L’IA e la dimensione dei team sono collegate, ma non nel modo suggerito dai titoli dei giornali: le prove migliori mostrano che l’IA aumenta la produttività su compiti specifici, spesso del 15–40%, ma non ha trasformato i team di cinque persone in una persona e un’IA. Dove i team si stanno riducendo, il canale principale sono meno assunzioni, soprattutto di junior, non i licenziamenti di massa.
Questa distinzione è importante per l’HR. Un team che si riduce perché nessuno viene assunto per sostituire chi se ne va o per coprire i posti junior è molto diverso, in termini di piani di organico, strutture retributive e percorsi di carriera, da un team che viene tagliato. Questo articolo esamina ciò che la ricerca peer-reviewed e ufficiale mostra davvero, aggiunge i dati globali sugli annunci di lavoro di TalentUp per il 2024–2026 e li traduce in passi concreti per i team HR e compensation & benefits (C&B).
Punti chiave
- Gli studi controllati rilevano guadagni reali ma legati a compiti specifici: +15% nell’assistenza clienti, 40% di tempo in meno nei compiti di scrittura e minore accuratezza quando l’IA viene usata al di fuori di ciò che sa fare bene.
- A livello di intera economia, finora non ci sono prove di una perdita diffusa di posti di lavoro; l’effetto più evidente riguarda i giovani lavoratori nei lavori esposti all’IA, circa il 19% sotto il trend nei dati delle buste paga statunitensi.
- L’aggiustamento passa dalle assunzioni, non dai licenziamenti. Nei dati di TalentUp, la quota di annunci per sviluppatori rivolti a junior è scesa dal 6,0% al 3,7% tra il 2024 e il 2026.
- Gli annunci di lavoro ora chiedono gli strumenti di IA come competenza: nel 2026 circa 1 su 8 degli annunci per sviluppatori e per la scrittura cita strumenti come Copilot o ChatGPT, rispetto a circa 1 su 50 nel 2024.
- Finora chi resta non viene pagato di più grazie all’IA; il premio va ai ruoli specialistici in IA.
L’IA sta riducendo i team? La risposta breve
L’idea che “il team di cinque ora è una persona e un’IA” nasce soprattutto da aneddoti di start-up e dal marketing dei fornitori. La ricerca racconta una storia più misurata:
- A livello di compito: l’IA rende le persone più veloci e, per i meno esperti, più brave in un insieme definito di compiti. Nei compiti che vanno oltre le capacità dell’IA, può peggiorare i risultati.
- A livello di azienda: le aziende che adottano l’IA generativa assumono meno junior rispetto ad aziende comparabili, mentre l’occupazione senior continua a crescere.
- A livello di economia: grandi studi basati su dati delle buste paga e amministrativi non rilevano finora alcun calo generalizzato di occupazione, ore lavorate o redditi, con un’eccezione importante: i giovani lavoratori nelle professioni in cui l’IA automatizza i compiti.
In altre parole, l’IA sta cambiando la forma dei team (meno punti di ingresso, più lavoro senior per persona) più velocemente di quanto ne cambi la dimensione. Resta comunque un grande problema di pianificazione dell’organico, solo diverso da quello descritto dalla maggior parte dei titoli.
Cosa mostra la ricerca sulla produttività con l’IA
Le prove più solide vengono da esperimenti randomizzati e studi sul campo con lavoratori reali. Questi sono gli studi più citati, con ciò che hanno effettivamente rilevato:
| Studio |
Contesto |
Cosa ha cambiato l’IA |
Chi ne ha beneficiato di più |
| Brynjolfsson, Li & Raymond (2023; Quarterly Journal of Economics, 2025) |
5.172 operatori dell’assistenza clienti di un’azienda di software |
+15% di richieste risolte all’ora in media |
Gli operatori meno esperti e meno qualificati |
| Noy & Zhang (Science, 2023) |
Professionisti alle prese con compiti di scrittura di livello intermedio |
40% di tempo in meno, 18% di qualità in più |
Chi scriveva peggio; le disuguaglianze tra lavoratori si sono ridotte |
| Dell’Acqua et al. (Harvard/BCG, 2023) |
758 consulenti BCG su 18 compiti realistici |
All’interno della frontiera: 12,2% di compiti in più, 25,1% più veloci, qualità superiore di oltre il 40%. Al di fuori: 19 punti percentuali in meno di probabilità di dare la risposta corretta |
I consulenti sotto la media |
| Dell’Acqua et al., “Cybernetic Teammate” (2025) |
776 professionisti di Procter & Gamble sull’innovazione di prodotto |
Singole persone con l’IA hanno eguagliato team di due senza IA |
Il personale meno esperto e chi lavorava fuori dalla propria funzione principale |
| METR (2025) |
16 sviluppatori open source esperti, 246 compiti nelle proprie basi di codice |
Gli sviluppatori hanno impiegato il 19% di tempo in più con gli strumenti di IA, pur credendo di essere più veloci |
Nessun gruppo: l’IA ha rallentato gli esperti su codice familiare e complesso |
L’esperimento di Procter & Gamble è quello più vicino all’affermazione “una persona e un’IA”, e merita una lettura attenta. Un professionista che usava l’IA ha ottenuto gli stessi risultati di un team di due senza IA su un compito di innovazione specifico. I team con l’IA sono comunque andati meglio di tutti. È la prova che l’IA può sostituire alcuni dei benefici della collaborazione, non che possa sostituire un team di cinque persone.
Dove i guadagni dell’IA sono grandi e dove sono piccoli
Lo studio sui consulenti ha coniato l’espressione “frontiera tecnologica frastagliata” (jagged technological frontier): l’IA è molto brava in alcuni compiti e sorprendentemente scarsa in altri che sembrano simili. Questo spiega perché i numeri sopra vanno da un guadagno del 40% a una perdita del 19%.
| I guadagni dell’IA tendono a essere grandi quando… |
I guadagni dell’IA tendono a essere piccoli o negativi quando… |
| Il compito è ben definito, testuale e ripetitivo (risposte di assistenza, prime bozze, sintesi) |
Il compito richiede una conoscenza approfondita di un sistema, un cliente o una base di codice specifici |
| La persona è nuova nel ruolo e l’IA le trasferisce il know-how dei migliori |
La persona è già esperta e passa il tempo a controllare il lavoro dell’IA |
| La qualità del risultato è facile da verificare |
Gli errori sono difficili da individuare e costosi (legali, finanziari, di sicurezza) |
| Il processo viene riprogettato intorno allo strumento |
L’IA viene aggiunta a un processo invariato |
I dati su larga scala confermano che i guadagni di laboratorio non si traducono automaticamente in cambiamenti nel mercato del lavoro. Humlum e Vestergaard (2025) hanno collegato sondaggi sull’adozione dei chatbot di IA ai registri amministrativi danesi per circa 25.000 lavoratori in 11 professioni esposte, rilevando effetti su redditi e ore registrate vicini allo zero nel 2023–2024. I lavoratori hanno dichiarato un modesto risparmio di tempo, intorno al 3%, e parte del tempo risparmiato è andata a nuovi compiti creati dall’IA stessa, come il controllo dei risultati.
La lezione per l’HR è che i risparmi di organico non sono automatici. I guadagni di produttività cambiano la dimensione dei team solo quando il lavoro viene riprogettato, e si concentrano su compiti specifici, non su interi lavori.
Assumere meno invece di licenziare: la stretta sui ruoli junior
L’effetto occupazionale più chiaro dell’IA finora riguarda chi inizia la propria carriera.
- Stanford, “Canaries in the Coal Mine” (Brynjolfsson, Chandar e Chen): usando i dati delle buste paga di ADP fino a giugno 2026, l’occupazione dei lavoratori tra i 22 e i 25 anni nelle professioni più esposte all’IA è circa il 19% inferiore a quella che si avrebbe se avesse tenuto il passo dei coetanei meno esposti (15% nei dati di luglio 2025). I lavoratori esperti non mostrano un divario paragonabile. Gli autori rilevano che l’aggiustamento avviene soprattutto attraverso meno assunzioni di giovani e non attraverso più uscite, e che i cali si concentrano nelle professioni in cui l’IA automatizza il lavoro invece di potenziarlo. Li descrivono come andamenti descrittivi, non come stime causali.
- Hosseini e Lichtinger (Harvard, 2025): con dati di curriculum e annunci di lavoro relativi a circa 62 milioni di lavoratori in 285.000 aziende statunitensi, rilevano che dal 2023 l’occupazione junior nelle aziende che adottano l’IA generativa è calata nettamente rispetto a quelle che non la adottano, mentre l’occupazione senior ha continuato a crescere, anche qui a causa di assunzioni più lente e non di più uscite.
È così che un team si riduce senza che nessuno venga licenziato: un senior se ne va e non viene sostituito, oppure i due posti per neolaureati previsti per l’anno prossimo vengono eliminati in silenzio. Approfondiamo il quadro europeo in perché in Europa i lavori entry-level sono sempre più difficili da trovare, e cosa significa per chi cambia carriera in un bootcamp può prepararti?.
Il rischio a lungo termine per i datori di lavoro è una pipeline di talenti interrotta: se oggi nessuno assume junior, tra cinque anni ci saranno meno persone esperte da promuovere o da assumere.
Cosa mostrano gli annunci di lavoro: dati TalentUp 2024–2026
TalentUp raccoglie annunci di lavoro in tutto il mondo per oltre 800 ruoli. Abbiamo esaminato tre domande: i datori di lavoro chiedono gli strumenti di IA come competenza, assumono ancora junior nei ruoli esposti all’IA, e gli annunci per i ruoli più esposti stanno scomparendo?
11,7%
L’ degli annunci per sviluppatori nel 2026 chiede strumenti di IA come Copilot, Cursor o ChatGPT, rispetto al 2,2% nel 2024
13,0%
Il degli annunci di scrittura e contenuti cita strumenti di IA, rispetto al 2,0%
3,7%
Il degli annunci per sviluppatori era rivolto a junior nel 2026, rispetto al 6,0% nel 2024
Fonte: database di annunci di lavoro di TalentUp, annunci di lavoro in tutto il mondo, gennaio–settembre 2024 e 2026. Vedi la metodologia più sotto.
Gli strumenti di IA sono diventati un requisito del lavoro
| Famiglia di ruoli |
Annunci che citano strumenti di IA, 2024 |
Annunci che citano strumenti di IA, 2026 |
| Scrittura e contenuti |
2,0% |
13,0% |
| Sviluppatori software |
2,2% |
11,7% |
| Data analyst e BI |
0,9% |
7,7% |
| Marketing |
0,8% |
5,2% |
| Vendite |
0,4% |
3,4% |
| HR e recruiting |
2,7% |
2,5% |
| Finanza e contabilità |
0,1% |
2,2% |
| Assistenza clienti |
0,1% |
1,0% |
Il cambiamento è più rapido nei ruoli in cui la ricerca rileva i maggiori guadagni a livello di compito: scrittura e software. Le formulazioni tipiche sono “esperienza con strumenti di sviluppo assistito dall’IA (ad es. GitHub Copilot)” o “dimestichezza nell’uso di strumenti di IA per velocizzare i flussi di lavoro”. Nell’assistenza clienti, la maggior parte delle menzioni non riguarda affatto il lavoro, ma l’IA usata nel processo di selezione, segno che lì l’IA viene adottata dall’azienda anziché messa in mano all’operatore. Un ulteriore 4,1% degli annunci di scrittura nel 2026 riguarda attività di addestramento dell’IA, come scrivere e valutare contenuti per modelli linguistici, rispetto al 2,9% nel 2024.
Meno posti junior nei ruoli esposti all’IA
| Famiglia di ruoli |
Quota junior degli annunci, 2024 |
2025 |
2026 |
| Sviluppatori software |
6,0% |
4,7% |
3,7% |
| Data analyst e BI |
9,2% |
6,3% |
6,3% |
| Finanza e contabilità |
7,6% |
7,2% |
6,2% |
| Scrittura e contenuti |
6,4% |
5,9% |
5,1% |
| HR e recruiting |
6,0% |
5,3% |
4,8% |
| Marketing |
3,7% |
3,9% |
5,2% |
| Tutti gli annunci |
3,5% |
3,5% |
3,2% |
La quota junior è calata nella maggior parte delle famiglie di lavoro intellettuale, e soprattutto nello sviluppo software, dove è scesa di oltre un terzo in due anni, a fronte di un calo molto più contenuto sull’insieme degli annunci. Il marketing fa eccezione. Questo è coerente con lo schema “assumere meno invece di licenziare” emerso dalla ricerca: i datori di lavoro continuano a pubblicare annunci per sviluppatori (la loro quota sul totale degli annunci è persino cresciuta), ma cercano persone più esperte.
I ruoli esposti non stanno scomparendo dagli annunci
Gli annunci per i ruoli più spesso descritti come “sostituibili dall’IA” non sono crollati. Tra il 2024 e il 2026, i ruoli di assistenza clienti sono passati dallo 0,47% allo 0,55% di tutti gli annunci, l’inserimento dati dallo 0,11% allo 0,10%, e scrittura e contenuti sono scesi dallo 0,15% allo 0,12%, con la maggior parte del calo tra il 2024 e il 2025. Gli annunci per traduttori sono aumentati, soprattutto per effetto delle piattaforme freelance. Gli annunci per ingegneri di IA e machine learning sono cresciuti dallo 0,14% allo 0,53% di tutti gli annunci. I cambiamenti nel mix delle fonti da cui raccogliamo i dati rendono queste quote meno affidabili dei confronti all’interno dello stesso ruolo visti sopra, quindi leggile come “nessun crollo” e non come tendenze precise.
Come cambiano ruoli e retribuzioni quando i team si riducono
Se meno persone fanno più lavoro con l’IA, vengono pagate di più? Le prove finora dicono: non automaticamente.
- Nei dati delle buste paga di Stanford, l’aggiustamento si vede sull’occupazione, non sulla retribuzione base: gli stipendi dei giovani nei lavori esposti non sono scesi, ma sono meno quelli che hanno un impiego.
- In Danimarca, Humlum e Vestergaard rilevano che solo una piccola parte dei guadagni di produttività dell’IA si è tradotta in redditi per i lavoratori.
- Nello studio sull’assistenza clienti, l’IA ha aiutato i nuovi operatori a raggiungere più in fretta le prestazioni di quelli esperti, il che riduce il valore dell’anzianità invece di aumentare la retribuzione di tutti.
Ciò che porta davvero un premio è il lavoro specialistico in IA. Negli annunci di lavoro TalentUp del 2026 con uno stipendio annuo indicato, la mediana per gli ingegneri di IA e machine learning è di 172.200 € negli Stati Uniti contro 147.200 € per gli sviluppatori software (+17%), 111.900 € contro 88.100 € nel Regno Unito (+27%), 103.900 € contro 87.000 € in Canada (+19%) e 62.400 € contro 43.700 € in Spagna (+43%). Analizziamo questo premio per paese, ruolo e competenza in il premio retributivo dell’IA in Europa.
La direzione probabile per i ruoli è più chiara di quella per le retribuzioni:
| Cambiamenti |
Come si presentano |
| Meno punti di ingresso |
I compiti junior come prime bozze, codice di base e ticket semplici vengono svolti con l’IA; i junior vengono assunti più tardi o per compiti diversi |
| Ruoli più ampi |
Una persona copre un lavoro che attraversava più funzioni, come nell’esperimento di P&G in cui l’IA ha bilanciato il contributo tecnico e quello commerciale |
| Più revisione e giudizio |
Più tempo dedicato a controllare, correggere e assumersi la responsabilità del lavoro prodotto dall’IA |
| Nuovi ruoli specialistici |
Ingegneri di IA, specialisti dell’automazione e ruoli di governance dell’IA, spesso senior e meglio pagati |
| Capacità più flessibile |
Piccoli team centrali combinati con collaboratori esterni e specialisti, un modello di cui parliamo in gestire collaboratori esterni e dipendenti in un’unica strategia per la forza lavoro |
Cosa dovrebbero fare i team HR e C&B
Come l’IA sta trasformando la funzione HR stessa è trattato in come l’IA sta riscrivendo il modello operativo dell’HR. Per il resto dell’organizzazione, queste sono le priorità.
1. Pianifica l’organico per compiti, non per rapporti di headcount
Non costruire il budget sull’ipotesi che l’IA riduca i team di una percentuale fissa. Mappa i compiti principali di ogni ruolo, segna quali sono automatizzati, potenziati o non interessati e verifica i guadagni con un progetto pilota prima di modificare l’organico. Le prove mostrano grandi guadagni su alcuni compiti e perdite su altri.
2. Proteggi deliberatamente la pipeline di junior
Se smetti di assumere junior, più avanti dovrai comprare talenti esperti a prezzi di mercato. Mantieni una quota minima di ruoli entry-level, riprogettali intorno ai compiti che l’IA svolge male (contatto con i clienti, giudizio, lavoro trasversale tra team) e usa l’IA come strumento di formazione, che è proprio dove la ricerca rileva i guadagni maggiori.
3. Aggiorna l’architettura dei ruoli e il livellamento
Quando un ruolo assorbe lavoro potenziato dall’IA, il suo perimetro, le sue responsabilità e il suo livello possono cambiare. Rivedi le job description, i criteri di livellamento e i percorsi di carriera in modo che i ruoli più ampi vengano inquadrati in modo coerente, ed evita di creare nuovi titoli per quello che in realtà è lo stesso lavoro più uno strumento.
4. Retribuisci perimetro e risultati, non il fatto di “usare l’IA”
Saper usare gli strumenti di IA sta diventando un’aspettativa di base, non una competenza che da sola giustifichi un premio. Riserva i premi ai ruoli specialistici in IA e ai ruoli il cui perimetro è davvero cresciuto, e confrontali con il mercato usando i dati retributivi di TalentUp invece di singole offerte. Con la direttiva UE sulla trasparenza retributiva, che si applica tramite le leggi nazionali una volta recepita, le differenze retributive devono basarsi su criteri oggettivi e neutri rispetto al genere, quindi documenta perché un ruolo potenziato dall’IA si colloca in una fascia più alta.
5. Riqualifica prima di ristrutturare
Forma le persone sugli strumenti e sulla frontiera frastagliata: quando fidarsi del lavoro dell’IA e quando no. I risultati di METR e BCG mostrano che un uso sbagliato può costare più di quanto fa risparmiare.
6. Consulta i lavoratori e rispetta gli obblighi dell’AI Act
Nell’UE, i sistemi di IA usati per selezione, promozione, licenziamento, assegnazione dei compiti o valutazione dei lavoratori sono ad alto rischio ai sensi dell’AI Act. In seguito all’omnibus digitale sull’IA (Regolamento (UE) 2026/1744), questi obblighi si applicano dal 2 dicembre 2027 anziché dal 2 agosto 2026. Prima di usare un sistema di questo tipo sul lavoro, i datori di lavoro devono informare i rappresentanti dei lavoratori e i lavoratori interessati. Le norme nazionali in materia di informazione, consultazione e partecipazione, come i diritti delle rappresentanze sindacali, possono richiedere di più, e qualsiasi ristrutturazione che porti a licenziamenti fa scattare le consuete procedure di licenziamento collettivo.
Conclusione
Il team di cinque non è ancora una persona e un’IA. Ciò che le prove mostrano è meno eclatante ma altrettanto importante: l’IA rende le persone più veloci in compiti specifici, le aziende rispondono assumendo meno junior e gli annunci di lavoro trattano sempre più gli strumenti di IA come un requisito standard. Le retribuzioni non hanno seguito la produttività, tranne che per i ruoli specialistici in IA.
Per i team HR e C&B, il compito è gestire questo cambiamento in modo consapevole: pianificare per compiti, mantenere una pipeline di junior, aggiornare l’architettura dei ruoli e fissare la retribuzione dei ruoli potenziati dall’IA sulla base di dati concreti. Scopri i piani di TalentUp per vedere come i dati di mercato di TalentUp possono supportare queste decisioni, oppure leggi la nostra metodologia.
Fonti
- TalentUp. Database di annunci di lavoro, annunci di lavoro in tutto il mondo, gennaio–settembre 2024, 2025 e 2026. Metodologia.
- Brynjolfsson, E., Li, D. e Raymond, L. (2025). Generative AI at Work. Quarterly Journal of Economics, 140(2). Versione working paper: arXiv 2304.11771.
- Noy, S. e Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654).
- Dell’Acqua, F. et al. (2023). Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality. Harvard Business School Working Paper 24-013.
- Dell’Acqua, F. et al. (2025). The Cybernetic Teammate: A Field Experiment on Generative AI Reshaping Teamwork and Expertise. NBER Working Paper 33641.
- Becker, J., Rush, N., Barnes, E. e Rein, D. (2025). Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity. METR.
- Humlum, A. e Vestergaard, E. (2025). Large Language Models, Small Labor Market Effects. NBER Working Paper 33777 / BFI Working Paper 2025-56.
- Brynjolfsson, E., Chandar, B. e Chen, R. (2025, rivisto ad agosto 2026). Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence. Stanford Digital Economy Lab.
- Hosseini, S. M. e Lichtinger, G. (2025). Generative AI as Seniority-Biased Technological Change: Evidence from U.S. Résumé and Job Posting Data. Working paper.
- Unione europea. Regolamento (UE) 2024/1689 (AI Act). EUR-Lex.
- Parlamento europeo. Omnibus digitale sull’IA, Regolamento (UE) 2026/1744. Legislative Train Schedule.
- Unione europea. Direttiva (UE) 2023/970 sulla trasparenza retributiva. EUR-Lex.