Come cambierà il mercato del lavoro nel 2034 secondo lo studio USA sull'IA

Scopri come l’IA cambierà il mercato del lavoro USA entro il 2034: automazione, professioni in crescita, cybersecurity e nuove competenze.

Come cambierà il mercato del lavoro nel 2034 secondo lo studio USA sull'IA
Marcello Tansini 
Rimani aggiornato con WebMasterPoint
Fonte preferita Google X Instagram

Da qui al 2034 l’IA non cancellerà semplicemente posti di lavoro: ridisegnerà mansioni, competenze e accessi professionali, premiando sviluppatori, esperti di dati e sicurezza, mentre scuola e imprese dovranno adattarsi.

Il Bureau of Labor Statistics, l’ufficio statistico del lavoro statunitense, prevede per il periodo 2024-2034 una crescita complessiva dell’occupazione negli Stati Uniti, mentre indica prospettive diverse tra professioni esposte all’intelligenza artificiale. La direzione più leggibile non è quella di un mercato senza lavoro, ma di un mercato nel quale le attività amministrative ripetitive perdono peso e aumentano il valore di sviluppo software, analisi dei dati, sicurezza informatica e supervisione dei sistemi.

Le Employment Projections 2024-2034 descrivono quanti saranno gli occupati, quali aperture dipenderanno dall’espansione delle professioni e quali dalla sostituzione delle persone che lasciano il proprio impiego. Non dicono che ogni variazione sia provocata dall’IA. A incidere sulla domanda di competenze concorrono anche l’andamento dell’economia, gli investimenti, l’invecchiamento della popolazione, le regole, le trasformazioni organizzative e la difficoltà di reperire personale qualificato.

Questa distinzione serve a leggere meglio il prossimo decennio. L’IA può automatizzare una parte di una mansione, aumentare la produttività della persona che la svolge, ridurre il numero di lavoratori necessari oppure generare nuove attività di controllo e progettazione. Una professione, del resto, non si esaurisce in un compito. Comprende responsabilità, relazioni, decisioni, eccezioni e conoscenza del contesto.

Le proiezioni USA coprono il periodo 2024-2034

Il BLS costruisce le proprie stime su un orizzonte di dieci anni. L’edizione 2024-2034 offre quindi una rappresentazione del mercato americano fino al 2034. Non predice con precisione che cosa accadrà in una singola azienda, né consente di stabilire l’andamento di ciascun anno.

Il primo indicatore da osservare è la variazione dell’occupazione. Indica quante posizioni una professione potrebbe guadagnare o perdere nell’arco dell’intero periodo. Anche la variazione percentuale ha il suo peso: un incremento numerico ampio può tradursi in una crescita moderata quando riguarda una categoria molto grande, mentre una percentuale elevata può riferirsi a un gruppo professionale ristretto.

Ci sono poi le aperture complessive. Una professione può chiudere il decennio con meno occupati e continuare a offrire posti per sostituire chi va in pensione, cambia carriera o abbandona il settore. Una riduzione prevista, dunque, non significa che le assunzioni si azzereranno.

Il quadro generale va messo a confronto con le proiezioni delle singole occupazioni. Le attività informatiche e matematiche ricevono sostegno dalla richiesta di infrastrutture digitali, sistemi automatizzati, servizi cloud, gestione dei dati e protezione delle reti. Gli impieghi d’ufficio più standardizzati sono invece maggiormente esposti alla digitalizzazione dei flussi di lavoro e alla produzione automatica di documenti.

Il saldo dell’occupazione non coincide con l’effetto dell’IA

Una proiezione statistica non attribuisce automaticamente all’intelligenza artificiale ogni posto creato o soppresso. Il BLS mette insieme andamento storico, struttura dell’economia, produttività, consumi, investimenti e ipotesi riferite ai singoli settori. L’IA può modificare produttività e organizzazione, ma il risultato finale dipende da più fattori.

La prudenza serve anche per un’altra ragione: l’adozione di una tecnologia non procede alla stessa velocità con cui un sistema dimostra di poter svolgere un determinato compito. In azienda contano la qualità dei dati, la sicurezza, le responsabilità professionali, le procedure interne, le autorizzazioni e il controllo dei risultati. Una risposta generata da un modello arriva rapidamente. Renderla affidabile richiede conoscenza del processo e verifica umana.

Gli economisti di Anthropic Maxim Massenkoff e Peter McCrory hanno misurato proprio la distanza tra capacità teorica e utilizzo osservato. Il loro studio del 2026 combina le mansioni censite per le professioni statunitensi, valutazioni sulla possibilità di dimezzare il tempo necessario per alcune attività e dati reali sull’uso del modello Claude. Nelle professioni informatiche e matematiche, la capacità teorica può riguardare il 94% dei compiti; l’impiego osservato arriva invece al 33%.

Il divario è utile per interpretare le stime al 2034. La tecnologia può cambiare i compiti prima di modificare il numero complessivo degli occupati. Un’azienda può impiegare un assistente per preparare bozze, sintetizzare documenti o scrivere codice e conservare lo stesso organico. Può anche produrre di più con meno ore di lavoro. La decisione dipende dal mercato, dai costi, dalla qualità richiesta e dalla capacità interna di governare il sistema.

Segretari e assistenti amministrativi affrontano la pressione dell’automazione

Le professioni amministrative includono molte attività ripetitive: inserimento e aggiornamento di dati, gestione dei calendari, preparazione di documenti, classificazione delle richieste, trascrizione, smistamento della posta e produzione di report standard. Sono operazioni per le quali gli strumenti digitali e l’IA generativa possono ridurre i tempi.

Le proiezioni del BLS indicano una diminuzione per segretari e assistenti amministrativi nel periodo 2024-2034. La contrazione riguarda soprattutto le mansioni generaliste che possono essere ripartite tra software gestionali, modelli automatici e personale già presente. Non significa che ogni ufficio eliminerà questa figura.

Restano infatti attività di coordinamento, gestione della riservatezza, rapporto con clienti e fornitori, organizzazione di appuntamenti non standard e trattamento delle eccezioni. Sono aspetti meno facili da trasferire a un sistema automatico, soprattutto quando richiedono una valutazione legata alla situazione concreta.

La stessa pressione si vede in altri lavori d’ufficio fondati sulla manipolazione delle informazioni. L’inserimento dati, la preparazione di una prima bozza e il confronto tra documenti possono essere velocizzati, ma il risultato va controllato. Un errore in una pratica, in una tabella o in una comunicazione può avere conseguenze operative, legali o economiche.

Il valore si sposta dall’esecuzione meccanica alla capacità di impostare il flusso di lavoro, verificare l’output, individuare anomalie e coordinare le persone coinvolte. Saper utilizzare un sistema non basta se manca la capacità di giudicare ciò che produce. Chi conosce il processo, invece, può trasformare l’automazione in uno strumento produttivo.

Gli sviluppatori software restano tra i profili richiesti

Lo sviluppo software mostra bene quanto sia difficile tradurre l’automazione di alcuni compiti nella scomparsa di un’intera professione. I modelli generativi producono frammenti di codice, suggeriscono correzioni, scrivono test, documentano funzioni e trasformano istruzioni in prototipi. Il lavoro quotidiano cambia, ma rimangono la progettazione dell’architettura, la definizione dei requisiti, l’integrazione dei componenti, la verifica della sicurezza e la manutenzione delle applicazioni.

Le proiezioni statunitensi collocano sviluppatori software, analisti per il controllo qualità e tester tra le occupazioni informatiche con prospettive di crescita nel periodo 2024-2034. La domanda arriva dalla diffusione di applicazioni, servizi digitali, sistemi connessi e strumenti basati sui dati. In valore assoluto, una professione già molto presente può generare più posizioni di una nicchia che cresce a una percentuale superiore.

L’IA aumenta la produttività quando viene inserita in un processo definito. Un programmatore può ottenere in poco tempo una prima soluzione, ma deve comprenderne il codice, controllare dipendenze e vulnerabilità, eseguire prove e verificare che il comportamento rispetti i requisiti. Formulare una richiesta a un modello non equivale a possedere la competenza necessaria per sviluppare software.

Per i profili junior emerge una tensione già rilevata dagli studi sul lavoro. Anthropic ha osservato, tra i lavoratori statunitensi di età compresa tra 22 e 25 anni, una riduzione del 14% nel tasso di ingresso nelle professioni più esposte all’IA rispetto al 2022. Una ricerca parallela basata sui dati delle buste paga ha stimato una riduzione dell’occupazione giovanile compresa tra il 6% e il 16% nelle aree esposte, collegandola soprattutto al rallentamento delle assunzioni.

Il mercato può chiedere sviluppatori e, nello stesso momento, ridurre alcune attività iniziali attraverso le quali si imparava il mestiere. Se l’IA assorbe la scrittura di codice semplice, la crescita professionale dovrà passare più rapidamente da revisioni, test, sicurezza, documentazione, comprensione dei sistemi e rapporto con utenti e responsabili di prodotto.

Cybersecurity, la difesa cresce insieme alla superficie d’attacco

La sicurezza informatica è uno dei settori nei quali l’IA sposta il valore verso prevenzione, controllo e risposta agli incidenti. La diffusione dei servizi digitali aumenta la quantità di dati, identità, applicazioni e dispositivi da proteggere. Gli stessi strumenti generativi possono essere usati per accelerare gli attacchi, costruire messaggi di phishing più credibili o automatizzare operazioni ostili.

Per gli analisti della sicurezza informatica, il BLS indica nel periodo 2024-2034 una crescita percentuale molto superiore alla media: l’incremento pubblicato è del 33%, pari a circa 47.100 posti in più. Percentuale e dato assoluto vanno letti insieme. Il 33% segnala un’espansione molto elevata, mentre l’aumento numerico è più contenuto rispetto a quello di professioni informatiche con una base occupazionale più ampia.

Un analista della sicurezza non si limita a leggere gli avvisi prodotti da un sistema. Deve capire se un segnale è un falso positivo o una minaccia, ricostruire la sequenza degli eventi, stabilire le priorità, applicare le procedure, documentare l’incidente e coordinarsi con chi amministra infrastrutture e dati.

Quando una decisione può interrompere un servizio o coinvolgere informazioni sensibili, la supervisione umana resta necessaria. Il lavoro comprende la gestione di identità e accessi, la sicurezza delle applicazioni, la valutazione delle vulnerabilità, la risposta agli incidenti, la protezione dei dati e l’esame dei fornitori.

A queste competenze si aggiunge la conoscenza dei sistemi di IA: come vengono addestrati e utilizzati, quali dati trattano e quali rischi possono introdurre. Non basta che il sistema individui un’anomalia. Serve qualcuno che sappia valutarla e decidere come intervenire.

Data scientist e analisti trasformano i dati in decisioni

La crescita dell’IA accresce la richiesta di dati ordinati, aggiornati e interpretabili. Un modello può creare una sintesi o segnalare una correlazione apparente; la qualità della decisione dipende però da come viene definito il problema, dalle variabili scelte, dalla pulizia dei dati e dalla verifica dei risultati.

Il BLS prevede per i data scientist una crescita del 36% tra il 2024 e il 2034, con circa 82.500 posti aggiuntivi nel periodo. È una delle variazioni percentuali più alte dell’area tecnologica. Le attività comprendono raccolta e trattamento dei dati, costruzione di modelli, analisi, visualizzazione e comunicazione dei risultati alle persone chiamate a decidere.

La percentuale non garantisce, da sola, un’assunzione individuale. Le aziende cercano persone in grado di unire statistica, programmazione, conoscenza del settore e comunicazione. Un modello preciso ma costruito su dati incompleti può portare a una decisione distorta. Un risultato corretto sul piano tecnico, se non viene spiegato, può rimanere inutilizzabile.

Gli analisti di ricerca operativa e le professioni informatiche vicine rispondono alla stessa esigenza: utilizzare dati e software per distribuire risorse, stimare la domanda, controllare i processi e confrontare scenari. L’IA accelera i calcoli e l’elaborazione, ma la scelta delle metriche, dei vincoli e delle interpretazioni resta legata alla competenza professionale.

Le professioni informatiche non crescono tutte allo stesso ritmo

Le occupazioni tecnologiche seguono traiettorie differenti. Una percentuale molto alta può dipendere da una base di partenza ridotta; una categoria già diffusa in molti comparti può creare più posti in termini assoluti pur registrando un tasso meno appariscente.

Professione o areaPeriodo BLSIndicatore disponibileInterpretazione
Analisti della sicurezza informatica2024-2034+33%; circa 47.100 postiDomanda sostenuta dalla protezione di reti, dati e sistemi
Data scientist2024-2034+36%; circa 82.500 postiCrescita legata a dati, modelli e supporto alle decisioni
Sviluppatori software e professioni affini2024-2034Crescita prevista dal BLSApplicazioni, servizi digitali, test e manutenzione
Segretari e assistenti amministrativi2024-2034Diminuzione previstaPressione su attività standardizzate e ripetitive

La tabella accosta indicatori che non hanno lo stesso significato. Il dato sui data scientist descrive l’espansione rapida di una professione specializzata; quello sugli analisti della sicurezza segnala una crescita forte su una base differente. Per gli sviluppatori, il volume totale può risultare più rilevante anche se la percentuale non è la più alta.

Per chi lavora nel digitale, la scelta di una competenza non dovrebbe dipendere soltanto dal tasso di crescita maggiore. Vanno considerati la domanda effettiva, l’accessibilità del percorso formativo, l’esperienza richiesta e la possibilità di trasferire le conoscenze da un settore all’altro.

Le mansioni cambiano prima delle professioni

La trasformazione più concreta si produce nelle attività di ogni giorno. Un assistente amministrativo può abbandonare una parte della digitazione e dedicarsi alla verifica di pratiche generate automaticamente. Un programmatore può ridurre il tempo destinato al codice ripetitivo e lavorare di più su progettazione, integrazione e sicurezza. Un analista dei dati può usare un modello per esaminare ipotesi e concentrarsi sull’interpretazione.

La sostituzione di una mansione non coincide con quella dell’intera professione. L’IA tende a intervenire prima sui compiti con istruzioni relativamente chiare, molti esempi disponibili e un risultato controllabile. Restano più difficili le situazioni ambigue, le relazioni complesse, le decisioni che comportano responsabilità, la gestione delle eccezioni e i lavori che richiedono presenza fisica.

Lo studio di Anthropic segnala che il 30% delle mansioni svolte dagli americani non compare nei dati di utilizzo di Claude. In settori come agricoltura, manutenzione meccanica, ristorazione e salvataggio in acqua, l’impiego osservato risulta sostanzialmente assente. Questo non rende quelle professioni immutabili, ma mostra che l’esposizione teorica e l’adozione concreta sono grandezze diverse.

Conta anche il tipo di assistenza fornito. Quando l’IA affianca un lavoratore senza sostituirne la decisione, l’effetto può essere un aumento della produttività e della qualità. Se invece elimina una lunga serie di compiti d’ingresso, le opportunità per chi deve ancora costruire esperienza possono diminuire.

L’accesso dei giovani è il punto più fragile

Le attività junior hanno spesso una funzione doppia: producono un risultato e insegnano il mestiere. Raccogliere informazioni, predisporre una bozza, ordinare documenti, eseguire test semplici e confrontare dati consente di imparare procedure e standard.

Se la prima versione viene affidata a un assistente automatico, un professionista esperto può assorbire più lavoro senza ampliare il gruppo. Nel breve periodo l’organizzazione guadagna velocità. Cambia però il percorso di apprendistato: il giovane deve raggiungere prima un livello sufficiente di autonomia, controllo e comprensione del contesto.

Il rallentamento delle assunzioni non dimostra che l’IA abbia già provocato una disoccupazione di massa. I dati statunitensi analizzati da Anthropic non mostrano un aumento sistematico della disoccupazione nelle professioni più esposte dopo la diffusione di ChatGPT nel 2022. Mostrano, però, un segnale concentrato sull’ingresso nelle professioni con maggiore esposizione.

La risposta non consiste nel conservare senza limiti attività che una tecnologia può accelerare. Occorre ripensare i percorsi di apprendimento: affiancamento su casi reali, revisione di output generati, esercizi di verifica, sicurezza, documentazione e assunzione di responsabilità. L’esperienza deve nascere da compiti diversi, non soltanto dalla produzione della prima bozza.

Le competenze richieste diventano ibride

La preparazione utile al 2034 unisce conoscenze tecniche, comprensione dei processi e capacità di giudizio. La familiarità con una piattaforma specifica può perdere valore quando il mercato cambia strumento; i principi trasferibili resistono più a lungo.

Le competenze da collegare comprendono:

  • Alfabetizzazione sull’IA: funzionamento generale dei modelli, limiti, allucinazioni, dati utilizzati e criteri per verificare le risposte.
  • Lavoro con il software: comprensione dei flussi, automazioni, integrazioni, versioni, test e gestione degli errori.
  • Analisi dei dati: qualità delle fonti, metriche, interpretazione statistica e comunicazione dei risultati.
  • Sicurezza informatica: identità, accessi, vulnerabilità, protezione delle informazioni e risposta agli incidenti.
  • Conoscenza del settore: regole, processi, clienti, rischi e conseguenze concrete delle decisioni.
  • Pensiero critico e comunicazione: formulazione dei problemi, controllo delle risposte, spiegazione dei limiti e assunzione di responsabilità.

Queste abilità non riguardano soltanto gli specialisti della tecnologia. Un responsabile amministrativo deve individuare un errore in un documento generato. Un commerciale deve controllare la provenienza di un’informazione. Un tecnico deve capire se una procedura automatica rispetta le condizioni operative.

Scuola, imprese e formazione devono cambiare metodo

Quando le attività preparatorie vengono ridotte, una formazione fondata soltanto sull’esecuzione ripetitiva perde efficacia. L’apprendimento può concentrarsi su casi nei quali la persona deve definire il problema, scegliere i dati, utilizzare l’IA, controllare il risultato e motivare la decisione.

Le aziende dovranno tenere insieme efficienza immediata e costruzione delle competenze future. Eliminare ogni attività junior può aumentare la produttività di un gruppo già esperto, ma riduce il numero di persone che in seguito potranno assumere responsabilità avanzate. Un percorso sostenibile richiede supervisione, revisioni e occasioni per capire il lavoro dall’interno.

Anche la formazione interna deve andare oltre l’uso di un singolo assistente. Chi lavora con questi strumenti deve conoscere le regole per i dati riservati, i criteri di controllo, le responsabilità legate alle decisioni, la sicurezza degli accessi e le modalità per segnalare risultati errati. La qualità dell’adozione dipende dall’organizzazione almeno quanto dal modello scelto.

Il rapporto tra competenze umanistiche e STEM, cioè le discipline scientifiche, tecnologiche, ingegneristiche e matematiche, diventa più stretto. Programmare senza capire il problema porta a soluzioni fragili. Conoscere bene un settore, senza possedere gli strumenti digitali necessari, può non bastare per governare processi automatizzati.

La mappa pratica del mercato fino al 2034

Le proiezioni disponibili delineano un mercato articolato. Gli impieghi d’ufficio basati su compiti standardizzati subiscono pressione; sviluppo software, dati e cybersecurity hanno prospettive più favorevoli; le attività che richiedono responsabilità, presenza, relazione o gestione delle eccezioni resistono meglio all’automazione completa.

Il valore non appartiene soltanto a chi costruisce modelli. Aumenta anche per chi sa inserirli in un processo senza compromettere sicurezza, qualità e conformità. Le organizzazioni hanno bisogno di persone capaci di definire requisiti, misurare prestazioni, controllare i risultati, gestire gli accessi, documentare le decisioni e intervenire quando il sistema sbaglia.

Per valutare un settore si possono osservare quattro segnali:

  • la quantità di dati e processi digitali da gestire;
  • il livello di rischio associato agli errori e alle decisioni automatiche;
  • gli investimenti in software, sicurezza e infrastrutture;
  • la necessità di competenze ibride difficili da sostituire con una singola applicazione.

Questa lettura evita due conclusioni opposte. La prima è che ogni professione esposta sia destinata a scomparire. La seconda è trascurare il fatto che l’automazione può restringere gli ingressi e innalzare il livello minimo richiesto. I dati del BLS descrivono un mercato statunitense complessivamente in crescita nel decennio 2024-2034, ma mostrano anche una redistribuzione del valore tra compiti e competenze.

Nel 2034 conterà meno saper usare una funzione isolata e conterà di più saper collegare strumenti, dati, codice, sicurezza e responsabilità. L’intelligenza artificiale non cancella semplicemente il lavoro: riduce il valore di alcune esecuzioni di routine e aumenta quello della capacità di progettare, verificare e governare sistemi che producono risultati nel mondo reale.