ChatGPT prevede i lavori a rischio entro il 2036

Paragrafo introduttivo

In una nota che cristallizza uno dei dibattiti economici centrali del prossimo decennio, ChatGPT — il large language model rilasciato per la prima volta da OpenAI il 30 nov 2022 (OpenAI) — ha elencato più di due dozzine di ruoli che considera probabilmente di fatto obsoleti entro dieci anni, una proiezione inquadrata come orizzonte 2036 in un articolo datato 19 apr 2026 (Yahoo Finance). La lista, che spazia dalle funzioni di assistenza clienti, lavori legali e amministrativi di routine e alcuni ruoli di supporto creativo, sposta la conversazione dalle previsioni accademiche a una checklist pratica per strategist aziendali e decisori politici. Queste affermazioni si affiancano a studi quantitativi di lunga data sul rischio di automazione: il McKinsey Global Institute stimò nel 2017 che tra 400 milioni e 800 milioni di lavoratori potrebbero essere sostituiti dall'automazione entro il 2030, mentre l'analisi dell'OCSE del 2019 ha posto circa il 14% dei lavori ad alto rischio di automazione. Per investitori istituzionali e consigli di amministrazione aziendali, la questione saliente non è se l'IA cambierà il lavoro — è quanto rapidamente la riallocazione del lavoro, gli investimenti di capitale e le risposte regolamentari convergeranno per alterare ricavi, margini e allocazioni di bilancio per i settori interessati.

Contesto

La discussione immediata è stata catalizzata dall'articolo del 19 apr 2026 su Yahoo Finance che ha interrogato direttamente ChatGPT sulle occupazioni destinate a scomparire entro un decennio. Pur non essendo motori di previsione nel senso econometrico tradizionale, i modelli generativi riflettono sia i dati di addestramento sia una narrativa prevalente tra i tecnologi su quali compiti siano maggiormente automatizzabili. Il significato pratico è che un modello ampiamente utilizzato e pubblicamente accessibile che comunica traiettorie occupazionali plausibili cambia i segnali: le aziende ora possono fare riferimento a un output riproducibile quando spiegano blocchi alle assunzioni, piani di riqualificazione o riallocazioni di capitale. Questo incide sui mercati del lavoro, sulle guidance aziendali e sull'economia politica.

Dal punto di vista temporale, l'orizzonte decennale fino al 2036 si colloca tra i cicli macroeconomici di breve periodo e i cambiamenti strutturali di lungo periodo identificati dalle ondate storiche di automazione. Le rivoluzioni automobilistiche e della meccanizzazione richiesero decenni di riposizionamento del capitale prima che i modelli occupazionali si stabilizzassero; la digitalizzazione accelerò alcune transizioni ma creò anche nuove categorie occupazionali. La questione per i mercati è se l'IA generativa comprimerà una transizione pluridecennale in un unico decennio tramite sostituzione software-first, o se le imprese incumbent e i regolatori rallenteranno l'adozione.

Esiste anche eterogeneità tra geografie e gruppi di competenze. L'OCSE (2019) ha evidenziato che la quota di lavori a elevato rischio di automazione varia: le occupazioni meno qualificate e routinarie sono molto più esposte rispetto a quelle che richiedono competenze cognitive complesse e non routinarie. Ciò implica esiti divergenti nei mercati del lavoro regionali: i mercati emergenti con concentrazioni nella manifattura routinaria e nei servizi di base potrebbero affrontare transizioni diverse rispetto alle economie avanzate dove ruoli ad alto contenuto di competenze, creativi e manageriali sono più prevalenti.

Approfondimento dei dati

Il dataset di riferimento che ancora ancorifica il dibattito rimane la stima del McKinsey Global Institute del 2017 secondo cui l'automazione potrebbe sostituire tra 400 e 800 milioni di lavoratori a livello globale entro il 2030 — un intervallo che riconosce una notevole incertezza sui tassi di adozione e sulla riallocazione dei compiti. Il lavoro dell'OCSE del 2019, che identificò circa il 14% dei posti di lavoro a elevato rischio e un ulteriore ~32% probabilmente destinato a subire cambiamenti sostanziali, fornisce un contrappunto concentrandosi sull'esposizione a livello di compito piuttosto che sulla sola perdita netta di posti. Questi due punti dati illustrano una distinzione importante: l'automazione dei compiti non si traduce automaticamente in perdite nette di posti di lavoro; può anche trasformare i ruoli esistenti.

L'output di ChatGPT di aprile 2026 è notevole per la sua specificità. Pur non potendo produrre proiezioni econometriche originali, un modello IA può sintetizzare e riassumere affermazioni esistenti nel dominio pubblico — operando di fatto come amplificatore della ricerca e del commento settoriale prevalenti. Per esempio, quando ChatGPT elenca cassieri, telemarketing e addetti alla digitazione di dati di base tra i ruoli a rischio, fa eco alle stesse vulnerabilità a livello di compito identificate dagli studi accademici e industriali. Crucialmente, la velocità di adozione dipenderà dai costi di implementazione — computing cloud, disponibilità di dati e integrazione con i flussi di lavoro aziendali — che sono concentrati in un ristretto gruppo di fornitori.

Queste dinamiche dei fornitori sono misurabili. Il contenuto di semiconduttori per rack di data center è aumentato a un tasso annuo composto nei primi anni 2020 man mano che le dimensioni dei modelli di IA si sono gonfiate; i ricavi di Nvidia per i data center, per esempio, sono cresciuti da $Xbn nel 2020 a $Ybn nel 2023 (documenti societari) — un proxy per l'intensità di capitale del dispiegamento dell'IA. Anche i fornitori cloud riportano un'accelerazione dei consumi legati all'IA: Microsoft e Google hanno dichiarato incrementi sequenziali a due cifre nell'utilizzo cloud per l'IA negli ultimi trimestri, segnalando un modello di rollout guidato dai fornitori e intensivo di capitale che favorirà gli operatori su larga scala.

Implicazioni per i settori

I settori più esposti alla compressione dei ruoli sono quelli con elevata quota di compiti routinari e ripetibili: assistenza clienti, casse nei punti vendita, alcune funzioni di back-office finanziario e supporto legale di base. L'automazione nel retail è già visibile nelle casse self-service e nei centri di evasione ordini automatizzati; il passo incrementale è la sostituzione guidata dal software degli operatori umani. In ambito finanziario, la revisione documentale algoritmica e gli strumenti automatici di riconciliazione minacciano parti del middle office e del personale operativo, offrendo al contempo risparmi sul costo per transazione che possono migliorare i margini per gli adottanti precoci.

Al contrario, i settori con competenze creative, interpersonali o altamente retribuite — sanità specializzata, R&S avanzata, alta dirigenza aziendale — sono meno propensi a vedere una eliminazione netta dei ruoli e più propensi a sperimentare un potenziamento delle mansioni. Questa trasformazione implica una biforcazione nelle traiettorie salariali: un premio per le competenze complementari (data science, gestione di prodotti IA) e