L ‘IA Generativa al Lavoro

Cosa ci rivela l’uso reale di Microsoft Copilot sul Futuro delle Occupazioni

1. L’Onda dell’IA Generativa e la Domanda Cruciale

L’intelligenza artificiale generativa è emersa rapidamente come una tecnologia di scopo generale, un’innovazione con il potenziale di trasformare settori interi, in modo analogo all’impatto storico della macchina a vapore o del computer.¹ La sua adozione è stata sorprendentemente celere, con quasi il 40% degli americani che ne riportano l’uso sia in ambito domestico che lavorativo, un tasso che ha superato la diffusione iniziale di tecnologie rivoluzionarie come il personal computer e internet.¹ Questa rapida e vasta integrazione dell’IA generativa nella vita quotidiana e professionale non è semplicemente una tendenza tecnologica passeggera; rappresenta un profondo cambiamento sociale ed economico che richiede una comprensione basata su dati empirici delle sue implicazioni, andando oltre la mera speculazione.

Di fronte a questa diffusione senza precedenti, la domanda cruciale non è più se l’IA avrà un impatto sul mondo del lavoro, ma piuttosto quali attività lavorative e, per estensione, quali occupazioni saranno maggiormente influenzate.¹ Per rispondere a questo interrogativo fondamentale con dati concreti, Microsoft Research ha condotto uno studio pionieristico. Questa analisi si propone di fornire una prospettiva unica e basata sull’evidenza sull’interazione tra uomo e IA nel contesto lavorativo, esaminando l’uso reale di un sistema di IA generativa ampiamente diffuso: Microsoft Bing Copilot (ora noto semplicemente come Microsoft Copilot).¹ Il cuore di questa ricerca risiede nell’analisi di un vasto dataset di 200.000 conversazioni anonimizzate tra utenti e l’IA, offrendo un’istantanea preziosa su come l’IA stia già rimodellando le dinamiche lavorative.

2. Capire l’Impatto: La Lente Analitica dello Studio

Lo studio si distingue per un approccio metodologico rigoroso e innovativo, basato sull’analisi di 200.000 conversazioni con Microsoft Bing Copilot, raccolte tra gennaio e settembre 2024 negli Stati Uniti.¹ I dati provengono da due set distinti: COPILOT-UNIFORM, composto da circa 100.000 conversazioni campionate uniformemente per fornire una visione rappresentativa dell’uso generale, e COPILOT-THUMBS, un set di supporto di 100.000 conversazioni che includono feedback espliciti degli utenti (pollice in su/giù), utilizzato per valutare la soddisfazione.¹

La Distinzione Chiave: “Obiettivo dell’Utente” (User Goal) vs. “Azione dell’IA” (AI Action)

Un elemento fondamentale dell’analisi è la distinzione tra due modi distinti in cui una singola conversazione con un assistente IA può influenzare la forza lavoro.¹ Il primo è l'”Obiettivo dell’Utente” (User Goal), che si riferisce al compito che l’utente sta cercando di realizzare con l’assistenza dell’IA. Ad esempio, un utente potrebbe voler capire come stampare un documento. Il secondo è l'”Azione dell’IA” (AI Action), che descrive il compito che l’IA stessa esegue nella conversazione, come fornire istruzioni dettagliate su come utilizzare una stampante.¹

Questa distinzione non è una mera sfumatura metodologica, ma un quadro concettuale di importanza critica per comprendere la vera natura dell’impatto dell’IA. Permette un’analisi più granulare tra l’aumento (potenziamento) e l’automazione (sostituzione diretta) delle attività lavorative. La ricerca rivela che l’IA spesso svolge un ruolo di supporto complementare piuttosto che di sostituzione diretta, anche all’interno della stessa conversazione. Per esempio, se un utente ha come obiettivo la “raccolta di informazioni”, l’azione dell’IA potrebbe essere il “fornire informazioni”.¹ Questa complementarità indica un’azione di aumento, dove l’IA agisce come un assistente intelligente, piuttosto che un’automazione completa. Questa comprensione più profonda è cruciale per le politiche e le strategie aziendali, poiché suggerisce un cambiamento nel

modo in cui il lavoro viene svolto, non solo in chi lo svolge.

Il Framework O*NET e il Punteggio di Applicabilità dell’IA

Per mappare l’uso dell’IA all’impatto occupazionale, le conversazioni sono state classificate utilizzando il database O*NET, che scompone gerarchicamente le occupazioni in attività lavorative.¹ Lo studio si è concentrato sulle

Intermediate Work Activities (IWAs), che sono 332 descrizioni generali di lavoro applicabili a compiti trasversali a diverse occupazioni. Questa scelta, rispetto ai più di 18.000 compiti specifici, è stata fatta per garantire maggiore accuratezza e affidabilità nella classificazione.¹ La classificazione è stata eseguita tramite una pipeline LLM basata su GPT-4o.¹

Per misurare il potenziale impatto sulle occupazioni, è stato sviluppato un “Punteggio di Applicabilità dell’IA” (AI Applicability Score), una metrica olistica che combina tre dimensioni cruciali ¹:

• Copertura (Coverage): La frazione ponderata delle IWAs di un’occupazione per cui l’IA è utilizzata in modo non trascurabile. Viene considerata una soglia dello 0,05% di quota di attività nelle conversazioni.¹
• Tasso di Completamento (Completion Rate): Il successo con cui l’IA completa i compiti dell’utente, misurato tramite un classificatore LLM (GPT-4o-mini) e validato dal feedback utente.¹
• Ambito di Impatto (Scope of Impact): La frazione di lavoro in un’IWA che Copilot dimostra di poter assistere o eseguire, misurata su una scala Likert a sei punti (da “nessuno” a “completo”).¹

Il punteggio finale per un’occupazione è la media dei punteggi calcolati per gli obiettivi dell’utente e le azioni dell’IA.¹ Questo punteggio di applicabilità dell’IA, integrando copertura, completamento e ambito, va oltre la semplice frequenza d’uso per fornire una misura sfumata del potenziale impatto. Lo studio sottolinea che, a differenza di altre ricerche, non si concentra su misurazioni assolute della “percentuale di forza lavoro influenzata”. Tali cifre possono essere fuorvianti a causa della loro estrema sensibilità a soglie di utilizzo arbitrarie.¹ L’approccio adottato è quello di fare “affermazioni relative” sulle diverse occupazioni (chi è più o meno influenzato), che sono molto più significative e robuste.¹ Questo approccio più maturo all’interpretazione dei dati suggerisce che l’attenzione dovrebbe essere su chi è più o meno influenzato, piuttosto che su una percentuale precisa di posti di lavoro persi o guadagnati.

3. L’IA in Azione: Attività Lavorative Sotto la Lente

L’analisi approfondita delle conversazioni con Copilot rivela modelli distinti nelle attività lavorative per cui gli utenti cercano assistenza e nelle azioni che l’IA stessa compie.

Obiettivi dell’Utente (User Goals) e Azioni dell’IA (AI Actions) più Comuni

Gli utenti cercano principalmente l’assistenza di Copilot per attività legate alla raccolta di informazioni, alla scrittura e alla comunicazione.¹ Tra le IWAs più frequenti come obiettivi dell’utente rientrano: “Raccogliere informazioni da varie fonti”, “Ottenere informazioni su beni o servizi”, “Mantenere la conoscenza nel proprio campo di competenza”, “Leggere documenti o materiali”, “Sviluppare contenuti di notizie/intrattenimento/artistici”, “Scrivere materiale per scopi artistici o commerciali”, “Modificare materiali o documenti scritti” e “Fornire informazioni a clienti/clienti”.¹

D’altra parte, l’IA agisce spesso in un ruolo di servizio, fungendo da coach, consulente o insegnante, raccogliendo informazioni e spiegandole all’utente.¹ Le IWAs più frequenti come azioni dell’IA includono: “Raccogliere informazioni da varie fonti”, “Preparare materiali informativi/istruttivi”, “Presentare informazioni di ricerca/tecniche”, “Spiegare tecnologia, dettagli di prodotti/servizi”, “Rispondere a problemi o richieste dei clienti” e “Consigliare altri su prodotti/servizi”.¹

La seguente tabella riassume alcune delle attività lavorative più comuni, evidenziando la loro prevalenza come obiettivi dell’utente o azioni dell’IA:

Tabella 1: Attività Lavorative (IWAs) più Comuni e Loro Ruolo

L’analisi rivela una sorprendente asimmetria tra gli obiettivi dell’utente e le azioni dell’IA: il 40% delle conversazioni presenta insiemi disgiunti di IWAs, e il 96% ha più IWAs uniche per ciascun lato che in comune.¹ Mentre l’IA tende a svolgere ruoli di consulenza e insegnamento, gli utenti si concentrano sull’ottenimento di informazioni, la lettura e la ricerca.¹ L’IA è molto più propensa ad assistere attività con una componente fisica o che richiedono interazioni con altre entità (ad esempio, l’acquisto di beni), mentre è più propensa a eseguire attività legate alla formazione, al coaching e alla consulenza.¹ Questa distinzione è un aspetto importante: l’IA spesso svolge un ruolo di supporto, piuttosto che di sostituzione diretta, anche all’interno della stessa conversazione.

Successo, Completamento e Ambito di Impatto

La valutazione della soddisfazione degli utenti e del successo dei compiti è fondamentale per comprendere l’impatto potenziale dell’IA. La maggior parte delle IWAs comuni ha un feedback positivo superiore al 50%, indicando che gli utenti trovano Copilot utile nel complesso.¹ Le attività con feedback più positivo includono la scrittura e la modifica di testi, la ricerca di informazioni e la valutazione o l’acquisto di beni.¹

Tuttavia, lo studio evidenzia anche delle aree di debolezza. Le attività di analisi dei dati e di progettazione visiva mostrano il feedback peggiore, suggerendo che Copilot è più efficace nelle componenti di scrittura e ricerca del lavoro di conoscenza rispetto a quelle analitiche e visive.¹ Questa consistente sotto-performance dell’IA nei compiti di analisi dei dati e progettazione visiva, nonostante i suoi punti di forza nella raccolta di informazioni e nella scrittura, rivela le attuali limitazioni nelle capacità multimodali o nel ragionamento analitico complesso. Ciò suggerisce aree specifiche per il futuro sviluppo dell’IA e mette in evidenza le competenze che rimangono distintamente umane a breve termine.

Esiste una forte correlazione tra il feedback positivo e il tasso di completamento del compito (r=0.83 per gli obiettivi dell’utente, r=0.76 per le azioni dell’IA), confermando l’affidabilità delle misurazioni.¹ Per quanto riguarda l’ambito di impatto, le IWAs con il più alto potenziale includono la raccolta di informazioni, la scrittura, la fornitura di informazioni, la consulenza e la spiegazione.¹ Un dato rilevante è che l’ambito di impatto è costantemente inferiore per le azioni dell’IA rispetto agli obiettivi dell’utente.¹ Ciò indica che l’IA può assistere gli utenti in una frazione più ampia del loro lavoro rispetto a quanto possa eseguire direttamente. Questo rafforza la comprensione che l’IA agisce più come uno strumento per migliorare la produttività umana che come un sostituto diretto di intere funzioni lavorative. L’ambito di impatto è anche un buon predittore delle attività per le quali le persone cercano più spesso assistenza dall’IA.¹

4. Le Professioni del Futuro: Chi è più e meno influenzato?

L’analisi del punteggio di applicabilità dell’IA rivela un panorama differenziato per le varie occupazioni e gruppi professionali.

Occupazioni ad Alta Applicabilità dell’IA

Le occupazioni con i punteggi di applicabilità dell’IA più elevati sono quelle fortemente legate al lavoro di conoscenza e alla comunicazione.¹ Interpreti e Traduttori si trovano in cima alla lista, con il 98% delle loro attività lavorative che si sovrappongono a compiti frequenti di Copilot, e con tassi di completamento e punteggi di ambito piuttosto elevati.¹ Altre professioni con alta applicabilità includono Storici, Scrittori e Autori, Programmatori di Strumenti CNC, Impiegati di Borsa, Scienziati Politici, Reporter e Giornalisti, Matematici, Correttori di Bozze, Editori e Specialisti in PR.¹

Anche i ruoli che implicano una forte componente comunicativa, come Rappresentanti di Vendita di Servizi, Rappresentanti del Servizio Clienti, Operatori Telefonici, Agenti di Biglietteria e Impiegati di Viaggio, Annunciatori Radiofonici e DJ, Concierge e Telemarketing, mostrano un’alta applicabilità.¹ Questo è attribuibile alla capacità dell’IA di comunicare e fornire informazioni, una componente sostanziale di questi lavori.¹ Le attività chiave che contribuiscono a questi punteggi includono “Fornire informazioni ai clienti”, “Rispondere alle richieste dei clienti”, “Modificare materiali scritti” e “Programmare sistemi informatici”.¹

La seguente tabella presenta alcuni esempi di occupazioni con alta e bassa applicabilità dell’IA, fornendo una visione concreta del loro potenziale impatto:

Tabella 2: Esempi di Occupazioni con Alta e Bassa Applicabilità dell’IA

Gruppi Occupazionali Maggiori con Alta e Bassa Applicabilità

A un livello più aggregato, i gruppi occupazionali con i punteggi di applicabilità dell’IA più alti sono “Vendite e settori correlati”, “Informatica e Matematica” e “Supporto Amministrativo e d’Ufficio”.¹ È interessante notare che i settori “Vendite e settori correlati” e “Supporto Amministrativo e d’Ufficio” sono anche due dei più grandi in termini di occupazione.¹ Anche gruppi con una significativa componente comunicativa, come “Servizi Comunitari e Sociali”, “Arte, Design, Intrattenimento, Sport e Media”, “Operazioni Commerciali e Finanziarie” e “Istruzione e Biblioteche”, mostrano un’alta applicabilità dell’IA.¹ L’alta applicabilità dell’IA per occupazioni come “Vendite e settori correlati” e “Supporto Amministrativo e d’Ufficio”, nonostante i loro requisiti salariali e di istruzione spesso inferiori, sfida la percezione comune che l’IA influenzi principalmente il lavoro di conoscenza altamente qualificato e ben retribuito. Questo suggerisce un impatto più ampio e democratico attraverso lo spettro economico, potenzialmente influenzando una parte significativa della forza lavoro precedentemente ritenuta meno suscettibile.

La seguente tabella offre una visione macroscopica dell’impatto dell’IA a livello di settore:

Tabella 3: Punteggio di Applicabilità dell’IA per i Principali Gruppi Occupazionali (SOC Major Groups)

Occupazioni a Bassa Applicabilità dell’IA

Le occupazioni meno influenzate dall’IA sono quelle che richiedono un’importante componente fisica, l’operazione di macchinari o altre attività manuali.¹ Esempi includono Flebologi, Assistenti Infermieristici, Lavoratori per la Rimozione di Materiali Pericolosi, Imbalsamatori, Operatori di Impianti e Sistemi, Massaggiatori, Lavapiatti, Coperturisti e Addetti alle Pulizie e Governanti.¹ Queste professioni sono meno suscettibili all’IA perché richiedono interazioni fisiche dirette con persone o l’ambiente, destrezza manuale o il controllo di attrezzature complesse, capacità che gli attuali LLM non possiedono.¹

A livello di gruppo, i settori meno influenzati includono “Supporto Sanitario”, “Agricoltura, Pesca e Silvicoltura”, “Costruzione ed Estrazione”, “Pulizia e Manutenzione Edifici e Terreni”, “Trasporto e Movimentazione Materiali” e “Produzione”.¹ La chiara distinzione tra occupazioni con alta applicabilità dell’IA (lavoro di conoscenza, comunicazione) e bassa applicabilità dell’IA (lavoro fisico, funzionamento di macchinari) rafforza il concetto del “problema dell’incarnazione” per l’IA. Ciò implica che i lavori che richiedono un’interazione fisica complessa con il mondo reale o un’empatia umana sfumata rimangono relativamente isolati dalle attuali capacità degli LLM, fornendo un quadro più chiaro dei limiti attuali dell’IA.

5. IA, Salari e Istruzione: Le Correlazioni Socio-Economiche

Lo studio ha esaminato anche come il punteggio di applicabilità dell’IA si correla con fattori socioeconomici come il salario e il livello di istruzione, rivelando risultati che in alcuni casi sfidano le aspettative comuni.

Correlazione con il Salario

Contrariamente a quanto spesso si ipotizza, la ricerca rileva una correlazione sorprendentemente debole e non coerente tra il punteggio di applicabilità dell’IA e il salario medio delle occupazioni. La correlazione ponderata per l’occupazione è solo r=0.07.¹ Anche escludendo il 10% dei lavoratori con i salari più alti, la correlazione rimane debole, aumentando solo a r=0.13.¹ Questa debolezza è in parte spiegata dal fatto che occupazioni ad alta occupazione, come quelle nelle vendite e nel supporto amministrativo, pur avendo salari relativamente bassi, mostrano un’alta applicabilità dell’IA.¹ La debole correlazione tra l’applicabilità dell’IA e il salario sfida l’assunto comune che l’IA influenzi in modo sproporzionato i lavori ad alto salario, suggerendo una relazione più complessa e meno diretta. Questo implica che gli effetti di ridistribuzione economica dell’IA potrebbero non seguire semplici schemi lineari basati sui livelli di reddito attuali.

Correlazione con l’Istruzione

Si osserva una correlazione leggermente più marcata con il livello di istruzione. Le occupazioni che richiedono una laurea tendono ad avere un punteggio di applicabilità dell’IA più elevato rispetto a quelle con requisiti educativi inferiori. Il punteggio medio ponderato per l’occupazione per le lauree è di 0.27, contro 0.19 per tutti gli altri gruppi, una differenza statisticamente significativa (p<10^-14).¹ Tuttavia, è importante notare che esiste ancora una notevole sovrapposizione nei punteggi di applicabilità tra i diversi requisiti di istruzione.¹ Sebbene una laurea sia correlata a una maggiore applicabilità dell’IA, la sostanziale sovrapposizione nei punteggi di applicabilità tra i diversi requisiti di istruzione indica che il livello di istruzione da solo non è un predittore definitivo dell’impatto dell’IA. Ciò suggerisce che competenze e attività specifiche, piuttosto che ampie categorie educative, sono più cruciali nel determinare la rilevanza dell’IA per un ruolo, implicando la necessità di una pianificazione della forza lavoro basata sulle competenze piuttosto che sui titoli di studio.

6. Oltre l’Orizzonte: Limitazioni e Prossimi Passi

Gli autori riconoscono diverse limitazioni intrinseche alla ricerca, che offrono spunti importanti per la comprensione dei risultati e per le direzioni future.

Riconoscere i Limiti dello Studio 

In primo luogo, è intrinsecamente difficile distinguere se le conversazioni analizzate avvengano in un contesto lavorativo o per svago, il che potrebbe influenzare le conclusioni sull’impatto occupazionale diretto.¹ Ad esempio, una richiesta di ricetta potrebbe provenire da uno chef o da qualcuno che cucina a casa.¹ In secondo luogo, determinare la vera magnitudine dell’impatto dell’IA sulle attività lavorative basandosi solo sui dati di conversazione è complesso, nonostante le misure di completamento e ambito impiegate.¹

Un’altra limitazione significativa è che l’analisi si basa esclusivamente su Microsoft Bing Copilot.¹ L’uso di altri LLM e piattaforme AI potrebbe rivelare modelli di utilizzo e impatti diversi; ad esempio, l’uso di Copilot è molto meno focalizzato sui compiti di programmazione e matematica rispetto a quello di Claude.¹ Infine, la rappresentazione delle occupazioni tramite il database O*NET, pur essendo una pratica standard, potrebbe non catturare la complessità completa di ogni ruolo, il “collante” tra i compiti, o essere pienamente aggiornata rispetto alle attività lavorative attuali. È inoltre un database centrato sugli Stati Uniti.¹

Attenzione alle Previsioni Semplici

Lo studio mette in guardia contro la tentazione di concludere che le occupazioni con alta sovrapposizione con le capacità dell’IA saranno semplicemente automatizzate e subiranno perdite di posti di lavoro o salari. L’esperienza storica, come quella degli sportelli automatici che, pur automatizzando un compito centrale dei cassieri di banca, hanno sorprendentemente portato a un aumento del numero di posti di lavoro per i cassieri, dimostra che il potenziale tecnologico non si traduce automaticamente in esiti economici diretti.¹ Le scelte aziendali e le dinamiche di mercato giocano un ruolo cruciale. Questa esplicita cautela contro la confusione tra la capacità dell’IA e le scelte aziendali a valle è un aspetto interpretativo fondamentale. Sottolinea che il potenziale tecnologico non si traduce automaticamente in specifici risultati economici (ad esempio, perdita di posti di lavoro vs. creazione di posti di lavoro), enfatizzando il ruolo del processo decisionale umano e delle dinamiche di mercato.

Prospettive per la Ricerca Futura

La ricerca apre importanti interrogativi per il futuro, sottolineando la natura dinamica dell’impatto dell’IA.¹ Sarà cruciale comprendere come le occupazioni si riorganizzeranno in risposta alle capacità dell’IA e come emergeranno nuove professioni, un fenomeno non nuovo, dato che la maggior parte dell’occupazione odierna è in occupazioni sorte negli ultimi 100 anni a seguito di nuove tecnologie.¹ Inoltre, l’applicabilità dell’IA è una “istantanea nel tempo”; la tecnologia è in continua evoluzione, e il monitoraggio dei cambiamenti nell’uso dell’IA sarà fondamentale per rivelare come queste nuove capacità verranno sfruttate.¹ L’appello a future ricerche sulla ristrutturazione dei posti di lavoro, sull’emergere di nuove occupazioni e sulla frontiera in evoluzione delle capacità dell’IA riconosce la natura dinamica dell’impatto dell’IA. Ciò suggerisce che i risultati attuali sono una “istantanea nel tempo” e che un monitoraggio continuo e risposte politiche adattive saranno essenziali, piuttosto che interventi una tantum.

7. Un Futuro Lavorativo in Evoluzione con l’IA

Lo studio di Microsoft Research offre un’analisi basata sui dati dell’impatto dell’IA generativa sul mondo del lavoro, fornendo una prospettiva preziosa sull’interazione tra uomo e IA. Le attuali capacità dell’IA si allineano fortemente con il lavoro di conoscenza e le occupazioni orientate alla comunicazione, agendo spesso come un “coach” o “consulente” per potenziare gli utenti.¹ La ricerca ha evidenziato che, sebbene l’IA eccella nella raccolta di informazioni e nella scrittura, mostra limiti nelle attività di analisi dei dati e nel design visivo.¹

L’impatto dell’IA si manifesta in modo sfaccettato e ampiamente distribuito tra le occupazioni. È stata riscontrata una debole correlazione tra l’applicabilità dell’IA e i salari, suggerendo che l’influenza dell’IA non si limita ai lavori ad alto reddito.¹ Si è invece osservata una maggiore rilevanza per le occupazioni che richiedono una laurea, sebbene con una notevole sovrapposizione tra i diversi livelli di istruzione, indicando che le competenze specifiche e le attività svolte sono più determinanti della qualifica formale.¹ Le professioni che richiedono lavoro fisico, l’operazione di macchinari o altre attività manuali rimangono meno influenzate, delineando i limiti attuali dell’IA legati alla necessità di interazione fisica con il mondo reale.¹

I risultati sottolineano che l’IA è un potente strumento in continua evoluzione, e il suo impatto sul futuro del lavoro non è predeterminato dalla tecnologia stessa, ma modellato dalle scelte umane, dalle strategie aziendali e dalle dinamiche di mercato.¹ Comprendere queste dinamiche è fondamentale per professionisti, aziende e decisori politici, che sono chiamati ad adattarsi e a prosperare nell’era dell’IA, riconoscendo che la collaborazione uomo-IA è un percorso di continua evoluzione e riorganizzazione.

Bibliografia

1. microsoft-futuro-lavoro-2507.07935v3.pdf