L'IA mi ruberà il lavoro? Un'analisi onesta e senza panico

In breve: l'IA sostituisce compiti, non professioni. Che sparisca un mestiere intero è raro: quello che cambia, di solito, è il mix di attività e con esso ciò che ci si aspetta dalle persone. La risposta pratica all'ansia non è indovinare il futuro, ma scomporre il tuo lavoro in compiti e vedere quali sono automatizzabili e quali reggono su responsabilità, contesto e rapporto umano. E poi guardare con molta attenzione cosa ti viene venduto sotto la parola "riqualificazione": quel mercato l'abbiamo misurato, e i numeri fanno riflettere.

Prima di tutto: perché la domanda spaventa più di quanto dovrebbe

L'ansia da sostituzione funziona così: ci immaginiamo la professione come un blocco unico e ci confrontiamo interi con una macchina. Ma nessuno assume "un contabile in generale": si assume una persona per un insieme preciso di attività. E anche la macchina non si porta via una persona, si porta via singoli compiti. Nel momento in cui passi da "sostituiranno i contabili?" a "quale delle mie 14 attività settimanali potrebbe fare un modello?", il discorso smette di far paura e diventa lavoro.

Aiuta anche guardare indietro. I bancomat non hanno spazzato via gli impiegati di banca: le filiali sono aumentate e le mansioni si sono spostate verso la consulenza. I fogli di calcolo hanno eliminato i ricalcoli a mano e hanno fatto crescere la domanda di analisti finanziari. Non è una garanzia che vada sempre così, né la promessa che le transizioni siano indolori. Ma è un promemoria: automatizzare dei compiti ed eliminare una professione sono due cose diverse.

C'è un secondo motivo per cui la domanda risuona più forte del dovuto. L'ansia è un business. Ogni previsione rumorosa sul "X% dei posti sparirà entro il 20YY" l'ha pagata qualcuno, e quel qualcuno quasi sempre vende o l'IA stessa o la salvezza da essa. Più avanti mostriamo com'è fatto dentro il secondo business, perché è la parte che abbiamo misurato noi.

Cosa l'IA fa davvero bene oggi

• Una prima bozza di qualsiasi cosa scritta: una mail, un piano, una descrizione, una procedura.
• Comprimere e strutturare: un documento lungo in cinque punti, gli appunti in tabella.
• Tradurre e cambiare registro — in fretta e a un livello dignitoso.
• Il codice di routine e la spiegazione del codice altrui.
• Generare varianti: venti titoli fra cui sceglierne uno.
• Spiegare l'ignoto con parole semplici: un insegnante privato su qualsiasi argomento.
• Classificazione grezza: smistare cento richieste in arrivo per tema in meno di un minuto.

Nota cosa hanno in comune: il risultato è visibile subito e verificabile in pochi secondi. Una bozza scadente si vede. Una traduzione sbagliata stona. Un riassunto sbagliato crolla appena lo confronti con l'originale. Ecco perché questi compiti se ne vanno per primi: non perché siano "facili", ma perché il costo dell'errore è quasi zero — te ne accorgi prima che finisca da qualche parte.

Dove inciampa puntualmente

• Responsabilità. Un modello non può rispondere delle conseguenze. La firma, il rischio e la decisione restano a una persona: non è un limite tecnico, è come è costruita la responsabilità.
• Affidabilità. Sbaglia con sicurezza, e dal tono l'errore non si distingue dalla verità — vedi le allucinazioni dell'IA.
• Contesto non detto. Tutto ciò che "si sa e basta" nella tua azienda, nel tuo settore, nel rapporto con il tuo cliente, il modello non lo vede.
• Rapporto umano. Una trattativa difficile, stare accanto a qualcuno in un momento brutto, la fiducia costruita negli anni.
• Il mondo fisico. Mani, oggetti, condizioni fuori standard: qualche progresso c'è, ma molto più lento che sul testo.
• Impostare la domanda. Il modello risponde a una domanda, ma non sa quale valesse la pena fare. Quello resta lavoro umano.

Anche qui c'è un filo comune: in tutti questi casi non puoi verificare in fretta che il modello abbia ragione. Non perché lì sia più stupido, ma perché non c'è un metro a portata di mano. Da qui una regola pratica che vale più di qualsiasi previsione: un compito passa all'IA esattamente nella misura in cui è economico verificarne il risultato. Non "difficile o facile". Non "creativo o di routine". Verificabile o no.

Fermati un attimo prima di continuare: scrivi tutto quello che hai fatto al lavoro la settimana scorsa, punto per punto. Segna quelli dove (a) il risultato è verificabile, (b) un errore non è critico, (c) non serve un contesto che il modello non conosce. Sono quelli che se ne vanno per primi — e con ogni probabilità sarai contento di vederli andare.

Smonta il tuo lavoro qui

Qui sotto c'è un prompt pronto all'uso. È autosufficiente: dentro c'è già l'elenco delle attività di una persona vera, quindi premi "Esegui" e guarda il ragionamento per intero. Poi metti al posto suo le tue attività.

Sei un analista di carriera. Rispondi con onestà, senza hype e senza consolazioni.

Ecco l'elenco reale delle attività di una settimana di una office manager dell'ufficio vendite:
1. Trasformare un export del CRM in una tabella di report vendite per la direzione.
2. Scrivere 12 mail di sollecito a clienti in ritardo con i pagamenti.
3. Fare un colloquio a un candidato per un ruolo di assistente.
4. Negoziare con il locatore un rinvio dell'affitto di due settimane.
5. Scrivere e inviare l'ordine del giorno della riunione settimanale.
6. Smistare 60 richieste in arrivo e assegnarle al commerciale giusto.
7. Comunicare a un dipendente che il periodo di prova non viene prorogato.
8. Aggiornare il manuale di onboarding per i nuovi arrivati.
9. Controllare le fatture dei fornitori e autorizzare il pagamento.
10. Decidere quale dei due commerciali prende il cliente più grosso.

Compito: dividi questi 10 punti in tre gruppi —
A) l'IA oggi fa già quasi tutto,
B) l'IA accelera, ma la decisione e la firma restano umane,
C) si automatizza male.

Per OGNI punto dai una riga con il criterio decisivo:
puoi verificare in un minuto che il risultato è giusto, e rispetto a cosa?
Poi indica i 2 punti in cui la tua stessa classificazione è discutibile
e spiega gli argomenti di entrambe le parti.
Non spaventarmi e non adularmi.

Guarda cosa dice dei punti 3, 7 e 10. Quasi sicuramente li metterà nel gruppo C, e lo giustificherà non con la "difficoltà" ma con l'assenza di qualcosa con cui confrontare la risposta: se la decisione era giusta lo saprai tra sei mesi. È tutta lì, in una sola osservazione, la questione della sostituzione.

Cosa dicono i numeri rumorosi — e perché li abbiamo tolti da qui

In una versione precedente di questo articolo c'erano le due cifre più citate del settore: "il 39% delle competenze chiave cambierà entro il 2030" e "il 71% dei dirigenti assumerebbe un candidato meno esperto ma con competenze di IA". Le abbiamo tolte. Il motivo è semplice: non siamo riusciti a verificarle sulla fonte primaria, e riportare il riassunto di un riassunto è esattamente il modo in cui su internet nascono fatti venuti dal nulla.

Ma il problema non è solo la verificabilità. Anche se quelle cifre fossero esatte, a te personalmente non servono. "Le competenze cambieranno" non è "la gente verrà licenziata". Un sondaggio fra dirigenti è un'intenzione su un questionario, non un atto di assunzione. E soprattutto: nessuna delle due risponde alla tua domanda. Hai chiesto se sparisce il tuo lavoro e ti danno una media planetaria.

Così siamo andati a misurare qualcosa che si può davvero misurare e che davvero ti riguarda.

La nostra ricerca: abbiamo misurato il mercato della "salvezza dall'IA"

A "l'IA mi ruberà il lavoro" il settore dà una sola risposta: riqualificati. Compra un corso. Quindi, per capire se è il caso di farsi prendere dal panico, conviene guardare cosa si vende davvero sotto quella parola. Abbiamo estratto i dati dei più grandi corsi non tecnici sull'IA su Udemy (tramite la loro API interna) e della top di Coursera, insieme alle recensioni. Ecco cosa abbiamo trovato.

Uno: il panico è già monetizzato, su scala industriale

Un solo corso — Google AI Essentials su Coursera — conta 1.876.929 iscrizioni. Generative AI for Everyone di DeepLearning.AI (Andrew Ng) ne ha 814.083. Prompt Engineering for ChatGPT di Vanderbilt, 698.444. Generative AI: Prompt Engineering Basics di IBM, 654.256. Su Udemy Generative AI for Beginners (Aakriti E-Learning) arriva a 409.492 studenti con 121.079 recensioni e voto 4,53. The Complete AI Guide ha 376.845 studenti, 42 ore di video e 545 lezioni. E ChatGPT: Complete Course For Work di Steve Ballinger, 281.823.

Tieni a mente questi numeri la prossima volta che qualcuno ti dice che la gente non si sta preparando. Milioni si sono già iscritti. La domanda non è se il mercato si prepara, ma cosa ci ricava.

Due: la "nicchia per principianti" non è vuota, è sovraffollata

Abbiamo letto i prerequisiti degli otto corsi Udemy più grandi. Saper programmare non serve da nessuna parte. Testualmente: "No prerequisites as ChatGPT is a tool anyone can access and use immediately" (Ballinger); "No coding skills needed" (Wheeler); "A desire to learn" (Aakriti); "No prior experience with AI or programming is needed" (Complete AI Guide).

Cosa significa per te: "entrare nell'IA" non è una competenza rara né un fossato difensivo. Quasi due milioni di persone stanno facendo il tuo stesso corso introduttivo. Un certificato che attesta che sai cos'è un prompt non ti distingue da nessuno.

Tre: lo sconto che stai rincorrendo non esiste

È il fatto più verificabile da una macchina che abbiamo. Ecco la risposta grezza dell'API di Udemy sulla scheda di un corso:

"price": {"amount": 24.99, "currency": "EUR"}
"list_price": {"amount": 24.99, "currency": "EUR"}
"saving_price": {"amount": 0.0}
"has_discount_saving": false
"discount_percent": 0

Il prezzo coincide con il "prezzo pieno". Risparmio: zero. Sconto: zero. 11 corsi su 12 in cima alla classifica costano 19,99 €, uno (Complete AI Guide) 24,99 €. Tutto ciò che in vetrina sembra un'offerta in scadenza fa parte dell'interfaccia, non del prezzo.

Cosa c'entra in un articolo sul tuo lavoro? C'entra che l'ansia è una pessima acquirente. Chi teme per lo stipendio va di fretta e non controlla. E qui controllare costava un minuto.

Quattro: cosa dice chi ha già pagato

Abbiamo raccolto e letto le recensioni a mano. Quota di voti negativi (≤3,5★) su Udemy: 9,61% per Generative AI for Beginners, 10,36% per Complete AI Guide. Su Coursera nettamente meno: 1,5–3,5%. Ma più delle percentuali conta di cosa scrive la gente. Le lamentele si concentrano in un ventaglio molto stretto.

Il corso è una slide letta ad alta voce.

"why read straight from the slide? I can do that. This was not a helpful course at all" — Janie I., 02.07.2026, 1★

"50% of this course is reading script like a robot from the slides. …they are just reading text from the slides which you can also you from any good website" — Shashank T., 13.04.2026, 1★ (Complete AI Guide)

"Written by AI, delivered by AI. The slides are way too crowded to be useful and it really doesn't help to have the bot read them out word-for-word" — Bradley M., 16.04.2026, 1★ (un corso con 118.000 studenti)

"They are just reading the prompter sometimes without even knowing the point. Hating myself after purchasing it." — Sachin S., 13.07.2026, 1★ (Complete AI Guide)

Nessuno controlla se hai imparato qualcosa. È la scoperta più inquietante, e colpisce in pieno l'idea che riqualificarsi equivalga a proteggersi:

"you send your assignments and immediatly you got your results: 100% correct. I am still speechless. I put all that effort in and have no idea whether I my answer was correct or not." — Shinysheep, 21.09.2023, 1★ (Vanderbilt, Prompt Engineering)

"Videos are too short and superficial so you end up memorizing sentence by sentence to pass quizzes. Not a learning experience." — Laurie J Phillips, 12.04.2024, 3★ (IBM)

"quizzes give unhelpful feedback for incorrect answers and just say 'watch the video again'" — Cory Covino, 04.05.2024, 2★ (IBM)

"All the coding is done in the labs for you. You won't have to debug anything or figure anything out, just press shift-enter." — Cornelius Griggs, 1★ (Generative AI with LLMs)

Avevano promesso di insegnare a fare prompt e non l'hanno fatto. E parliamo di corsi che hanno "prompt engineering" nel titolo:

"There is nothing teached about creating a good prompt. It is just an overview of types of prompts." — Geralt O., 01.07.2026, 2★

"No specific guidance on prompt engineering… what to avoid while asking, how to organize your thoughts, how to give feedback to AI based on its answers etc." — Bharat Ram A., 05.06.2026, 1.5★

"i thought it would go deeper in prompts and have more examples and sessions to master or enhance our current prompts." — Manuel L., 15.06.2026, 2★

"Didnt meet expectations, only theory is discussed which we already know." — Aditya Nagavolu, 19.11.2023, 1★ (Generative AI for Everyone)

Cinque: quanto costa al mese

Coursera Plus costa 50 €/mese oppure 343 €/anno (14 giorni per il rimborso). I programmi Google su Coursera vanno a 49 $/mese dopo 7 giorni di prova. Il Personal Plan di Udemy è a 20,00 €/mese, in promozione 10,00 €/mese; queste due cifre le abbiamo prese dalla landing di Udemy e non dall'API, perché il loro sito restituisce 403 a un crawler — quindi è una fonte più debole delle altre, e lo segnaliamo. Nel frattempo la Prompt Engineering Specialization di Vanderbilt richiede un abbonamento a pagamento a ChatGPT+ solo per poter svolgere gli esercizi. Lo studente paga quindi il corso e lo strumento: intorno ai 70 € al mese per guardare video e ricevere un "100% correct" automatico.

Cosa ne segue per te

Non che "i corsi siano il male". Ce ne sono di ottimi, e Google AI Essentials con 4,8 su 22.557 recensioni non è certo spazzatura. Ne segue altro, e pesa più di qualsiasi previsione sul 2030:

• Comprare un corso non è agire. Quasi due milioni di persone hanno già cliccato "iscriviti". Non è una differenza. Saperlo applicare lo è.
• Un certificato non dimostra nulla. Se il sistema distribuisce "100% correct" in automatico, quel voto non dice niente nemmeno a chi assume. La studentessa che l'ha scritto aveva ragione: "no idea whether my answer was correct".
• La teoria è la parte più economica. Quattro persone indipendenti hanno pagato e poi hanno scritto che era solo teoria che già conoscevano. L'ansia ti fa comprare comprensione quando ti serve un saper fare.
• Controlla prezzo e condizioni in un minuto. È lo stesso muscolo che usi per verificare la risposta di un modello: non fidarti del tono, guarda i dati.

Perché le piattaforme non possono sistemarlo (è strutturale, non pigrizia)

La recensione di Shinysheep non parla di un cattivo docente. Parla di architettura. Per verificare un prompt serve un modello dentro la lezione. Coursera non ce l'ha. Udemy nemmeno. Un correttore automatico può valutare un tema su cos'è il few-shot. Non può verificare che il tuo prompt funzioni davvero: per quello il prompt va eseguito. Quel "100% correct" automatico non è sciatteria, è l'unica cosa possibile senza esecuzione.

Da qui una prova pulita per qualsiasi formazione sull'IA, la nostra inclusa: se non esegui mai un prompt e non vedi mai la risposta, stai imparando a parlare di IA, non a usarla. Il pulsante "Esegui" sotto i blocchi di questo articolo esiste proprio per questo: puoi premerlo e vedere, invece di crederci sulla parola.

Tre errori che si fanno con questa domanda

Errore 1: confrontarti con il modello invece che con la persona che lo usa. ChatGPT non ti sostituirà. A spostarti può essere il collega che fa la tua giornata in un'ora. Questo cambia radicalmente il piano: non si tratta di competere con la tecnologia, ma di prenderla in mano.

Errore 2: credere che il "creativo" sia un'armatura. L'esecuzione creativa — venti titoli, cinque varianti di un'immagine, una bozza — se ne va per prima proprio perché si verifica all'istante. Decidere quale dei venti titoli va in pagina, e perché, non se ne va. A proteggerti non è la creatività, è farti carico della scelta.

Errore 3: aspettare che sia chiaro. Si rimanda finché "non si capisce meglio". Non si capirà. In compenso, in una sera puoi avere un fatto tuo invece della previsione di un altro: prendi un compito vero, fallo con l'IA e senza, e cronometra. Una misura del genere pesa più di tutti i report messi insieme.

Metti alla prova il modello proprio su questo tema

Il secondo prompt serve a prendere il modello dove è debole. È autosufficiente, si esegue com'è.

Sei un analista severo. Qui sotto c'è un paragrafo di un articolo
sul mercato del lavoro. Trova tutte le affermazioni che suonano
come un fatto ma che un lettore non può verificare.

Paragrafo:
"Secondo le ultime ricerche, entro il 2030 circa il 40% dei posti di lavoro
sarà automatizzato, e gli esperti concordano che le professioni creative
saranno colpite per prime. Già oggi 8 aziende su 10 hanno adottato l'IA,
e il risparmio medio di tempo è del 30%."

Per ogni affermazione fai una tabella a tre colonne:
1) l'affermazione stessa,
2) perché non è verificabile (nessuna fonte / nessuna definizione /
   sondaggio spacciato per misurazione / previsione spacciata per fatto),
3) quale domanda il lettore deve porre all'autore per renderla verificabile.

Alla fine: riscrivi il paragrafo in modo che non resti nemmeno
un'affermazione non verificabile. Puoi accorciarlo parecchio.

Applicalo a qualsiasi articolo su IA e lavoro, compreso questo. È esattamente così che abbiamo buttato via quelle due cifre.

Chi dovrebbe stare più attento

Senza allarmismi e senza elenchi di "professioni condannate": elenchi così, onestamente, non si possono fare. Ma la pressione è più alta dove il lavoro è fatto soprattutto di compiti che seguono uno schema, vivono interamente nel testo o nei dati, sono facili da verificare e non comportano responsabilità personale per le conseguenze. Non è una condanna della professione: è un segnale per spostarsi, dentro la professione, verso la parte che richiede giudizio, contesto e relazioni. Quella parte di solito c'è, e di solito è la più interessante.

Un argomento contro noi stessi. La "verificabilità" è una buona regola, non una legge di natura. Ci sono parecchi compiti facili da verificare che nessuno corre ad automatizzare: il volume è piccolo, l'integrazione costa più del risparmio, o la normativa richiede una firma umana. E capita anche il contrario: un compito difficile da verificare finisce a un modello semplicemente perché non lo verificava nessuno neanche prima. Quindi la regola ti dice dove guardare, non cosa succederà.

Un piano per il prossimo mese

1. Fai l'inventario. Scomponi il lavoro in compiti e segna con onestà quelli automatizzabili. Venti minuti e un foglio. Il prompt qui sopra ne fa metà al posto tuo.
2. Prenditi due di quei compiti. Non aspettare che lo faccia qualcun altro. Dare la propria routine all'IA è l'unico modo per restare chi guida il processo.
3. Misura. Un caso tipico con l'IA e senza. Un numero vero cura l'ansia meglio di qualsiasi articolo — in entrambe le direzioni.
4. Investi nel non automatizzabile. Impostare i problemi, negoziare, assumersi la responsabilità, il contesto di settore, le relazioni. Tutto questo si apprezza man mano che l'esecuzione costa meno.
5. Impara a fare debug di un prompt, non a memorizzare una formula. È esattamente il buco di cui si lamentano sette recensioni nei nostri dati: tutti insegnano "ecco la struttura di un prompt", nessuno insegna "il prompt non ha funzionato — cosa cambi per primo?".
6. Impara a verificare. Beccare la bugia sicura di sé di un modello sta diventando un valore professionale a sé.

Debug invece della formula: provalo

Il terzo prompt mostra la differenza tra conoscere la struttura di un prompt e saperlo riparare. Anche questo è autosufficiente.

Ecco un prompt scadente che ha dato una risposta inutile:

"Scrivi una mail al cliente sul ritardo."

Il tuo compito:
1. Indica esattamente 4 motivi per cui questo prompt dà un cattivo risultato.
   Ogni motivo deve puntare a una mancanza concreta, non a una genericità.
2. Ordinali per PRIORITÀ DI RIPARAZIONE: cosa cambiare per primo
   e perché proprio quello porta il guadagno maggiore.
3. Mostra tre versioni del prompt: dopo la prima correzione,
   dopo la seconda e dopo tutte e quattro.
4. Per ogni versione, in una riga, cosa migliora concretamente
   nella risposta.

Non saltare alla versione perfetta: a me interessa l'ordine dei passi.

La risposta a questo esercizio è la competenza che non viene sostituita. La formula del buon prompt un modello te la recita in un secondo; capire cosa riparare per primo nel tuo compito resta a te.

Quanto tempo ci vuole davvero

Metti due numeri dei nostri dati uno accanto all'altro. The Complete AI Guide: 42 ore di video, 545 lezioni. E una recensione dello stesso corso:

"The content is mostly from 2023. …I invested my 41 hours and Im learning content which is from 2023. Very disappointed." — Harsh A., 09.04.2026, 1.5★

Quarantun ore. È una settimana di lavoro spesa su materiale già scaduto. Un altro studente ha detto la stessa cosa su un altro corso:

"Most content is from 2024. This course is not bad for its time, but just too dated now." — Martin F., 27.05.2026, 2★ (su un corso la cui pagina pubblicizzava un aggiornamento di aprile 2026)

La competenza di base — formulare il compito, ottenere una bozza, vedere l'errore, riparare il prompt — si acquisisce in qualche serata sul tuo lavoro vero. Non in 42 ore di video altrui. L'ansia ti spinge a comprare volume: 545 lezioni sembrano un'assicurazione. Non lo sono.

Qui c'è una conclusione a parte dai nostri dati: il video perde contro il testo esattamente dove il video è testo letto ad alta voce. "Reading straight from the slide" descrive proprio questo caso. Il testo ti dà il tuo ritmo e una trascrizione per definizione: nessuno si è mai lamentato che un articolo parli troppo in fretta. E il testo si aggiorna a costo quasi nullo; 545 lezioni no.

Gioca lo scenario che ti fa davvero paura

Ultimo prompt. Non predice niente: costringe l'inquietudine vaga a prendere una forma con cui puoi discutere.

Conduci un dibattito strutturato in due round su questa affermazione:

"Nel 2030 un'azienda terrà un solo analista finanziario
dove oggi ne tiene quattro."

Round 1: la posizione A FAVORE più forte. Round 2: la posizione CONTRO più forte.
Regole:
- Niente statistiche, niente percentuali inventate, niente citazioni di report.
  Argomenta solo per meccanismi: quale compito preciso se ne va,
  chi verifica il risultato, cosa si rompe se la verifica sbaglia.
- Ogni parte deve indicare L'UNICA prova che le farebbe cambiare idea.

Poi, nei panni di un giudice neutrale:
- Su cosa sono davvero d'accordo le due parti?
- Quale singolo evento osservabile dei prossimi 12 mesi
  risolverebbe la disputa più in fretta?
- Cosa dovrebbe fare lunedì un analista finanziario in attività,
  visto che la disputa resta aperta?

Nota il divieto di statistiche. Sta lì apposta: senza cifre dietro cui nascondersi, il modello deve ragionare per meccanismi — e un meccanismo puoi confrontarlo con il tuo posto di lavoro, cosa che con una percentuale non puoi fare.

La cosa principale da portarsi via

La domanda "l'IA mi ruberà il lavoro?" è quasi sempre posta male. Quella giusta è: "quali miei compiti cambieranno e cosa faccio per primo?". La risposta alla seconda è tutta nelle tue mani, e richiede qualche serata, non anni. Quasi due milioni di persone hanno comprato un corso video come risposta; a guadagnarci sono quelli che poi sono andati a eseguire qualcosa. Parti in piccolo: la guida a ChatGPT per principianti e l'analisi su quali compiti dare per primi all'IA. Se stai cercando lavoro proprio adesso, ti servirà il nostro articolo sull'IA per il CV e la ricerca di lavoro. E se vuoi sapere che fine ha fatto la "professione del futuro" più pubblicizzata, leggi l'analisi onesta sul prompt engineer e il nostro pezzo sugli agenti IA: è quello che rimescola le liste di compiti più di qualsiasi previsione.