Un recente studio pubblicato su The Economist ha suscitato grande interesse tra ricercatori, educatori e professionisti delle risorse umane. Basato su dati di Anthropic e della National Association of Colleges and Employers, il rapporto evidenzia un trend preoccupante: più una disciplina è esposta all’intelligenza artificiale, minore è la probabilità che i neolaureati trovino un impiego a tempo pieno nei primi sei mesi dopo la laurea.
Questo fenomeno, che ha colpito in particolare settori come l’informatica e l’ingegneria, rappresenta una svolta significativa nel modo in cui si accede al mercato del lavoro tecnico. Per la comunità di Maker Faire Rome, questo dato non è solo una statistica, ma un segnale di una trasformazione strutturale che riguarda l’istruzione, l’occupazione e la costruzione di carriere tecniche nel decennio attuale.
Il meccanismo dietro il trend
Per comprendere appieno questo fenomeno, è necessario andare oltre l’interpretazione superficiale che l’AI stia rubando i lavori. Fino al 2026, le aziende tecnologiche assumevano numerosi neolaureati per mansioni di routine, come la scrittura di codice, il testing di software e l’analisi di dataset. Queste attività, pur non essendo creative o strategiche, rappresentavano un punto di ingresso cruciale per i giovani professionisti.
Con l’avvento di strumenti come GitHub Copilot e altri modelli di linguaggio per l’analisi dei dati, molte di queste mansioni sono diventate automatizzabili. Le aziende hanno iniziato a utilizzare questi strumenti per sostituire il lavoro di livello entry-level, riducendo così la necessità di assumere nuovi laureati. Questo ha creato un divario tra l’offerta di competenze e la domanda del mercato, lasciando molti neolaureati in una situazione di incertezza.
Le discipline più colpite
Le discipline che hanno investito maggiormente nell’adattamento al mondo digitale, come l’informatica e l’ingegneria del software, sono quelle che stanno subendo il maggior impatto. Al contrario, le discipline umanistiche, spesso considerate meno utili nel mercato del lavoro, mostrano una maggiore stabilità. Questo paradosso sottolinea la fragilità delle valutazioni tradizionali sul valore di una formazione e la rapidità con cui il mercato può cambiare le sue preferenze.
Le implicazioni per la formazione
Il modello formativo tradizionale, che si concentra sull’insegnamento di competenze tecniche specifiche, sta diventando obsoleto. Le competenze esecutive di base, come la scrittura di codice, possono essere automatizzate, rendendo vulnerabili i professionisti che si basano esclusivamente su queste abilità. La soluzione non è smettere di insegnare a programmare, ma cambiare radicalmente l’approccio all’insegnamento tecnico.
Un programmatore che comprende profondamente il funzionamento dei sistemi, sa progettare architetture robuste e valuta la qualità degli output automatici è molto meno sostituibile. Il pensiero computazionale, la capacità di scomporre problemi complessi e progettare soluzioni iterative, diventa fondamentale. La formazione che sopravviverà sarà quella che costruisce queste competenze avanzate, piuttosto che limitarsi all’insegnamento di strumenti specifici.
Competenze ibride e pensiero critico
Il mercato sta già premiando i profili ibridi, che combinano competenze tecniche con una solida comprensione del dominio applicativo. Ad esempio, un ingegnere del software con conoscenze in sanità, finanza o scienze climatiche ha un vantaggio competitivo significativo. L’AI può generare codice generico, ma non può sostituire la capacità umana di interpretare dati con senso critico o gestire rischi finanziari reali.
Scenari futuri e consigli pratici
Nel breve periodo, è probabile che il mercato si ribilanci parzialmente, con una crescente domanda di professionisti tecnici qualificati. Nel medio periodo, la natura stessa del lavoro tecnico si ridefinirà, richiedendo competenze diverse da quelle attualmente insegnate nelle università. Il rischio di una biforcazione del mercato del lavoro, con una minoranza di professionisti ad altissima qualificazione e una maggioranza di lavoratori con competenze medie, è reale e preoccupante.
Per chi studia, è fondamentale non solo saper usare gli strumenti AI, ma capire come funzionano e valutarne i limiti. Costruire un portfolio di progetti reali, investire in competenze di dominio e sviluppare soft skills come la comunicazione e il pensiero critico sono passi essenziali. Per chi insegna, ripensare il curriculum intorno alla comprensione profonda dei sistemi e integrare l’uso critico degli strumenti AI nella didattica è cruciale. Per chi assume, ridefinire cosa significa ‘entry level’ e diversificare i criteri di selezione è fondamentale.
In un mercato in cui le competenze esecutive di base vengono progressivamente automatizzate, chi possiede un approccio maker, capace di progettare sistemi fisici, integrare hardware e software e documentare il proprio lavoro in modo comprensibile, ha un vantaggio competitivo significativo. La capacità di capire perché un sistema non funziona come previsto, di iterare su un prototipo fisico e di portare un’idea dall’astrazione alla realtà sono competenze profondamente umane e insostituibili.
