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.
