L’elogio funebre per il cassiere di banca fu scritto per la prima volta nel 1967, quando il primo sportello automatico fece la sua comparsa a Enfield, nel Regno Unito. Gli esperti dell’epoca non avevano dubbi: la capacità di una macchina di dispensare contanti avrebbe reso obsoleta la figura umana dietro lo sportello nel giro di pochi anni. Eppure, la storia ha smentito clamorosamente queste previsioni pessimistiche, offrendo una lezione magistrale che oggi, in piena rivoluzione generativa, appare più attuale che mai. Comprendere perché l’introduzione dell’IA è simile al bancomat non è solo un esercizio di archeologia economica, ma la chiave per decodificare il destino professionale di milioni di lavoratori. Il vero rischio per l’occupazione non risiede nell’efficienza della macchina che automatizza un compito, ma nel cambiamento radicale delle abitudini umane, un fenomeno che ha visto nell’iPhone, e non nell’ATM, il vero predatore del mercato del lavoro bancario.
Il Paradosso di James Bessen: quando l’automazione crea lavoro
La narrazione comune suggerisce che l’automazione sia un processo a somma zero: ogni compito affidato a un algoritmo o a un ingranaggio sottrae un’opportunità a un essere umano. Le ricerche condotte dall’economista James Bessen presso la Boston University School of Law hanno dimostrato l’esatto contrario attraverso l’analisi storica del settore bancario statunitense. Tra il 1980 e il 2010, il numero di sportelli automatici installati negli Stati Uniti è passato da poche migliaia a oltre 400.000 unità.
Invece di assistere al crollo dell’occupazione, il mercato ha registrato un aumento costante dei cassieri di banca, passati da circa 500.000 a quasi 600.000 nello stesso periodo. Questo fenomeno apparentemente illogico trova spiegazione in un meccanismo economico preciso: la riduzione dei costi operativi. Prima dell’introduzione massiccia dell’ATM, la gestione di una filiale urbana richiedeva una media di 21 dipendenti; grazie all’automazione del conteggio del contante, questo numero è sceso a circa 13 per sede.
Questa efficienza ha reso drasticamente più economico per le banche aprire nuove filiali. La risposta del mercato non è stata la contrazione, ma l’espansione aggressiva per conquistare quote di mercato, portando a un aumento del 43% del numero totale di filiali bancarie. Di conseguenza, la domanda complessiva di cassieri è aumentata, poiché il calo del personale per singola sede è stato ampiamente compensato dalla proliferazione dei punti vendita fisici.
La trasformazione del compito e il valore della relazione
Il dato più significativo emerso dalla ricerca di Bessen non riguarda solo la quantità di posti di lavoro, ma la loro qualità intrinseca. L’ATM ha automatizzato la funzione “cognitivo-routinaria” del cassiere: il prelievo e il deposito di banconote. Liberati da queste mansioni ripetitive, i dipendenti umani non sono rimasti inerti, ma hanno visto evolvere il proprio ruolo verso quello che oggi viene definito “relationship banking”.
Le banche hanno iniziato a investire in formazione per trasformare i cassieri in consulenti capaci di vendere prodotti finanziari complessi, come mutui, assicurazioni e piani di investimento. Le competenze richieste sono passate dalla precisione numerica manuale alla capacità di risoluzione di problemi, all’empatia e alla gestione della fiducia. Questo passaggio dimostra che quando l’automazione colpisce un compito specifico, i compiti rimanenti all’interno dello stesso ruolo diventano paradossalmente più preziosi, poiché richiedono un giudizio umano che la macchina non può replicare.
Tabella 1: Analisi comparativa dell’evoluzione dei ruoli nel settore bancario
| Periodo Storico | Tecnologia Dominante | Compiti Automatizzati | Evoluzione del Personale Umano | Variazione Occupazionale |
| 1970 – 1985 | Elaboratori Centrali | Calcolo interessi base | Contabilità manuale e gestione cassa | In forte crescita |
| 1985 – 2005 | ATM (Bancomat) | Prelievi, Depositi, Estratti conto | Consulenza commerciale e relazioni | Crescita netta (+20%) |
| 2007 – 2020 | iPhone / Mobile App | Gestione totale del conto | Supporto remoto e gestione crisi | Declino significativo (-60%) |
| 2023 – 2035 | IA Generativa | Analisi dati, Prima assistenza | Supervisore di sistemi e Decision Maker | Trasformazione profonda |
L’iPhone e la distruzione creativa dell’infrastruttura
Perché allora oggi assistiamo a una riduzione delle filiali e del personale bancario se l’ATM non è stato il colpevole? La risposta risiede in un cambio di paradigma infrastrutturale simboleggiato dall’iPhone. Mentre l’ATM era una tecnologia complementare che migliorava l’efficienza dentro la filiale, il mobile banking è una tecnologia sostitutiva che elimina la necessità della filiale stessa.
L’iPhone ha permesso ai clienti di portare la banca in tasca, rendendo superflua la visita fisica per la maggior parte delle operazioni, incluse quelle di consulenza semplice. Questo spostamento ha “kneecapped” (letteralmente, tarpato le ali) ai cassieri, poiché le banche hanno deliberatamente limitato le operazioni eseguibili allo sportello per forzare l’adozione delle piattaforme digitali, riducendo drasticamente il valore della presenza umana locale.
Questo insegnamento è fondamentale per l’analisi dell’IA: l’automazione dei compiti raramente uccide un settore, ma il cambiamento del modello di consumo sì. L’IA, nella sua forma attuale, si comporta più come l’ATM che come l’iPhone: essa potenzia il lavoratore permettendogli di gestire volumi di dati e complessità prima inimmaginabili, senza necessariamente rimuovere l’esigenza del professionista umano che “firma” e valida il risultato finale.
Perché l’introduzione dell’IA è simile al bancomat nell’economia moderna
Affermare che l’introduzione dell’IA è simile al bancomat significa riconoscere una struttura di adozione tecnologica basata sull’efficienza marginale. Quando una risorsa diventa più economica da produrre, la sua domanda tende ad aumentare anziché a diminuire. Questo concetto è noto in economia come il Paradosso di Jevons.
Nel XIX secolo, l’aumento dell’efficienza dei motori a vapore portò a un consumo di carbone maggiore, non minore, perché il vapore divenne accessibile per migliaia di nuovi utilizzi industriali. Allo stesso modo, l’IA sta rendendo la “cognizione” (l’atto di scrivere, analizzare, programmare e decidere) una risorsa estremamente economica.
- Elasticità della domanda di pensiero: Se un avvocato può analizzare un contratto in dieci minuti anziché in tre ore grazie all’IA, la società non chiederà meno avvocati, ma chiederà la revisione di un numero infinitamente superiore di contratti, rendendo la tutela legale accessibile a fette di popolazione prima escluse.
- Espansione delle frontiere operative: Le aziende non utilizzeranno i risparmi di tempo per restare inerti, ma per avviare progetti che precedentemente erano giudicati antieconomici a causa dell’alto costo del lavoro intellettuale.
- Il valore del “Problem Setting”: In un mondo in cui l’IA fornisce risposte (Problem Solving), il valore umano si sposta sulla capacità di porre le domande giuste (Problem Setting) e di definire gli obiettivi strategici che guidano la macchina.
La scomposizione del lavoro in mansioni
Un errore comune nell’analisi del mercato del lavoro è considerare l’occupazione come un’unità monolitica. La ricerca del MIT Sloan ha evidenziato che l’IA impatta sulle mansioni (tasks) piuttosto che sulle intere occupazioni. Quando l’IA è in grado di eseguire la maggior parte dei compiti di un ruolo (esposizione elevata), la quota di occupazione per quel ruolo scende di circa il 14%.
Tuttavia, nella stragrande maggioranza dei casi, l’IA automatizza solo una parte delle attività, agendo come un moltiplicatore di produttività. Le aziende che adottano l’IA in modo estensivo tendono a crescere più velocemente, registrando un aumento medio del 6% dell’occupazione e del 9,5% delle vendite su un orizzonte di cinque anni. Questo accade perché i guadagni di produttività si traducono in un vantaggio competitivo che permette all’azienda di assumere più personale in ruoli ad alto valore aggiunto.
Analisi del Mercato Italiano: dati, rischi e opportunità 2025-2035
L’Italia si trova di fronte a una sfida strutturale unica. La prevalenza di micro-imprese e un sistema produttivo spesso basato su competenze artigianali e manifatturiere crea una dicotomia nell’adozione dell’IA. Mentre le grandi aziende accelerano, le PMI rischiano di restare indietro a causa della mancanza di competenze specialistiche.
Entro il 2035, si stima che circa 15 milioni di lavoratori italiani dovranno confrontarsi direttamente con l’IA. Di questi, almeno 6 milioni vedranno il proprio posto di lavoro profondamente trasformato o messo a rischio, mentre i restanti 9 milioni utilizzeranno l’IA in modalità complementare.
Tabella 2: Distribuzione dell’impatto dell’IA per settore in Italia (Proiezioni 2025-2035)
| Settore Economico | Quota a Rischio Sostituzione | Quota in Complementarità | Impatto sul PIL Potenziale |
| Servizi Finanziari e Assicurativi | 54% | 46% | Alto (+2.1%) |
| Pubblica Amministrazione | 23% | 77% | Medio (+1.5%) |
| Manifattura e Artigianato | 10% | 25% | Basso (+0.8%) |
| Professioni Intellettuali (Legali/Contabili) | 37.1% | 62.9% | Molto Alto (+2.5%) |
Il paradosso del lavoratore qualificato
Un dato controintuitivo emerso dalle analisi territoriali, come quella condotta nel Lazio, è che i lavoratori con titoli di studio più elevati sono i più esposti all’impatto dell’IA. Storicamente, l’automazione ha colpito i lavori manuali e a bassa scolarizzazione. L’IA generativa inverte questo pattern, puntando direttamente alle professioni cognitive: matematici, contabili, specialisti della gestione finanziaria e responsabili delle risorse umane.
Nel Lazio, cuore pulsante del terziario avanzato italiano, il 37,1% dei laureati è in una posizione di rischio sostituzione per quanto riguarda i compiti esecutivi, ma una percentuale ancora maggiore (46,7%) ha l’opportunità di utilizzare l’IA per scalare la propria produttività. Questo significa che il futuro del lavoro intellettuale non è la disoccupazione, ma una “corsa agli armamenti” di competenze digitali dove chi non si adatta diventa rapidamente obsoleto.
Il Gender Gap e il divario territoriale
L’IA potrebbe involontariamente ampliare i divari preesistenti in Italia. Le donne sono sovraesposte al rischio di sostituzione (54% dei lavoratori a rischio) a causa della loro forte presenza in ruoli amministrativi e di segreteria, settori dove l’IA generativa eccelle nell’automazione. Allo stesso tempo, le micro-imprese italiane, che costituiscono la spina dorsale dell’economia nazionale, mostrano un ritardo preoccupante: solo l’8,2% delle imprese italiane utilizza l’IA, contro una media UE del 13,5%.
Il Paradosso dell’Automazione: perché la frizione è un asset umano
Un concetto fondamentale che ogni leader aziendale dovrebbe comprendere nel 2025 è il cosiddetto “Paradosso dell’Automazione” o “Frictionless Paradox”. L’obiettivo dell’automazione è rimuovere ogni frizione dai processi: rendere tutto istantaneo, fluido e senza sforzo. Tuttavia, la ricerca suggerisce che la frizione è spesso il luogo in cui si genera il valore, la memoria e la fiducia.
- L’erosione delle competenze critiche: Quando un sistema funziona perfettamente in modalità automatica, l’operatore umano perde la “memoria muscolare” e cognitiva necessaria per intervenire durante un fallimento del sistema. Come descritto da Lisanne Bainbridge, più un sistema è affidabile, meno l’operatore è preparato per i momenti critici.
- La perdita di empatia e serendipità: In un’organizzazione iper-efficiente gestita da algoritmi, spariscono le conversazioni casuali, i momenti di riflessione e le interazioni umane “inefficienti” che spesso portano a innovazioni inaspettate o a legami di squadra più profondi.
- Il valore del giudizio etico: Le macchine sono “approssimatori” statistici, non decisori morali. Più automatizziamo le analisi dei dati, più diventa imperativo avere esseri umani che coprano i casi limite (edge cases) e forniscano un controllo di alto livello basato su valori ed etica.
Il rischio della “Compiacenza Cognitiva”
L’affidamento totale all’IA può portare a una trappola di passività. Il professionista smette di essere uno scettico vigile e diventa un verificatore passivo di risposte fornite dalla macchina. Questo deterioramento del pensiero critico è il vero pericolo dell’era dell’IA, non la mancanza di posti di lavoro. La strategia per il futuro è passare dall’automazione (sostituzione) all’aumento (partnership), dove l’IA serve come moltiplicatore della forza intellettuale ma il controllo finale resta saldamente in mano umana.
Strategie di sopravvivenza e crescita per il professionista 2025
Se l’introduzione dell’IA è simile al bancomat, allora l’occupabilità nel prossimo decennio dipenderà dalla capacità di scalare la gerarchia del valore. Le attività che possono essere codificate in regole sono destinate alla macchina; le attività che richiedono conoscenza tacita, intuizione e comprensione del contesto appartengono all’uomo.
1. Reskilling verso l’Orchestrazione
Il lavoratore del futuro non deve competere con l’IA nella produzione di contenuti o nell’analisi di dati, ma deve diventare un orchestratore di sistemi. Questo include la capacità di:
- Sequenziare compiti complessi: Scomporre un obiettivo aziendale in micro-attività che possono essere delegate a diversi agenti IA.
- Validazione e controllo qualità: Sviluppare un occhio critico per identificare le “allucinazioni” dell’IA e assicurare che l’output sia coerente con gli obiettivi strategici.
- Integrazione di strumenti: Saper collegare diverse piattaforme (es. FlowHunt, ChatGPT, Perplexity) per creare flussi di lavoro automatizzati che generino valore reale.
2. Sviluppo di Competenze Socio-Emotive
La richiesta di competenze sociali ed emotive, come la comunicazione empatica, la leadership e la gestione dei conflitti, è prevista in crescita del 24% entro il 2030. In un mondo in cui la produzione tecnica è abbondante e a basso costo, la capacità umana di costruire relazioni autentiche diventa la vera differenziazione competitiva.
3. Specializzazione in Nicchie ad Alta Complessità
Mentre l’IA gestisce i casi standard (il 90% delle transazioni), gli esseri umani devono specializzarsi negli “edge cases”, le situazioni rare e complesse che richiedono un giudizio multidisciplinare e un’assunzione di responsabilità legale o morale che una macchina non può assumersi.
Tabella 3: Strumenti IA operativi per la trasformazione del lavoro (Selezione 2025)
| Strumento | Funzione Principale | Ruolo Trasformato | Impatto sulla Produttività |
| FlowHunt | Automazione workflow no-code | Operations Manager / Admin | Riduzione tempi attività ricorrenti |
| Perplexity | Ricerca conversazionale veridica | Analista di mercato / Ricercatore | Accesso immediato a fonti verificate |
| Jasper / Copy.ai | Generazione contenuti marketing | Copywriter / Marketer | Generazione in bulk di bozze strategiche |
| ElevenLabs | Sintesi vocale ultra-realistica | Formatore / Doppiatore | Localizzazione globale istantanea |
| Microsoft Copilot | Assistente alla produttività Office | Impiegato White-Collar | Sintesi automatica di meeting e dati |
L’Insight Chiave: Automazione vs. Obsolescenza Strutturale
Esiste una differenza fondamentale tra automazione di un processo e eliminazione di un’intera struttura. Gli ATM rappresentarono il primo caso: resero più efficiente un processo esistente ma mantennero intatta la struttura delle filiali bancarie. Lo smartphone rappresentò il secondo caso: eliminò completamente la necessità della filiale per molte
AI e il Futuro del Lavoro
transazioni.
| ATM (Automazione) | iPhone (Obsolescenza) |
| Automatizza singoli compiti | Elimina intere categorie di servizi |
| Riduce costi, aumenta efficienza | Ridefinisce completamente il modello |
| Aumenta il numero di lavori | Può ridurre interi settori |
| Evoluzione incrementale | Disruzione radicale |
Tabella 1: Confronto tra automazione incrementale e obsolescenza strutturale
Applicando la Lezione all’Intelligenza Artificiale
Ora applichiamo questa struttura analitica all’IA. L’attuale ondata di intelligenza artificiale — ChatGPT, sistemi di automazione, machine learning — rassomiglia molto più agli ATM che agli smartphone. Sta automatizzando compiti specifici all’interno di strutture esistenti, non eliminando completamente le strutture stesse. Questa distinzione è cruciale per comprendere il vero impatto dell’IA sul mercato del lavoro.
Considera questi esempi concreti di come l’IA sta trasformando diversi settori:
Settore Legale: Dai Documenti alle Strategie
L’IA può già analizzare contratti e condurre ricerche legali con una velocità impossibile per gli umani. Tuttavia, i legali non stanno scomparendo. Come i cassieri bancari che si specializzarono in servizi a valore aggiunto, gli avvocati stanno migrando verso mansioni che richiedono giudizio strategico, negoziazione complessa e comprensione delle sfumature umane. Gli studi legali stanno espandendo i loro servizi, non contraendoli. Il mercato globale dei servizi legali continua a crescere a un tasso annuo del 5-6%, nonostante — o forse grazie a — l’automazione.
Settore Medico: Diagnosi e Relazioni
Gli algoritmi diagnostici possono identificare patologie nelle radiografie con precisione superiore ai radiologi umani. Ma questo non significa che i radiologi diventeranno obsoleti. Significa che potranno focalizzarsi su casi complessi, ricerca, e quell’elemento irrinunciabile dell’arte medica: la relazione medico-paziente. I sistemi sanitari con maggiore automazione diagnostica stanno assumendo più personale medico specializzato, non meno. La domanda di
AI e il Futuro del Lavoro
servizi sanitari è praticamente infinita; l’automazione permette semplicemente di servirla meglio.
Settore Creativo: Generazione e Curatela
I sistemi di generazione di immagini e testo stanno trasformando i settori creativi. Ma anche qui, il pattern degli ATM si ripete. I designer non scompaiono; evolvono in direttori creativi e curatori di contenuti. L’IA diventa uno strumento che aumenta la produttività, permettendo ai professionisti creativi di prendere più progetti, sperimentare più varianti, e dedicare più tempo alle decisioni strategiche. La quantità di contenuti prodotti è esplosa, ma anche la domanda di professionalità creativa è aumentata.
L’Insight Controintuitivo: Chi Dovrebbe Davvero Preoccuparsi
Ecco la verità scomoda che pochi esperti di tecnologia vogliono ammettere: l’IA probabilmente non sarà la causa principale della perdita di posti di lavoro. Come gli ATM non uccisero i cassieri, l’IA non ucciderà la maggior parte delle professioni che temiamo. I veri “killer” dei lavori saranno altri fattori — proprio come lo smartphone, non l’ATM, alla fine ridusse il numero di cassieri.
I veri fattori di rischio per il mercato del lavoro includono:
Piattaforme che eliminano intermediari — Come Uber eliminò i dispatcher taxi o Airbnb ridusse la necessità di hotel
Consolidamento di mercato — Le grandi aziende che acquisiscono competitor e eliminano duplicazioni
Globalizzazione accelerata — Lavoro remoto che permette di spostare intere funzioni ovunque nel mondo
Cambiamenti nei consumi — Preferenze generazionali che rendono obsoleti interi modelli business
Crisi economiche e pandemie — Shock esterni che accelerano trasformazioni altrimenti graduali
Il Framework ATM: Come Valutare il Tuo Lavoro
Per capire se il tuo lavoro è a rischio, applica questo framework a tre domande che ho sviluppato analizzando decenni di dati sull’automazione:
Domanda 1: Automazione o Eliminazione?
AI e il Futuro del Lavoro
La tecnologia sta automatizzando parti del tuo lavoro (come gli ATM) o eliminando la necessità di un’intera struttura (come lo smartphone)? Nel primo caso, probabilmente sei al sicuro — anzi, potresti beneficiarne. Nel secondo caso, è tempo di riposizionarsi strategicamente.
Domanda 2: Effetto Scala Possibile?
L’automazione riduce i costi abbastanza da permettere l’espansione? Se la tua azienda può servire più clienti grazie all’IA, probabilmente assumeranno più persone, non meno. Questo è il “pericolo” nascosto dell’automazione: può creare più lavoro, non meno.
Domanda 3: Valore Aggiunto Umano?
Quali aspetti del tuo lavoro richiedono empatia, giudizio morale, creatività strategica o negoziazione complessa? Questi elementi non solo resisteranno all’automazione — diventeranno più preziosi man mano che i compiti routinari vengono delegati alle macchine.
Cosa Fare Oggi: Strategie Pratiche
La lezione degli ATM offre una roadmap pratica per chiunque sia preoccupato per l’impatto dell’IA sul proprio futuro professionale. Non si tratta di negare i cambiamenti in corso, ma di posizionarsi strategicamente per cavalcarli. Ecco cinque strategie concrete, validate dall’esperienza storica:
Abbraccia l’IA come strumento, non temerla come rivale — I cassieri che impararono a usare gli ATM diventarono i dipendenti più preziosi. Chi la combatte si posiziona dalla parte sbagliata della storia.
Sviluppa competenze che l’IA non può replicare — Pensiero critico, leadership, empatia, negoziazione complessa. Queste “soft skills” diventeranno le hard skills più ricercate.
Cerca settori in espansione, non in difesa — I settori che usano l’IA per espandere servizi (come le banche con gli ATM) creano lavori. Quelli che la usano solo per tagliare costi sono a rischio.
Costruisci un personal brand basato sulla tua unicità umana — La tua esperienza, la tua prospettiva, la tua capacità di connettere idee diverse sono irripetibili da un algoritmo.
Mantieniti informato ma non paralizzato — Il panico porta a decisioni sbagliate. L’informazione strategica porta a opportunità. Scegli consapevolmente dove
Conclusione: un futuro “Human-Plus”
Ogni rivoluzione tecnologica ha generato paure simili a quelle che viviamo oggi. La rivoluzione industriale doveva creare eserciti di disoccupati; invece, creò la classe media. L’elettricità avrebbe eliminato i lavori notturni; creò turni e industrie completamente nuove. I computer avrebbero lasciato tutti senza lavoro; crearono i settori più dinamici dell’economia moderna.
L’analogia del bancomat ci insegna che non dobbiamo temere lo strumento, ma dobbiamo essere pronti a ridefinire il nostro contributo. L’intelligenza artificiale non è un predatore, ma un catalizzatore che ci costringe a essere “più umani”. Se l’ATM ha trasformato i cassieri in consulenti e l’IA trasformerà gli impiegati in orchestratori, il filo conduttore resta lo spostamento verso attività a più alto valore aggiunto, dove l’empatia, l’etica e la strategia regnano sovrane.
La sfida per l’Italia e per i suoi professionisti non è resistere al cambiamento tecnologico, ma governarlo con agilità e lungimiranza. Solo attraverso un impegno costante nella formazione (upskilling) e una profonda comprensione dei limiti della macchina potremo costruire un’economia in cui la tecnologia serve l’umanità, e non il contrario.
Non dobbiamo insegnare ai bambini a competere con gli algoritmi, invece di insegnare loro a essere gli esseri umani che gli algoritmi non possono sostituire.
Il futuro appartiene a chi saprà dire: “L’IA ha fatto il calcolo, ma io ho preso la decisione”.
