IA e lavoro: 26 milioni di posti a rischio entro 5 anni

Silicon Valley, 20 maggio 2026. Andrej Karpathy, uno degli architetti intellettuali del deep learning moderno, firma con Anthropic. Non è un passaggio di carriera. È un voto di fiducia espresso con i piedi da qualcuno che ha visto i libri contabili, i modelli di addestramento e le rotte di sviluppo di OpenAI dall’interno per anni, dalla fondazione. Quando uno dei cinque o sei ricercatori al mondo capaci di costruire un sistema linguistico di frontiera sceglie di spostarsi, vale la pena smettere di guardare il mercato azionario per un momento e chiedersi cosa sta vedendo che gli altri non vedono ancora.

La vera partita dell’intelligenza artificiale non è chi ha il chatbot più fluente. È chi controlla il pre-training, cioè chi decide cosa sa e cosa non sa un modello prima ancora che qualcuno lo interroghi.

Karpathy andrà a guidare proprio quel reparto in Anthropic, il gruppo responsabile delle grandi esecuzioni di addestramento che danno a Claude la sua base di conoscenza. La sua analisi pubblicata tre mesi fa, quella che mappa 26 milioni di posti di lavoro americani ad alto rischio di disintermediazione entro cinque anni, non era una previsione accademica. Era la mappa del territorio che conosce meglio di chiunque altro. E il fatto che lui, con quella mappa in mano, abbia scelto Anthropic piuttosto che restare nell’ecosistema di OpenAI dice qualcosa di preciso su dove si trova il vantaggio tecnico nel 2026.

Per gli imprenditori e i manager europei, questa notizia arriva nel momento peggiore possibile per ignorarla. Non perché Karpathy sia famoso, ma perché i segnali che porta con sé si stanno già materializzando nei bilanci di aziende medie che non hanno ancora capito di essere dentro il fenomeno.

Il Fatto in Numeri: 26 Milioni di Lavori e il Costo del Ritardo

L’analisi pubblicata da Karpathy prima del suo passaggio ad Anthropic classifica 192 categorie occupazionali del Bureau of Labor Statistics americano per rischio di sostituzione da parte dell’intelligenza artificiale nei prossimi cinque anni. Il numero aggregato per i profili ad alto o altissimo rischio è 26 milioni di posizioni negli Stati Uniti soltanto.

Le categorie in zona rossa non sono quelle che ci si aspetterebbe da una lettura superficiale. Non si tratta solo di receptionist e addetti alla contabilità. La lista include software developer, avvocati, project manager, responsabili delle risorse umane, ricercatori di mercato, analisti acquisti. In zona verde restano invece i lavori fisicamente radicati nel territorio: elettricisti, operai edili, badanti, cuochi, carpentieri. Il confine non è tra lavoro qualificato e non qualificato. Il confine passa tra lavoro che si esegue con atomi e lavoro che si esegue con bit.

Sul fronte della concentrazione del settore, il movimento di Karpathy rafforza una tendenza già visibile. Anthropic ha attratto negli ultimi diciotto mesi un numero sproporzionato di ricercatori di frontiera rispetto alle sue dimensioni. Il suo modello Claude, nelle versioni recenti, compete direttamente con GPT-4o in benchmark di ragionamento avanzato. Con Karpathy al pre-training, il differenziale tecnico rispetto a OpenAI potrebbe spostarsi più rapidamente di quanto i mercati abbiano già scontato.

Sul fronte macroeconomico, MarketWatch segnala oggi che l’inflazione americana ha raggiunto un massimo triennale. L’IA è indicata come uno dei fattori che, contro ogni aspettativa teorica, sta contribuendo ad alimentarla piuttosto che a comprimerla. L’interpretazione prevalente è che il boom infrastrutturale legato ai data center, il consumo energetico massiccio e i colli di bottiglia nella fornitura di chip specializzati stanno generando pressioni di costo che nessun modello di produttività riesce ancora a compensare nell’immediato. La Federal Reserve, attraverso i discorsi recenti di Barr e Bowman, segnala attenzione crescente alla salute finanziaria delle imprese di minore dimensione, esattamente quelle più esposte al doppio stress di credito scarso e trasformazione tecnologica accelerata.

Perché Ora: Il Timing Non È Casuale

Karpathy aveva già lasciato OpenAI nel 2024 per un progetto autonomo, Eureka Labs, focalizzato sull’istruzione potenziata dall’AI. Il ritorno nel mercato della ricerca di frontiera, questa volta in Anthropic, arriva in un momento specifico. Siamo alla vigilia di quella che molti analisti chiamano la stagione degli IPO dell’AI, con Anthropic che si prepara a una valorizzazione pubblica che potrebbe superare i 60 miliardi di dollari.

Il messaggio implicito di questa mossa è duplice. Da un lato, segnala che Karpathy ha valutato la traiettoria tecnica di Anthropic come superiore, o almeno più coerente con la sua visione, rispetto a quella di OpenAI nel 2026. Dall’altro, la sua scelta di concentrarsi sul pre-training piuttosto che su applicazioni consumer suggerisce che la prossima grande discontinuità non sarà nei prodotti visibili agli utenti finali, ma nei modelli base che li alimentano.

Il riferimento alla sicurezza non è retorica. Dario Amodei aveva lasciato OpenAI nel 2021 precisamente per disaccordo sulla velocità di sviluppo rispetto alle precauzioni. La traiettoria di Karpathy mostra una convergenza verso quella posizione, e questo ha implicazioni dirette per il tipo di sistemi che Anthropic rilascerà nei prossimi anni. Si tratterà di sistemi potenzialmente più cautelosi nell’output, ma costruiti su basi tecniche più solide.

Parallelamente, la BCE attraverso Philip Lane ha pubblicato questa settimana un’analisi sugli shock di offerta energetica. Lagarde ha dichiarato che il coraggio di costruire un’Europa duratura passa per scelte strutturali che le imprese non possono aspettare che vengano dall’alto. Il segnale dai piani alti delle banche centrali è coerente: il contesto di trasformazione tecnologica e geopolitica non si stabilizzerà nel breve periodo, e le imprese che attendono un momento di maggiore chiarezza rischiano di trovare il mercato già ridisegnato.

Effetti Immediati sui Mercati: Cosa Si Muove Quando Si Muove un Ricercatore

Il mercato azionario tech americano ha reagito positivamente alla notizia. Anthropic, pur non quotata, ha visto aumentare le valutazioni dei round secondari nelle borse private. Le aziende quotate dell’ecosistema AI, da Nvidia a Microsoft, hanno mantenuto la volatilità implicita sui livelli elevati degli ultimi sessanta giorni. Questo segnala che gli operatori istituzionali non hanno ancora una narrativa stabile su chi vincerà la prossima fase della corsa ai modelli di frontiera.

Il prezzo del petrolio scende oggi sotto i 105 dollari al barile, con i mercati che scontano la possibilità di un accordo USA-Iran, ma l’effetto sul costo energetico per i data center rimane strutturalmente alto. Nvidia e i suoi principali clienti stanno affrontando colli di bottiglia nella fornitura di chip H100 e Blackwell che non si risolveranno prima del quarto trimestre 2026. Questo significa che chiunque voglia fare training su modelli di frontiera nei prossimi sei mesi si troverà in un mercato ristretto, con vantaggi sproporzionati per chi ha già prenotato capacità computazionale.

L’euro tiene su 1,08 rispetto al dollaro, ma la divergenza tra politica monetaria BCE e Fed mantiene aperta la finestra di competitività per gli esportatori europei. L’importante è riuscire a gestire l’incertezza sui costi operativi interni, parte dei quali sta già incorporando aumenti legati all’infrastruttura digitale.

Che Cosa Cambia per le Aziende Italiane

Orizzonte Immediato, da 0 a 6 mesi. Le aziende che usano strumenti AI generativi per funzioni di back-office, produzione di contenuti o analisi dati si trovano in un momento di discontinuità tecnica. I modelli su cui hanno costruito workflow consolidati potrebbero non essere quelli che domineranno il prossimo ciclo. Chi ha contratti enterprise con OpenAI dovrebbe valutare se ha senso iniziare un parallelo con Anthropic, non per lealtà al brand ma perché Karpathy al pre-training cambierà la qualità di Claude nei prossimi dodici mesi in modo non marginale. Il rischio immediato non è tecnologico: è organizzativo. Le aziende che hanno costruito processi dipendenti da un singolo fornitore AI senza alternative testate si trovano esposte a una transizione che non controllano.

Orizzonte Medio, da 6 a 18 mesi. Lo scenario più probabile è un’ulteriore biforcazione del mercato del lavoro, con la curva che accelera nelle funzioni amministrative e di analisi. Per le PMI italiane, questo ha due implicazioni opposte. La prima è una riduzione strutturale dei costi operativi per chi adotta strumenti AI in modo sistematico, non episodico. La seconda è una pressione sui margini per chi non lo fa, perché i concorrenti che adottano strumenti AI riducono i loro costi fissi più velocemente. Le aziende che sopravvivono sono quelle che non usano l’AI per fare meglio quello che già facevano, ma per fare cose che prima non potevano permettersi. Ricerca di mercato profonda, personalizzazione dell’offerta su mercati esteri, analisi predittiva della domanda.

Orizzonte Lungo, oltre i 18 mesi. Il precedente strutturale qui non è la singola mossa di Karpathy, ma il fatto che il ciclo di concentrazione del talento AI stia producendo un oligopolio tecnico in cui tre o quattro organizzazioni controllano i modelli di frontiera. Per le imprese europee, questo pone una questione di dipendenza strategica analoga a quella energetica. Si costruisce su infrastrutture che non si controllano, regolate da legislazioni straniere, con prezzi decisi da soggetti che non hanno obblighi verso il tessuto produttivo europeo. La risposta non è ignorare questi strumenti, ma costruire competenza interna sufficiente a non essere passivi nell’adozione.

Settori Strategici: Chi È Più Esposto

Professionisti e servizi alle imprese. Studi legali, commercialisti, agenzie di consulenza strategica, uffici acquisti: esattamente le categorie nella zona rossa della mappa di Karpathy. Per le PMI italiane che esternalizzano queste funzioni, il 2026 è il momento in cui rinegoziare i contratti o portare in house capacità che diventano più economiche da gestire internamente con supporto AI. Chi ancora paga parcelle orarie per ricerche di mercato che un modello linguistico produce in trenta minuti sta finanziando la propria inefficienza.

Produzione industriale e manifattura avanzata. Settore apparentemente in zona verde, ma con un’esposizione nascosta nelle funzioni di supporto: progettazione assistita, documentazione tecnica, gestione della conformità normativa, customer service tecnico. Le aziende manifatturiere italiane che competono sui mercati internazionali hanno in queste funzioni un costo operativo che i concorrenti tedeschi, nordici e americani stanno già riducendo con strumenti AI integrati. L’opportunità è che chi adotta presto costruisce un vantaggio di costo che si trasformerà in margine esportabile.

Export e internazionalizzazione delle PMI. Questa è l’esposizione meno discussa. Le funzioni tipiche di un ufficio export sono ricerca di potenziali partner esteri, analisi normativa doganale, produzione di materiale commerciale adattato al mercato locale, gestione della corrispondenza in lingua straniera. Tutte rientrano nella zona rossa della mappa del rischio. Non perché quelle persone vadano licenziate, ma perché il loro tempo dovrebbe smettere di essere consumato da compiti che un modello linguistico gestisce meglio e più velocemente. L’opportunità nascosta è che la PMI italiana che libera quelle risorse può finalmente permettersi di presidiare tre mercati invece di uno.

Rischi da Monitorare: Tre Dinamiche che Non Appaiono Ancora sui Giornali

Il primo rischio è la dipendenza da fornitore unico. Le aziende che hanno costruito workflow critici su un singolo provider AI, che sia OpenAI, Google o altri, non hanno ancora testato cosa succede quando quel provider cambia prezzi, disponibilità o qualità del modello. Con Karpathy che porta a Anthropic una capacità di pre-training potenzialmente superiore, il mercato si biforcherà ulteriormente nei prossimi dodici mesi. Chi non ha alternative operative testate si troverà a dover cambiare infrastruttura in fretta, nel momento peggiore.

Il secondo rischio è il credito alle PMI. La ricerca citata durante questa settimana, coerente con le analisi della Federal Reserve e della BCE, mostra che le banche più grandi hanno la propensione più bassa a finanziare le piccole imprese. Nel momento in cui le PMI hanno più bisogno di credito per investire nella transizione tecnologica, la struttura bancaria lavora contro di loro. In Europa, la concentrazione bancaria degli ultimi quindici anni ha ridotto il numero di istituti piccoli, esattamente quelli con la maggiore propensione al credito alle microimprese. Questo non è un problema di lungo periodo: è un vincolo operativo oggi.

Il terzo rischio è il ritardo nella formazione del management. Le aziende italiane stanno investendo in strumenti AI senza investire nella capacità del management di capire cosa stanno comprando. Un abbonamento a Claude Enterprise o a Copilot non genera valore se chi lo usa non sa come interrogare un modello, come valutarne i limiti, come integrarlo in un processo decisionale. Il rischio non è tecnologico, è cognitivo: si delega a uno strumento che non si sa valutare, e si prende per buono l’output perché sembra plausibile.

La Lente dell’Analisi Strategica: Il Mio Punto di Vista

Quello che mi ha colpito della mappa di Karpathy non è la lista dei lavori a rischio. È la lista di quelli al sicuro.

Elettricisti, idraulici, operai edili, badanti, cuochi. Tutti lavori che in Italia sono difficili da trovare, scarsamente remunerati in rapporto alla loro effettiva scarsità futura, e sistematicamente sottovalutati nella cultura imprenditoriale italiana che ha sempre premiato il laureato rispetto al tecnico specializzato. Ci stiamo avviando verso un mondo in cui il valore del lavoro fisicamente radicato, quello che non si può fare da remoto e non si può automatizzare con un transformer, aumenterà strutturalmente. Mentre il mondo accademico continua a produrre laureati in legge, economia e scienze della comunicazione, tutte categorie nella zona rossa.

Sul lato imprenditoriale, la notizia di Karpathy mi dice una cosa che vedo confermata ogni volta che lavoro con PMI italiane sui mercati esteri: il vantaggio non sta nell’avere gli strumenti più avanzati. Sta nel sapere cosa farci. Un imprenditore che capisce come usare un modello linguistico per analizzare un mercato straniero, identificare i distributori giusti, personalizzare la proposta commerciale e gestire la corrispondenza in tre lingue ha un vantaggio strutturale su un competitor che ha cinque persone a fare le stesse cose manualmente.

L’Europa in questa partita è in ritardo non perché manchino le competenze tecniche, che ci sono, ma perché manca la cultura dell’adozione veloce. La BCE parla di coraggio per costruire un’Europa duratura, ma il coraggio che serve alle imprese è più prosaico: smettere di valutare l’AI come una voce di costo e iniziare a trattarla come un moltiplicatore di capacità.

La lezione operativa è semplice. Non è il modello che usi a fare la differenza. È la decisione di costruire, oggi, una competenza interna che non sia dipendente da una singola piattaforma. Karpathy si è spostato perché aveva una visione di dove va il pre-training. La domanda per le PMI italiane è: hai una visione di dove va il tuo vantaggio competitivo quando i tuoi concorrenti smettono di pagare per le funzioni che stai ancora gestendo manualmente?

Domande Frequenti sull’IA e il Lavoro

Quali sono i 26 milioni di lavori a rischio secondo Karpathy?
Secondo l’analisi di Andrej Karpathy, 26 milioni di posizioni negli Stati Uniti sono ad alto o altissimo rischio di sostituzione nei prossimi cinque anni. La lista include software developer, avvocati, project manager, responsabili HR, ricercatori di mercato e analisti acquisti. Non si tratta solo di lavori amministrativi, ma soprattutto di funzioni che si eseguono con dati e informazioni, non con atomi.

Perché Karpathy si è spostato da OpenAI ad Anthropic?
Karpathy ha scelto Anthropic per il suo ruolo nel pre-training, cioè la fase più critica dello sviluppo dei modelli linguistici. Questa mossa segnala che ritiene la traiettoria tecnica di Anthropic superiore a quella di OpenAI nel 2026. Il pre-training è dove si decide davvero cosa sa un modello prima ancora che venga interrogato.

Come possono le PMI italiane proteggersi dall’automazione dell’IA?
Le PMI dovrebbero evitare di dipendere da un singolo provider AI e costruire competenza interna su come usare questi strumenti in modo strategico. Invece di usare l’IA solo per fare meglio quello che già fanno, dovrebbero usarla per accedere a mercati, funzioni e analisi che prima erano economicamente impossibili.

Qual è il ruolo della BCE e della Federal Reserve in questa transizione?
Le banche centrali monitorano come l’AI stia creando pressioni inflazionistiche attraverso i costi infrastrutturali, e sono consapevoli che le PMI hanno meno accesso al credito proprio quando ne hanno più bisogno per investire nella transizione tecnologica. Questo è un vincolo strutturale che le imprese europee devono affrontare oggi.

Che differenza c’è tra i lavori a rischio e quelli al sicuro?
Il confine non è tra lavoro qualificato e non qualificato, ma tra lavoro che si esegue con bit (información e dati) e lavoro che si esegue con atomi (fisicamente radicato). Elettricisti, idraulici, operai edili e badanti rimangono protetti perché la loro attività richiede una presenza fisica che l’IA non può sostituire.

Watchlist Operativa: Cosa Seguire nelle Prossime Settimane

Sul fronte Anthropic e OpenAI: il primo benchmark pubblico di Claude dopo l’ingresso di Karpathy nel team di pre-training, atteso entro fine estate 2026. Qualsiasi annuncio su nuovi round di finanziamento o IPO di Anthropic, che cambierebbe il profilo di rischio fornitore per chi usa Claude.

Sul fronte del mercato del lavoro tech: i dati sull’occupazione nei settori di supporto professionale negli Stati Uniti per il secondo trimestre 2026, che saranno il primo segnale statistico della velocità di sostituzione. Eventuali annunci di ristrutturazione nelle funzioni amministrative di aziende Fortune 500, spesso precursori di quello che arriva alle PMI europee con sei-dodici mesi di ritardo.

Sul fronte dei mercati e del credito: l’evoluzione dei tassi BCE nel meeting di giugno, con attenzione specifica a eventuali segnali su strumenti di sostegno al credito per le PMI in fase di transizione tecnologica. Il costo del credito per le imprese di minore dimensione in Italia, che è già superiore alla media europea e rischia di peggiorare nel contesto di concentrazione bancaria.

Sul fronte regolatorio europeo: l’applicazione dell’AI Act nella sua fase operativa, con attenzione ai settori dei servizi professionali dove le aziende italiane potrebbero trovarsi esposte a requisiti di trasparenza sugli strumenti usati con i clienti.

Il Voto con i Piedi Vale Più di Qualsiasi Previsione

Karpathy torna all’inizio di questa storia. Un ricercatore che conosce dall’interno il laboratorio più potente del mondo, che ha costruito la mappa del rischio occupazionale con i propri dati, che ha scelto di andare dove pensa che si giochi la partita tecnica più importante dei prossimi anni. Non si è fermato a scrivere un report. Ha cambiato squadra.

Le banche centrali, nel frattempo, monitorano la salute finanziaria delle piccole imprese mentre la concentrazione bancaria riduce il credito disponibile esattamente per chi ne ha più bisogno. Il paradosso europeo è già scritto: le PMI hanno più opportunità che mai grazie all’AI, e meno accesso al capitale che servirebbe per sfruttarle.

L’intelligenza artificiale non è una minaccia al lavoro né un’opportunità di crescita. È una leva, e come tutte le leve richiede un punto d’appoggio solido. La domanda rilevante non è se adottarla, ma su quale base stai costruendo la tua capacità di usarla quando il mercato smette di aspettarti.