Se l’AI fa il lavoro con cui imparavamo, come formeremo gli esperti di domani?

Provate a ripensare ai primi anni del vostro lavoro.

Preparare una prima bozza. Cercare informazioni. Riordinare dati. Correggere una presentazione. Controllare un documento. Fare una sintesi che qualcuno più esperto avrebbe poi rivisto.

Molte di quelle attività erano lente. Alcune erano decisamente poco entusiasmanti.

Oggi un sistema di intelligenza artificiale può svolgerne una parte in pochi secondi.

E, in molti casi, è un progresso.

Ma prima di eliminare completamente quel lavoro vale la pena farsi una domanda diversa: quelle attività erano soltanto lavoro a basso valore o, senza accorgercene, erano anche uno dei modi attraverso cui imparavamo?

Perché dentro una prima bozza imperfetta non c’era solo tempo perso.

C’era qualcuno che provava. Qualcuno che sbagliava. Qualcuno che riceveva una correzione e cominciava a capire perché una soluzione funzionava meglio di un’altra.

È qui che il rapporto tra AI e lavoro junior diventa molto più interessante della domanda, ormai un po’ consumata, su quanti posti di lavoro l’intelligenza artificiale sostituirà.

La questione per le organizzazioni potrebbe essere un’altra:

se automatizziamo una parte dell’apprendistato operativo, dove costruiremo l’esperienza che prima nasceva anche attraverso quel lavoro?

Il problema non è salvare il lavoro noioso

Non avrebbe senso mantenere attività inutilmente ripetitive solo perché qualcuno, vent’anni fa, ha imparato facendole.

L’intelligenza artificiale può liberare tempo, velocizzare ricerche, produrre prime versioni, aiutare nell’analisi e alleggerire moltissime attività amministrative.

Il punto non è difendere il passato.

È capire che cosa rischiamo di eliminare insieme al compito.

Un’attività può essere automatizzabile e, nello stesso tempo, aver avuto una funzione di apprendimento.

Pensiamo a una persona che prepara per la prima volta l’analisi di un cliente. Il valore non sta necessariamente nel tempo impiegato a raccogliere le informazioni. Può stare nel momento in cui deve scegliere quali informazioni contano, accorgersi di una contraddizione, formulare un’ipotesi e poi confrontarla con qualcuno più esperto.

Se l’AI produce direttamente una sintesi eccellente, abbiamo guadagnato efficienza.

Ma non è detto che abbiamo costruito competenza.

Sono due risultati diversi.

Il primo gradino non sta necessariamente scomparendo. Sta cambiando

Su questo tema è utile evitare conclusioni troppo facili.

I dati disponibili non dimostrano che l’intelligenza artificiale sia oggi la causa del peggioramento delle opportunità occupazionali dei giovani. L’OECD osserva che alcune difficoltà di ingresso nel mercato del lavoro erano già visibili prima della diffusione dei grandi modelli linguistici; Eurofound arriva a una conclusione simile per l’Europa.

Questo non significa che l’AI non stia cambiando il lavoro entry-level.

Sta cambiando quello che chiediamo a chi entra.

Il Global AI Jobs Barometer 2026 di PwC mostra che, nei ruoli junior maggiormente esposti all’AI, stanno aumentando proprio le competenze che tradizionalmente associavamo a profili più esperti: giudizio, leadership, creatività e capacità di relazione. Nel campione statunitense di 2,4 milioni di posizioni entry-level analizzato da PwC, questi ruoli sono sette volte più propensi a richiedere competenze considerate in passato più “senior”.

Una ricerca statunitense di Strada, condotta su quasi 1.500 executive e responsabili talent, mostra un’altra trasformazione significativa: il 42% delle aziende intervistate afferma che l’AI ha aumentato le responsabilità analitiche e di giudizio affidate ai lavoratori entry-level, mentre il 41% segnala una riduzione delle attività fondamentali o di sviluppo delle competenze.

Qui nasce il paradosso.

Potremmo chiedere giudizio prima di aver creato abbastanza occasioni per costruirlo.

Junior non significa “giovane”

C’è un altro rischio che vale la pena evitare.

Quando parliamo di lavoro junior tendiamo a immaginare automaticamente una persona di ventitré anni al primo impiego.

Ma una posizione junior può riguardare anche qualcuno che cambia settore, entra in una nuova professione o assume per la prima volta un tipo diverso di responsabilità.

L’esperienza non è soltanto anagrafica.

È contestuale.

Non è una questione di età: si può essere molto esperti in un campo e tornare principianti davanti a una tecnologia, un mercato o un ruolo nuovo.

Questa distinzione diventerà ancora più importante in organizzazioni in cui strumenti e competenze cambiano velocemente.

Ed è coerente con un principio che vale anche nella gestione multigenerazionale: età, seniority, esperienza e fase professionale non sono la stessa cosa.

L’AI può accelerare l’output. Non può saltare l’esperienza

Una persona può produrre una presentazione molto buona con l’AI senza aver ancora imparato a riconoscere una presentazione strategicamente debole.

Può ottenere una risposta convincente senza sapere quali informazioni mancano.

Può generare codice, un’analisi, una mail o una proposta commerciale di ottima qualità senza essere ancora in grado di spiegare fino in fondo perché quella soluzione sia appropriata in quel contesto.

Non è necessariamente un problema.

Diventa un problema quando confondiamo qualità dell’output e maturità professionale.

Sono cose diverse.

L’esperienza nasce anche quando qualcosa non funziona, quando bisogna difendere un’ipotesi davanti a qualcuno più competente, quando una scelta produce una conseguenza imprevista e quando si scopre che due situazioni apparentemente identiche richiedono decisioni diverse.

L’AI può accorciare moltissimo il percorso verso una risposta.

Ma l’esperienza professionale non è semplicemente la somma delle risposte corrette accumulate nel tempo.

È anche la capacità di capire quando quella risposta non basta.

Il rischio è costruire organizzazioni molto efficienti e poco capaci di insegnare

Qui la questione smette di riguardare il singolo junior e diventa una questione organizzativa.

Se un’azienda automatizza progressivamente le attività più semplici e contemporaneamente riduce il tempo che manager e senior dedicano a spiegazione, osservazione e feedback, può ottenere un risultato apparentemente eccellente nel breve periodo: più output con meno tempo.

Poi, qualche anno dopo, potrebbe scoprire di avere meno persone capaci di affrontare in autonomia i problemi complessi.

In Italia questa domanda è particolarmente interessante.

A settembre 2026 le imprese prevedevano 565 mila ingressi, ma segnalavano una difficoltà di reperimento dei profili pari al 44%, secondo il Sistema Excelsior di Unioncamere e Ministero del Lavoro.

Il dato non spiega da solo perché esista questo mismatch, ma rende ancora più importante una domanda: quanto sono capaci le imprese di costruire internamente le competenze che faticano a trovare sul mercato?

Quindi il problema non può essere soltanto:

“Dove troviamo persone già pronte?”

Prima o poi deve diventare anche:

“Quanto siamo bravi a far crescere le persone che entrano?”

Ed è una domanda molto più scomoda, perché restituisce una parte della responsabilità all’organizzazione.

Il manager diventa una parte dell’infrastruttura di apprendimento

Per molti anni una parte importante dell’apprendimento organizzativo è avvenuta quasi incidentalmente.

Si sedeva vicino a qualcuno più esperto. Si osservava. Si chiedeva. Si preparava qualcosa, arrivava pieno di correzioni e la volta successiva si faceva un po’ meglio.

L’AI modifica anche questo passaggio.

Se il primo tentativo viene prodotto dalla macchina, il manager non può limitarsi a correggere il risultato finale.

Deve aiutare la persona a costruire il ragionamento.

Significa fare domande come:

“Perché hai scelto questa strada?”

“Quale ipotesi stai facendo?”

“Che cosa non sappiamo ancora?”

“Quale parte della risposta dell’AI hai verificato?”

“Cosa cambierebbe se il contesto fosse diverso?”

È un ruolo molto più vicino a quello di un leader-coach che a quello del capo che controlla semplicemente se il task è stato completato.

È una trasformazione che riguarda più in generale anche il lavoro dei manager nell’era dell’AI.

Ed è anche uno dei motivi per cui la qualità della formazione manageriale diventa ancora più importante nell’era dell’intelligenza artificiale.

Non basta insegnare ai junior a usare l’AI

Molte aziende stanno investendo giustamente in AI literacy.

È necessario.

Ma insegnare a usare bene uno strumento non risolve automaticamente il problema dell’apprendimento.

Una persona può diventare bravissima nel prompting e rimanere debole nel valutare la qualità della risposta.

Può sapere come ottenere cinque alternative senza avere ancora criteri solidi per scegliere tra quelle alternative.

Può velocizzare moltissimo il lavoro senza capire quale lavoro non dovrebbe essere automatizzato.

La competenza più importante potrebbe quindi non essere:

“Sai usare l’AI?”

ma:

“Sai lavorare bene con l’AI senza smettere di costruire il tuo giudizio?”

Cinque cose che HR e manager possono iniziare a riprogettare

Non serve rallentare l’adozione dell’AI. Serve progettare meglio ciò che avviene intorno all’AI.

• Distinguere i task inutilmente ripetitivi dai task che hanno anche una funzione formativa. Automatizzare i primi è efficienza. Automatizzare i secondi senza sostituire l’apprendimento crea un vuoto.
• Chiedere il ragionamento, non soltanto il risultato. Una buona risposta può nascondere una comprensione molto fragile. Far spiegare criteri, ipotesi e alternative rende visibile ciò che la persona sta realmente imparando.
• Delegare progressivamente decisioni, non soltanto attività. L’autonomia non nasce consegnando task più difficili all’improvviso. Cresce attraverso responsabilità graduali, feedback e possibilità di correggere.
• Proteggere il tempo di mentoring e confronto. Se lo sviluppo delle persone rimane ciò che un manager fa “quando avanza tempo”, sarà sempre sacrificato alle urgenze operative.
• Far viaggiare la conoscenza in entrambe le direzioni. I colleghi più esperti possono trasferire contesto e giudizio; chi utilizza con maggiore naturalezza strumenti nuovi può portare pratiche e prospettive differenti. È qui che mentoring e reverse mentoring possono diventare strumenti di lavoro, non iniziative simboliche.

Il problema non è che i junior usino troppo l’AI

È facile trasformare questa discussione in un conflitto generazionale.

“Una volta imparavamo davvero.”

“I giovani non sanno più fare niente senza ChatGPT.”

Sarebbe una scorciatoia poco utile.

Se oggi esiste uno strumento che permette di lavorare più velocemente, è perfettamente razionale che una persona lo utilizzi.

La responsabilità dell’organizzazione non consiste nel ricreare artificialmente la fatica del passato.

Consiste nel chiedersi:

quale competenza nasceva dentro quella fatica e come vogliamo svilupparla adesso?

È una domanda completamente diversa.

E ci evita di trasformare un cambiamento tecnologico in un giudizio sulle persone.

Anche i senior dovranno imparare in modo diverso

Questo cambiamento non riguarda soltanto chi entra.

Quando tecnologie, processi e ruoli cambiano rapidamente, anche un professionista con vent’anni di esperienza può trovarsi in una situazione in cui una parte del proprio sapere è solidissima e un’altra deve essere ricostruita.

Non è una questione di età, ma di trovarsi davanti a un problema per cui la propria esperienza non basta ancora.

Per questo il futuro dell’apprendimento aziendale sarà probabilmente meno lineare.

Non avremo semplicemente senior che insegnano e junior che imparano.

Avremo persone che, a seconda del problema, potranno essere contemporaneamente esperte e principianti.

È una delle ragioni per cui il trasferimento delle conoscenze, il mentoring reciproco e la capacità di lavorare tra seniority differenti diventeranno temi sempre più importanti.

L’esperienza continuerà a contare.

Ma dovrà circolare.

Formare gli esperti di domani è una scelta organizzativa

Forse l’intelligenza artificiale ci libererà da moltissime attività con cui abbiamo imparato.

Può essere un’ottima notizia.

A condizione di non credere che, eliminando il lavoro semplice, compaia automaticamente l’esperienza.

Non funziona così.

Giudizio, autonomia, capacità di leggere un contesto, qualità delle decisioni e maturità relazionale richiedono ancora confronto, errori, responsabilità progressiva e feedback.

Solo che una parte di queste esperienze, che in passato emergevano quasi spontaneamente dentro il lavoro, potrebbe dover essere progettata molto più intenzionalmente.

Ed è qui che la questione diventa strategica per HR e Learning & Development.

La domanda non è soltanto quali competenze serviranno tra cinque anni.

È anche:

quale tipo di manager servirà per farle crescere?

Perché un’organizzazione può acquistare tecnologia molto rapidamente.

Costruire persone capaci di usarla con giudizio richiede qualcosa di diverso.

Richiede tempo, cultura e manager preparati a sviluppare altre persone.