Autore di immagini · divulgatore e formatore AI
Se l'agente fa la gavetta, chi diventa senior? 14 min di lettura
AI e lavoro ·

Se l’agente fa la gavetta, chi diventa senior?

Anthropic ha pubblicato i numeri sui suoi junior. Cosa dicono, cosa no, e cosa cambia per chi lavora in uno studio creativo.

📌 Questo pezzo parte da un dato che in questi giorni gira ovunque, spesso con un titolo più forte della fonte. Ti porto a casa tre cose: come leggere un numero di un’azienda AI senza spaventarti, cosa si sa (e cosa no) fuori da Anthropic, e un metodo da provare in studio lunedì. Dove manca un dato sui mestieri creativi, te lo dico.

Il 21% è diventato 14%.

È la quota di dipendenti junior nei reparti tecnici di Anthropic, secondo il rapporto che l’azienda ha pubblicato il 16 ottobre 2026: dal 21% al 14% “since early 2025”. Un secondo numero è più brusco: la quota di junior tra le assunzioni tecniche scende dal 27% al 9%.

Prima che tu apra le notizie e trovi titoli tipo “hanno quasi smesso di assumere”, una precisazione. Questo è un sintomo, non una prova. Riguarda una sola azienda, che vende proprio gli agenti di cui misura gli effetti. Ci arrivo tra poco, perché è la parte più utile del pezzo.

Intanto ti faccio una domanda, e ti avviso che la figura che sto per descrivere è un esempio inventato per ragionare, non una persona reale.

Immagina un assistente di studio fotografico, al primo anno. Per dodici mesi prepara i file, scontorna, ritocca le bozze degli altri, sistema i cataloghi. Lavoro noioso. Ma è lì, a forza di vedere errori altrui, che impara a riconoscere quando qualcosa non torna: un bordo sporco, una pelle di plastica, un colore che stona.

Ora immagina che quell’anno lo faccia una macchina.

La domanda non è “perderà il posto?”. È un’altra: chi correggerà le macchine, tra qualche anno, e dove avrà imparato a farlo?

Il dato, letto bene

Partiamo da cosa dice davvero la fonte. È il rapporto firmato da Wilmers, Catipon, Massenkoff e McCrory dell’Anthropic Institute. Sono pochi numeri, e vanno tenuti insieme così.

  • Quota di junior nei reparti tecnici: dal 21% al 14% da inizio 2025.
  • Quota di junior nelle assunzioni tecniche: dal 27% al 9%. Attenzione: il rapporto non dichiara il periodo in modo esplicito, e non definisce “junior” (parla di posizioni tecniche di “fascia bassa”). Non è un dato su tutta l’azienda.
  • Offerte di lavoro per junior: calate in modo netto da dicembre 2025.
  • Aprile 2026: i team di ingegneria e ricerca avevano ridotto l’enfasi sulle assunzioni di fascia bassa.

Poi c’è il numero che ha fatto più rumore: il “6 a 1”. Ad agosto 2026 gli agenti, dice Anthropic, hanno lavorato sei volte le ore dei loro supervisori umani. Detto così sembra che per ogni persona ci siano sei colleghi invisibili. Non è così.

Le “ore dell’agente” sono il tempo in cui la macchina gira, cioè ragiona e usa strumenti, nelle sessioni avviate dai dipendenti. Le “ore umane” sono il numero di persone moltiplicato per 40 ore settimanali teoriche. È un po’ come confrontare le ore in cui il forno è acceso con le ore di lavoro del pasticcere: dicono qualcosa, ma non sono sei pasticceri in più.

Un’altra cosa, per non confondere i due numeri. Sempre secondo il rapporto, già a marzo 2026 le ore degli agenti avevano superato per la prima volta quelle umane, contando anche il lavoro che gli agenti fanno da soli. Il 6 a 1 di agosto, invece, conta solo le sessioni avviate dai dipendenti.

Cosa questi numeri non misurano

Ed eccolo, il punto che le riprese saltano. Questi dati misurano quote e ore. Non misurano quali compiti spariscono. Non dicono che i ruoli d’ingresso coincidano con il lavoro ripetitivo da cui si impara. Il collegamento “meno junior = sparisce la gavetta” è una lettura, non un fatto contenuto nel rapporto.

E poi ci sono i limiti che ammette Anthropic stessa:

  • nello stesso periodo l’azienda ha avuto una crescita del business che definisce “esplosiva”: un’altra spiegazione possibile;
  • scrive che molte sue pratiche di impiego non sono replicabili nel resto dell’economia;
  • i dati sono interni; il metodo comprende 17 interviste ai dipendenti e il confronto fra 192 ingegneri che adottano agenti e 74 che non li adottano.

L’unico appiglio per dire che c’è un legame di causa ed effetto è un sondaggio fra i manager, quindi autodichiarato: la maggioranza dice di cercare competenze diverse a causa dell’AI, circa un terzo dei manager di machine learning e un quinto di quelli di sviluppo software dice di assumere meno per lo stesso motivo.

Non è poco. Ma è l’opinione di chi assume, non una misura di cosa succede.

Un esempio di come questi numeri viaggiano: un titolo di The Decoder del 18 ottobre dice che Anthropic “ha quasi smesso di assumere junior” perché gli agenti lavorano sei volte le ore. La fonte primaria non stabilisce questo “perché”, e il 9% delle assunzioni non è zero. Lo cito solo per mostrarti com’è fatta l’eco: il dato è uno, il titolo ci aggiunge un nesso.

In sintesi: è un sintomo che vale la pena osservare, di una singola azienda, non il mercato del lavoro.

Per chi vuole il quadro generale su cosa sta cambiando dentro Anthropic, avevo già scritto Oltre l’80% del codice di Anthropic non lo scrive più un umano: questo pezzo ne è il seguito sul lato delle persone.

Fuori da Anthropic: cosa si sa e cosa no

Scala in linea sottile vista di lato con il primo gradino alzato rispetto alla linea tratteggiata, e una piccola figura ai piedi che guarda in alto.

Se un numero interno non basta, vediamo cosa dicono gli altri. Il quadro è diviso.

Da una parte, un segnale di sofferenza. Lo Stanford Digital Economy Lab, nel working paper “Canaries in the Coal Mine?” (Brynjolfsson, Chandar, Chen), nella versione rivista del 12 agosto 2026 su dati ADP fino a giugno 2026, trova che l’occupazione dei 22-25enni nelle professioni più esposte all’AI è inferiore del 19% rispetto a dove sarebbe se avesse seguito i coetanei meno esposti.

Due precisazioni importanti. Primo: è un divario rispetto a un confronto, non un calo assoluto. Secondo: l’effetto passa soprattutto da minori assunzioni di giovani, più che da più licenziamenti. Ed è un working paper, quindi non ancora passato dalla revisione di altri accademici.

Dall’altra, un contrappeso. Lo Yale Budget Lab con Brookings, nell’ottobre 2025, concludeva che nei 33 mesi dopo ChatGPT non si vedeva nessuno scossone riconoscibile nel mercato del lavoro americano nel suo complesso (via The Register). Attenzione alla data: precede la revisione di Stanford, quindi i due studi non si parlano davvero. Mettili uno accanto all’altro come due letture, non come un verdetto.

Una fotografia senza confronto. Secondo la Fed di New York, citata da McKinsey, la disoccupazione dei neolaureati americani era intorno al 5,7% nel primo trimestre 2026 e circa 4 su 10 erano sottoccupati. Detta così non dice se è peggio o meglio di prima, perché manca il termine di paragone. La riporto come contesto, non come prova per nessuna delle due tesi.

Il primo gradino si alza. PwC, nel suo barometro 2026, ha analizzato 2,4 milioni di annunci d’ingresso americani: i ruoli più esposti all’AI chiedono 7 volte più spesso competenze “da senior”. Questi ruoli “seniorizzati” sono cresciuti del 35% dal 2019, mentre gli altri ruoli d’ingresso sono scesi del 10%. Solo USA. La lettura è che il primo gradino non sparisce, si alza.

Le previsioni non sono dati. Dario Amodei, in un’intervista ad Axios del 28 maggio 2025, ha detto che l’AI potrebbe eliminare circa metà dei lavori d’ingresso da colletti bianchi, con una disoccupazione fra il 10 e il 20% in uno-cinque anni. È una previsione, di chi guida un’azienda che vende il prodotto.

A Davos, a gennaio 2026, secondo Business Insider (via AOL), Amodei ha parlato di “little beginnings” nel software, mentre Demis Hassabis vedeva “some evidence” di rallentamento delle assunzioni di junior, ma anche aggiustamenti post-pandemia.

E nei mestieri creativi? Quasi niente di misurato

Qui devo essere onesto, perché è il tuo mondo e non voglio venderti un’estrapolazione come se fosse un dato.

Non esistono, che io abbia trovato, dati misurati sugli ingressi in fotografia, video, grafica, copywriting. Né per l’Italia né per l’Europa. Non so dirti quanti assistenti di studio in meno ci siano oggi. Chi ti dice una percentuale precisa, probabilmente la sta deducendo.

Quello che c’è, con le sue etichette:

  • Uno studio su una piattaforma di freelance (Management Science, 2025) ha rilevato, entro otto mesi da ChatGPT, il 21% di annunci in meno per lavori automatizzabili di scrittura e programmazione rispetto ai lavori manuali, e il 17% in meno per la creazione di immagini dopo l’arrivo dei generatori. Attenzione: sono annunci di freelance, nel periodo 2021-2023, non ruoli d’ingresso.
  • Un sondaggio della Society of Authors (Regno Unito, gennaio 2024, 787 risposte) dice che il 26% degli illustratori e il 36% dei traduttori ha già perso lavoro per l’AI generativa. Il 37% degli illustratori e il 43% dei traduttori riporta un calo di reddito. È autodichiarato.

Cosa ne ricavo? Che i creativi sono esposti, questo sì. Ma il passaggio da “i freelance perdono annunci” a “gli ingressi si assottigliano” è un salto che i dati non fanno. Lo lascio come domanda aperta, non come risposta.

Il rischio vero: da dove arrivano i senior

La domanda di fondo di questo pezzo non è mia. È di McKinsey, che il 14 luglio 2026 ha pubblicato “Building expertise in the age of AI: who trains the next generation?” (Hancock e Seiler). La tesi: se assumi senior e automatizzi i junior, erodi la base da cui nascono i senior. Io la prendo in prestito e la porto altrove: dalle aziende di consulenza alle botteghe creative.

Secondo McKinsey, un sondaggio Strada di marzo 2026 su circa 1.500 dirigenti dice due cose che sembrano contraddirsi:

  • circa un terzo ritiene che l’AI abbia già ridotto i compiti formativi di base dei junior;
  • ma chi prevede più assunzioni d’ingresso nel 2026 supera chi ne prevede un calo di quasi 3 a 1.

Letto bene, non è una contraddizione. L’allarme sul come si impara c’è. Il crollo del numero di posti non è dato per certo. E nota che il “terzo dei dirigenti” è un’impressione autodichiarata, non una misura.

Ora, quello che segue è il mio ragionamento, e ti chiedo di leggerlo come un’ipotesi, non una previsione: se la gavetta è il posto dove si impara a riconoscere l’errore, e tolgo la gavetta, indebolisco la capacità di dirigere le macchine proprio di chi dovrà farlo. Non ti dico quando, né di quanto. Non lo so.

Ne avevo parlato dal lato di chi dirige in E se l’AI non sostituisse te, ma chi non impara a guidarla?. Qui il problema è a monte: per imparare a guidare, serve un posto dove sbagliare.

Come si forma un junior quando la gavetta la fa la macchina

Due stampe della stessa foto affiancate su una scrivania vista dall'alto, una con cerchi e segni a matita, l'altra pulita, con una lente e una matita.

Alcune organizzazioni stanno provando a rispondere. Te le racconto per quello che sono: esperimenti in corso, riportati da McKinsey, senza nessuna misura che dica che funzionino. Non sono modelli collaudati.

  • Microsoft, il modello “preceptor”. Secondo McKinsey (che cita un articolo di Russinovich e Hanselman su Communications of the ACM, aprile 2026), un senior segue un piccolo gruppo di junior che usano l’AI, e osserva cosa accettano e cosa scartano. L’AI dà una spinta (“AI boost”) ai senior e rischia di essere una zavorra (“AI drag”) per chi inizia.
  • Un’azienda immobiliare, non nominata. I junior fanno a mano le valutazioni di mercato (anche girando i quartieri) e poi le confrontano con quelle dell’agente. Le differenze diventano materiale di formazione. Caso anonimo, riportato da McKinsey.
  • Bank of America. Quasi 4.000 stagisti estivi e neoassunti da campus nel 2026, con ruoli ridisegnati attorno all’AI fin dal primo giorno. È un programma di assunzione, non la prova di un metodo formativo.

Il secondo caso è quello che mi interessa di più, perché si traduce quasi uguale al nostro mestiere. Da qui in avanti è una mia proposta, non un fatto: l’assistente di studio rifà a mano il ritocco e lo mette accanto a quello dell’agente; la bozza della macchina diventa un esercizio di correzione. Dove differiscono? Chi ha ragione? Perché?

Cosa dice la ricerca su come si usa l’AI per imparare

Qui ci sono due livelli diversi, e vanno tenuti separati.

Il risultato misurato. Anthropic, a gennaio 2026, ha pubblicato un esperimento vero, con un gruppo che usava l’AI e uno che no: per questo si può parlare di causa ed effetto, non solo di coincidenza. Erano 52 sviluppatori, per lo più junior, che dovevano imparare una libreria nuova. Nel quiz finale, chi aveva usato l’assistente AI ha preso il 50%, chi no il 67%: 17 punti percentuali in meno (non “il 17% in meno”).

Il tempo impiegato non era significativamente diverso. Dato isolato, campione piccolo, azienda che ha interesse a studiarlo.

Un indizio, non una regola. Nello stesso studio, chi delegava tutto all’AI stava sotto il 40%, chi faceva domande concettuali stava al 65% o più. Gli autori stessi escludono che si possa dire che sia il modo di usare lo strumento a causare il risultato. Inoltre era un assistente in chat, non un agente, e il test è stato fatto subito dopo il compito.

Quindi cosa ci porto a casa? Un’ipotesi di lavoro: capire e chiedere il perché potrebbe funzionare meglio che delegare. Da provare in studio, non da applicare come legge.

“Ma l’AI aiuta i junior”

È l’obiezione giusta, e va presa sul serio. Nello studio sul call center (Brynjolfsson, Li, Raymond, pubblicato sul Quarterly Journal of Economics nel 2025, circa 5.200 operatori), l’AI ha portato +15% di produttività media. Nella prima versione del lavoro, del 2023, il guadagno per i novizi era ancora più alto (+34%), ma non ho potuto confermare che quel dato compaia nella versione definitiva, quindi prendilo con cautela.

Due limiti: è assistenza clienti, non creatività, e misura la produttività, non quanto impari. Il test di Anthropic va nella direzione opposta sull’apprendimento.

Le due cose possono essere vere insieme: si può rendere di più oggi e imparare meno domani. Dipende da come la si usa.

Cosa fare, se inizi e se guidi

Quello che segue è il mio consiglio, non una ricetta dimostrata. Si appoggia su tre cose che hai letto sopra: un esperimento vero (con l’AI si è imparato meno nel test), un indizio (le domande battono la delega) e una pratica dichiarata (rifare a mano e confrontare).

Se inizi
– Non rinunciare all’AI: cambia strategia. Usala, ma costruisciti il mestiere sulla verifica.
– Prima di guardare cosa ha fatto l’agente, fai la tua versione, anche brutta. Poi confronta.
– Quando non capisci perché una cosa è giusta, chiedi il perché all’AI invece di farti dare solo il risultato.
– Tieni un quaderno degli errori che trovi nell’output dell’agente. È il tuo portfolio di giudizio.

Se guidi uno studio, un’agenzia, una redazione
– Non usare gli agenti solo per fare volume. Usa una parte del tempo recuperato per progettare la gavetta.
– Affianca ogni junior a un senior che guarda cosa accetta e cosa scarta (è l’idea di Microsoft).
– Trasforma l’output dell’agente in esercizio: “trova cosa non va qui”. Poi confronta con la versione fatta a mano.
– Trattalo come un esperimento: scrivi cosa provi e se funziona. Nessuno, per ora, ha dati su questo nei mestieri creativi.

Sul tema del gusto e di chi dirige l’AI avevo scritto anche Duecento email cancellate mentre lei scriveva STOP: un agente fa quello che gli dici, e qualcuno deve sapere quando dirgli di fermarsi.

Una domanda per lunedì

Se hai uno studio o dei collaboratori, portala in riunione:

Fra qualche anno, chi corregge l’agente? E dove sta imparando a farlo adesso?

Se la risposta è “non lo so”, non è un fallimento: è esattamente il punto in cui siamo tutti. Il numero di Anthropic non ti dice come andrà. Ti dice che è il momento di chiedertelo, finché hai ancora il tempo di progettare la risposta invece di subirla.

Se vuoi, scrivimi nei commenti cosa fai oggi per far crescere chi inizia con te. Mi interessano i casi reali, soprattutto nei mestieri creativi, dove i dati ancora non ci sono.

Luca

Articoli correlati

Fonti

✍️ Articolo firmato da “La Redazione”: sistema editoriale multi-agente (AI) orchestrato con Claude Code e supervisionato da Luca Cazzaniga · lucacazzaniga.it

Leggi anche

AI