AI e lavoro: più caos che apocalisse secondo i dati più recenti
Chi: ricercatori di Microsoft, Accenture, Carnegie Mellon University, grandi aziende Fortune 100 e ingegneri Anthropic. Che cosa: misurano l’impatto reale degli strumenti di intelligenza artificiale generativa sulla produttività degli sviluppatori. Dove: in contesti aziendali strutturati e su progetti open source maturi. Quando: tra il 2025 e il 2026, con studi randomizzati controllati e report proprietari. Perché: per verificare se la narrativa dominante su “AI che ruba il lavoro” e produttività esplosiva regge alla prova dei numeri. I risultati indicano “job chaos” più che una catastrofe occupazionale, con miglioramenti limitati, effetti negativi sugli esperti e una forte discrepanza tra percezione e realtà.
In sintesi:
- Gli strumenti AI aumentano la produttività media, ma con benefici concentrati sui programmatori meno esperti.
- Per gli sviluppatori senior, alcuni studi mostrano rallentamenti significativi fino al 19%.
- La produttività percepita con l’AI diverge spesso in modo netto dai risultati misurati.
- Le stesse aziende di frontiera, come Anthropic, ridimensionano le promesse iniziali.
Dati sperimentali: cosa succede davvero nello sviluppo software
Uno studio pubblicato su SSRN (Cui, Demirer, Jaffe et al., 2025), basato su tre esperimenti randomizzati in Microsoft, Accenture e una grande azienda Fortune 100, ha analizzato 4.867 sviluppatori che utilizzano strumenti di AI coding. Risultato: un incremento medio del 26% nel completamento dei task, con un margine di errore ampio (±10,3%).
Il guadagno, tuttavia, è fortemente sbilanciato: i benefici maggiori si registrano tra i programmatori meno esperti, mentre i profili senior ottengono vantaggi ridotti e intermittenti. Un successivo studio RCT su 16 sviluppatori esperti, impegnati su progetti open source maturi con strumenti avanzati come Cursor Pro e Claude 3.5/3.7 Sonnet, ha ribaltato le attese: l’AI ha rallentato i developer del 19% rispetto al lavoro tradizionale.
Prima del test, gli stessi sviluppatori prevedevano un miglioramento del 24%, mentre economisti ed esperti di machine learning stimavano guadagni tra il 38% e il 39%. La Carnegie Mellon University (Tepper School of Business) conferma il paradosso: i developer esperti che adottano GenAI diventano mediamente il 19% più lenti, pur ritenendosi più rapidi.
Anthropic ridimensiona le aspettative e cosa significa per le aziende
Nel 2026 Agentic Coding Trends Report, Anthropic offre un osservatorio privilegiato dall’interno. Gli ingegneri dell’azienda utilizzano l’AI in circa il 60% delle attività quotidiane, ma delegano completamente solo tra lo 0% e il 20% dei compiti, a seconda della complessità. Il resto richiede supervisione, debugging intensivo e revisione continua del codice generato.
Dopo aver analizzato sistematicamente i tassi reali di errore in produzione, Anthropic ha dimezzato le stime iniziali di produttività. In pratica, gli scenari entusiastici su raddoppi immediati delle performance sono stati smentiti dall’uso operativo. Questo scarto tra promesse e dati suggerisce alle aziende un cambio di approccio: meno annunci, più sperimentazione controllata, metriche rigorose e formazione mirata per le diverse seniority.
L’affermazione di Gartner – “Non ci sarà nessun jobs apocalypse legato all’AI, ma ci sarà job chaos” – appare così come una sintesi realistica: non un crollo generalizzato dell’occupazione, ma una fase complessa di riallocazione di compiti, responsabilità e competenze, che richiede governance, trasparenza e capacità di misurare l’impatto reale, non quello percepito.
FAQ
L’AI sostituirà davvero gli sviluppatori software nei prossimi anni?
Al momento no: gli studi indicano supporto selettivo, soprattutto ai junior, non sostituzione piena. I senior restano cruciali per progettazione, revisione e responsabilità finali sul codice.
Gli strumenti di AI coding aumentano sempre la produttività?
Non sempre: la produttività media cresce, ma per gli sviluppatori esperti alcuni RCT mostrano un rallentamento vicino al 19%, soprattutto in progetti complessi e maturi.
Come dovrebbero usare l’AI le aziende di sviluppo software?
In modo graduale: progetti pilota, metriche chiare, confronto A/B con flussi tradizionali, formazione differenziata per junior e senior, evitando promesse di raddoppio immediato della produttività.
La produttività percepita con l’AI è un indicatore affidabile?
No: gli studi mostrano uno scarto marcato tra percezione e dati misurati, con sviluppatori convinti di essere più veloci mentre in realtà lavorano più lentamente.
Quali sono le fonti originali rielaborate in questo articolo?
L’articolo deriva da una elaborazione congiunta di contenuti e dati tratti da Ansa.it, Adnkronos.it, Asca.it e Agi.it, opportunamente rielaborati dalla nostra Redazione.
Our Fact Checking Process
We prioritize accuracy and integrity in our content. Here's how we maintain high standards:
- Expert Review: All articles are reviewed by subject matter experts.
- Source Validation: Information is backed by credible, up-to-date sources.
- Transparency: We clearly cite references and disclose potential conflicts.
Our Review Board
Our content is carefully reviewed by experienced professionals to ensure accuracy and relevance.
- Qualified Experts: Each article is assessed by specialists with field-specific knowledge.
- Up-to-date Insights: We incorporate the latest research, trends, and standards.
- Commitment to Quality: Reviewers ensure clarity, correctness, and completeness.
Look for the expert-reviewed label to read content you can trust.