🤖 L’AI licenzia ma ha bisogno di manutenzione: cosa sta succedendo davvero?

Cinque notizie, una settimana, un filo comune: l’AI non è ancora la macchina onnipotente che promette di essere, ma è già abbastanza potente da far tremare le borse, scuotere i governi e convincere una banca da 205 miliardi di dollari che il prompting è una skill organizzativa. Nel mezzo, qualcuno ha scoperto che automatizzare la propria vita digitale è più complicato di quanto sembri. E questo, in fondo, è anche rassicurante…

45.000 licenziamenti tech. Zero disoccupazione. La ricerca di Anthropic dice che l’AI non ha ancora spostato nessuno.

Atlassian ha tagliato 1.600 persone “per finanziare gli investimenti in AI”. Block ne aveva licenziate 4.000 a febbraio. In totale, nel 2026, il settore tech ha superato i 45.000 licenziamenti annunciati citando l’AI come motivazione. Nel frattempo, la ricerca interna di Anthropic, pubblicata questa settimana, dice che nei mercati del lavoro ad alta esposizione all’AI non si registra nessun aumento sistematico della disoccupazione dal 2022 a oggi.

Ma attenzione: i lavoratori più giovani nelle professioni più esposte mostrano già segnali precoci di rallentamento nelle assunzioni. Quindi lo spostamento potrebbe non essere ancora arrivato, ma i segnali anticipatori ci sono. Giusto per dare un’interpretazione direi che siamo in una zona grigia: né catastrofe già avvenuta né rassicurazione definitiva. I dati non confermano l’allarme, ma non lo escludono nemmeno per il futuro prossimo. E poi c’è l’atra notizia qui sotto…

Citigroup rende obbligatorio il training AI per 175.000 dipendenti in 80 paesi.

La CEO Jane Fraser lo dice senza giri di parole: il rischio non è che l’AI porti via il lavoro, ma che qualcuno che sa usarla svolga il tuo lavoro meglio di te (questa l’abbiamo già sentita, sì). Per questo motivo Citi ha lanciato un programma di formazione AI obbligatorio per l’intera forza lavoro globale, con un focus specifico non sul “capire cosa è l’AI” ma sul prompting efficace. Sì: la banca da 205 miliardi di dollari ha deciso che “saper parlare bene con una macchina” è una competenza organizzativa misurabile.

I numeri del primo anno sono significativi: 70% di adozione degli strumenti AI interni, 6,5 milioni di prompt, 21 milioni di interazioni globali. Il 50% delle nuove posizioni viene coperto internamente. Il punto fondamentale è che riqualificare costa meno che sostituire e preserva il know-how che solo chi lavora lì da vent’anni possiede davvero.

C’è però una conseguenza che vale la pena nominare: quando l’azienda ti fornisce formazione, strumenti e linee guida chiare, la responsabilità dell’adattamento diventa individuale, non è più un problema strutturale, è una questione di capacità personale di imparare. Una forma di empowerment, certo, ma anche una redistribuzione molto precisa dell’accountability (parola che in italiano non esiste…. meditate, gente meditate)

L’AI come copilota, dice Fraser. Vero. Ma vale la pena chiedersi chi decide la rotta. In questo caso, la risposta è abbastanza chiara: l’organizzazione.

Ho assunto un AI per fare le mie faccende digitali e adesso faccio la manutenzione all’AI

Jack Cheng, senior editor di Every, aveva un problema classico: 1.000 account online, password violate nel dark web, iCloud sempre pieno, una bolletta medica in sospeso da quando ha cambiato assicurazione sanitaria. Ha configurato un agente AI personale ( lo ha chiamato Pip) sperando di automatizzare la burocrazia digitale della vita moderna.

Quello che è successo dopo è uno dei pezzi più onesti che ho letto sull’AI agentica. Pip a volte dimenticava come accedere alle transazioni., le briefing mattutine non arrivavano, due settimane di memorie sono semplicemente scomparse. Così Cheng si trovava a dover capire perché Pip si era rotto e come ripararlo e invece di avere un AI che gestiva la sua vita digitale, stava manutenendo l’AI.

La conclusione non è pessimista: nel processo, ha capito l’ecosistema dei modelli e degli agenti in modo che non avrebbe mai raggiunto limitandosi a usarli. E ho letto una citazione di Stewart Brand nel pezzo — “quasi tutto ciò che vale la pena mantenere è annidato in qualcosa di più grande che vale ancora più la pena mantenere” — che funziona davvero bene applicata agli agenti AI. E nel frattempo, la bolletta della macchina a noleggio di Cheng è ancora lì…

In sintesi, mi sembra questa la conclusione, almeno per ora: che l’AI doveva liberarci dalla manutenzione, invece abbiamo aggiunto uno strato in più di cose da manutenere. E questo, se ci pensate, a suo modo, è molto umano.

NVIDIA svela Vera Rubin. Tesla apre una fabbrica di chip da 25 miliardi. La guerra si è spostata sul silicio.

Al GTC di San Jose, Jensen Huang ha presentato Vera Rubin — l’architettura successore di Blackwell — con un throughput di inferenza 5 volte superiore. La stessa settimana, Elon Musk ha confermato che la “Terafab” di Tesla, fabbrica di chip da 25 miliardi di dollari con processo a 2 nanometri, entra in funzione questa settimana. L’obiettivo è produrre in casa i processori  senza dipendere dai roadmap di sviluppo altrui.

Il punto che la maggior parte della copertura ha mancato è strutturale: il settore sta dividendosi tra chi possiede l’infrastruttura fisica e chi la affitta. Non è più una questione di quale modello sia più intelligente, è una questione di dove viene fabbricato il silicio su cui gira tutto il resto. Le aziende che controllano i chip — non solo gli algoritmi — stanno costruendo una posizione difficilmente replicabile.

Huang lo chiama “la nuova unità di calcolo per l’impresa moderna”. Musk dice che ha già gli ordini. Jensen ha pubblicamente dubitato che Tesla abbia i decenni di expertise necessari per raggiungere le rese richieste. La previsione migliore è che forsae entrambi hanno ragione su cose diverse.

Vuoi approfondire come tutto ciò può influenzare la tua vita personale e lavorativa? Ascolta il podcast “Lavoro Meglio con l’AI dove condividiamo strumenti e metodi per un uso etico, consapevole e strategico dell’intelligenza artificiale. Lo trovi in tutte le piattaforme di ascolto.