I lavoratori sono pronti per ruoli da senior?
![[OPT 2] IMG PMP – Editorial – Are Workers Ready for Seniorized Jobs_ -69868](https://peoplemanagingpeople.com/cdn-cgi/image/format=auto,quality=82,onerror=redirect,width=792,height=446,fit=crop/wp-content/uploads/sites/3/2026/09/OPT-2-IMG-PMP-–-Editorial-–-Are-Workers-Ready-for-Seniorized-Jobs_-69868.jpg)
Standard più elevati: L'IA sta spingendo il lavoro entry-level verso capacità di giudizio, comunicazione e risoluzione dei problemi un tempo associate ai ruoli senior.
Pratica perduta: Automatizzare le attività di routine può eliminare gli errori, l'osservazione e il contesto che aiutano i dipendenti all'inizio della carriera a sviluppare capacità di giudizio.
Cambiamento nelle assunzioni: I datori di lavoro valutano sempre più il ragionamento, l'adattabilità e la rapidità di apprendimento, invece di basarsi su credenziali o risultati preparati a memoria.
Nuova scalata: L'IA accelera la produttività, ma le aziende devono creare intenzionalmente occasioni di pratica supervisionata prima di affidare ai dipendenti responsabilità più ampie.
Progettazione pratica: Simulazioni, rotazioni, analisi a posteriori e errori dai quali è possibile riprendersi possono sostituire l'apprendimento formativo che un tempo derivava dal lavoro di routine.
Il lavoro di livello iniziale sta iniziando ad assomigliare sempre meno a un lavoro di livello iniziale.
Il Barometro dei lavori nell’IA di PwC di giugno 2026 ha rilevato che i lavori di livello iniziale fortemente esposti all’IA hanno una probabilità sette volte maggiore di richiedere competenze tradizionalmente associate ai lavoratori senior rispetto ai ruoli meno esposti all’IA. Più della metà delle competenze comparse di recente in quegli annunci era storicamente associata a posizioni più senior.
Il cambiamento è intuitivamente comprensibile. L’IA è sempre più capace di gestire il lavoro strutturato e ripetitivo che un tempo occupava gran parte della giornata di un dipendente all’inizio della carriera. Ciò che rimane richiede più probabilmente capacità di giudizio, comunicazione, capacità di risolvere i problemi e decisioni prese con informazioni incomplete.
Continua a leggere—e continua a guidare con intelligenza
Crea un account gratuito per terminare la lettura e unirti a una community di leader lungimiranti che sbloccano strumenti, playbook e approfondimenti per prosperare nell'era dell'IA.
Have an account? Log In
Ma questo aumento dell’efficienza presenta un problema.
Quei compiti più semplici facevano molto più che produrre risultati. Offrivano anche ai lavoratori inesperti il tempo di osservare come funzionavano le organizzazioni, commettere errori relativamente poco costosi e accumulare gradualmente il contesto necessario per prendere decisioni più difficili.
La dott.ssa Rachel Wood, ricercatrice di ciberpsicologia e fondatrice dell’AI Mental Health Collective, sostiene che questa funzione trascurata del lavoro di livello iniziale sia importante.
Pensiamo al dipendente che entra in un settore e svolge un lavoro che sembra periferico rispetto al ruolo in sé. Mentre completa questi compiti, quel dipendente assimila anche il modo in cui i leader prendono decisioni, il modo in cui interagiscono i colleghi e il modo in cui opera realmente l’azienda.
Eliminate completamente questa esperienza, e la conclusione logica è che i datori di lavoro rischiano di eliminare ciò che Wood descrive come “una parte cruciale del lavoro umile che sviluppa la capacità di diventare un buon leader più avanti nella carriera. Ciò che l’IA possiede è conoscenza senza esperienza”.
Questo non significa che le aziende debbano conservare il lavoro a basso valore per nostalgia. Pochi dipendenti hanno bisogno di ore formative passate a copiare informazioni tra fogli di calcolo.
Significa però che le organizzazioni potrebbero dover distinguere tra il lavoro semplicemente inefficiente e quello che offre ripetizioni formative.
Gli esseri umani sviluppano la capacità di giudizio in parte perché le decisioni hanno conseguenze. Commettono un errore, ne affrontano il risultato e si adeguano. A volte devono spiegarsi, ricucire una relazione o riconoscere che un’ipotesi portata con sé in una decisione era sbagliata.
Queste esperienze sono difficili da automatizzare perché il loro valore risiede in parte nell’averle vissute.
Assumere in base alla capacità di giudizio crea un altro problema
I datori di lavoro stanno già reagendo al cambiamento nella natura del lavoro junior innalzando l’asticella.
Un sondaggio di ZipRecruiter condotto a giugno su più di 1.000 datori di lavoro statunitensi ha rilevato che il 31% aveva aumentato i requisiti di esperienza per le posizioni di livello iniziale a causa dell’IA. Questa risposta risolve un problema creandone potenzialmente un altro. Le aziende possono semplicemente assumere persone che possiedono già la capacità di giudizio richiesta dai loro ruoli riprogettati.
Prima o poi, però, qualcuno deve svilupparla.
Questo rende anche meno utili i tradizionali segnali di selezione. Se ci si aspetta che un dipendente di livello iniziale sappia gestire l’ambiguità, coordinare gli interlocutori e dimostrare capacità di giudizio, gli anni di esperienza e un curriculum impeccabile offrono solo una prova indiretta del fatto che ne sia capace.
Heather Krueger, che nel suo lavoro come direttrice delle risorse umane presso Engine intervista candidati a posizioni di direttrice o superiori, ha affermato di cercare sempre più di andare oltre ciò che i candidati hanno fatto e di capire come pensano.
La maggior parte delle domande dei colloqui continua a guardare al passato: Che cosa hai realizzato? Qual è stato il risultato? Che cosa hai fatto?
L’IA rende più facile che mai preparare risposte convincenti a queste domande.
Di conseguenza, Krueger si concentra maggiormente sulle decisioni prese sotto pressione, sulle situazioni prive di risposte ovvie e sul ragionamento alla base delle scelte di un candidato. Preferisce inoltre prove pratiche che consentano agli intervistatori di mettere alla prova le ipotesi e osservare come reagiscono i candidati in tempo reale.
La distinzione diventa particolarmente importante quando i datori di lavoro assumono valutando il potenziale.
Krueger ha affermato che le aziende spesso attribuiscono troppo valore a ciò che i candidati già sanno, anche mentre la durata di validità di quelle conoscenze si accorcia. Lei cerca invece curiosità, adattabilità e la capacità di assimilare qualcosa di nuovo e applicarlo.
La velocità di apprendimento conta più delle credenziali.
Anche il giudizio rientra in quell’elenco. Krueger lo ha descritto come una capacità che dà alle organizzazioni la sicurezza necessaria per abbinare una maggiore libertà a una maggiore responsabilità, soprattutto quando il lavoro procede rapidamente.
La scala professionale ha bisogno di un’alternativa
Per decenni, le organizzazioni hanno adottato un modello di sviluppo piuttosto lineare.
I dipendenti junior si occupavano di problemi più circoscritti. I collaboratori con buone prestazioni ottenevano la responsabilità di affrontare problemi più complessi. Alla fine, l’esperienza stessa diventava parte del valore che apportavano al lavoro.
L’IA complica questo percorso perché può ridurre la distanza tra il primo e il secondo passaggio.
Un analista junior potrebbe non aver più bisogno di anni per diventare capace di produrre analisi sofisticate. Un nuovo recruiter può usare l’IA per redigere messaggi di contatto, riassumere colloqui o fare ricerche sui candidati a una velocità che in precedenza richiedeva una notevole esperienza. Uno sviluppatore può produrre codice funzionante molto prima nella propria carriera.
Ma una produzione più rapida non equivale a un giudizio più rapido.
Se le aziende vogliono che i dipendenti nelle prime fasi della carriera operino a un livello più elevato della curva di complessità, potrebbero dover creare deliberatamente le esperienze che prima emergevano naturalmente dallo svolgimento del lavoro.
Questo potrebbe significare simulazioni, processi decisionali supervisionati, un’esposizione strutturata alle conversazioni con i dirigenti senior, rotazioni, analisi retrospettive e opportunità di commettere errori significativi ma reversibili.
La stessa IA potrebbe persino essere d’aiuto creando ambienti a basso rischio in cui i dipendenti possano esercitarsi in conversazioni difficili o testare decisioni prima di prenderle nella realtà.
L’obiettivo non dovrebbe essere ricreare ogni attività noiosa che la tecnologia elimina.
Dovrebbe essere individuare ciò che i dipendenti imparavano svolgendo quelle attività e assicurarsi che quell’apprendimento continui a verificarsi.
