Lavoro e AI, lo studio che chiede un “Progetto Manhattan” per capire davvero l’impatto sull’occupazione

Per l’economista Alex Imas dell’Università di Chicago, i dati oggi utilizzati per prevedere l’impatto dell’AI sul lavoro sono insufficienti e potenzialmente fuorvianti. Per comprendere davvero come l’AI trasformerà l’economia servirebbe un enorme sforzo di raccolta dati, “un Progetto Manhattan”, capace di misurare l’elasticità della domanda nei diversi settori. Senza questi dati, politici e imprese stanno navigando alla cieca. Lo racconta James O’Donnell su MIT Technology Review il 6 aprile 2026.

AI e panico occupazionale, dibattito sempre più acceso

Nella Silicon Valley cresce la convinzione che l’intelligenza artificiale stia per scatenare una crisi del lavoro.

Come riportato nell’articolo “The one piece of data that could actually shed light on your job and AI” nell’orbita della Silicon Valley, si parla di un’apocalisse occupazionale alimentata dall’intelligenza artificiale come di un dato di fatto”.

Dichiarazioni come quella di Dario Amodei, CEO di Anthropic, secondo cui l’IA potrebbe svolgere “tutti i lavori in meno di cinque anni”, alimentano timori e incertezze, mentre i legislatori non hanno ancora definito un piano coerente per gestire la transizione.

Gli strumenti attuali non bastano

Nell’attualità la maggior parte delle analisi sull’impatto dell’IA utilizza database che elencano migliaia di attività lavorative, come quello del governo statunitense, impiegato da OpenAI e Anthropic per stimare il livello di “esposizione” delle professioni all’automazione.

Ma, come sottolinea Imas, questa metrica è ingannevole: “La sola esposizione è uno strumento completamente privo di significato per prevedere la perdita del posto di lavoro”.

Il motivo è semplice: sapere che un compito può essere svolto dall’IA non significa sapere se un’azienda licenzierà, assumerà o riorganizzerà il lavoro.

L’elasticità della domanda

Il caso dei programmatori è emblematico.

Se l’AI permette di sviluppare un’app in un giorno invece che in tre, la produttività aumenta. Ma cosa accade all’occupazione?

Dipende da quanto cresce la domanda.

Se i prezzi scendono e milioni di utenti in più acquistano l’app, l’azienda potrebbe assumere nuovi sviluppatori.
Se la domanda cresce poco, l’efficienza porterà invece a tagli del personale.

Questa dinamica riguarda tutti i settori esposti all’IA, dai tutor ai dietologi, dagli sviluppatori web ai consulenti.

Eppure, come evidenzia Imas, “attualmente non disponiamo di questi dati per l’intera economia”.

Un “Progetto Manhattan” dei dati sul lavoro

Per Imas, la soluzione è quella di costruire un’infrastruttura nazionale, o globale, per raccogliere dati reali su prezzi, domanda e produttività in ogni settore.

“Ci vorrebbe un Progetto Manhattan per raccogliere tutti questi dati”.

Oggi solo alcuni comparti, quali i beni alimentari, dispongono di dataset completi, grazie alle collaborazioni tra università e catene di supermercati.

Per la maggior parte delle professioni, invece, i dati sono frammentati o inaccessibili.

Perché questi dati sono importanti per l’Italia

In un Paese come l’Italia, caratterizzato da:

forte presenza di PMI,
settori ad alta intensità di servizi,
crescente digitalizzazione spinta dal PNRR,
squilibri territoriali nel mercato del lavoro,

la mancanza di dati affidabili rischia di amplificare le disuguaglianze e rallentare la capacità di adattamento.

Un monitoraggio sistemico consentirebbe invece di:

prevedere quali settori cresceranno e quali soffriranno,
progettare politiche attive mirate,
orientare formazione e reskilling,
guidare investimenti pubblici e privati.

Il messaggio

Lo studio rilanciato da MIT Technology Review lancia un messaggio: senza dati reali, l’Europa e l’Italia rischiano di affrontare la rivoluzione dell’IA senza bussola.

Comprendere come cambierà la domanda nei diversi settori è la chiave per evitare shock occupazionali e costruire una transizione equa.