Immagine di freepik
Il lavoro in Europa sarà sempre più basato sulla collaborazione fra persone, agenti software e robot. È la tesi di Agents, Robots, and Us: How AI Reshapes Work and Skills in Europe, la ricerca pubblicata a maggio dal McKinsey Global Institute (Mgi)che offre una base di dati a supporto delle decisioni economiche e di business. Lo studio estende all’Europa un’analisi avviata sugli Stati Uniti e copre dieci economie — Repubblica Ceca, Danimarca, Francia, Germania, Italia, Paesi Bassi, Polonia, Spagna, Svezia e Regno Unito — che insieme rappresentano oltre tre quarti della forza lavoro e del Pil della regione. Il punto di partenza è uno scenario ad alta posta in gioco. L’Europa affronta un periodo in cui la forza lavoro è in contrazione e invecchia, registra carenze di manodopera persistenti e una crescita della produttività più lenta rispetto a partner come gli Stati Uniti. Per gli autori — Sylvain Johansson, Anu Madgavkar, Ulf Schrader, María Jesús Ramírez e Xavier Rigby — mantenere competitività e standard di vita dipenderà dall’integrazione efficace fra persone e tecnologia.
Terminologie e metodologia
L’analisi adotta due termini “ombrello”, la modalità di utilizzo dei quali è bene specificare. Gli agenti sono intesi come macchine che svolgono lavoro nel mondo digitale, sostituendo o potenziando capacità non fisiche come la generazione di linguaggio naturale, il ragionamento sociale ed emotivo, la creatività. I robot sono macchine che operano nel mondo fisico, sostituendo o potenziando capacità motorie. Molte tecnologie svolgono queste funzioni — alcune basate su AI, comprese la GenAI, altre no — e i confini fra le due categorie sono in movimento. Il Mgi parte dal cosiddetto potenziale tecnico di automazione: la quota di ore di lavoro odierne che potrebbe essere automatizzata con le tecnologie esistenti. La stima nasce da un’analisi delle attività dettagliate di lavoro per circa 800 occupazioni in ciascuno dei dieci Paesi, incrociando dati degli istituti statistici nazionali, di O*Net e di Lightcast. Si tratta di un dato di fattibilità tecnica, non di una previsione di adozione effettiva né di perdita di posti di lavoro.
Per stimare il valore economico, gli analisti applicano al potenziale tecnico due scenari di adozione modellati sui pattern storici di diffusione delle tecnologie. Lo scenario midpoint rappresenta la stima centrale fra adozione precoce e tardiva; uno scenario più graduale descrive una traiettoria fra il midpoint e l’adozione tardiva. Il modello assume che fra il 15% e il 25% delle ore di lavoro attuali sia automatizzato entro il 2030, con variazioni per settore. Il valore economico viene ottenuto moltiplicando l’adozione a livello di occupazione per il numero di equivalenti a tempo pieno e i salari del 2024.
Per misurare l’impatto sulle competenze, il Mgi introduce due lenti. La prima classifica le skill in tre gruppi — people-led, AI-led e condivise — in base al potenziale di automazione delle attività associate. La seconda è lo Skill Change Index (Sci), un indice da 0 a 100 che misura il grado di esposizione di ciascuna competenza all’automazione nello scenario midpoint al 2030. Per costruire le mappature fra occupazioni, attività e skill, il team ha utilizzato il modello GpT-4o di OpenAI, con verifiche manuali iterative per garantire output coerenti.
Lo scenario europeo, 1.900 miliardi in gioco
Nelle dieci economie analizzate, circa il 58% delle ore di lavoro attuali potrebbe essere tecnicamente automatizzato con le tecnologie esistenti: il 44% tramite agenti e il 14% tramite robot. Il dato è simile a quello statunitense e suggerisce una trasformazione di portata comparabile. Circa due terzi delle ore di lavoro europee riguardano attività non fisiche — elaborazione di informazioni, analisi, coordinamento — mentre il terzo restante richiede capacità fisiche.
Nello scenario midpoint, l’automazione potrebbe sbloccare fino a 1.900 miliardi di dollari di valore economico in Europa entro il 2030; in uno scenario più graduale il valore scende a circa 1.100 miliardi, un divario che evidenzia quanto i risultati dipendano dalla velocità di adozione. Gli agenti basati su AI rappresentano circa l’82% del valore potenziale, i robot la quota restante: una proporzione che riflette la prevalenza del lavoro non fisico e le diverse economie di implementazione, dato che i robot richiedono investimenti iniziali più alti e tempi più lunghi.
La ricerca insiste su un punto: il valore si realizza ridisegnando i workflow, non applicando l’AI a singoli compiti dentro processi pensati per un mondo pre-AI. Lo studio cita un dato indicativo: quasi il 90% delle aziende dichiara di usare regolarmente l’AI, ma meno del 40% ne osserva risultati misurabili. Sul fronte delle competenze, circa tre quarti delle skill oggi richieste dai datori di lavoro europei sono usate sia in attività automatizzabili sia in attività non automatizzabili: più che sostituite, verranno quindi applicate in collaborazione con l’AI.
Lo spaccato italiano
L’Italia combina un potenziale di automazione relativamente alto con una crescita disomogenea nelle competenze legate all’AI. La quota di ore di lavoro tecnicamente automatizzabili con le tecnologie esistenti si attesta al 60%, fra i livelli più elevati d’Europa. Il valore economico stimato dall’adozione dell’automazione entro il 2030, nello scenario midpoint, è di 196 miliardi di dollari. L’87% del bisogno di competenze umane resta immutato per le persone anche in presenza di automazione – significa che quella percentuale di competenze richieste dal mercato del lavoro italiano non è destinata a finire interamente dentro processi gestiti da agenti e robot, ma anzi servirà per i processi di verifica e ottimizzazione. Invece la domanda di AI fluency — la capacità pratica di usare e gestire i sistemi di AI nel lavoro quotidiano — è raddoppiata dal 2023: una crescita di 2,3 volte, inferiore alla media regionale, che è di circa cinque volte.
Come si distribuisce il lavoro
Scomponendo le ore di lavoro italiane per il potenziale tecnico di automazione, emerge che il 44% riguarda attività automatizzabili che richiedono solo capacità non fisiche — il terreno degli agenti — e il 16% attività automatizzabili che richiedono capacità fisiche, di pertinenza dei robot. Il restante 40% non è automatizzabile: si divide fra il 18% di attività non fisiche e il 22% di attività fisiche. Sul piano delle capacità richieste, il 62% delle ore è non fisico e il 38% fisico, con il 36% della forza lavoro impiegata in ruoli a maggiore intensità fisica. La ricerca distribuisce poi la forza lavoro italiana in sette archetipi occupazionali, definiti dal contributo relativo di persone, agenti e robot. I ruoli people-centric, in cui il lavoro futuro resta svolto soprattutto da persone, pesano per il 30%. I ruoli agent-centric, destinati a essere svolti prevalentemente da agenti, rappresentano il 29%. Seguono gli archetipi people–agent con il 20% e robot-centric con l’11%. Le configurazioni ibride più articolate — people–agent–robot e agent–robot — valgono il 5% ciascuna, mentre l’archetipo people–robot si ferma all’1%.
Dove si concentra il valore, la manifattura
Dei 196 miliardi di dollari di valore stimato per l’Italia, la manifattura è il settore di gran lunga più rilevante, con 52 miliardi: un peso superiore a quello registrato nella maggior parte degli altri Paesi e che, insieme alla Repubblica Ceca, fa dell’Italia un caso di concentrazione settoriale. Seguono il commercio al dettaglio e all’ingrosso con 23 miliardi, i servizi professionali, scientifici e tecnici con 18 miliardi, il supporto amministrativo e governativo e le costruzioni con 16 miliardi ciascuno, i servizi educativi con 14 miliardi.
Guardando ai domini funzionali, le core operation — le attività direttamente coinvolte nella produzione di beni e servizi — concentrano da sole 121 miliardi di dollari sui 196 complessivi. Distanziati seguono le operazioni di back-office con 13 miliardi e la supply chain e logistica con 10 miliardi. È un profilo coerente con il tessuto industriale del Paese e segnala dove l’integrazione fra automazione e processi produttivi potrà generare i ritorni maggiori.
I numeri sulle competenze
Applicando la classificazione delle skill al mercato italiano sono circa 3.900 le competenze analizzate in un quadro ben preciso: solo il 10% di esse è richiesto per lavoro guidato dalle persone, in attività in prevalenza non automatizzabili; il 77% serve per lavoro svolto da una combinazione di persone e AI; il 13% è associato a lavoro guidato dall’AI, in attività che potrebbero essere in larga parte automatizzate in futuro. La quota schiacciante di competenze condivise conferma che la maggior parte delle skill verrà ridisegnata dalla collaborazione fra persone e AI, più che sostituita.
La domanda di competenze legate all’AI in Italia è concentrata: circa il 70% proviene da quattro gruppi occupazionali. Il gruppo computer and mathematical guida con il 52% dei lavoratori che necessitano di skill di AI — circa 350mila persone — seguito da architettura e ingegneria con 110mila, management con 100mila e scienze della vita, fisiche e sociali con 90mila. Tra il quarto trimestre 2023 e quello 2025, la domanda di AI fluency è cresciuta di 2,3 volte, quella di competenze tecniche di AI di 2,2 volte e quella di competenze legate all’AI nel complesso di 2,1 volte.
Lo Skill Change Index conferma che il cambiamento sarà diffuso, ma diseguale. Per l’Italia i valori dell’indice ai quartili sono 20%, 25% e 30%. Tra le competenze meno esposte all’automazione figurano people management, leadership, negoziazione, lavoro di squadra e la stessa lingua italiana. Tra le più esposte ci sono invece invoicing, auditing, monitoraggio continuo, competenze su software gestionali e linguaggi come Sql, fino alle machine-tool skills, per le quali l’indice indica che circa il 33% del lavoro associato potrebbe essere automatizzato entro il 2030 nello scenario midpoint. Sul fronte della domanda nelle offerte di lavoro, le sottocategorie in maggiore crescita in Italia sono coaching e formazione, controllo qualità e operations di business, mentre risultano in calo robotica, economia e diversi linguaggi e discipline ingegneristiche.
Una transizione che dipende dalle scelte
Il messaggio conclusivo di McKinsey è che gli esiti delle evoluzioni in corso non sono predeterminati. L’automazione può sbloccare un valore economico sostanziale, ma catturarlo dipenderà da come le organizzazioni ridisegneranno il lavoro attorno a persone, agenti e robot. I lavoratori passeranno dall’eseguire i compiti all’orchestrare i sistemi che li svolgono; serviranno maggiore AI fluency, nuovi workflow, modelli di governance e investimenti nelle competenze. Per l’Italia, la combinazione di un potenziale di automazione elevato e di una crescita ancora contenuta della domanda di competenze legate all’AI delinea uno spazio di manovra preciso. Le scelte di imprese, istituzioni e mondo della formazione — sottolineano gli autori — determineranno la velocità dell’adozione e la capacità dei lavoratori di adattarsi. Navigare con efficacia questa transizione è la condizione per innalzare la produttività e sostenere la competitività del Paese.
© RIPRODUZIONE RISERVATA
