AI e lavori entry level: chi chiude la prima porta

Cosa dice l'evidenza sul primo gradino

Due fonti indipendenti pubblicate nel 2026 convergono su un segnale strutturale che ogni strategia di talento deve affrontare. I lavori entry level esposti all'AI sono diventati la parte del mercato del lavoro dove la trasformazione si misura per prima.

Su Morning Edition, NPR riporta che i neolaureati faticano a ottenere la prima assunzione e attribuiscono spesso la difficoltà all'intelligenza artificiale. La Federal Reserve Bank di New York colloca il tasso di disoccupazione dei neolaureati, persone tra i 22 e i 27 anni con laurea triennale o superiore, al 5,7% a giugno, sopra il 4,1% dell'intera forza lavoro^[1].

Irene Chang, 21 anni, ha concluso ingegneria industriale e dei sistemi al Georgia Tech a maggio. Stima circa 450 candidature e 19 colloqui, con zero offerte ricevute.

Questi numeri disegnano un profilo. Il divario tra il 5,7% dei neolaureati e il 4,1% della forza lavoro complessiva rappresenta due popolazioni distinte, con esperienze del mercato molto diverse.

Il meccanismo: perché colpisce i profili junior

L'economista di Stanford Erik Brynjolfsson descrive un meccanismo preciso. I dati di payroll dalla fine del 2022 mostrano un calo relativo del 16% dell'occupazione per i lavoratori tra i 22 e i 25 anni nei ruoli esposti all'AI.

Tra questi ruoli figurano sviluppatori software e marketing manager. Gli stessi settori, per i lavoratori più anziani, sono rimasti stabili oppure hanno registrato crescita.

Il motivo indicato è chiaro. I large language model si sovrappongono in misura elevata alla conoscenza codificata, da manuale, che i profili junior portano tipicamente in azienda. Quando la macchina replica quella conoscenza, il valore marginale del neoassunto diventa più difficile da dimostrare.

Il pattern merita una lettura attenta. La stabilità dei lavoratori senior negli stessi ruoli indica che la tecnologia sostituisce compiti, invece di intere professioni. Il compito codificabile del junior diventa il primo bersaglio.

La distinzione tra esposizione e sostituzione

In un sondaggio ZipRecruiter di quest'anno, il 47% dei neolaureati ha dichiarato che l'AI ha già influenzato le assunzioni nel proprio campo. La percezione delle persone coinvolte anticipa spesso i dati aggregati.

Jacqueline Kline, 25 anni, ha completato un master in comunicazione alla Florida State. Da dicembre ha inviato oltre 500 candidature per ruoli entry level, una misura concreta del tempo che serve per raggiungere la prima offerta.

Esposizione e sostituzione descrivono fenomeni distinti. Un ruolo esposto all'AI viene ridisegnato, ridotto oppure spostato verso profili senior assistiti dai modelli. La domanda che i board devono porsi riguarda la seconda ipotesi: le organizzazioni stanno rimpiazzando la forza lavoro junior con throughput senior potenziato dai modelli?

Il dato early-career va comunque circoscritto. Riguarda lavoratori statunitensi in ruoli specifici, misurati su dati di payroll, e merita cautela prima di ogni generalizzazione ad altre geografie o settori.

I call center e la catena dei primi impieghi

I ruoli entry level, dai call center alle funzioni amministrative di base, hanno storicamente costituito la porta d'ingresso al mondo del lavoro. L'automazione conversazionale agisce proprio su questa fascia, dove i compiti sono ripetitivi e codificabili.

Goldman Sachs Insights ha documentato l'impatto potenziale dell'AI generativa sui mercati del lavoro globali, con effetti concentrati sulle mansioni ad alta componente routinaria (goldmansachs.com/insights^[2]). Il segnale converge con l'evidenza early-career.

La conseguenza strutturale merita attenzione. Quando un'organizzazione elimina i primi gradini, erode la propria pipeline futura di talento senior. I profili esperti di domani si formano nei ruoli junior di oggi.

Il gap di leadership, mai degli strumenti

La decisione di eliminare o ridisegnare i ruoli junior appartiene alla leadership, mai agli strumenti. Un'organizzazione che taglia headcount entry level compie una scelta di design organizzativo.

La prontezza dei leader resta il vero collo di bottiglia. Il Work Trend Index 2026 ha rilevato che circa il 7% dei leader risulta realmente pronto a governare i deployment AI, una cifra che pesa sulle decisioni di talento più di qualunque strumento.

Adozione e prontezza restano concetti distinti. Un'organizzazione può disporre di strumenti eccellenti e leadership impreparata, con risultati peggiori di chi ha strumenti mediocri e leadership alfabetizzata. La distanza tra questi due stati è dove vive la sfida.

Cosa fanno le organizzazioni ad alto funzionamento

Le organizzazioni che colmano il divario convertono il talento interno, invece di competere esclusivamente sul mercato esterno. I dati di adozione lo confermano: Morgan Stanley riporta il 98% di utilizzo tra i team supportati, mentre JPMorgan registra oltre 200.000 persone che hanno scelto di adottare gli strumenti AI.

Le persone già dentro un'organizzazione portano contesto, relazioni e conoscenza dei processi. Adottano e performano meglio dei nuovi assunti specializzati in isolamento.

Questo approccio richiede intenzionalità. La conversione del talento interno funziona come condizione organizzativa progettata, invece che come scelta individuale lasciata al singolo lavoratore.

Applicato ai ruoli junior, il principio suggerisce una direzione. Ridisegnare il primo gradino verso compiti di supervisione attiva e giudizio, invece di eliminarlo, preserva la pipeline e accelera l'alfabetizzazione AI dall'interno.

Cosa cambia per chi guida

Per il CEO, la conversazione da portare al board riguarda la readiness della pipeline di talento. La scomparsa dei primi gradini oggi diventa una carenza di leadership tra cinque anni.

Per il CHRO, la priorità è il ridisegno dei ruoli entry level e i percorsi di L&D che trasformano i neoassunti in supervisori competenti dei sistemi AI. Il premio salariale del 56% per le competenze AI, già documentato, rende il caso economico evidente.

Per il CFO, l'investimento nello sviluppo interno mostra ROI documentato rispetto all'acquisizione esterna. Per il Talent and Compensation Committee, la metrica da monitorare è il tempo alla prima offerta e la quota di ruoli junior riconvertiti.

La design question resta diretta: la vostra organizzazione sta eliminando il primo gradino oppure lo sta ridisegnando? La distanza tra queste due risposte definisce la traiettoria del capitale umano nei prossimi anni.