La stessa IA: alcune aziende la usano per licenziare, altre per assumere

Partiamo da due notizie reali di quest’anno, che messe una accanto all’altra fanno un effetto strano.

Prima notizia: Meta a maggio ha licenziato circa 8.000 persone, circa un decimo dei dipendenti. Nella stessa comunicazione interna ha alzato il capex 2026 fino a un massimo di 145 mld $ — quasi tutto destinato a data center e chip per l’IA. Zuckerberg ha scritto: «Nell’era dell’IA, il successo non è scontato.»

Seconda notizia: sempre a maggio, OpenAI ha messo in campo 4 mld $ per fondare una società dedicata al deployment, e ha iniziato a reclutare ovunque una figura chiamata Forward Deployed Engineer (FDE); Google ha pubblicato 59 annunci identici nello stesso momento, e il CEO di Google Cloud è andato di persona su LinkedIn a cercare candidati; Anthropic quest’anno non ha licenziato nessuno, la valutazione ha raggiunto i 3.800 mld $, e ha centinaia di posizioni aperte.

La stessa IA: nella prima notizia è la ragione per licenziare, nella seconda è la ragione per assumere.

Una cosa che può essere usata contemporaneamente per spiegare «quindi tagliamo le persone» e «quindi assumiamo a rotta di collo» quasi certamente non è la vera causa. Di questo voglio parlare oggi: quando tutti i comunicati di licenziamento riportano la parola «IA», cosa sta davvero succedendo?

Chi viene licenziato legge «l’IA è troppo forte», il capo vuole dire tutt’altro

Se negli ultimi sei mesi sei stato licenziato, o conosci qualcuno che lo è stato, il tono del comunicato ti suonerà familiare: abbracciare l’IA, migliorare l’efficienza, ristrutturarsi verso il futuro. Sembra quasi che l’IA sia diventata così potente da rendere il tuo ruolo superfluo.

Ma quando metti i numeri insieme, la storia cambia sapore.

La grande maggioranza di questi licenziamenti è avvenuta in trimestri in cui le aziende hanno registrato profitti record. Non erano aziende in difficoltà costrette ad amputarsi un arto per sopravvivere — i bilanci erano ottimi, guadagnavano più soldi che mai e tagliavano le persone. Meta stessa ha dato una motivazione senza giri di parole: i licenziamenti servivano per «gestire l’azienda in modo più efficiente, al fine di compensare gli altri investimenti che stiamo facendo».

Tradotto in parole semplici: dobbiamo spendere 145 mld $ per comprare GPU e costruire data center, quei soldi devono uscire da qualche parte, quindi li ricaviamo dai costi del personale. Ti licenziano non perché l’IA possa fare il tuo lavoro, ma perché il tuo stipendio serve a pagare la bolletta elettrica dell’IA.

La frase più onesta viene da un dirigente di una società di headhunting. Ha detto che ora i manager possono finalmente dire ai dipendenti «all’epoca ho assunto troppo, è colpa mia» — perché «tutto il mondo crede già che i posti di lavoro vengano sostituiti dalle macchine».

Ci vuole un attimo a elaborare questa frase. Non dice «l’IA ha sostituito posti di lavoro» — dice «esiste una narrazione che tutti credono, che si può usare per coprire l’errore di valutazione che ho fatto quando assumevo troppo». L’IA qui non è il colpevole — è un paravento particolarmente comodo. Negli ultimi due anni l’economia girava, i finanziamenti correvano, le big tech espandevano a dismisura e assumevano in eccesso. Ora devono correggere la rotta, e ci vuole una spiegazione. «È colpa dell’IA» è molto più presentabile di «il management ha sbagliato le previsioni», non richiede responsabilità davanti al CDA, e probabilmente fa anche salire il titolo.

Perché questo paravento funziona così bene? Perché con una sola mossa accontenta tre soggetti contemporaneamente. Per gli azionisti, «usiamo l’IA per aumentare l’efficienza» è una storia di crescita — i licenziamenti vengono letti come una notizia positiva e il titolo sale; per il CDA, nessuno chiederà conto a un dirigente di aver assunto qualche migliaio di persone in più «assecondando l’evoluzione tecnologica»; per il mondo esterno, «i tempi sono cambiati» suona molto meglio di «abbiamo sbagliato i calcoli». Un errore di gestione, con l’involucro dell’IA intorno, si trasforma da responsabilità da accertare a lungimiranza da elogiare. Non esiste operazione di PR più conveniente di questa.

Basta guardare dove vanno i soldi, e il quadro diventa ancora più nitido. Quest’anno Meta, Amazon, Microsoft e Google insieme hanno speso in capex circa 725 mld $, un balzo del 75% rispetto all’anno scorso, andati quasi interamente in potenza di calcolo per l’IA. Microsoft in questi sei mesi ha licenziato circa 4.800 persone. Con una cifra simile da far uscire dai bilanci, il modo più rapido è tagliare le teste — una parte del conto dell’IA lo stanno pagando le persone licenziate. Quindi la frase «ti licenziano a causa dell’IA» letta al contrario è forse più precisa: è «ti licenziano per l’IA».

Fino a maggio, i licenziamenti esplicitamente attribuiti all’IA hanno raggiunto 87.714 persone, circa il 22% del totale. Di quel 22%, quanti casi sono stati davvero sostituiti dall’IA e quanti hanno semplicemente usato l’IA come intestazione per regolare i conti del passato? Nessuno riesce a distinguerlo — e proprio questa indistinguibilità è la parte più utile del paravento.

Se l’IA stesse davvero sostituendo il lavoro, le prime a ridursi dovrebbero essere le aziende più esperte di IA

Questo è il punto che trovo più efficace per bucare quel velo di apparenza.

Supponiamo che «l’IA sostituisce il lavoro umano» sia vero e che sia la vera forza che guida questa ondata di licenziamenti. Se seguiamo la logica fino in fondo: le aziende che capiscono meglio l’IA, che la usano in modo più intensivo, che dovrebbero essere più esposte alla loro stessa tecnologia, sono le aziende che fanno IA. Dovrebbero essere le prime a ridimensionarsi.

La realtà? È esattamente il contrario.

• Anthropic quest’anno ha zero licenziamenti — nessuna lettera WARN, nessuna comunicazione interna. Sta espandendosi a velocità sostenuta, conta 2.300+ persone e ha ancora centinaia di posizioni aperte.
• OpenAI non solo non ha licenziato, ma ha stanziato apposta 4 mld $, coinvolgendo istituzioni come Bain e McKinsey, per fondare una nuova società il cui unico scopo è mandare persone dentro ad altre aziende per aiutarle a mettere in pratica l’IA. Già dall’avvio, attraverso un’acquisizione, ha portato nel team circa 150 Forward Deployed Engineer (FDE).
• Google ha pubblicato nello stesso periodo decine di annunci per Forward Deployed Engineer con compensazioni che toccano facilmente i sei zeri (in dollari).

Se perfino chi costruisce l’IA sta assumendo a tutta forza, la storia «l’IA rende le persone superflue» crolla già a metà sul piano logico.

La verità è più probabile che sia questa: l’IA sta davvero ridisegnando il lavoro, ma non nel modo «si sostituiscono le persone con le macchine» — piuttosto nel modo «il valore si sposta da un tipo di attività a un altro». Alcuni lavori vengono assorbiti dall’IA; nel frattempo emergono grandi quantità di attività nuove, più preziose, che senza l’IA non richiederebbero nemmeno persone. L’ondata di licenziamenti e l’ondata di assunzioni sono le due facce della stessa medaglia, raccontate in modo completamente opposto da due gruppi di aziende diverse.

Quindi la vera variabile non è mai stata l’IA

Tendiamo a trattare «l’IA» come un soggetto che prende decisioni da solo — come se fosse l’IA a decidere chi va e chi resta. Non è così. A prendere le decisioni sono sempre le aziende, sono sempre le persone. L’IA è solo il sostantivo spinto in primo piano, comodo per tutti come spiegazione.

La stessa tecnologia: Meta la usa come pretesto per licenziare 8.000 persone, OpenAI la usa come pretesto per assumerne centinaia. La differenza non è nell’IA — è in come queste due aziende concepiscono l’IA, come la usano, e se affrontano le proprie scelte con onestà.

• Un’azienda tratta l’IA come giustificazione per ridurre i costi: l’IA è arrivata, quindi posso assumere meno persone, usare i risparmi per comprare potenza di calcolo, e cancellare con un tratto di penna la sovraccapacità del passato.
• Un’altra azienda tratta l’IA come leva di crescita: l’IA è arrivata, quindi ho bisogno di un gran numero di persone nuove per azionare davvero quella leva, portarla ai clienti, trasformarla in denaro.

Queste due aziende si ritrovano con la stessa identica tecnologia in mano e prendono strade completamente opposte. Per valutare se un’azienda vale il tuo tempo, la tua carriera o il tuo investimento, non devi chiederti se usa l’IA — devi chiederti su quale faccia di questa medaglia si trova.

I ruoli per cui si litiga rivelano cosa scarseggia davvero

Il Forward Deployed Engineer merita due parole a parte, perché funziona come una sonda che rivela quale capacità è davvero rara e davvero preziosa in questa fase dell’IA.

Non si occupa di addestrare modelli né di scrivere algoritmi di basso livello — quello lo fa un numero ristretto di persone nei laboratori più avanzati. Il lavoro di un FDE è: entrare in un’azienda reale, sedersi con i responsabili di business e con i dipendenti di prima linea, individuare «cosa può creare valore l’IA in questo contesto specifico», e poi riprogettare i processi dell’azienda intorno a quell’IA, in modo che il sistema funzioni davvero, si radichi e generi rendimenti continuativi.

Un articolo ha sintetizzato il ruolo in una frase che trovo perfettamente calzante:

Questo ruolo è il segnale di mercato più chiaro finora — la parte più difficile dell’IA si è spostata da «costruire il modello» a «far funzionare davvero il modello all’interno di un’azienda».

È la frase con il più alto contenuto informativo di tutte le notizie IA di questi sei mesi, a mio avviso.

La capacità di costruire modelli è una corsa agli armamenti di pochissime aziende, irrilevante per la grande maggioranza delle persone. Ma «far produrre valore all’IA in contesti concreti» richiede un numero enorme di persone. Queste persone non devono necessariamente saper addestrare reti neurali, ma devono capire il business, capire le persone, capire come tradurre un problema vago in una soluzione concreta che l’IA può davvero implementare — e devono poi seguire che i risultati vengano prodotti sul serio.

Un esempio concreto e capirete quanto poco sia «tecnico» questo lavoro. Una compagnia assicurativa vuole usare l’IA per gestire i sinistri. Il modello in sé è già disponibile, chiunque può farlo girare. La parte difficile è: in quale fase del processo sinistri si forma il collo di bottiglia? In quale dipartimento si inceppa? Come si trasferiscono nel modello quelle regole implicite che un perito esperto applica per intuizione e non sa spiegare? Chi si assume la responsabilità degli errori? Come si convince il personale di prima linea ad usarlo invece di resistergli? Nessuno di questi problemi riguarda la «debolezza del modello» — riguardano tutti il «conoscere quest’azienda, conoscere questo settore, e saper far entrare l’IA nel mezzo». Il modello è generico; il valore cresce sempre in contesti specifici, e i contesti vanno affrontati uno a uno, da esseri umani. È per questo che i laboratori più avanzati, mentre spingono le capacità del modello all’estremo, dall’altra parte spendono miliardi per accaparrarsi le persone che «infilano il modello nel business» — perché meglio di chiunque altro sanno che un modello potentissimo che non riesce a essere implementato non si trasforma in denaro.

E questa è esattamente la capacità che molte delle persone licenziate dalle big tech già possiedono — o potrebbero acquisire con una piccola svolta. L’IA non ha reso obsoleta questa capacità; l’ha resa più preziosa che mai — solo che la domanda è passata da «mantenere i vecchi sistemi» a «inserire l’IA nei vecchi sistemi».

Cosa significa per noi

Ho parlato molto degli altri — arrivo a noi. Tengo a mente due cose.

Primo: non farti spaventare dalla frase «l’IA ti ha sostituito», e prima capisce se non è solo una scusa. Un’azienda con profitti record che sta investendo centinaia di miliardi nell’IA, se usa l’IA come pretesto per licenziarti, quasi certamente non significa che le tue capacità sono state superate dalle macchine — significa che il tuo ruolo è stato spostato a coprire la bolletta della potenza di calcolo. È una decisione su come quell’azienda distribuisce i propri soldi, non un verdetto su quanto vali. Confondere le due cose fa malissimo — molte persone dopo il licenziamento sprofondano nel dubbio: «Sono io che non valgo più?». Eppure quasi sempre non è affatto un problema tuo.

Secondo, ed è quello che conta di più: trova il modo di stare dalla parte della medaglia che assume. Quella parte non cerca chi sa costruire l’IA — cerca chi sa far produrre valore all’IA in contesti reali. Non c’è niente di mistico in questo; si scompone in alcune cose molto concrete:

• Non limitarti a fare quel compito che «l’IA prima o poi automatizzerà» — vai a fare quello che consiste nel «giudicare se l’IA dovrebbe fare così, e se lo sta facendo bene»;
• Coltiva una capacità che non si può sostituire facilmente: saper prendere un problema di business vago e trasformarlo in qualcosa di abbastanza definito da permettere all’IA di implementarlo;
• Smetti di chiederti «verrò sostituito?» e chiediti di più «riesco a usare l’IA per fare qualcosa che prima non riuscivo a fare?» — è il secondo tipo di persona che cerca la parte della medaglia che assume.

L’IA non sostituirà le persone, ma rimescola le carte: elimina chi «sa fare solo quello che l’IA sa fare» e aumenta il valore di chi «sa usare l’IA per realizzare cose». Tutto questo turbinio di notizie contraddittorie di questi sei mesi, raschiando fino in fondo, si riduce a questa frase sola.

Questo non è un invito a provare simpatia per le big tech, né a dire che i licenziamenti non facciano male — fanno male, le bollette sono reali. Ma è proprio nei momenti come questo che non puoi permetterti di sbagliare persino il motivo per cui sei stato licenziato. Spesso non è perché hai perso contro l’IA — è perché l’azienda in cui lavoravi ha scelto di usare il nome dell’IA per risparmiare soldi, anziché usare l’IA per guadagnarne di più. È la sua scelta, non il tuo verdetto.

I comunicati di licenziamento e le offerte di lavoro usano la stessa parola, ma raccontano due cose diverse. Non leggere solo la metà che spaventa.