Addio, job title
Come cambia il tuo lavoro (e come devi cambiare tu per restare rilevante)
Ogni professione è una costellazione di componenti.
Secondo il database O*NET del dipartimento del lavoro americano un software developer è fatto di 15 componenti distinte, un copywriter di 12, un graphic designer di 17. Dentro ogni job title convivono componenti operative (scrivere codice, produrre layout, analizzare dati), componenti relazionali (negoziare con un cliente, presentare un’idea a un team, supervisionare un collega), componenti cognitive (prendere decisioni in condizioni di incertezza, interpretare un brief ambiguo, leggere un contesto di mercato). Il sistema produttivo ci ha insegnato a identificarci con le prime, perché sono le uniche che misura, le uniche che compaiono nelle job description e le uniche che il CV racconta. Ma sono anche le più esposte all’AI.
Anthropic ha pubblicato Job Explorer, un tool che incrocia i dati di utilizzo di Claude con le 19.000 componenti di O*NET. Per ogni professione il tool indica quali componenti vengono automatizzate, quali vengono aumentate (l’AI collabora con l’umano) e quali non registrano traccia di AI.
L’AI non rende obsolete le professioni: rende obsolete alcune componenti delle professioni, precisamente quelle con cui il sistema ci ha abituati a definire il nostro valore. Le componenti relazionali, di giudizio, di contesto, quelle che il sistema tratta come accessorie, sono quelle che l’AI non sta toccando in questo momento.
Chi ti dice che l’AI sostituirà il tuo lavoro, al pari di chi ti dice che per mettere al sicuro il tuo lavoro basta avere “AI Literacy”, non vede il sistema nella sua interezza. L’AI non è qui per prendersi il tuo lavoro, né tantomeno per sostituirti: è qui per automatizzare e aumentare componenti del tuo lavoro, obbligandoti a spostarti verso nuovi componenti e nuove forme di creazione di valore.
Qualche esempio
Il copywriter, secondo O*NET, è fatto di 12 componenti. Solo 4 sono toccate dall’AI, tutte in modalità augmentation: scrivere copy, inventare slogan, editare testi, produrre materiale promozionale. Le altre 8 non hanno traccia di AI: presentare idee a un cliente, scrivere perché il messaggio arrivi, condurre ricerche per capire cosa promuovere, consultarsi su stile e obiettivi, coordinarsi con l’art department, verificare gli annunci dopo la pubblicazione. Su 12 componenti, 8 sono esclusivamente umane.
Lo sviluppatore software è fatto di 15 componenti, 8 delle quali sono toccate dall’AI (quasi tutte in augmentation, tra il 55% e l’87%) e 7 senza traccia. L’AI interviene sulle componenti produttive: scrivere codice, modificare software, testare. Le 7 invisibili all’AI sono coordinare installazioni, supervisionare altri programmatori, gestire documentazione tecnica, preparare report per il management. Componenti che normalmente non entrano nel CV.
Il graphic designer: 17 componenti, solo 5 toccate dall’AI, 12 intatte. Accordarsi con i clienti, revisionare gli artefatti, selezionare colori e materiali, presentare il design per approvazione: tutte umane. Visto dal Job Explorer, il graphic designer è per il 70% una professione relazionale e di giudizio estetico. L’AI interviene sul restante 30%.
Il marketing specialist: 13 componenti, 8 toccate dall’AI, 5 intatte. L’AI copre analisi dati, monitoraggio dei competitor, preparazione di report. Le componenti umane sono raccolta qualitativa di dati sui consumatori, negoziazione di contratti, lettura delle abitudini d’acquisto.
Lo schema è identico nei quattro profili: le componenti operative e produttive sono quelle dove l’AI si inserisce, mentre le componenti relazionali, di giudizio e di contesto restano umane.
Il valore e l’overhead
Il sistema produttivo degli ultimi cent’anni ti ha insegnato che il tuo valore professionale coincide con il tuo output misurabile. Se sei uno sviluppatore, il tuo valore sono le righe di codice; se sei un copywriter, i testi che produci; se sei un designer, i layout che consegni. Il resto – le relazioni con i clienti, la capacità di capire un brief, il coordinamento, il giudizio, la supervisione – viene trattato come overhead. Sono soft skill, necessarie ma secondarie.
I dati di Anthropic invertono questa gerarchia: le componenti produttive sono le più esposte all’automazione e all’augmentation; le componenti che il sistema classificava come overhead sono quelle dove il valore umano è inattaccabile. Per un secolo, il sistema ci ha insegnato a misurare il nostro valore sulla dimensione più fragile del nostro lavoro, quella che una macchina può replicare, e a ignorare la dimensione più solida, quella che una macchina fatica persino a descrivere.
Deskilling
Le componenti che Claude copre con successo richiedono in media 14,4 anni di formazione. La media di formazione richiesta per tutte le componenti nell’economia americana è 13,2 anni. Questo significa che l’AI copre prima le componenti che richiedono più formazione.
Un caso dal report: il technical writer. L’AI copre le componenti ad alta specializzazione (documentazione complessa, manuali tecnici) e lascia fuori quelle a formazione più bassa (coordinamento con i team, raccolta feedback, logistica della documentazione). Quando sottrai le componenti specialistiche, il profilo di formazione richiesto dal ruolo scende. Il termine tecnico è deskilling occupazionale. I dati lo confermano su tutta l’economia: quando Claude tenta di eseguire una componente del lavoro, riesce nel 70% dei casi se quella componente richiede meno di 12 anni di formazione, e nel 66% se richiede una laurea. L’AI copre con successo componenti a tutti i livelli di specializzazione, ma assorbe prima quelle più qualificate, abbassando il profilo complessivo di ciò che resta al professionista.
Il sistema educativo non ha ancora registrato questo spostamento di valore. Scuole, università e corsi professionali hanno costruito la loro proposta di valore sulle competenze tecniche specialistiche: peccato che quello che fino a oggi ti ha reso occupabile è anche quello che oggi l’AI copre meglio.
Unbundling e rebundling
Se le professioni sono costellazioni di componenti, e l’AI ne sposta alcune, quelle costellazioni si possono scomporre e ricomporre.
Le componenti umane del copywriter (presentare idee a un cliente, consultarsi su stile e obiettivi, coordinarsi con l’art department) e le componenti umane del marketing specialist (raccolta qualitativa di dati sui consumatori, negoziazione di contratti, lettura delle abitudini d’acquisto) appartengono alla stessa famiglia di competenze: comprensione del contesto, relazione con il cliente, interpretazione di bisogni non espliciti. Oggi sono distribuite in job title diversi: domani possono essere ricombinate in profili che non hanno ancora un nome nel database di O*NET, costruiti sulle componenti dove l’AI non interviene.
Le conseguenze sono immediate:
La ricerca di lavoro oggi funziona per job title: il CV elenca titoli e responsabilità, la job description chiede titoli e responsabilità, il matching avviene su parole chiave che descrivono la componente produttiva del ruolo: “Cerchiamo un copywriter con esperienza nella scrittura di contenuti per il web” è una job description che chiede una componente automatizzabile. Le 8 componenti “umane” del copywriter non compaiono da nessuna parte. Chi cerca lavoro si presenta con le componenti sbagliate, e chi assume cerca le componenti sbagliate.
Il design organizzativo cambia con la stessa logica. La mappa di Anthropic è un radar che dice, per ogni ruolo nell’organigramma, cosa automatizzare, cosa potenziare con l’AI, dove concentrare il talento umano. Un’azienda che legge il proprio organico in termini di componenti può redistribuire le persone sulle componenti ad alto valore umano e affidare le componenti produttive all’AI. Non tagliare teste: riconfigurare il lavoro.
E la prospettiva più ampia: se le componenti si possono scomporre e ricomporre, si possono progettare professioni che oggi non esistono. Le componenti relazionali del copywriter, quelle analitiche del marketing specialist e quelle di supervisione dello sviluppatore, mescolate insieme, producono un profilo con un valore e una resistenza all’automazione alti. I lavori del futuro non nasceranno dall’invenzione di nuove competenze: nasceranno dalla ricombinazione di componenti esistenti che il sistema attuale tiene separate.
ADP Research e lo Stanford Digital Economy Lab hanno lanciato a Davos 2026 un progetto che va in questa direzione: assegnare un valore economico a ciascuna componente del lavoro usando i dati payroll di milioni di lavoratori. Il principio è questo: nel tempo dell’AI il lavoro non sarà definito dai job title, ma da cosa le persone fanno concretamente, cioè task e componenti.
Le organizzazioni come costellazioni
Lo stesso principio che abbiamo visto applicato alle professioni riguarda, su scala diversa, anche le organizzazioni.
Un’agenzia di comunicazione si identifica con la produzione di campagne, una società di consulenza con la produzione di report e analisi, un’azienda manifatturiera con la produzione di oggetti. Se il valore di un’organizzazione coincide con la sua funzione produttiva l’AI erode quel valore, perché la funzione produttiva è la componente più esposta all’automazione.
Un cliente sceglie un’agenzia per la fiducia costruita in anni di lavoro insieme, per la capacità di capire problemi, per la conoscenza profonda del suo settore, per il rapporto con le persone che ci lavorano. Queste componenti sono la parte dell’organizzazione che l’AI non vede, e sono la base da cui creare valore nuovo.
Un’agenzia che automatizza la produzione di campagne può usare il tempo e le risorse liberate per espandere la relazione con il cliente verso strategia, consulenza organizzativa, formazione, software development… Tutti servizi che escono dal perimetro della propria industry. L’Harvard Business Review ha documentato come l’integrazione digitale sta già riconfigurando le catene del valore: quando la componente produttiva è automatizzata, le componenti relazionali e di contesto diventano il punto da cui espandersi in mercati nuovi.
Oggi esiste O*NET per le professioni. Per le organizzazioni un equivalente non esiste. Si potrebbe costruire incrociando le classificazioni industriali europee (NACE) con i dati di Anthropic sull’esposizione all’AI. Per ogni tipo di organizzazione si potrebbe creare una mappa delle componenti automatizzabili e di quelle che restano prerogativa umana. Sto integrando qualcosa di simile nel tool di strategic intelligence che usiamo come assessment in Play New. Se tu che leggi questa newsletter hai tempo, competenze, idee e voglia di contribuire a un progetto del genere, scrivimi!
Cerca il tuo titolo
Vai sul Job Explorer di Anthropic e cerca il tuo job title. Troverai la lista delle sue componenti e l’esposizione all’AI di ciascuna.
Guarda i dati come una mappa di spostamento del valore. Poi fai lo stesso esercizio con la tua organizzazione: elenca le componenti di valore che offrite ai vostri clienti e segna quali sono produttive, quali relazionali, quali di contesto. Rendere visibile il valore del lavoro nelle sue componenti, a livello individuale e organizzativo, è il primo passo per garantire che il cambiamento tecnologico si traduca in progresso e prosperità condivisa.
E' davvero interessante questa disamina. Personalmente mi ritrovo molto in questo scenario. Ho sempre avuto un profilo multidisciplinare per mia natura (mi annoio a fare solo una cosa) e ultimamente sto utilizzando molto l'AI nel quotidiano (contratti, contenuti, vibe coding). E' un po come avere intorno a me colleghi di tante discipline che lavorano, aimè soprattutto senza lamentarsi, e questo velocizza molto il mio lavoro. Ma è bene conoscere certe tematiche per poterle governare bene a mio avviso. Ho due figli che studiano entrambi informatica e mi preoccupa un po' lo scenario a cui andiamo incontro. Se la scuola non si allinea in fretta a questo modello, il rischio è di creare aspettative nelle nuove generazioni che saranno quasi certamente disattese. Io, nel mio piccolo, li sto preparando a quello che è già uno scenario attuale e non del futuro.
grazie sempre. per uno sguardo lucido, e mai banale, su questa nuova rivoluzione che tutti o disprezzano o banalizzano perché studiarla, comprenderla ci impone di studiare e comprendere noi stessi. azione che rimandiamo e rigettiamo più di ogni altra cosa al mondo, a quanto pare.