In una fotografia scattata in una cucina d’albergo non succede niente. Un cuoco in giacca bianca sta in piedi con le braccia conserte. Davanti a lui, alto la metà, c’è un ragazzino in giacca nera e grembiule lungo, il più giovane della squadra, e lo guarda dal basso. Nessuno dei due sta cucinando. Il cuoco sta dicendo qualcosa e il ragazzo sta ascoltando, e quella cosa lì è l’unico motivo per cui fra dieci anni ci sarà ancora qualcuno capace di mandare avanti quella cucina.

Tengo in mente quella scena da quando ho cominciato a leggere quello che si scrive sull’intelligenza artificiale e i giovani. Perché tutta la discussione dà per scontata una cosa che scontata non è: che quel momento lì, in azienda, esista ancora.

Serve una distinzione che nessuno fa mai, e senza la quale non se ne esce.

Il lavoro è quello che fai oggi. Un compito, un turno, un output che qualcuno misura. Si assegna, si conta, si paga a ore. Il mestiere è quello che ti resta addosso quando quel compito non c’è più: sapere dove guardare, capire che una cosa sta andando storta prima che vada storta, riconoscere il cliente che entra il giovedì. Il lavoro te lo danno. Il mestiere te lo prendi, e te lo puoi prendere solo da qualcuno che ce l’ha.

L’intelligenza artificiale è bravissima a fare il lavoro. Sul mestiere non ha toccato niente, perché non c’è niente da toccare: il mestiere non passa da un file, passa da una persona a un’altra persona guardandosi in faccia.

Il problema è un altro, ed è tutto nostro. Noi il mestiere lo trasmettevamo di straforo, appeso al lavoro noioso.

Pensiamo a cosa si fa fare a una persona di ventitré anni nelle sue prime settimane. Riordinare numeri, riscrivere un documento che qualcun altro ha già scritto, controllare che una lista corrisponda a un’altra lista. Sono compiti che all’azienda servono poco, e chi li assegna lo sa benissimo. Non li assegna perché servono: li assegna perché mentre uno li fa sta lì dentro, e guardando impara com’è fatta la casa in cui è entrato.

È il gradino più basso della scala, ed è esattamente il gradino che una macchina fa meglio di un ragazzo alla prima settimana. Più veloce, a qualsiasi ora, senza sbagliare la formattazione. Chi ha un’azienda l’ha capito da solo, senza bisogno di leggere niente: il primo posto dove l’intelligenza artificiale conviene davvero è proprio lì, sul lavoro che davi da fare a chi doveva ancora imparare.

Adesso quel lavoro lo fa la macchina, e il mestiere che ci viaggiava sopra non è più incluso nel prezzo.

La risposta che circola è un numero solo, e viene da uno studio di Stanford: negli Stati Uniti l’occupazione dei ventiduenni-venticinquenni nelle professioni più esposte all’intelligenza artificiale starebbe il diciannove per cento sotto dove sarebbe se avesse tenuto il passo dei coetanei meno esposti.

Il numero è vero, ma non vuol dire quello che gli fanno dire. Quasi tutti lo raccontano come un calo del diciannove per cento, e non lo è: è lo scarto da una traiettoria immaginaria. Le persone davvero occupate in quella fascia d’età, nel campione, scendono di meno del due per cento. Fra le due frasi ci sta la differenza fra un crollo e un rallentamento.

E c’è dell’altro, che lo dicono per primi gli autori. Non è uno studio pubblicato su rivista, è un documento di lavoro. I dati glieli fornisce l’azienda che elabora le buste paga americane, la stessa che finanzia il laboratorio e rilegge il testo prima che esca. Il numero nel titolo è cresciuto per tre volte in un anno, mentre cambiava la statistica misurata, e se si tiene conto di quanti laureati ci sono nelle imprese osservate l’effetto si dimezza e in una delle versioni smette di essere significativo. Lo scrivono loro, in appendice. Il titolo è diventato più grande mentre la prova diventava più debole.

Poi qualcuno è andato a rifare il conto fuori dagli Stati Uniti, e non lo ha trovato. In Finlandia le professioni esposte e quelle al riparo si muovono insieme. In Danimarca uno studio di Chicago Booth non trova effetti degni di nota, e trova invece una cosa più interessante: il calo dei ruoli d’ingresso lì c’è e assomiglia a quello americano, ma non lo guidano le imprese che hanno adottato i chatbot. Sta succedendo qualcosa, ma non è quello che pensiamo.

Un esempio perfetto è arrivato mentre scrivevo, e ha cinque giorni. Uber annuncia il taglio di tremilatrecento posti e i titoli italiani mettono in prima riga i robotaxi: meno persone, più macchine che si guidano da sole. Poi si apre il memo che l’amministratore delegato ha mandato ai dipendenti, che è pubblico, e dell’intelligenza artificiale non c’è una riga. C’è che in cinque anni i ricavi sono quasi triplicati e che la crescita ha portato “più livelli, più coordinamento, una responsabilità più frammentata”.

Il dettaglio che conta è la forma del taglio. A cadere sono soprattutto i manager, il doppio della media. Se l’automazione stesse mangiando i lavori d’ingresso, quel taglio avrebbe la forma esattamente opposta: non se ne andrebbe il centro dell’organigramma, se ne andrebbe la base.

Non sto dicendo che il fenomeno non esista. Sto dicendo che quel numero non è la prova che esista, e che chi lo usa come prova prende in prestito una certezza che chi lo ha prodotto non ha.

Sui giornali italiani quel diciannove per cento è stato rilanciato come se riguardasse noi. Ne esiste perfino una versione locale, attribuita a un osservatorio che non è un istituto pubblico ma la piattaforma di un venture builder privato.

I dati italiani veri vanno nella direzione opposta, e non di poco. L’INPS, che i contratti li vede tutti perché li registra, fra il 2019 e il 2025 conta ottocentocinquantamila dipendenti in più fra i diciotto e i trentaquattro anni, mentre quella fascia d’età si svuotava. E quando il Ministero del Lavoro ha incrociato per la prima volta l’esposizione alle macchine con le assunzioni effettive, ha trovato che nelle professioni più esposte le assunzioni crescono, e che lì i contratti stabili sono più del doppio della media. Il contratto d’ingresso è più frequente proprio dove le macchine arrivano di più.

Una ragione banale c’è, e conviene dirla: da noi l’intelligenza artificiale si usa ancora pochissimo. Non si vede l’effetto anche perché non c’è abbastanza causa.

E qui arriva la parte che mi interessa davvero, perché è l’unica su cui chi ha un’azienda può fare qualcosa.

La domanda giusta non è se l’intelligenza artificiale stia distruggendo i lavori d’ingresso. La domanda è se quei lavori, da noi, un mestiere lo insegnassero davvero, prima che arrivassero le macchine.

C’è un modo di rispondere che non lascia scampo, ed è seguire delle persone vere per abbastanza tempo. INAPP lo ha fatto: duecentotredicimila ragazzi assunti in apprendistato, seguiti per dieci anni. Dopo dieci anni tre su quattro lavorano ancora, quasi la metà ha un contratto stabile con qualcuno. Con l’azienda che li ha formati ci sono rimasti otto su cento.

Novantadue su cento se ne vanno da dove hanno imparato.

E c’è un dettaglio che lo dice ancora meglio. La stabilizzazione, quando arriva, arriva quasi sempre dal terzo anno in avanti, praticamente mai entro il primo. Cioè arriva quando scadono gli sgravi contributivi, non quando il ragazzo ha imparato il mestiere. Non è un patto fra chi sa e chi impara: è una porta girevole con un incentivo fiscale appeso sopra.

Il resto della scala non sta meglio, e basta un confronto per capirlo. L’apprendistato duale vero, quello che mette insieme scuola e bottega, in Italia riguarda meno di dodicimila persone. In Germania sono oltre un milione e trecentomila.

Guardate quest’altra fotografia. Un’officina, dei ragazzi ai torni, e a sinistra un uomo con il berretto che non fa niente. Non tiene un pezzo, non gira una manovella, non produce nulla che si possa vendere. Guarda. Quell’uomo costa: è un’ora di uno bravo, spesa a non produrre. È la prima voce che si taglia quando un’azienda va di fretta, e noi l’abbiamo tagliata molto prima che esistesse ChatGPT.

Per un pezzo ce lo siamo anche raccontata bene, perché finché il primo gradino era fatto di compiti inutili si poteva dire che almeno servivano a entrare. Adesso quei compiti li fa una macchina, e resta scoperto quello che il primo gradino avrebbe dovuto fare e non faceva.

Devo dire una cosa che va contro metà di quello che ho scritto fin qui, e la dico perché la vedo tutti i giorni.

Ho formato molti ragazzi in cucina e in sala. La ristorazione è un settore ancora molto tradizionale, e ha una cosa che gli uffici hanno perso: le mani le metti dentro dal primo giorno. Non esiste il compito finto da dare al nuovo per tenerlo occupato mentre guarda. Esiste il servizio, e il servizio va fatto. Si impara lavorando e sbagliando dentro il servizio, che è anche l’unico posto dove si può sbagliare per davvero, perché l’errore si vede subito e lo vedi tu.

Essendo un lavoro manuale è fisiologico che vada così. E c’è una conseguenza che pesa più di quanto sembri: chi si appassiona vede i miglioramenti giorno dopo giorno. Sa se sta diventando bravo, e lo sa da solo, senza che nessuno glielo certifichi. È molto meno frustrante di un primo anno passato a riordinare numeri che qualcun altro ricontrollerà.

Ecco perché da noi il mestiere passa ancora: perché il lavoro e il mestiere sono la stessa cosa. Il compito che ti do il primo giorno non è finto, è il servizio, e mentre lo fai il mestiere te lo prendi da solo, perché il risultato ce l’hai davanti nel giro di un minuto.

Allora la linea di divisione non è quella che raccontano tutti. Non passa fra le professioni esposte all’intelligenza artificiale e quelle al riparo. Passa fra i lavori che contengono un mestiere e i lavori che non ne contengono nessuno.

Dove il lavoro contiene il mestiere, la macchina non ha niente da portare via: non può impiattare al posto tuo, non può prendersi la sala il venerdì sera, non può saldare un tubo sotto un lavandino. Dove il lavoro era soltanto lavoro, il primo gradino non insegnava neanche prima. Teneva occupato. E quello sì che la macchina se lo prende, e fa bene a prenderselo.

C’è una prova seria che va nella direzione opposta a tutto il pezzo, e saltarla sarebbe disonesto.

Lo stesso economista che ha firmato lo studio del diciannove per cento ne ha firmato un altro, questo sì pubblicato su una rivista vera, su migliaia di addetti all’assistenza clienti a cui è stato dato un assistente generativo. La produttività sale per tutti, ma sale soprattutto per i nuovi: sui bravi con anni di mestiere l’effetto è quasi nullo. E c’è il dato che conta più di tutti: un principiante con due mesi di anzianità e la macchina lavora quanto o meglio di uno con sei mesi senza. Quando l’assistente si guastava, quelli che lo avevano usato continuavano a lavorare meglio di prima.

Due mesi con la macchina valgono sei mesi senza. Se è vero, l’intelligenza artificiale non sta togliendo il primo gradino: lo sta accorciando. Gli autori però aggiungono la cautela giusta, e vale la pena tenerla: non riescono a distinguere se quei lavoratori stiano imparando un mestiere o stiano solo seguendo un suggerimento. È esattamente la differenza di cui parliamo, e oggi nessuno sa da che parte stia.

Anche ammettendo che il numero americano sia un artefatto, e anche ammettendo che le macchine insegnino invece di sottrarre, resta un motivo per non lasciare la cosa al caso.

Tre economisti hanno seguito quindici generazioni di laureati canadesi. Chi si laurea in un anno brutto parte con uno stipendio più basso, e in dieci anni recupera. Ma quella è la media, e la media qui nasconde tutto: chi parte dalla fascia più alta recupera quasi tutto in quattro anni, chi parte dalla più bassa dopo dieci anni sta ancora sotto, e ci resta.

Chi entra male non perde un anno. Perde un decennio. E non lo perdono tutti allo stesso modo: lo perdono i più deboli, che è poi il motivo per cui uno che si occupa di libertà dovrebbe guardare a questa faccenda con attenzione. La libertà di scegliere che lavoro fare vale poco se il primo lavoro te lo assegna il caso dell’anno in cui sei nato.

Non ho una tesi grande da vendere, ho una cosa piccola che funziona e che mi ha convinto.

In un esperimento fatto dentro un call center americano, a un gruppo di lavoratori è stato dato del tempo strutturato per parlare con un collega. Non un corso, non un affiancamento formale: del tempo, con un orario e una forma. Il risultato per chiamata è salito parecchio, e la cosa che conta di più è che è rimasto su anche dopo che l’esperimento era finito. A un altro gruppo invece hanno dato dei soldi legati al risultato congiunto della coppia: durante l’esperimento sale, appena finisce crolla al punto di partenza.

Il tempo per parlare funziona. Pagare la gente perché si trasmetta le cose non funziona.

È da qui che guardo l’intelligenza artificiale nelle mie aziende, e la conclusione è meno futuristica di quanto sembri. Alla macchina do il lavoro che non insegnava niente a nessuno, e glielo do volentieri, perché toglierlo a una persona non è una perdita. Ma quello che quel lavoro si portava dietro per sbaglio, cioè il tempo che un ragazzo passava dentro l’azienda a guardare come funziona, quello va rimesso apposta, con un orario e una forma, perché adesso non arriva più gratis.

Rimettere l’uomo col berretto costa. In cucina non serve, perché lì il ragazzo capisce da solo se il piatto era giusto. Davanti a un foglio di calcolo non lo capisce nessuno, se non glielo dice qualcuno.

La macchina prende il lavoro, e può prenderselo tutto. Il mestiere non glielo può prendere nessuno, perché non sta scritto da nessuna parte: passa da una persona a un’altra persona, e questo per ora non lo ha automatizzato nessuno.

Ma una cosa che nessuno ti può rubare la puoi buttare via da solo. Se ci limitiamo a togliere il lavoro e non rimettiamo il resto, fra dieci anni avremo una generazione che ha lavorato tanto e non ha imparato un mestiere. E non sarà colpa delle macchine.