Resume Now ha pubblicato l’AI and Workplace Humanity Report, un’indagine condotta su oltre mille lavoratori statunitensi che rovescia la narrativa dominante sull’impatto dell’IA nel mondo del lavoro il 16 marzo 2026. Il dato che colpisce non riguarda i licenziamenti: il 57% degli intervistati indica la riduzione delle competenze umane come il problema più grande legato all’IA nel 2026, classificandolo sopra la perdita di posti di lavoro (49%). Il 63% afferma che l’IA renderà il luogo di lavoro meno umano nel corso dell’anno. Il 42% cita la disumanizzazione del lavoro come una delle principali preoccupazioni legate all’automazione. Il quadro che emerge è quello di una forza lavoro che teme meno di essere sostituita e più di perdere le proprie capacità.
Cosa significa erosione delle competenze nel contesto dell’IA
L’erosione delle competenze — in inglese skill erosion o skill atrophy — è il processo per cui le abilità non esercitate si deteriorano nel tempo. È un fenomeno noto in molti ambiti: un pilota che non vola per mesi perde fluidità nelle procedure. Un chirurgo che opera raramente diventa meno preciso. Un programmatore che delega tutto il coding a un assistente AI rischia di perdere la capacità di scrivere codice da solo quando il tool non funziona o quando il compito richiede un giudizio che la macchina non sa dare.
Nel contesto del lavoro con l’IA, l’erosione si manifesta in tre forme. La prima è l’atrofia delle competenze tecniche: se un analista finanziario usa sempre GPT-5 per costruire modelli Excel, potrebbe perdere la capacità di costruirli manualmente — e quella capacità è indispensabile quando il modello linguistico produce un errore che passa inosservato. La seconda è la perdita di pensiero critico: se un professionista accetta sistematicamente l’output dell’IA senza verificarlo, la capacità di valutare criticamente le informazioni — distinguere il plausibile dal vero, il coerente dal corretto — si indebolisce. La terza è la riduzione della creatività: se il processo creativo parte sempre dall’output di un tool AI anziché da un foglio bianco, la capacità di generare idee originali senza input esterno può atrofizzarsi.
Il report Resume Now quantifica queste preoccupazioni. Il 23% degli intervistati identifica la perdita di privacy e l’uso improprio dei dati come la seconda preoccupazione personale dopo la perdita del lavoro (29%). Il 17% teme la perdita di creatività e pensiero critico. Sono numeri che raccontano un disagio diffuso, non un allarme concentrato in un settore specifico.
Il rapporto Mercer e l’ansia da IA in crescita
I dati di Resume Now convergono con il report Mercer Global Talent Trends 2026, che ha registrato un balzo dell’ansia legata all’IA dal 28% al 40% in due anni su un campione di 12.000 lavoratori in 17 paesi. Il 62% dei dipendenti intervistati da Mercer dichiara che i propri dirigenti sottovalutano l’impatto dell’IA sul lavoro quotidiano. Il divario percettivo tra chi gestisce l’IA (il management) e chi la subisce (i dipendenti) è uno dei dati più preoccupanti del report: segnala una disconnessione che può tradursi in resistenza all’adozione, turnover volontario e calo del coinvolgimento.
L’ansia non è irrazionale. Uno studio della University of California Berkeley, citato anche da Harvard Business Review, ha documentato un effetto paradossale: i lavoratori che usano strumenti AI non recuperano il tempo risparmiato per attività di maggior valore. Nella maggior parte dei casi, il tempo liberato viene riempito con altro lavoro operativo — lavoro che prima giustificava personale aggiuntivo. Il risultato è più output per persona, non migliore output. E nel lungo periodo, avverte HBR, questa dinamica può generare lavoro di qualità inferiore e burnout, perché i lavoratori sono sottoposti a un carico crescente senza i benefici cognitivi che derivano dall’esercizio diretto delle proprie competenze.
L’erosione come problema organizzativo, non solo individuale
L’erosione delle competenze non è solo un rischio per il singolo lavoratore. È un rischio per l’organizzazione nel suo complesso. Un’azienda in cui nessun dipendente sa più svolgere manualmente un compito che l’IA svolge di routine diventa dipendente dalla continuità e dall’affidabilità dello strumento AI. Se il servizio è interrotto — per un guasto tecnico, per una decisione del fornitore, per una modifica delle condizioni contrattuali — l’azienda si trova paralizzata. La ridondanza delle competenze umane rispetto all’automazione non è un costo: è una forma di assicurazione operativa.
Il rischio è amplificato dalla velocità di evoluzione dei modelli linguistici. Un’azienda che ha costruito i propri processi attorno a GPT-5 potrebbe trovarsi a dover migrare a un modello diverso se OpenAI cambia le condizioni d’uso, aumenta i prezzi o discontinua il modello. Se i dipendenti hanno perso la capacità di svolgere i compiti senza l’IA, la migrazione diventa un’emergenza operativa anziché una transizione gestibile.
Per i responsabili delle risorse umane, il tema dell’erosione delle competenze dovrebbe entrare nei piani di gestione del rischio. Questo significa mantenere programmi di formazione che esercitino le competenze di base anche quando l’IA le rende apparentemente superflue, monitorare il livello di dipendenza dei team dagli strumenti AI, e prevedere procedure di fallback — piani per continuare a operare se gli strumenti AI non sono disponibili. Queste misure hanno un costo, ma è inferiore al costo di scoprire che nessuno in azienda sa più fare il proprio lavoro senza la macchina.
I precedenti storici: cosa insegnano le automazioni passate
L’erosione delle competenze per effetto dell’automazione non è un fenomeno nuovo. L’aviazione civile ha affrontato il problema decenni fa, quando l’introduzione dei sistemi di pilota automatico sempre più sofisticati ha ridotto la necessità per i piloti di volare manualmente. Le indagini su diversi incidenti aerei negli anni 2000 e 2010 hanno rivelato che i piloti, abituati a delegare al computer, avevano perso la capacità di gestire situazioni di emergenza che richiedevano intervento manuale — esattamente il momento in cui le competenze umane sono più necessarie. L’industria aereonautica ha risposto con protocolli di addestramento che impongono ore di volo manuale regolari, anche quando il pilota automatico è disponibile.
La medicina mostra un pattern analogo. I radiologi che usano sistemi AI per la lettura delle immagini diagnostiche sono più veloci e più precisi nella routine, ma alcuni studi preliminari suggeriscono che la capacità di individuare anomalie rare — quelle che il sistema AI non ha nel suo set di addestramento — può diminuire se il radiologo si abitua a validare l’output dell’IA anziché a leggere l’immagine in modo indipendente. La competenza nel riconoscere ciò che è insolito si costruisce esaminando migliaia di casi — e se il software esamina i casi al posto del medico, il medico non sviluppa quella competenza o la perde.
Nel settore finanziario, la dipendenza dai modelli quantitativi per il pricing e la gestione del rischio ha contribuito alla crisi del 2008: i professionisti che si fidavano ciecamente degli output dei modelli avevano perso la capacità di valutare il rischio con il proprio giudizio. L’IA generativa, con la sua capacità di produrre analisi plausibili e ben formulate, amplifica questo rischio: l’output è così convincente che la tentazione di accettarlo senza verifica è più forte di quanto fosse con un foglio Excel.
In ciascuno di questi casi, la soluzione non è stata rifiutare l’automazione ma progettare sistemi e processi che mantengano attive le competenze umane anche in presenza della macchina. Le aziende che nel 2026 adottano l’IA senza preoccuparsi dell’erosione delle competenze stanno ripetendo errori che altri settori hanno già commesso — e pagato.
Le competenze AI: rilevanti ma non universali
Il report Resume Now offre un dato che bilancia l’allarme. Quasi la metà degli intervistati (48%) ritiene che le competenze AI saranno importanti in alcuni ruoli ma non nella maggior parte entro la fine del 2026. Solo il 18% prevede che saranno richieste in quasi tutti i lavori d’ufficio. Questo suggerisce che i lavoratori hanno una percezione granulare dell’impatto dell’IA — non la vedono come un’onda uniforme che travolge tutto, ma come un cambiamento che colpisce settori e ruoli in modo differenziato.
Il dato è coerente con le ricerche accademiche più recenti. Lo studio Anthropic sull’esposizione osservata mostra che il 30% delle occupazioni statunitensi ha un’esposizione all’IA pari o vicina a zero: cuochi, meccanici, bagnini, baristi, artigiani, operai edili. Per questi lavoratori, le competenze AI non sono rilevanti nel breve periodo. Per un altro 30% — programmatori, analisti, assistenti amministrativi, specialisti di marketing — le competenze AI sono già indispensabili. Nel mezzo, una vasta zona grigia dove l’IA è utile ma non trasformativa, e dove le competenze tradizionali restano il pilastro della professionalità.
Implicazioni per le imprese e le associazioni professionali italiane
Per le imprese italiane, il tema dell’erosione delle competenze è ancora largamente sottovalutato. Il dibattito sull’IA in Italia si concentra sull’adozione — chi la usa, chi no, quanto costa — e molto meno sugli effetti di secondo ordine: cosa succede alle competenze dei lavoratori che la usano ogni giorno? Come si mantiene la capacità di operare senza la macchina? Come si evita che l’efficienza di breve periodo si traduca in fragilità di lungo periodo?
Le aziende italiane che vogliono prevenire l’erosione possono adottare misure concrete. La prima è l’alternanza obbligatoria: per ogni compito delegato all’IA, prevedere che il lavoratore lo svolga manualmente almeno una volta al mese — non per inefficienza ma per mantenere la competenza. La seconda è il monitoraggio delle dipendenze: tracciare quali team e quali individui dipendono in modo critico da strumenti AI specifici, e verificare periodicamente che siano in grado di operare senza. La terza è la formazione inversa: non insegnare ai dipendenti a usare l’IA, ma insegnare ai dipendenti che già la usano a verificarne sistematicamente l’output — una competenza che contrasta sia l’erosione del giudizio critico sia il rischio di allucinazioni non riconosciute.
Il costo di queste misure è modesto rispetto al costo dei rischi che prevengono. Un’ora al mese di lavoro manuale per un team di dieci persone costa dieci ore di produttività. Un errore non intercettato perché nessuno sa più verificare l’output dell’IA può costare un cliente, una causa, una sanzione. La matematica è chiara: prevenire l’erosione costa meno che subirne le conseguenze.
Per le associazioni professionali come AIPIA, l’erosione delle competenze è un tema su cui costruire offerta formativa e consapevolezza tra i propri iscritti. Non si tratta solo di insegnare a usare l’IA — corso che ormai offrono in molti — ma di insegnare a usarla senza perdere la capacità di farne a meno. La formazione più utile nel 2026 non è quella che mostra come scrivere il prompt perfetto. È quella che insegna quando non usare il prompt, quando fidarsi del proprio giudizio e quando la verifica umana è inderogabile. Il 57% dei lavoratori americani ha detto che l’erosione delle competenze li preoccupa più dei licenziamenti. È un segnale che merita una risposta strutturata, non un titolo di giornale destinato a essere dimenticato il giorno dopo.
