Niente apocalisse: l’AI entrerà nei processi, e il “benessere” Big Tech sta solo normalizzandosi

Questo articolo nasce dalla lettura di un pezzo dal titolo eloquente, pubblicato sul New York Times: “So Long to Tech’s Dream Job”. La tesi è semplice: siamo entrati nella “shut up and grind era” – l’era del “zitto e macina”. Via l’epoca dorata di Google, Meta e Apple con campus da sogno e culture say-anything, do-anything. Oggi sono “grandi burocrazie” che “tagliano posti di lavoro, impongono presenza obbligatoria in ufficio e limitano il dibattito tra dipendenti”.

Un racconto preciso di una Silicon Valley che ha perso l’innocenza. Ma qui rischiamo di importare un dibattito che non ci appartiene. Perché il punto non è piangere la fine dei Nerf gun negli uffici di Mountain View. È capire cosa questa transizione significa per l’Italia, che di quell’età dell’oro non ha mai fatto parte.

Tesi in tre righe

  • Non è la fine del lavoro informatico: stiamo assistendo a una normalizzazione dopo anni “dopati” da capitali a costo quasi zero e over-hiring.
  • L’AI non sostituisce in blocco le persone: ristruttura i processi e cambia il mix di competenze.
  • In Italia il vero freno è istituzionale e culturale: fisco e burocrazia da “socio di maggioranza” e software visto come costo, non come capitale.

1) Che cosa è davvero cambiato in Silicon Valley

La festa è finita. L’epoca dorata è durata oltre un decennio: dal 2007 Google regalava bonus natalizi da $1000 in busta, campus con palestre gratuite, trasparenza aziendale totale. Negli anni 2020–2022 è arrivato il gran finale: over-hiring estremo con capitali a costo zero, benefit senza limiti. Poi la realtà: tassi al rialzo, fine dei “perks” illimitati, baricentro da crescita a margini.

I numeri della Bay Area raccontano una storia diversa dal panico: il motore gira ancora forte, ma ha smesso di andare fuorigiri. Meno assunzioni nette, più selettività, redditività alta. Non è collasso. È il passaggio da eccesso a normalità.

La disoccupazione IT negli Stati Uniti resta al 2,8–3%. Bassa. La domanda c’è, ma è diventata esigente: skill verificabili, seniority documentata. Più difficile per i junior, certo. Ma non è il deserto.

Intanto l’organizzazione del lavoro si è stabilizzata: ibrido strutturale, presenza fisica sotto il 50%, talento distribuito geograficamente. Meno centralità dei campus, più catene del valore estese.

Traduzione: fine dei fuochi d’artificio, non fine dei giochi.

2) L’AI non rimpiazza “le persone”: cambia come lavorano

Qui bisogna essere precisi. L’AI ridisegna processi, mansioni, tempi. Gli studi macro parlano chiaro: forte impatto di complementarità. In molte attività cognitive l’AI amplifica la produttività e alza il livello delle competenze richieste. Non sostituisce intere funzioni: le trasforma.

Il punto non è “posto sì/posto no”. È contenuto del lavoro e composizione delle squadre.

Le aziende che reggono non fanno “taglia e sostituisci con AI”. Fanno re-ingegnerizzazione: eliminano strati ridondanti, spostano persone su ideazione e controllo qualità, investono in data platform e MLOps. Nelle fasi iniziali, l’effetto è mix-shift più che sostituzione pura.

Sì, esistono licenziamenti attribuiti all’AI. Ma convivono con profitti robusti e nuova domanda di profili specializzati. Pensare all’AI come falce livellatrice è comodo ma sbagliato. È tecnologia generale che ristruttura filiere intere.

3) Perché l’Italia è un’altra storia (e cosa manca davvero)

Qui il problema non è l’AI “che toglie lavoro”. È che non abbiamo mai avuto una vera età dell’oro del software. Siamo partiti in ritardo e abbiamo corso male.

  • Il fisco come socio di maggioranza. Cuneo fiscale al 47% per un salario medio (quarto posto OCSE). Il lavoro qualificato costa tanto, scoraggia crescita e premi al merito. Risultato: talento che scappa, aziende che non investono.
  • Deserto digitale. Solo il 46% della popolazione ha competenze digitali di base. Media UE: oltre il 55%. Con questa base ristretta, domanda e offerta si contraggono a vicenda.
  • Software come male necessario. Troppo spesso gestito come costo da comprimere, non come investimento che genera produttività. Basta guardare i budget IT della PA: manutenzione infinita di sistemi obsoleti, zero prodotto, zero innovazione.
  • Dipendenza dal sentiero. Filiere IT ancora ancorate a logiche “novantiane”: progetti a corpo, non prodotti scalabili; consulenza infinita, non ownership del risultato.

Con questo assetto, portare l’AI è come mettere un motore da Formula 1 su una Panda del ’92. Il potenziale c’è, ma mancano le fondamenta.

4) Che cosa fare (piano concreto, zero ideologia)

  • Trattare il software come capitale, non come spesa. Super-ammortamento stabile per investimenti in sistemi, dati, modelli AI. Non solo hardware. Vincolo: rendicontazione di produttività a 24–36 mesi.
  • Ridurre il cuneo sul talento critico. Meccanismo automatico per profili STEM e AI/Cloud sopra soglia salariale. Legato a permanenza e formazione interna. Incentivo selettivo e misurabile, non bonus a pioggia.
  • Procurement pubblico che premia risultati. Gare che misurano outcome: tempi ridotti, qualità dati, sicurezza. Repository condivisi, ownership dei modelli, benchmark per evitare lock-in. Comprare soluzioni, non consulenze.
  • Capitale umano serio. Obiettivo: 55% di competenze digitali di base in due anni. Tirocini duali su MLOps, data governance, sicurezza. L’AI senza disciplina operativa rimane semplice marketing.
  • Infrastruttura dati con regole chiare. Cataloghi interoperabili, policy comprensibili su privacy e tracciabilità. Template di conformità, non “terrorismo documentale”.
  • Misurare sempre. Ogni progetto AI presenta tre metriche ex-ante: tempo ciclo, errori, ore non-value-added. Audit indipendente ex-post. Senza numeri, l’AI resta comunicato stampa.

5) Che cosa significa per chi lavora nell’IT

  • Non temere la macchina, temere la mansione ripetitiva. La difesa è nel perimetro di problemi che risolvi end-to-end, non nel tool del momento.
  • Puntare su integrazione e proprietà del risultato. Progettare prompt è utile. Orchestrare processi, definire metriche, far funzionare insieme persone e modelli è decisivo.
  • Portare l’AI nel lavoro quotidiano. Ogni settimana elimina un collo di bottiglia: ticket, QA, report, test. Regola: meno click, più outcome.
  • Imparare a parlare ROI. Tradurre ogni investimento software in risultato misurabile: minor tempo ciclo, meno errori, qualità dati migliore. Spiegare come la spesa diventa asset.

Da spettatori a protagonisti

L’AI è come l’elettrificazione: non sostituisce “le persone”, ricombina organizzazioni e competenze. In America vediamo normalizzazione dopo eccessi: meno hype, più disciplina, profitti alti.

In Italia, senza riforme fiscali, procurement moderni e investimenti in capitale umano, l’AI resterà una semplice vetrina.

Ma se cambiamo contesto, l’AI diventa la leva per passare dal software-costo al software-capitale. Allora non avremo bisogno di americani che vengano a spiegarcelo: lo costruiremo noi.

Sta a noi decidere se cogliere questa opportunità o rimanere spettatori di un cambiamento che corre veloce senza di noi.

 

Per una stampa libera


sostieni il nostro lavoro con una donazione

Le donazioni con PAYPAL sono sicure al 100%



Iscriviti alla nostra newsletter

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *

Questo sito utilizza Akismet per ridurre lo spam. Scopri come vengono elaborati i dati derivati dai commenti.

Potrebbe interessarti