Nel giro di poche settimane, tra febbraio e marzo 2026, una serie di grandi aziende tech ha annunciato licenziamenti di massa citando l’intelligenza artificiale come motivazione principale o concorrente. Block ha tagliato 4.000 posti. Atlassian ne ha eliminati 1.600. Amazon ha proseguito con una seconda ondata dopo i 16.000 di gennaio. Meta starebbe pianificando il taglio del 20% dell’organico, circa 15.000 persone. In tutti i casi, il messaggio pubblico segue lo stesso schema: l’IA cambia il mix di competenze, serve meno personale per fare lo stesso lavoro, i fondi risparmiati verranno reinvestiti in infrastruttura e sviluppo dell’intelligenza artificiale. Le azioni salgono. Il ciclo si ripete.
Ma quanto di questa narrativa corrisponde alla realtà operativa delle aziende, e quanto è invece una copertura conveniente per decisioni che hanno cause diverse?
Cos’è l’AI washing e perché il termine si sta diffondendo
Il concetto di AI washing ricalca quello più noto di greenwashing: presentare come motivata dall’IA una decisione che ha origini diverse o più complesse. Lo ha evocato pubblicamente, tra gli altri, Sam Altman, CEO di OpenAI, quando ha commentato l’ondata di licenziamenti suggerendo che molte aziende stiano usando l’intelligenza artificiale come copertura per ristrutturazioni che avrebbero fatto comunque — tagli legati all’eccesso di assunzioni pandemiche, alla pressione degli azionisti sui margini, alla compressione dei multipli di valutazione nel settore software.
Il sospetto non è infondato. Due dirigenti di alto livello intervistati da Reuters durante il World Economic Forum di Davos a gennaio 2026 hanno dichiarato, chiedendo l’anonimato, che l’IA viene usata come scusa da aziende che avevano già in programma di tagliare. È una dichiarazione notevole, perché proviene dall’interno del sistema — non da sindacalisti o attivisti, ma da manager che partecipano alle stesse dinamiche che descrivono. Il fatto che abbiano chiesto l’anonimato dice molto sulla pressione che esiste nel settore per aderire alla narrativa dominante senza metterla in discussione.
Un punto merita attenzione particolare. Quando un’azienda annuncia licenziamenti citando l’IA, il titolo in Borsa sale. È successo con Block (+2% dopo l’annuncio di 4.000 tagli), con Atlassian (+2% nell’after-hours), con Meta (+3% alla riapertura). Il mercato azionario premia la riduzione dell’organico perché la interpreta come aumento dei margini futuri e come segnale di «disciplina finanziaria». Che i tagli siano effettivamente guidati dall’IA o meno, l’incentivo a raccontarli come tali è enorme: la stessa notizia, presentata come «ristrutturazione per calo della domanda», avrebbe un effetto opposto sul titolo. L’etichetta IA trasforma una notizia negativa in una notizia positiva — ed è esattamente per questo che andrebbe trattata con scetticismo, non con entusiasmo.
Il caso Block: quando il CEO diventa il manifesto
Jack Dorsey ha trasformato i licenziamenti di Block in una dichiarazione programmatica. Ha scritto che l’IA cambia il modo di gestire un’azienda e che Block avrebbe puntato su «team più piccoli, altamente talentuosi, che usano l’IA per automatizzare più lavoro». La frase è diventata virale nel settore tech, ripresa da decine di newsletter e podcast come se fosse una verità ovvia piuttosto che un’affermazione tutta da dimostrare.
Dorsey non ha fornito dati specifici su quali processi l’IA avesse già automatizzato con successo all’interno di Block. Non ha indicato quale percentuale del lavoro dei 4.000 dipendenti licenziati fosse effettivamente svolta meglio da un sistema automatico. Non ha presentato metriche di produttività prima e dopo l’adozione di strumenti IA. Ha affermato una direzione strategica, non documentato un risultato operativo.
Questa assenza di dati è il tratto ricorrente dell’AI washing. Si annuncia il potenziale, si tagliano le persone, si promette che il potenziale si realizzerà. Il report di Harvard Business Review pubblicato a fine gennaio 2026 aveva messo il dito esattamente su questo punto: le aziende stanno licenziando sulla base delle aspettative sull’IA, non dei risultati già misurabili. È la differenza tra investire perché si è visto un ritorno e investire perché si spera in un ritorno — una distinzione che in qualunque altro contesto finanziario verrebbe considerata un segnale di rischio, non di forza.
Atlassian: i numeri dicono una cosa, la narrazione un’altra
Atlassian presenta un paradosso particolarmente istruttivo. I ricavi cloud crescono del 25%. Rovo ha 5 milioni di utenti attivi. I contratti enterprise si moltiplicano. Eppure si tagliano 1.600 posti. Il CEO ha dichiarato che il taglio serve a «autofinanziare ulteriori investimenti in IA e vendite enterprise». La logica è circolare e auto-referenziale: l’azienda investe in IA, l’IA produce efficienza, l’efficienza rende superflue alcune posizioni, il risparmio finanzia ulteriore IA. È una catena logica elegante — ma che funziona solo se il primo anello (l’IA produce effettivamente efficienza misurabile) è solido. E quel primo anello, nei comunicati di Atlassian, non è mai supportato da dati specifici.
Nel frattempo, le azioni Atlassian avevano perso oltre il 50% del valore dall’inizio dell’anno. Il contesto reale è fatto di pressione degli investitori, compressione dei multipli nel settore SaaS, minaccia percepita della SaaSpocalypse, e necessità di mostrare un percorso credibile verso la redditività GAAP sostenuta. L’IA è parte della storia, ma non tutta la storia — e forse nemmeno la parte principale.
Come distinguere l’AI washing dall’adattamento reale
Esistono indicatori concreti per valutare se un’azienda sta davvero ristrutturando per l’IA o se sta usando l’IA come etichetta conveniente. Non sono infallibili, ma aiutano a orientarsi in un panorama dove la retorica aziendale e la realtà operativa divergono sempre più spesso.
Un primo segnale è la specificità. L’azienda indica quali processi l’IA ha reso obsoleti? Con quali metriche? In quale arco temporale? Oppure si limita a dichiarazioni generiche sulla «trasformazione del mix di competenze»? Quando Cannon-Brookes scrive che «l’IA cambia il numero di ruoli necessari in certe aree», la domanda che un analista serio dovrebbe porre è: quali aree, quanti ruoli, sulla base di quali dati? Se la risposta non arriva, il sospetto di AI washing è legittimo.
Un secondo segnale è la coerenza temporale. I tagli arrivano dopo una fase documentata di implementazione dell’IA — con piloti, test, misurazione dei risultati — o coincidono con un calo del titolo, una pressione degli azionisti, una revisione al ribasso delle previsioni di mercato? Nel caso di Atlassian, il titolo aveva perso metà del valore prima dell’annuncio dei licenziamenti. Nel caso di Meta, la spesa in conto capitale prevista per il 2026 ha allarmato gli investitori prima ancora che i tagli venissero ipotizzati. La sequenza conta: se i tagli seguono una crisi di mercato e precedono qualunque risultato misurabile dell’IA, la motivazione reale è probabilmente finanziaria con una veste tecnologica.
Un terzo segnale riguarda le nuove assunzioni. Se un’azienda taglia mille ruoli e ne assume trecento in ambito IA, la ristrutturazione ha una logica interna: si sposta la composizione dell’organico verso competenze diverse. Se taglia mille e non assume nessuno — o assume solo dieci ricercatori IA con stipendi stellari — è un taglio dei costi con un’etichetta. I dati sulle assunzioni post-licenziamento sono il test più efficace per smascherare l’AI washing, ma raramente vengono richiesti dagli analisti finanziari o dai giornalisti nelle conferenze stampa.
Nella maggior parte dei casi annunciati nel primo trimestre 2026, la risposta a queste tre domande è sfumata. Nessuna delle aziende citate ha pubblicato dati specifici sull’impatto misurabile dell’IA sulla produttività interna. Tutte hanno parlato di futuro, non di presente. Tutte hanno ottenuto un rialzo del titolo dopo l’annuncio.
Il rischio per le imprese italiane ed europee
L’AI washing non è solo un fenomeno americano. In Europa e in Italia, la pressione a dichiararsi «azienda IA-first» cresce ogni trimestre. Nei bilanci di sostenibilità 2025 depositati a inizio 2026, un numero crescente di aziende italiane ha inserito riferimenti all’intelligenza artificiale come fattore di innovazione, efficienza e vantaggio competitivo. Nelle presentazioni ai consigli di amministrazione e nelle comunicazioni agli investitori, l’IA è diventata un ingrediente obbligatorio — come la sostenibilità lo era cinque anni fa.
Il rischio è doppio. Verso l’esterno, si promettono risultati che l’IA non può ancora garantire, creando aspettative che dovranno poi essere gestite. Verso l’interno, si giustificano riorganizzazioni con una tecnologia che non è stata ancora implementata in modo maturo, generando cinismo e sfiducia tra i dipendenti che vedono colleghi licenziati in nome di un’automazione che nei fatti non esiste ancora nei loro reparti.
L’AI Act europeo, con i suoi obblighi di trasparenza e documentazione per i sistemi ad alto rischio, potrebbe offrire un argine parziale al problema — ma il regolamento non copre la retorica aziendale sui licenziamenti. Non esiste una norma che impedisca a un CEO di dichiarare che taglia personale «per investire nell’IA» senza dimostrarlo. Per arginare l’AI washing servono analisti indipendenti, giornalisti competenti, sindacati che chiedano dati concreti, e — forse soprattutto — investitori capaci di distinguere tra strategia reale e marketing finanziario.
La narrativa come strumento economico
Il 2026 sta dimostrando che l’intelligenza artificiale è diventata la narrativa dominante del mondo corporate. Come tutte le narrative dominanti, può essere usata per capire la realtà o per nasconderla. La differenza sta nei dettagli — e i dettagli, per ora, scarseggiano. Quando un’azienda annuncia licenziamenti «per l’IA», la domanda giusta non è «è vero?» — una domanda binaria a cui è quasi impossibile rispondere. La domanda giusta è: in che misura è vero, e quali prove lo dimostrano?
Finché la risposta resterà «nessuna prova specifica, ma il mercato ci crede», l’AI washing continuerà a essere una strategia razionale per i dirigenti che devono gestire il prezzo delle azioni. E i lavoratori — americani, europei, italiani — continueranno a pagare il prezzo di una narrazione in cui sono la variabile di aggiustamento tra le aspettative del mercato e una tecnologia che, per quanto potente, non ha ancora dimostrato di poter mantenere tutte le promesse fatte in suo nome.
