L’IA sta cambiando le retribuzioni, non solo i posti di lavoro

Compressione salariale: uno studio di Apollo Global Management stima in 28 miliardi di dollari all'anno il costo della crescita più lenta dei salari per i lavoratori esposti all'IA, distribuito su 5,8 milioni di persone.

Da dove nasce la versione rassicurante

L'affermazione si è diffusa rapidamente: i tagli di posti di lavoro sono diminuiti, le assunzioni sono aumentate e non ci sono prove che l'IA stia sostituendo i lavoratori. Torsten Sløk, capo economista di Apollo Global, sostiene una versione di questa tesi da settimane, indicando i dati di Challenger, secondo cui i tagli di posti di lavoro sono diminuiti del 41% su base annua fino ad agosto, raggiungendo il totale gennaio-agosto più basso dal 2022, mentre i piani di assunzione sono aumentati del 37% nello stesso periodo, il livello più alto dal 2023.

Questa parte regge. Ma non rappresenta l'intero rapporto.

Guida con intelligenza nell'era dell'IA

Unisciti alla community di People Managing People per accedere a contenuti esclusivi, modelli pratici, eventi riservati ai membri e approfondimenti settimanali sulla leadership—l'iscrizione è gratuita.

Get Free Access

Have an account? Log In

Cosa mostrano realmente i codici delle motivazioni

Prima di abbracciare nuovamente le narrative secondo cui l'IA viene usata come capro espiatorio, vale la pena esaminare attentamente i dati utilizzati per sostenere questa versione più recente della tesi. 

Il rapporto mensile di Challenger include due tabelle separate: una tiene traccia dei tagli complessivi di posti di lavoro, mentre l'altra li suddivide in base alle motivazioni dichiarate dai datori di lavoro per i licenziamenti.

Nella seconda tabella, l'IA è la principale motivazione indicata per i tagli di posti di lavoro finora nel 2026, citata in 116.175 annunci, pari al 22% di tutti i tagli di quest'anno. Il calo complessivo dei tagli totali è dovuto soprattutto alla diminuzione dei licenziamenti nel settore pubblico rispetto ai livelli insolitamente elevati dello scorso anno, non al fatto che l'IA sia diventata un fattore meno rilevante nei tagli che si verificano.

Due cose possono essere vere contemporaneamente: i licenziamenti totali possono diminuire e l'IA può comunque rimanere la ragione più comune dei licenziamenti che restano.

Il dato sulla riduzione delle assunzioni riportato sopra proviene da un'indagine della Federal Reserve di New York condotta su aziende di servizi che utilizzano l'IA, riportata di seguito. 

Non è la prima volta che accade

Il fatto che i salari assorbano l'impatto dell'automazione invece dell'organico ha un precedente. I robot industriali hanno prodotto uno schema quasi identico, anni prima che l'IA generativa esistesse come strumento sul posto di lavoro.

In uno studio pubblicato sul Journal of Political Economy, Daron Acemoglu del MIT e Pascual Restrepo della Boston University hanno analizzato l'adozione dei robot in 19 settori e 722 aree di pendolarismo negli Stati Uniti tra il 1990 e il 2007.

La loro conclusione principale: ogni robot aggiuntivo ogni 1.000 lavoratori riduceva il rapporto tra occupazione e popolazione di circa 0,2 punti percentuali e i salari di circa lo 0,42%. L'effetto si accumulava gradualmente all'interno dei mercati del lavoro locali nel corso degli anni, anziché manifestarsi attraverso un'ondata di licenziamenti riportati dai titoli dei giornali.

L'impatto, inoltre, non era distribuito uniformemente. I ricercatori hanno rilevato che si concentrava soprattutto tra i lavoratori con un livello di istruzione più basso, in particolare nel settore manifatturiero, mentre i lavoratori con salari più elevati erano in gran parte protetti. Ciò è molto simile allo schema individuato da Apollo nei dati sull'IA di quest'anno: i lavoratori dei servizi e quelli appartenenti al quartile più basso dei redditi assorbono la maggior parte dell'effetto sui salari, mentre i lavoratori con i redditi più elevati non ne risentono.

Il confronto presenta tuttavia dei limiti. I robot industriali sono investimenti fisici e costosi in capitale. Gli strumenti di IA sono economici e possono diffondersi in un'organizzazione nel giro di poche settimane, il che potrebbe significare che questo processo si sviluppi più rapidamente, più lentamente o in modo diverso, secondo dinamiche che i dati sui robot non possono prevedere.

Ciò che questa ricerca dimostra è che questo schema preciso, con l'impatto della disgregazione che si manifesta sulle retribuzioni e sulla partecipazione, anziché sul numero di occupati, si è già verificato una volta in dati misurabili e pubblicati, ben prima che l'IA lo rendesse nuovamente una questione attuale. 

I 4.800 dollari mancanti 

La cifra di 28 miliardi di dollari di Apollo, ovvero la crescita salariale totale persa dai lavoratori esposti all'IA nello studio, è riportata come un'unica media:  4.800 dollari all'anno, distribuiti su 5,8 milioni di lavoratori. 

Le medie nascondono quanto sia disomogenea la distribuzione di quel numero, ed è utile osservare i calcoli che la cifra complessiva omette.

All'interno di questo gruppo, i lavoratori dei servizi hanno registrato un calo relativo del 24,3% nella crescita salariale e il quartile con i guadagni più bassi un calo del 10,7%, mentre i lavoratori con i guadagni più elevati non hanno evidenziato alcun effetto misurabile. 

Si tratta di una variazione più ampia di quanto lasci intendere la media di 4.800 dollari, e colpisce più duramente le persone che già guadagnano meno. Un operatore di un centro assistenza telefonica o un addetto alle vendite al dettaglio che subisce una crescita salariale inferiore di quasi un quarto perde molto più della media, partendo inoltre da uno stipendio più basso. Chi già guadagna bene in un'occupazione altamente esposta potrebbe non avvertire quasi per nulla l'effetto. 

Questo è importante per capire come ciò si rifletta, o non si rifletta, nella maggior parte dei rapporti sulle retribuzioni. Un'azienda che esamina la crescita salariale media complessiva di quest'anno potrebbe vedere un dato apparentemente quasi normale, perché i lavoratori non colpiti, che guadagnano abbastanza, riportano la media verso l'alto.

La compressione è reale per i lavoratori che la subiscono, ma rimane invisibile nel dato aggregato che è più probabile che la dirigenza veda per primo.

Cosa verificare nei propri dati

Nessuno dei tre rapporti alla base di questa analisi richiedeva dati proprietari, e neppure la verifica interna di questi fenomeni. 

I dati di Challenger provengono dagli annunci pubblici di riduzione del personale. La Federal Reserve di New York intervista direttamente le aziende e pubblica i risultati. Apollo ha elaborato la propria stima a partire dai dati del Bureau of Labor Statistics. 

Per avere un'idea approssimativa dell'entità per stato, il pannello di controllo del Center for AI Safety, wageloss.ai, converte i licenziamenti attribuiti all'IA da Challenger in una stima in dollari, anche se considera soltanto il canale dei licenziamenti, non la compressione salariale o la riduzione delle assunzioni, che richiedono maggiore attenzione. Lo schema sottostante è visibile nei dati di cui la maggior parte delle organizzazioni dispone già. 

Alcuni punti di partenza per un team di retribuzione o delle risorse umane che voglia effettuare una verifica:

• Segmentate la crescita salariale in base all'esposizione all'IA, non solo in base al reparto. Calcolate la crescita salariale degli ultimi 24 mesi per i ruoli in cui gli strumenti di IA vengono utilizzati regolarmente e confrontatela con quella di ruoli altrimenti simili, allo stesso livello e con la stessa anzianità, in cui tali strumenti non vengono utilizzati. Una media aggregata a livello di reparto può nascondere la stessa compressione di una media nazionale.
• Verificate le richieste di assunzione chiuse invece che coperte. Né Challenger né il sondaggio della Federal Reserve di New York possono vedere una richiesta di assunzione che viene approvata e poi chiusa senza effettuare un'assunzione. La maggior parte dei sistemi di tracciamento dei candidati può farlo. Questo dato, nello specifico per i ruoli esposti all'IA, è più vicino a ciò che misura il 15% di "assunti in numero inferiore" della Federal Reserve di New York rispetto a qualsiasi dato contenuto in un rapporto sull'organico.
• Monitorate il tempo necessario per sostituire una persona, non solo il tasso di sostituzione. Un divario crescente tra il momento in cui una persona lascia un ruolo esposto all'IA e quello in cui il ruolo viene nuovamente coperto, anche se alla fine viene effettivamente coperto, è spesso la prima manifestazione visibile di questo schema, molto prima che emerga in un'indagine sul coinvolgimento o in un colloquio di uscita.
• Portate la pianificazione delle retribuzioni e quella dell'adozione dell'IA allo stesso tavolo. L&D o chiunque gestisca il lancio dell'IA generalmente gestisce il budget per la riqualificazione. Il team delle retribuzioni gestisce il budget salariale. Se quest'anno un ruolo riceve investimenti per la riqualificazione mentre la sua crescita salariale rallenta, i due team che monitorano quei dati separatamente potrebbero non confrontarsi mai, per cui il collegamento viene individuato solo se qualcuno al di sopra di entrambi pone a ciascuno la stessa domanda.

Nulla di tutto questo richiede di aspettare il prossimo rapporto di Challenger o il prossimo sondaggio della Federal Reserve. I dati da verificare si trovano in gran parte già in un sistema informativo per le risorse umane e in un sistema di tracciamento dei candidati.