Che mondo sarebbe se ogni manager o specialista diventasse un “creator”?

Avere mezzi di produzione enormemente più potenti ed economici può liberare l’immaginazione e l’ambizione umana: ecco sei meccanismi di “sblocco” che illustrano infinite possibilità di creazione. Che competenze ci servono per farne parte?

Qualche giorno fa, Whoop, l’azienda americana specializzata in wearable per il monitoraggio della performance fisica, ha annunciato l’assunzione di oltre seicento persone, arrivando quasi a raddoppiare un organico che fino a quel momento contava poco più di ottocento dipendenti; e il suo CEO, Will Ahmed, ha risposto alla domanda inevitabile (“perché assumere così tanto proprio adesso, nel pieno della transizione verso l’intelligenza artificiale?”) con una semplicità disarmante: le aziende pensano di essere di fronte a una scelta, investire nell’AI oppure assumere più persone, e Whoop ha deciso di fare entrambe le cose.

Questa posizione va controcorrente rispetto alla narrazione dominante dell’automazione come sostituto del lavoro umano, ed è al centro di un’analisi pubblicata da Nate Jones, product strategist e noto consulente di intelligenza artificiale, in un video circolato di recente: Nate risponde a una domanda che, stranamente, ancora circola poco, soprattutto nei luoghi in cui si prendono le decisioni strategiche.

Una domanda sbagliata blocca tutto il resto

La domanda che occupa quasi interamente il dibattito pubblico sull’AI e il lavoro – “di quante persone in meno avremo bisogno?” – ha una caratteristica che la rende tanto avvincente quanto fuorviante: si presta a essere modellata in un foglio di calcolo, sembra sofisticata, può essere presentata agli analisti con grafici e proiezioni, eppure parte da un presupposto che la storia dell’innovazione tecnologica ha confutato più volte, ovvero l’idea che il valore totale disponibile in un’economia sia una quantità fissa, da ripartire in modo più o meno efficiente tra un numero maggiore o minore di attori.

La domanda alternativa, che le organizzazioni più avanzate stanno iniziando a porsi, anche se ancora in modo minoritario, è profondamente diversa nella sua struttura logica: dato che il costo dell’esecuzione è appena sceso di un ordine di grandezza, o forse due, cosa è possibile fare adesso che prima era del tutto fuori portata?

Il cosiddetto “frame del risparmio” e il “frame dell’ambizione” non sono semplicemente due atteggiamenti diversi di fronte alla stessa realtà: sono due ipotesi incompatibili su come funziona la creazione di valore, e la storia del capitalismo tecnologico suggerisce in modo abbastanza inequivocabile quale delle due abbia ragione.

Un paradosso noto da 160 anni

Nel 1865, l’economista britannico William Stanley Jevons pubblicò uno studio sul consumo di carbone in Inghilterra che conteneva un’osservazione controintuitiva destinata a diventare uno dei principi cardine dell’economia dell’innovazione: i miglioramenti nell’efficienza dei motori a vapore, anziché ridurre la domanda di carbone, avevano finito per moltiplicarla, perché abbassare il costo di utilizzo di una risorsa rende economicamente praticabili applicazioni che prima erano impensabili, e la domanda totale esplode proprio in conseguenza di quella maggiore efficienza, non nonostante essa.

Il pattern si è ripresentato con una regolarità quasi meccanica a ogni grande transizione tecnologica degli ultimi centocinquant’anni: quando l’acciaio divenne economico, l’industria non si contrasse ma si espanse in grattacieli, ferrovie e automobili su scala di massa; quando il computing divenne accessibile, invece di sostituire semplicemente i processi esistenti rendendoli più efficienti, nacquero categorie del tutto nuove – il personal computer, internet, il mobile, il cloud – che non esistevano prima e che non erano prevedibili dall’interno del paradigma precedente. E, quando la distribuzione digitale abbatté i costi nel settore dei media, le aziende che giocarono in difesa cercando di proteggere i modelli esistenti vennero spazzate via proprio da quelle che riconobbero il cambiamento come un’opportunità per costruire categorie completamente nuove.

I dati disponibili suggeriscono che il paradosso di Jevons stia già avvenendo nel settore tecnologico: secondo il LinkedIn 2025 Emerging Jobs Report, la domanda di figure con competenze AI sta registrando crescite sostenute anno su anno, e il numero assoluto di sviluppatori nel mondo continua ad aumentare nonostante (o forse proprio a causa) della diffusione di strumenti che rendono più produttivo ciascuno di loro.

Sarebbe tuttavia scorretto presentare il paradosso di Jevons come una legge universale e incontrovertibile: il meccanismo funziona quando la domanda è sufficientemente elastica rispetto al calo dei prezzi, ma laddove l’AI costituisce un sostituto pressoché completo di un ruolo specifico – come sembra stia già avvenendo in certi segmenti del customer service o nell’elaborazione di documenti standardizzati – la domanda per quella professione può deprimersi in modo permanente, indipendentemente dalla crescita aggregata. Il problema di distribuzione non è trascurabile: i licenziamenti tendono a essere rapidi e geograficamente concentrati, mentre la creazione di nuovi posti di lavoro è lenta, dispersa e spesso richiede competenze molto diverse da quelle che i lavoratori già possiedono.

Sei leve strutturali a disposizione di chi vuole costruire, non soltanto tagliare

Nate presenta sei “unlock”, letteralmente “sblocchi”, per liberare risorse grazie alla trasformazione in corso: nessuno è speculativo e nessuno richiede l’avvento dell’intelligenza artificiale generale. Tutti sono già disponibili oggi, con gli strumenti esistenti, e l’ostacolo alla loro adozione è quasi esclusivamente culturale e organizzativo.

1) Il primo unlock riguarda la velocità di iterazione. Quando è possibile comprimere un intero ciclo di sviluppo prodotto da mesi a giorni – o addirittura a ore, come già consentono certi ambienti di sviluppo agentici – la relazione tra strategia e capacità esecutiva cambia natura in modo fondamentale: un’azienda che oggi può permettersi due o quattro scommesse di prodotto all’anno, perché ogni ciclo di iterazione richiede mesi di risorse e l’errore costa almeno un trimestre, domani può testarne duecento, trasformando quella che era una gestione del rischio in un’esplorazione sistematica dello spazio delle possibilità, Il collo di bottiglia si sposta inesorabilmente da “possiamo costruirlo?” a “dovremmo costruirlo?”, che è una domanda profondamente umana, non automatizzabile, che richiede intuizione sul cliente, conoscenza del mercato e visione creativa.

2) Il secondo unlock riguarda la “competenza di dominio”. Nel mondo esistono oggi tra i trentacinque e i quaranta milioni di sviluppatori software, una cifra ragguardevole ma del tutto sproporzionata rispetto ai centinaia di milioni di esperti di dominio – medici, logisti, insegnanti, analisti, operatori di qualsiasi settore – che sanno esattamente quale software servirebbe loro o ai loro clienti, ma che non hanno mai potuto svilupparlo perché bloccati da quello che l’analisi chiama il “layer di traduzione”: il divario costoso, lento e perdente tra il sapere cosa dovrebbe esistere e il riuscire a farlo esistere come programma funzionante.

Quel layer si sta dissolvendo, grazie a piattaforme che già oggi mettono sviluppo di qualità produttiva nelle mani di persone che non hanno mai scritto una riga di codice, e il passaggio da quaranta milioni a centinaia di milioni di builder attivi rappresenta probabilmente la trasformazione economica più significativa dell’intera transizione.

3) Il terzo unlock riguarda la qualità del software come nuovo standard di default. Gran parte del software esistente è mediocre non perché chi lo costruisce sia incompetente, ma perché testing approfondito, documentazione accurata, revisione della sicurezza, ottimizzazione delle performance e rifinitura dell’esperienza utente richiedono tutte un’elevata intensità di lavoro e non è mai stato possibile garantirle tutte insieme, nei tempi richiesti dal mercato e nei budget a disposizione. Oggi questi processi sono per la maggior parte verificabili automaticamente dagli agenti AI e possono essere eseguiti come procedura standard, il che significa che la qualità eccellente smette di essere un premio riservato ai team più grandi e ben finanziati per diventare la base da cui tutti partono, spostando la differenziazione competitiva interamente sul piano dell’esperienza del cliente e della visione di prodotto.

4) Il quarto unlock è la trasformazione di ogni azienda in una piattaforma. L’esplosione di protocolli aperti come Model Context Protocol sta modificando in modo irreversibile l’architettura dell’ecosistema software: gli agenti AI si integreranno con qualsiasi sistema, con o senza il permesso esplicito dell’azienda proprietaria. La domanda strategica non è quindi se aprirsi a questa integrazione, ma come farlo in modo proattivo e vantaggioso piuttosto che subire l’integrazione dall’esterno in modo non controllato, riconoscendo che questa dinamica rende obsoleta l’idea stessa di sistema chiuso.

5) Il quinto unlock riguarda il “mercato dell’ambizione”. Oggi le aziende ignorano sistematicamente mercati da dieci milioni di dollari perché il team di sviluppo necessario per servirli costerebbe tre milioni all’anno, rinunciano a progetti di ricerca con probabilità di successo del 20% perché il fallimento costerebbe due trimestri di roadmap, e in generale sottostimano enormemente la quantità di opportunità che restano inesplorate per ragioni puramente economiche. Con il costo di esecuzione ridotto di un fattore dieci o cento, tutti questi calcoli si rovesciano, e il ruolo delle persone dotate di visione, intuizione sul cliente e creatività diventa non meno importante ma enormemente più importante, perché sono loro a determinare quali opportunità riconoscere e perseguire.

6) Il sesto e ultimo unlock è la velocità dell’insight. Quando un’organizzazione ottiene un’intuizione affidabile su ciò che il cliente vuole o su come risolvere un problema, il vantaggio competitivo dipende dalla capacità di tradurre quell’intuizione in codice funzionante nel più breve tempo possibile, senza aspettare processi burocratici, documentazione intermedia o cicli di approvazione a cascata. Si tratta di un cambiamento profondo nell’istinto organizzativo, particolarmente difficile da inculcare in aziende che per decenni hanno trattato il software come un asset costoso e rischioso da gestire con cautela. Ma è in questa capacità di muoversi alla velocità dell’insight che risiede il vantaggio competitivo decisivo dell’era degli agenti.

L’Italia si barcamena tra opportunità e rischio di polarizzazione

Questi scenari si innestano su un mercato del lavoro italiano che, almeno guardando i dati aggregati più recenti, appare abbastanza in salute: secondo le rilevazioni Istat, nella media del 2025 il tasso di occupazione ha raggiunto il 62,5%, il valore più alto dall’inizio delle serie storiche avviate nel 2004, con 185.000 occupati in più rispetto all’anno precedente e un tasso di disoccupazione sceso al 6,1%, livello che non si registrava dal 2007; i dati provvisori di gennaio 2026 confermano la tendenza, con un ulteriore aumento degli occupati e una nuova riduzione della disoccupazione, e persino il Mezzogiorno registra segnali incoraggianti, con il tasso di occupazione che cresce a un ritmo superiore alla media nazionale.

Eppure sarebbe ingenuo leggere questi dati come una garanzia di immunità rispetto alle tensioni che la transizione AI porterà con sé, perché il rischio più insidioso non è il crollo occupazionale immediato, che i dati, per ora, non mostrano, ma la polarizzazione silenziosa e progressiva tra lavoratori che riescono ad adottare gli strumenti AI, vedendo crescere produttività e valore di mercato, e lavoratori che restano indietro e si trovano progressivamente confinati in posizioni a minore valore aggiunto.

In un paese come l’Italia, dove la quota di laureati in discipline STEM rimane tra le più basse d’Europa, dove i programmi aziendali di upskilling e riqualificazione sono storicamente sottodimensionati rispetto ai partner nordeuropei, e dove le piccole e medie imprese, che costituiscono il tessuto produttivo dominante, dispongono spesso di risorse limitate per investire in formazione, questa polarizzazione potrebbe manifestarsi con un’intensità superiore alla media europea.

La sfida, come l’analisi di Nate non manca di sottolineare, non è in primo luogo tecnica: le tecnologie che abilitano i sei unlock descritti sono già disponibili, spesso a costi accessibili anche per organizzazioni di dimensioni medie. Il vero ostacolo alla loro adozione è la difficoltà di trasformare le persone, i modelli mentali, le culture organizzative e i sistemi di incentivo che per decenni hanno premiato la cautela, la standardizzazione e la gestione del rischio piuttosto che l’esplorazione e l’ambizione; si tratta, in altre parole, di un problema di upskilling nel senso più profondo del termine, che non riguarda l’acquisizione di competenze tecniche specifiche ma la capacità di fare un lavoro che non era mai stato richiesto prima.

Non è speculazione. È già qui, e già ora

Come nessuno nel 1995, osservando la progressiva riduzione dei costi della banda internet, sarebbe stato in grado di immaginare il ride-sharing, i social media, la gig economy o le piattaforme di e-commerce che avrebbero ridisegnato interi settori economici nel corso dei vent’anni successivi, così le applicazioni più importanti e trasformative dell’attuale transizione verso l’AI sono ancora in gran parte invisibili dall’interno del paradigma attuale, e il valore che verrà creato nei prossimi anni non sarà catturato da chi ottimizza la propria fetta di una torta immaginata come immutabile, ma da chi riconosce che quella torta era semplicemente troppo costosa da sfornare.

I problemi che il mondo ha e che non sono ancora stati risolti: l’educazione veramente personalizzata, il supporto clinico individuale per ogni paziente, la pianificazione finanziaria accessibile ai due miliardi di adulti che hanno un conto in banca ma non hanno mai potuto permettersi un consulente, il software su misura per ogni nicchia di mercato oggi troppo piccola per giustificarne lo sviluppo – non sono problemi tecnici.

Sono problemi economici che il costo proibitivo del software ha reso finora inarrivabili: ma quella barriera si sta abbassando in modo irreversibile e a una velocità che rende urgente, per individui e organizzazioni, decidere consapevolmente da che parte stare – se lasciare che la trasformazione accada attorno a sé, oppure impegnarsi proattivamente verso sfide e opportunità, riconoscendo che il lavoro più difficile che ci aspetta non è tecnico, ma umano.

E umane sono le competenze e le decisioni che servono per farlo.