L'impatto IA su junior: come gestire il rischio di un "collo di bottiglia" generazionale
- Andrea Viliotti
- 54 minuti fa
- Tempo di lettura: 5 min
Ieri, 8 ottobre 2025, su Huffington Post abbiamo pubblicato un'analisi nata dal confronto tra due mondi: la consulenza strategica e la rappresentanza dei lavoratori (1). Nell'articolo, scritto con Marco Carlomagno, Segretario Generale di FLP, affrontiamo un rischio concreto per le organizzazioni: analizziamo il crescente impatto IA su junior e le sue conseguenze sul ricambio generazionale.
La nostra tesi è che l'adozione della GenAI, pur aumentando la produttività, stia spostando il valore verso l'esperienza di dominio, comprimendo di conseguenza gli spazi d'ingresso per i profili junior.
Non si tratta di un'ipotesi, ma di una dinamica confermata dai dati. Analisi recenti su dati payroll ad alta accuratezza (ADP, analizzati da Stanford) mostrano che tra fine 2022 e luglio 2025 l’occupazione dei 22–25enni nelle occupazioni più esposte all’AI registra circa −6% nei livelli; il risultato principale del working paper è tuttavia un −13% relativo dei 22–25enni rispetto ai lavoratori più esperti negli stessi ruoli (2)(3). Questi cali sono particolarmente evidenti nei casi in cui l'IA viene impiegata per automatizzare e quindi sostituire i compiti, anziché semplicemente per potenziare e assistere il lavoro umano.
L'impatto IA su junior in Italia: un divario da colmare
Secondo Eurostat, nel 2024 il 13,5% delle imprese UE usa tecnologie di IA, mentre in Italia la quota è 8,2%, con il 32,5% tra le grandi imprese. Questo divario di adozione si traduce in una diversa capacità di gestire l'impatto IA su junior, con un'inferiore capacità di assorbimento dei neo-laureati nei settori a maggiore esposizione alla GenAI (4)(5).
Da un lato, le grandi imprese accelerano sull'efficienza, ma rischiano di prosciugare il vivaio di talenti da cui attingeranno i manager di domani. Dall'altro, le PMI restano indietro, perdendo competitività e la capacità di assorbire i giovani esclusi dai percorsi di ingresso tradizionali.
Il risultato è la creazione di un "collo di bottiglia" generazionale. Non è un’anomalia locale: la stampa economica internazionale parla di mercati del lavoro in modalità “low-hire, low-fire”, con aziende che mantengono gli organici ma strozzano gli ingressi (6)(7). Le serie JOLTS confermano il quadro: ad agosto 2025 il tasso di assunzione è 3,2%, le dimissioni 1,9% e i licenziamenti 1,1%, segnalando bassa dinamicità e scarsa circolazione di posizioni di ingresso (fonte primaria: BLS/JOLTS, News Release di agosto 2025) (8); l’Indeed Hiring Lab e il Financial Times inquadrano coerentemente questo assetto come “low-hire, low-fire” (6)(7).
Agenda operativa: 4 azioni per governare l'impatto IA su junior
Nell'articolo su HuffPost troverete l'analisi strategica completa (1), ma il momento di agire è adesso, come dimostrano scelte aziendali già in atto. Un esempio recente è quello di PwC UK, che nel 2025 ridurrà l’ingresso dei neolaureati di circa 200 unità (da 1.500 a 1.300). L'azienda motiva questa scelta non solo con le condizioni di mercato, ma con un "ri-mix di competenze" reso possibile dall'IA, sottolineando il suo crescente impatto sulla progettazione stessa dei ruoli (9)(10). Partendo da questa consapevolezza, ecco un framework operativo per agire subito.
1) Ridisegnare il Lavoro d'Ingresso (“Entry-Level 2.0”)
Invece di eliminare le posizioni, trasformiamole. Il ruolo del junior non dev’essere l'esecuzione di task, ma il governo del copilota AI.
Azione concreta: affidare ai junior la prima validazione dei risultati generati dall'IA (verifica fonti, anomalie, dossier per il senior). Il registro di oversight va mappato sulle funzioni GOVERN, MAP, MEASURE, MANAGE del NIST AI RMF 1.0 (con GOVERN come funzione trasversale di responsabilità) (12)(13). L’allineamento alla funzione GOVERN del NIST AI RMF 1.0 e agli artt. 12 – logging capabilities e 14 – human oversight dell’AI Act consente di trasformare il controllo junior in presidio di rischio misurabile (14)(16)(17)(18).
2) Lanciare Programmi “Apprendistato+AI”
Creare percorsi strutturati dove l'interazione uomo–macchina è al centro della formazione.
Azione concreta: istituire coppie senior–junior con reverse mentoring. Il senior trasferisce il criterio di dominio; il junior guida la sperimentazione e documenta i prompt. È la raccomandazione che emerge anche dalla letteratura manageriale, che mette in guardia dal sostituire i ruoli d’ingresso senza ripensarne la funzione formativa (11).
3) Definire Metriche di Impatto (non solo l'efficienza)
L'obiettivo non è “fare le cose più in fretta”, ma prendere decisioni migliori.
Azione concreta: misurare tempo ciclo, % di decisioni spiegabili, ore di mentorship e tasso di conversione stage→contratto.
4) Adottare una Governance Snella
La governance deve essere un acceleratore consapevole.
Azione concreta: implementare una policy “AI-in-the-loop” con un registro dei casi d'uso (risk rating basso/medio/alto). Per i casi ad alto rischio, oltre all’art. 14 (human oversight), prevedere logging coerente con l’art. 12 (logging capabilities) e istruzioni d’uso che consentano all’overseer di intervenire efficacemente (16)(17).
Per evitare effetti collaterali sull’expertise, fissiamo due metriche di direzione: Junior Oversight Rate ≥70% nelle aree non safety-critical e % casi AI con oversight formalizzato ≥95% a 6 mesi. Considerato che il Regolamento (UE) 2024/1689 è in vigore dal 1° agosto 2024 con applicazione graduale e piena efficacia dal 2 agosto 2026, fissare target interni a 6–12 mesi anticipa gli adempimenti e riduce i costi di adeguamento last-minute (14)(15)(18).
La sfida non è tecnologica, ma di leadership. Non possiamo permetterci di sacrificare la prossima generazione di talenti sull'altare di un'efficienza mal interpretata.
Al contrario, legando i nuovi programmi di ingresso e le strategie "AI-in-the-loop" a filiere ad alto potenziale come chimica, farmaceutica e meccatronica, possiamo trasformare la produttività generata dall’AI in occupazione qualificata, anziché in esclusione dei junior. Si tratta di un'opportunità tangibile, che secondo le stime potrebbe generare fino a ~€50 mld di valore aggiunto al 2030 (19).
Per approfondire la visione strategica alla base di questa analisi, vi invito a leggere l'articolo completo.
Ora sono curioso di conoscere il vostro punto di vista: come state governando questo fenomeno nella vostra organizzazione? Discutiamone nei commenti.
P.S. Per i gruppi con footprint internazionale, un approccio pragmatico consiste nell'applicare il modello “Entry-Level 2.0” prima nei Paesi o nelle business unit con alta adozione di AI e mercato del lavoro stagnante (“low-hire, low-fire”), per poi estenderlo dove l’assorbimento dei profili junior è più critico (6)(7)(8).
Fonti:
HuffPost Italia – L'intelligenza artificiale rischia di rallentare il turn over (8 ottobre 2025)
Stanford Digital Economy Lab – Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of AI (working paper, 26 agosto 2025) – PDF
ADP Research Institute – Yes, AI is affecting employment. Here’s the data. (26 agosto 2025)
Eurostat – Usage of AI technologies increasing in EU enterprises (News, 23 gennaio 2025)
ISTAT – Imprese e ICT – Anno 2024 (Report PDF)
Financial Times – Labour markets stuck in a ‘low-hire, low-fire’ cycle (3 ottobre 2025)
Indeed Hiring Lab – August 2025 JOLTS Report: Low Firing, Low Hiring, Low Churn (30 settembre 2025)
U.S. Bureau of Labor Statistics (BLS) – Job Openings and Labor Turnover – August 2025 (News release, PDF)
Business Insider – PwC is cutting the number of grads it hires… (settembre 2025)
Fortune – PwC’s U.K. chief admits he’s cutting entry-level jobs… (8 settembre 2025)
Harvard Business Review – The Perils of Using AI to Replace Entry-Level Jobs (16 settembre 2025)
NIST – Artificial Intelligence Risk Management Framework (AI RMF 1.0) (PDF ufficiale)
NIST – AI Risk Management Framework – overview
EUR-Lex (OJ ufficiale) – Regolamento (UE) 2024/1689 – AI Act (PDF)
Commissione Europea – AI Act enters into force (1 agosto 2024)
AI Act Explorer – Article 12: Record-Keeping (terminologia ufficiale dell’atto: Logging capabilities)
AI Act Explorer – Article 14: Human Oversight
European Commission – Digital Strategy – AI Act: Regulatory framework and application timeline
Reuters – AI could bring 50 bln euro benefit to Italian companies, Accenture study shows (15 maggio 2024)