Il report Anthropic: mappa reale dell’esposizione dei lavori all’IA

Anthropic ha pubblicato il 5 marzo 2026 uno studio firmato dagli economisti Maxim Massenkoff e Peter McCrory che introduce un concetto destinato a ridefinire il modo in cui si misura l’impatto dell’IA sul lavoro: l’esposizione osservata. A differenza delle stime precedenti, che misuravano quali compiti l’IA potrebbe teoricamente svolgere, il report di Anthropic misura quali compiti l’IA sta effettivamente svolgendo, sulla base dei dati reali di utilizzo della piattaforma Claude in contesti professionali. Il risultato è una mappa dell’esposizione lavorativa che mostra un divario enorme tra potenziale e realtà: l’IA può fare molto più di quanto faccia oggi, ma le ragioni per cui non lo fa, vincoli tecnici, normativi, organizzativi, sono altrettanto importanti dei numeri sulla capacità teorica.

Esposizione teorica vs esposizione osservata: il divario che conta

La maggior parte degli studi sull’impatto dell’IA sul lavoro si basa sull’esposizione teorica: quanti compiti di una professione un modello linguistico potrebbe, in linea di principio, velocizzare? L’approccio classico, sviluppato da Eloundou e colleghi nel 2023, stima che le professioni informatiche e matematiche abbiano un’esposizione teorica del 94,3%, quelle aziendali e finanziarie del 94,3%, quelle manageriali del 91,3%, quelle amministrative del 90%. Numeri che, presi alla lettera, suggerirebbero una trasformazione imminente e massiccia del lavoro d’ufficio.

Il contributo di Anthropic sta nel confrontare questi numeri con la realtà. Utilizzando i dati dell’Anthropic Economic Index, un sistema che traccia come Claude viene effettivamente usato in contesti professionali, distinguendo tra usi automatizzati (via API) e usi assistiti (con supervisione umana), e tra contesti lavorativi e personali, i ricercatori hanno calcolato l’esposizione osservata per 22 categorie occupazionali e centinaia di occupazioni specifiche.

I risultati mostrano un divario sistematico. Le professioni informatiche e matematiche, con il 94% di esposizione teorica, mostrano un’esposizione osservata del 35,8%. L’amministrazione d’ufficio, teoricamente esposta al 90%, ha un’esposizione osservata del 34,3%. Le professioni aziendali e finanziarie: 94% teorico, 28,4% osservato. Le vendite: 62% teorico, 26,9% osservato. Le professioni legali: 89% teorico, 20,4% osservato. Le arti e i media: 84% teorico, 19,2% osservato. All’altro estremo, circa il 30% delle professioni statunitensi, cuochi, meccanici, bagnini, baristi, lavapiatti, non mostra praticamente alcuna esposizione osservata.

Le occupazioni più esposte: i numeri specifici

A livello di singola occupazione, i programmatori informatici guidano la classifica con un’esposizione osservata del 74,5%. Seguono i rappresentanti del servizio clienti al 70,1%, gli addetti all’inserimento dati al 67,1%, gli specialisti di documentazione medica al 66,7%, gli analisti di ricerche di mercato e specialisti di marketing al 64,8%, e i rappresentanti commerciali nel settore manifatturiero al 62,8%. Questi sono i lavori dove l’IA sta effettivamente svolgendo una quota rilevante dei compiti, non in teoria, ma nella pratica quotidiana misurata attraverso milioni di interazioni con Claude.

Il rapporto tra esposizione osservata e teorica varia significativamente tra settori. Le vendite hanno il rapporto più alto: il 43% dell’esposizione teorica è già realizzata nella pratica. L’amministrazione d’ufficio e le professioni informatiche seguono al 38%. Le professioni aziendali e finanziarie sono al 30%, quelle educative al 30%. Questo rapporto, quanto del potenziale è già realtà, è la metrica più informativa per chi deve decidere dove investire e dove prepararsi: indica la velocità con cui l’IA sta penetrando ciascun settore, non solo quanto potrebbe penetrare in teoria.

Il profilo demografico dei lavoratori più esposti

I dati demografici aggiungono una dimensione spesso trascurata. I lavoratori nelle professioni con la più alta esposizione osservata tendono a essere più istruiti, con retribuzioni più alte, e più frequentemente donne rispetto ai lavoratori nelle professioni con esposizione zero. Il dato è coerente con il rapporto Brookings: le professioni cognitive ad alto reddito sono le più esposte all’IA, ma sono anche quelle dove i lavoratori hanno maggiori risorse per adattarsi, risparmi, competenze trasferibili, reti professionali.

Il dato sull’età è significativo: i lavoratori nelle professioni più esposte tendono a essere più anziani, il che sembra contraddire la narrazione secondo cui sono i giovani a essere più colpiti. La spiegazione sta nel distinguere tra esposizione della professione e impatto sul lavoratore: una professione può essere altamente esposta all’IA ma i lavoratori senior al suo interno possono trarne beneficio (l’IA li rende più produttivi) mentre i junior soffrono (l’IA riduce la necessità di assumerne di nuovi). È lo stesso meccanismo documentato dalla Fed di Dallas e dallo studio Stanford.

L’impatto sull’occupazione: segnali deboli ma significativi

Il rapporto Anthropic cerca evidenze di impatto occupazionale nei dati del Current Population Survey (CPS) statunitense. Il risultato principale è che non c’è ancora un aumento sistematico della disoccupazione nelle professioni ad alta esposizione rispetto a quelle a bassa esposizione. Il differenziale tra i due gruppi è piccolo e statisticamente non significativo, un dato che i ricercatori riportano con la cautela appropriata.

Il segnale più interessante riguarda i giovani, coerentemente con tutti gli altri studi del periodo. Analizzando il tasso di ingresso in nuovi lavori per i lavoratori tra 22 e 25 anni, i ricercatori trovano che dal 2024 in poi la quota di giovani che inizia un nuovo impiego nelle professioni ad alta esposizione è calata di circa mezzo punto percentuale al mese rispetto alle professioni a bassa esposizione. Il calo medio nel periodo post-ChatGPT è del 14%, statisticamente significativo al margine. Il pattern non si osserva per i lavoratori sopra i 25 anni. È un segnale debole ma direzionalmente coerente con lo studio Stanford e con le dichiarazioni di Georgieva a Davos: l’IA sta rallentando l’ingresso dei giovani nelle professioni esposte, anche se non sta ancora causando disoccupazione di massa.

I ricercatori incrociano i dati di esposizione osservata con le proiezioni occupazionali del Bureau of Labor Statistics (BLS) per il decennio 2024-2034 e trovano una correlazione negativa: per ogni 10 punti percentuali di aumento nell’esposizione osservata, la proiezione di crescita occupazionale del BLS cala di 0,6 punti percentuali. La correlazione è leggera ma presente, e, dato rilevante, non emerge quando si usa la sola esposizione teorica di Eloundou, il che suggerisce che l’esposizione osservata è un predittore migliore dell’impatto reale sul mercato del lavoro.

Il significato metodologico: verso un monitoraggio continuo

Il contributo più duraturo del report potrebbe essere metodologico piuttosto che empirico. I ricercatori di Anthropic hanno costruito un framework che può essere aggiornato continuamente: man mano che l’uso di Claude evolve, l’Anthropic Economic Index si aggiorna e l’esposizione osservata cambia. Questo permette di monitorare in tempo quasi reale come l’IA sta penetrando nel mercato del lavoro, un tipo di dato che le statistiche ufficiali, pubblicate con ritardi di mesi, non possono fornire.

Massenkoff e McCrory lo dichiarano esplicitamente: il loro lavoro è un primo passo, costruito per essere aggiornato man mano che nuovi dati emergono. L’obiettivo è stabilire la baseline adesso, prima che gli effetti occupazionali diventino massicci, in modo che i cambiamenti futuri possano essere misurati con precisione anziché ricostruiti a posteriori. L’approccio richiama quello dell’epidemiologia: costruire sistemi di sorveglianza prima dell’epidemia, non dopo.

Un aspetto metodologico da sottolineare è che l’Anthropic Economic Index si basa sui dati di utilizzo di una sola piattaforma, Claude, e non copre l’uso di GPT-5, Gemini, Llama o altri modelli. I ricercatori riconoscono questo limite e argomentano che Claude ha una quota di mercato sufficiente a rendere i dati rappresentativi delle tendenze generali, pur senza pretesa di esaustività. Se GPT-5 fosse usato prevalentemente in settori diversi da quelli dove Claude è forte, l’esposizione osservata calcolata da Anthropic potrebbe sottostimare o sovrastimare l’effetto in alcune occupazioni. Nonostante questo limite, il framework è il più rigoroso disponibile a marzo 2026 e rappresenta un salto qualitativo rispetto alle stime puramente teoriche che hanno dominato il dibattito fino a questo momento.

Un dato particolarmente rilevante per il contesto europeo è la correlazione tra esposizione osservata e proiezioni di crescita occupazionale del BLS. Se le occupazioni con alta esposizione osservata crescono meno nei prossimi dieci anni, le implicazioni per la pianificazione della forza lavoro sono concrete: le aziende dovranno programmare la transizione di una quota del personale verso ruoli meno esposti, e i sistemi formativi dovranno orientare i giovani verso professioni con migliori prospettive di crescita. Il fatto che la correlazione emerga solo con la misura osservata e non con quella teorica di Eloundou è la prova più convincente che l’esposizione osservata cattura qualcosa di reale, un effetto già in corso, non solo un potenziale futuro.

Implicazioni per le imprese e i professionisti italiani

Per le imprese italiane, il report Anthropic offre uno strumento concreto per la pianificazione. La mappa dell’esposizione osservata permette di identificare quali ruoli in azienda sono già soggetti a penetrazione dell’IA nella pratica, non in teoria, e di calibrare le decisioni su organico, formazione e investimenti tecnologici di conseguenza. Un’azienda che scopre che il 70% dei compiti del proprio servizio clienti è già automatizzabile con l’IA attuale ha un dato diverso da una che opera in un settore con esposizione osservata del 5%.

Per AIPIA e per i professionisti del settore, il report è anche un monito sulla necessità di usare dati reali anziché proiezioni speculative nel consigliare imprese e lavoratori. Le stime di esposizione teorica, quelle che fanno titolo quando parlano del 90% delle professioni d’ufficio a rischio, sono utili come indicatori di direzione ma fuorvianti come misure della realtà attuale. L’esposizione osservata di Anthropic, pur limitata ai dati di una sola piattaforma, è il tentativo più serio fatto finora di misurare cosa l’IA sta effettivamente facendo nel mondo del lavoro. E quel “effettivamente” fa tutta la differenza tra un allarme generico e un’analisi utile.

Il divario tra esposizione teorica e osservata ha un’implicazione strategica diretta: rappresenta lo spazio di crescita dell’automazione. Se le professioni informatiche sono al 94% di esposizione teorica e al 35% di osservata, il restante 59% è il terreno che l’IA potrebbe ancora conquistare nei prossimi anni, man mano che i modelli migliorano, i costi calano e le organizzazioni imparano a integrarli nei processi. La velocità con cui questo gap si chiuderà determinerà il ritmo della trasformazione del mercato del lavoro. Se si chiude in cinque anni, la transizione è gestibile. Se si chiude in due, potrebbe essere traumatica. Il monitoraggio continuo che Anthropic propone è lo strumento per rispondere a questa domanda con dati, non con congetture.

Per le imprese italiane, il consiglio operativo che emerge dal report è pragmatico: usare la mappa dell’esposizione osservata per prioritizzare gli investimenti. I ruoli con alta esposizione osservata, programmazione, servizio clienti, data entry, analisi di mercato, sono quelli dove l’IA produce già valore misurabile e dove l’investimento ha il ritorno più rapido. I ruoli con alta esposizione teorica ma bassa osservata, gestione, diritto, scienze, sono quelli dove il potenziale c’è ma le barriere all’adozione restano alte: vincoli normativi, complessità dei compiti, necessità di giudizio umano. Investire in questi ambiti richiede più tempo, più formazione e più cautela, ma potrebbe produrre un vantaggio competitivo per chi arriva prima.

Per chi deve aggiornare le proprie competenze, il Corso Base AIPIA copre le 8 ore che la UNI 11621-8:2026 richiede ai profili di governance.

Accanto ai dati sull’esposizione dei lavori, la nostra scheda sulla ricerca sull’impatto sociale dell’IA presenta l’Anthropic Institute.