo articolo approfondisce l’approccio basato sui dati impiegato dal Council of Economic Advisers (CEA) per comprendere questi potenziali impatti, sottolineando sia i vantaggi che i limiti dell’adozione dell’IA in diversi segmenti della forza lavoro.

Al centro dell’analisi del CEA c’è l’impegno a basare le previsioni sui dati disponibili, assicurando che qualsiasi previsione sugli effetti dell’IA sui mercati del lavoro sia il più possibile basata su prove. Questo approccio rigoroso consente di identificare tendenze e modelli specifici all’interno del mercato del lavoro, fornendo un quadro più chiaro di quali lavoratori potrebbero essere maggiormente a rischio e perché. Tuttavia, la natura nascente di molte tecnologie di IA significa che i dati sono spesso incompleti o inconcludenti, il che richiede un certo grado di cautela nell’interpretazione di questi risultati.

Una delle principali preoccupazioni evidenziate dal CEA è la vulnerabilità di alcuni lavoratori agli impatti negativi dell’IA. Il rapporto identifica un sottoinsieme di lavoratori che sono particolarmente esposti ai rischi associati all’adozione dell’IA, principalmente quelli situati nella parte medio-bassa della distribuzione dei guadagni. Questi lavoratori, spesso impiegati in occupazioni che comportano compiti di routine o ripetitivi, hanno maggiori probabilità di subire spostamenti lavorativi o guadagni ridotti man mano che le tecnologie dell’IA diventano più diffuse.

L’identificazione di questi lavoratori vulnerabili non è solo una questione di analisi occupazionale, ma implica anche la comprensione dei modelli demografici e geografici di esposizione all’IA. Ad esempio, i lavoratori in determinate regioni o settori potrebbero essere più suscettibili agli effetti dirompenti dell’IA, rendendo necessarie risposte politiche mirate che considerino questi fattori contestuali più ampi.

In risposta a queste sfide, l’amministrazione Biden-Harris ha adottato un approccio completo e di governo per garantire l’adozione sicura e responsabile dell’IA. Questo approccio include misure per proteggere i diritti dei lavoratori, mantenere condizioni di lavoro eque e garantire che le decisioni in materia di occupazione siano prese in modo responsabile. L’ordine esecutivo 14110 e le linee guida del Dipartimento del lavoro sono centrali per questi sforzi, fornendo un quadro per la gestione dei rischi associati all’IA massimizzandone al contempo i potenziali benefici.

I potenziali benefici dell’IA per i lavoratori sono significativi, e vanno dall’aumento della produttività e salari più alti al miglioramento delle condizioni di lavoro e ruoli lavorativi più appaganti. Automatizzando le attività di routine, l’IA ha il potenziale di liberare i lavoratori per concentrarsi sugli aspetti più interessanti e creativi del loro lavoro, portando a una maggiore soddisfazione lavorativa e al benessere generale. Tuttavia, questi benefici non sono garantiti e devono essere gestiti attentamente attraverso politiche e normative appropriate.

D’altro canto, anche i danni associati all’adozione dell’IA sono sostanziali. La domanda ridotta di determinati tipi di lavoro potrebbe portare a spostamenti di posti di lavoro, stipendi in calo e aumento della disuguaglianza economica. Inoltre, le tecnologie di IA potrebbero essere utilizzate in modo improprio in modi che minano la privacy, l’autonomia e i diritti dei lavoratori o che perpetuano pregiudizi e discriminazioni esistenti sul posto di lavoro. Questi rischi sottolineano la necessità di una risposta politica ponderata e proattiva per garantire che l’adozione dell’IA sia sia sicura che equa.

L’analisi del CEA evidenzia anche l’importanza della ricerca continua e della raccolta dati per monitorare l’impatto in evoluzione dell’IA sul mercato del lavoro. Man mano che le tecnologie dell’IA continuano a svilupparsi e a integrarsi maggiormente in vari settori, gli effetti sui lavoratori probabilmente cambieranno. Il monitoraggio e l’analisi continui saranno essenziali per garantire che le politiche rimangano pertinenti ed efficaci nel mitigare gli impatti negativi dell’IA, promuovendone al contempo il potenziale positivo.

In conclusione, sebbene le potenziali implicazioni dell’IA sui lavoratori e sui mercati del lavoro siano vaste, sono anche piene di incertezza. L’approccio basato sui dati della CEA fornisce un quadro prezioso per comprendere questi impatti, ma non è privo di limiti. Con l’aumento dell’adozione dell’IA, saranno necessarie analisi continue e adeguamenti delle politiche per proteggere i lavoratori vulnerabili e garantire che i benefici dell’IA siano ampiamente condivisi nell’economia. L’impegno dell’amministrazione Biden-Harris per una strategia di IA responsabile, come delineato nell’Ordine esecutivo 14110 e in altre iniziative, riflette un riconoscimento dell’importanza di questi problemi e una determinazione ad affrontarli in modo proattivo. Attraverso politiche ponderate e una gestione attenta, è possibile sfruttare i benefici dell’IA riducendo al minimo i suoi potenziali danni, garantendo che la transizione verso un’economia guidata dall’IA sia il più fluida ed equa possibile per tutti i lavoratori.

Mentre il mercato del lavoro continua a evolversi in risposta all’intelligenza artificiale e ad altri progressi tecnologici, la necessità di politiche adattabili e lungimiranti non potrà che crescere. Gli sforzi in corso del CEA per analizzare i nuovi sviluppi nei dati e nella ricerca svolgeranno un ruolo cruciale nell’informare queste politiche e garantire che siano implementate in modo efficace. Restando al passo con i tempi e affrontando le sfide poste dall’intelligenza artificiale a testa alta, è possibile creare un futuro in cui i vantaggi dell’intelligenza artificiale sono massimizzati mentre i rischi sono ridotti al minimo, portando infine a un mercato del lavoro più dinamico, inclusivo e resiliente.

Questo testo è un capitolo di un’esplorazione più ampia dell’impatto dell’IA sul mercato del lavoro. La narrazione continua a evolversi, con l’obiettivo di fornire una comprensione completa e sfumata delle complessità coinvolte. Attraverso la continua ricerca, analisi e sviluppo di politiche, possiamo anticipare e rispondere meglio alle sfide e alle opportunità presentate dall’IA, assicurando che la sua adozione porti a un futuro che avvantaggi tutti i lavoratori, indipendentemente dalla loro occupazione, demografia o posizione geografica.

---

FONTE: https://www.whitehouse.gov/cea/written-materials/2024/07/10/potential-labor-market-impacts-of-artificial-intelligence-an-empirical-analysis/

---

Copyright di debuglies.com
La riproduzione anche parziale dei contenuti non è consentita senza previa autorizzazione – Riproduzione riservata