L’IA sta cambiando le retribuzioni, non solo i posti di lavoro
Segnale dei licenziamenti: L'IA è la motivazione citata più spesso per i tagli di posti di lavoro nel 2026, nonostante il calo complessivo dei licenziamenti.
Blocco delle assunzioni: Le aziende di servizi che utilizzano l'IA riducono i piani di assunzione molto più spesso di quanto dichiarino licenziamenti effettivi.
Impatto sui salari: L'esposizione all'IA sta rallentando la crescita dei salari, costando miliardi ai lavoratori interessati, mentre i redditi più elevati restano in gran parte protetti.
Onere disomogeneo: I lavoratori dei servizi e quelli con redditi più bassi assorbono gli effetti più forti, rendendo potenzialmente fuorvianti le medie retributive aziendali complessive.
Controlli delle risorse umane: I team delle risorse umane possono individuare le perturbazioni nascoste confrontando i salari in base all'esposizione, le richieste di assunzione chiuse e le tempistiche delle sostituzioni.
Una storia recente di Yahoo Finance ha attirato l'attenzione degli influencer di LinkedIn sull'AI. Basandosi su nuovi dati sul mercato del lavoro, l'articolo sostiene che l'AI non stia sostituendo i lavoratori americani. Tre rapporti pubblicati nelle ultime otto settimane raccontano una storia più specifica, e più utile ai responsabili delle risorse umane rispetto alla versione rassicurante.
Licenziamenti attribuiti all'AI: i dati di Challenger, Gray & Christmas mostrano che l'AI è il principale motivo citato per i tagli ai posti di lavoro nel 2026, indicato nel 22% di tutti i tagli effettuati quest'anno.
Riduzione delle assunzioni: un'indagine regionale della Federal Reserve di New York rileva che le imprese di servizi che utilizzano l'AI stanno riducendo i piani di assunzione a un ritmo quasi quattro volte superiore a quello con cui dichiarano di effettuare licenziamenti.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Compressione salariale: uno studio di Apollo Global Management stima in 28 miliardi di dollari all'anno il costo della più lenta crescita salariale per i lavoratori esposti all'AI, distribuito su 5,8 milioni di persone.
Da dove nasce la versione rassicurante
La tesi si è diffusa rapidamente: i tagli ai posti di lavoro sono in calo, le assunzioni sono in aumento e non ci sono prove che l'AI stia sostituendo i lavoratori. Torsten Sløk, capo economista di Apollo Global, sostiene una versione di questo argomento da settimane, citando i dati di Challenger che mostrano un calo del 41% su base annua dei tagli ai posti di lavoro fino ad agosto, il totale gennaio-agosto più basso dal 2022, insieme a piani di assunzione in aumento del 37% nello stesso periodo, il livello più alto dal 2023.
Questa parte regge. Ma non rappresenta l'intero rapporto.
Cosa mostrano davvero i motivi dichiarati
Prima di assecondare nuovamente le narrazioni secondo cui l'AI viene usata come capro espiatorio, vale la pena esaminare a fondo i dati utilizzati per sostenere questa versione più recente dell'argomento.
Il rapporto mensile di Challenger include due tabelle separate: una tiene traccia dei tagli totali ai posti di lavoro, mentre l'altra li suddivide in base ai motivi dichiarati dai datori di lavoro per i licenziamenti.
Nella seconda tabella, l'AI è il principale motivo citato per i tagli ai posti di lavoro finora nel 2026, indicato in 116.175 annunci, pari al 22% di tutti i tagli effettuati 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'AI sia diventata un fattore meno rilevante nei tagli che si verificano.
Due cose possono essere vere contemporaneamente: il numero totale dei licenziamenti può diminuire e l'AI può comunque rimanere il motivo più comune dei licenziamenti che restano.
Il dato sulla riduzione delle assunzioni riportato sopra proviene da un'indagine della Federal Reserve di New York sulle imprese di servizi che utilizzano l'AI, riportata di seguito.
Non è la prima volta che accade
Il fatto che i salari assorbano l'impatto dell'automazione invece del numero di dipendenti ha un precedente. I robot industriali hanno prodotto uno schema quasi identico, anni prima che l'AI generativa esistesse come strumento di lavoro.
In uno studio pubblicato sulla Rivista di economia politica, Daron Acemoglu del MIT e Pascual Restrepo della Boston University hanno analizzato l'adozione dei robot in 19 settori e 722 zone di pendolarismo degli 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 nei mercati del lavoro locali nel corso degli anni, anziché manifestarsi attraverso un'ondata di licenziamenti riportati dai titoli dei giornali.
L'impatto non era inoltre 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 corrisponde strettamente al modello rilevato da Apollo nei dati sull'AI di quest'anno: i lavoratori dei servizi e quelli appartenenti al quartile di reddito più basso assorbono la maggior parte dell'effetto sui salari, mentre i lavoratori con i redditi più elevati non ne risentono.
Il confronto ha comunque dei limiti. I robot industriali sono investimenti fisici e costosi in beni strumentali. Gli strumenti di AI sono economici e possono diffondersi in un'organizzazione nel giro di poche settimane; ciò potrebbe significare che questo fenomeno si sviluppi più rapidamente, più lentamente o in modo diverso, secondo modalità che i dati sui robot non possono prevedere.
Ciò che questa ricerca dimostra è che questo schema preciso, con l'impatto della discontinuità che ricade 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 $ mancanti
La cifra di 28 miliardi di dollari di Apollo, ovvero la crescita salariale complessiva persa dai lavoratori esposti all'IA nello studio, è riportata come una singola media: 4.800 $ all'anno, distribuiti su 5,8 milioni di lavoratori.
Le medie nascondono quanto sia disomogenea la distribuzione di questa cifra, ed è importante notare l'aritmetica che il dato principale omette.
All'interno di questo gruppo, i lavoratori dei servizi hanno registrato una diminuzione relativa del 24,3% nella crescita salariale, mentre il quartile con i guadagni più bassi ha registrato una diminuzione del 10,7%; i lavoratori con i guadagni più elevati, invece, non hanno subito alcun effetto misurabile.
Si tratta di una variazione più ampia di quanto lasci intendere la media di 4.800 $, e colpisce maggiormente le persone che già guadagnano meno. Un operatore di un centro di assistenza telefonica o un addetto alle vendite che subisce una crescita salariale inferiore di quasi un quarto perde molto più della media, oltre a partire da uno stipendio già più basso. Chi guadagna già bene in un'occupazione altamente esposta potrebbe non avvertire quasi per nulla questo effetto.
Questo è importante per capire come tale fenomeno emerga, o non emerga, nella maggior parte dei rapporti sulle retribuzioni. Un'azienda che esamini la crescita salariale media complessiva di quest'anno potrebbe vedere una cifra che sembra vicina alla normalità, perché i lavoratori che guadagnano abbastanza da non essere colpiti riportano la media verso l'alto.
La compressione è reale per i lavoratori che la subiscono, ma rimane invisibile nel dato aggregato che la dirigenza probabilmente vede per primo.
Cosa controllare nei propri dati
Nessuno dei tre rapporti alla base di questa analisi ha richiesto dati proprietari, e neppure il controllo interno ne richiede.
I dati di Challenger provengono dagli annunci pubblici di riduzione del personale. La Federal Reserve Bank 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 cruscotto del Center for AI Safety, wageloss.ai, converte i licenziamenti attribuiti all'IA da Challenger in una stima in dollari, anche se considera solo il canale dei licenziamenti, non la compressione salariale o la riduzione delle assunzioni, che richiedono maggiore attenzione. Lo schema alla base di tutto questo è visibile nei dati di cui la maggior parte delle organizzazioni dispone già.
Alcuni punti di partenza per una squadra che si occupa di retribuzioni o delle risorse umane e 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.
- Controllate le richieste di assunzione chiuse invece di essere completate. Né Challenger né il sondaggio della Federal Reserve Bank di New York possono vedere una richiesta che viene approvata e poi chiusa senza un'assunzione. La maggior parte dei sistemi di tracciamento dei candidati può farlo. Questo dato, in particolare per i ruoli esposti all'IA, è più vicino a ciò che misura la cifra del 15% di persone "assunte in numero inferiore" della Federal Reserve Bank di New York rispetto a qualsiasi dato contenuto in un rapporto sull'organico.
- Monitorate il tempo necessario per coprire nuovamente una posizione, 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.
- Fate sedere allo stesso tavolo la pianificazione delle retribuzioni e quella dell'adozione dell'IA. L&D o chiunque gestisca il lancio dell'IA di solito gestisce il budget per la riqualificazione. La squadra che si occupa delle retribuzioni gestisce il budget salariale. Se quest'anno un ruolo riceve investimenti per la riqualificazione mentre la sua crescita salariale rimane indietro, le due squadre che monitorano questi dati separatamente potrebbero non confrontarsi mai, quindi il collegamento viene individuato solo se qualcuno al di sopra di entrambe pone a ciascuna 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 controllare si trovano già in gran parte in un sistema informativo per le risorse umane e in un sistema di tracciamento dei candidati.
