Leggere il lavoro per leggere la società

La sociologia, sin dalle sue origini, ha trovato nel lavoro uno dei propri osservatori privilegiati. Non si tratta di una scelta casuale né di una mera specializzazione tematica: il lavoro costituisce, per la disciplina sociologica, uno dei luoghi nei quali la società si rende maggiormente leggibile, poiché è proprio attraverso l’organizzazione della produzione, la distribuzione delle competenze, la divisione dei ruoli e la definizione del valore sociale delle attività che una collettività rende visibili i propri principi ordinatori. In questo senso, la sociologia del lavoro non nasce come branca secondaria della disciplina, bensì come sua espressione costitutiva, dal momento che gran parte della riflessione classica sul passaggio dai primi modelli di società alla modernità ruota precisamente attorno alle trasformazioni del lavoro, dei modi di produzione e dei rapporti sociali a essi connessi.

Da questo punto di vista, i mutamenti del mercato del lavoro non sono mai fenomeni settoriali. Essi rinviano sempre, in forma più o meno diretta, a trasformazioni più ampie che investono la cultura, le istituzioni, i rapporti di potere, le forme della stratificazione, i processi educativi e i modelli di integrazione sociale. Il rapporto, dunque, è bidirezionale: il lavoro cambia perché cambia la società, ma la società cambia anche perché mutano il lavoro, il suo significato e la sua organizzazione. La sociologia ha a lungo mostrato una notevole capacità di leggere tali passaggi, riuscendo a interpretare le grandi transizioni industriali, la razionalizzazione produttiva, l’espansione del terziario, la flessibilizzazione dei rapporti occupazionali e, più di recente, la digitalizzazione dei processi.

La congiuntura presente, tuttavia, introduce una difficoltà supplementare. I cambiamenti in atto sono talmente rapidi, stratificati e sfuggenti da rendere più ardua non soltanto la loro governabilità politica, ma perfino la loro corretta osservazione. L’impressione, sempre più diffusa, è che il mutamento preceda la sua concettualizzazione, e che la trasformazione si produca più velocemente della capacità delle categorie analitiche di inseguirla. È precisamente in questo contesto che il tema dell’intelligenza artificiale, e in particolare della sua applicazione al lavoro intellettuale, assume un rilievo sociologico non marginale ma decisivo.

Perché la rivoluzione attuale è diversa

Ogni rivoluzione tecnologica ha prodotto vincitori e vinti, professioni scomparse, mestieri riconvertiti, nuove figure occupazionali e nuovi fabbisogni formativi. L’osservazione, ormai classica, secondo cui l’innovazione non distrugge soltanto lavoro ma ne trasforma anche la composizione, la qualità e la distribuzione, conserva piena validità. Tuttavia, la trasformazione innescata dall’intelligenza artificiale generativa introduce un elemento di discontinuità qualitativa. In passato, almeno nella percezione pubblica dominante, i principali processi di sostituzione tecnologica sembravano riguardare soprattutto attività manuali, ripetitive, standardizzabili o a basso contenuto di discrezionalità. Anche quando l’innovazione investiva il lavoro d’ufficio o professionale, essa veniva spesso interpretata come un supporto, un potenziamento, un ausilio tecnico che non metteva radicalmente in questione il nucleo cognitivo e riflessivo dell’attività umana.

Oggi, invece, il bersaglio della trasformazione si sposta con forza sul terreno del lavoro non manuale, linguistico, simbolico, amministrativo, professionale. I dati e le analisi più recenti dell’OCSE (Organizzazione per la cooperazione e lo sviluppo economico) e dell’ILO (International Labour Organization) mostrano che l’esposizione maggiore alla IA generativa riguarda proprio professioni white-collar, ruoli impiegatizi, compiti cognitivi routinizzati ma anche segmenti qualificati del lavoro intellettuale; al tempo stesso, tali studi insistono sul fatto che l’effetto prevalente atteso non è, almeno nel breve periodo, la pura eliminazione dell’occupazione, bensì una profonda riconfigurazione dei compiti, delle responsabilità e della qualità del lavoro.

È qui che il problema diventa propriamente sociologico. La questione non consiste soltanto nel chiedersi se l’IA “toglierà lavoro”, ma nel comprendere quale immagine del lavoro venga prodotta quando anche le attività che più apparivano legate a prerogative tipicamente umane – scrivere, sintetizzare, classificare, argomentare, valutare, rispondere, organizzare informazioni – entrano nel raggio d’azione di sistemi artificiali in grado di simularne una parte crescente. È questo slittamento che rende la fase attuale più complessa di quelle precedenti: non siamo più dinanzi soltanto a una sostituzione del gesto, bensì a una pressione crescente sulla cognizione.

Il lavoro intellettuale come nuova frontiera dell’automazione

Se si assume il lavoro intellettuale come oggetto privilegiato di osservazione, il carattere peculiare della fase attuale emerge con ulteriore evidenza. Il lavoro intellettuale, infatti, non coincide semplicemente con l’uso della mente in opposizione alla mano; esso rinvia piuttosto a un insieme di attività fondate su: interpretazione, produzione simbolica, gestione di informazioni, scrittura, valutazione, comunicazione e responsabilità riflessiva. In questa accezione, esso comprende non solo le professioni propriamente accademiche, ma anche gran parte delle occupazioni amministrative, professionali, consulenziali, giornalistiche, creative e formative.

Per lungo tempo, tali attività sono state considerate relativamente protette dall’automazione, in quanto dipendenti da capacità non facilmente formalizzabili. L’avvento dei Large Language Models modifica in profondità questo scenario, perché consente di delegare a sistemi artificiali una quota crescente di operazioni linguistiche e cognitive che fino a tempi recentissimi erano percepite come intrinsecamente umane. La letteratura empirica più recente ha mostrato, in effetti, guadagni di produttività significativi in compiti di scrittura professionale, assistenza clienti e consulenza, spesso con effetti maggiori sui lavoratori meno esperti o meno performanti, i quali riescono così ad avvicinarsi più rapidamente agli standard dei colleghi migliori. Nello studio di Brynjolfsson et al. (2025), ad esempio, l’uso di un assistente conversazionale ha aumentato in media del 15% la produttività degli operatori di customer support, con benefici molto più marcati per i novizi; in Noy et al. (2023), ChatGPT ha ridotto i tempi di completamento e migliorato la qualità media di compiti di scrittura professionale; nello studio sperimentale su consulenti di Dell’Acqua e colleghi (2026), l’IA ha migliorato le performance sui compiti rientranti nella propria frontiera di capacità, ma ha anche peggiorato l’esito di quelli collocati oltre tale frontiera, suggerendo un effetto diseguale, non lineare e, in qualche modo, “frastagliato”.

Proprio quest’ultimo punto è cruciale. L’intelligenza artificiale non opera in modo uniforme su tutto il lavoro intellettuale. Essa tende piuttosto a scomporre quest’ultimo in segmenti differenti che possono essere così distinti: a) compiti facilmente formalizzabili, delegabili e accelerabili; b) compiti che richiedono supervisione, verifica e contestualizzazione; c) compiti, infine, che restano fortemente dipendenti da giudizio, responsabilità e relazione. Il problema, pertanto, non è soltanto se il lavoro intellettuale verrà sostituito, ma quale parte di esso verrà dequalificata, quale verrà intensificata e quale, invece, acquisirà nuovo valore proprio perché non interamente traducibile in linguaggio computazionale.

Il discernimento del Magistero: tecnica, persona, responsabilità

In questo scenario, il Magistero della Chiesa offre alcuni criteri di discernimento particolarmente rilevanti. Laborem exercens ricorda anzitutto che il lavoro è sempre attività umana, “manuale o intellettuale”, e che il suo significato soggettivo precede quello oggettivo: il lavoro, in altri termini, non può essere compreso soltanto a partire dal prodotto, dall’efficienza o dalla funzione economica, poiché esso rinvia primariamente alla persona che lavora e alla sua dignità. Proprio per questo, la tecnica non può mai costituire il criterio ultimo di organizzazione del lavoro, né può ridurre il lavoratore a semplice appendice del processo produttivo (cfr. Laborem exercens, 1981, 6).

La recente nota Antiqua et nova, dedicata specificamente al rapporto tra intelligenza artificiale e intelligenza umana, riprende e aggiorna tale impostazione, insistendo sul fatto che l’IA non è una forma di intelligenza umana in senso proprio, ma uno strumento potentissimo che deve restare orientato al bene comune, alla verità, alla responsabilità e allo sviluppo integrale della persona (cfr. Antiqua et nova, 2025, 66-70). In tale prospettiva, il problema non è soltanto ciò che la macchina “sa fare”, bensì il quadro antropologico e morale dentro il quale la sua adozione viene situata. Quando la prestazione, la rapidità e la standardizzazione vengono assolutizzate, si corre il rischio di oscurare ciò che nel lavoro umano eccede ogni formalizzazione: giudizio, responsabilità, relazione e senso. È precisamente qui che il tema del lavoro intellettuale torna centrale. Se la persona viene identificata con la mera funzione cognitiva e questa funzione appare, almeno in parte, delegabile a sistemi artificiali, allora l’interrogativo decisivo diventa quello relativo a ciò che rende umana, e non semplicemente efficiente, l’attività del conoscere e del lavorare. In tale quadro, Antiqua et nova permette di collegare più strettamente la dottrina sociale con l’analisi scientifica: da un lato, essa riconosce la rilevanza delle trasformazioni tecnologiche e la necessità di comprenderne gli effetti concreti; dall’altro, ribadisce che il criterio ultimo di valutazione non può essere la sola produttività, ma la promozione di un lavoro capace di rispettare la dignità della persona, il bene comune e lo sviluppo umano integrale. Il Magistero non fornisce ricette tecniche, ma offre un criterio ordinatore fermo e universale: la tecnica è per la persona e non la persona per la tecnica.

Questa impostazione trova un ulteriore fondamento nella critica del paradigma tecnocratico sviluppata dalla dottrina sociale della Chiesa più recente. Laudato si’, in particolare nel terzo capitolo, offre una cornice particolarmente utile per interpretare l’IA, poiché mette in guardia dalla tendenza a concepire la tecnica come soluzione automatica di ogni problema umano e sociale. Il punto non è respingere la tecnica, ma sottrarla alla sua assolutizzazione: i prodotti tecnici non sono mai del tutto neutri, perché organizzano possibilità, vincoli, abitudini, stili di vita e rapporti sociali. Applicata al lavoro intellettuale, questa osservazione assume un rilievo specifico: gli strumenti di IA non si limitano a “supportare” attività preesistenti, ma contribuiscono a ridefinire tempi, aspettative, criteri di valutazione, gerarchie professionali e forme della responsabilità. Proprio per questo, essi devono essere interrogati non soltanto in termini di efficienza, ma anche in rapporto agli effetti che producono sulla qualità umana e sociale del lavoro (cfr. Laudato si’, 2015, 106-114).

Il paradosso della produttività e il lavoro di verifica

Una delle retoriche più diffuse attorno all’intelligenza artificiale è quella dell’aumento di efficienza. Tale retorica non è infondata, ma è parziale. In diversi contesti del lavoro intellettuale, infatti, l’introduzione di sistemi generativi non elimina il lavoro umano: lo sdoppia. Alla promessa di un risparmio temporale si accompagna spesso l’emergere di un nuovo lavoro di verifica, sorveglianza, correzione e attribuzione di attendibilità, che grava interamente sul soggetto umano. È il caso, soprattutto, dei contesti in cui il prodotto finale deve soddisfare standard elevati di accuratezza formale, scientifica, deontologica o giuridica.

Nel lavoro accademico, ad esempio, la disponibilità di testi plausibili, fluidi e lessicalmente sofisticati non equivale affatto alla disponibilità di testi affidabili. Al contrario, proprio la qualità superficiale dell’output può rendere più onerosa la verifica sostanziale, poiché l’errore non si presenta come grossolanamente riconoscibile, ma come verosimile. Il tema delle cosiddette allucinazioni, del resto, ha reso evidente che tali sistemi non “conoscono” nel senso umano del termine, bensì generano sequenze linguistiche statisticamente probabili, le quali possono includere riferimenti inesatti, citazioni inventate, semplificazioni abusive, inferenze arbitrarie e riproduzione di bias presenti nei dati di addestramento. Anche per questa ragione, in molti segmenti del lavoro intellettuale, il lavoratore umano non viene affatto esonerato, bensì caricato di un ulteriore onere: controllare ciò che una macchina ha prodotto rapidamente, assumendosene però lui, e non la macchina, la responsabilità finale. Diverse ricerche qualitative sui knowledge workers insistono precisamente su questo punto, mettendo in luce come gli stessi lavoratori immaginino il futuro dell’IA più come un’automazione delle componenti più standardizzate ed esecutive del lavoro sotto supervisione umana che come rimpiazzo totale dell’expertise; ma, nello stesso tempo, essi segnalano rischi concreti di deskilling, disinformazione, deumanizzazione e disconnessione (Woodruff et al., 2024).

Da qui deriva quello che può essere definito il paradosso della produttività: ci si aspetta di più dal lavoratore perché ha a disposizione strumenti più potenti, ma proprio tali strumenti possono imporre nuove attività invisibili, non pienamente riconosciute e raramente conteggiate come lavoro in senso proprio. L’esito è una possibile intensificazione del lavoro intellettuale, non il suo semplice alleggerimento. Entro questo scenario si colloca anche ciò che, nel lessico corrente, viene talvolta descritto come brain fry: una condizione di affaticamento cognitivo e di disallineamento soggettivo rispetto alla velocità, alla continuità e alla pressione prestazionale imposte dagli ambienti digitali e dagli strumenti di intelligenza artificiale. Più che designare una categoria clinica, l’espressione segnala sociologicamente una percezione diffusa di inadeguatezza, vale a dire la sensazione che il pensiero umano, nei suoi tempi ordinari di elaborazione, venga costantemente messo a confronto con dispositivi capaci di produrre risposte immediate, rafforzando così dinamiche di dipendenza, delega e svalutazione del giudizio riflessivo.

Junior, esperienza e l’erosione della soglia d’ingresso

Un ulteriore effetto, spesso sottovalutato, riguarda la struttura dell’ingresso nel mercato del lavoro. Tradizionalmente, molte professioni intellettuali e impiegatizie prevedevano una fase iniziale caratterizzata da mansioni relativamente semplici, ripetitive o subordinate: compiti basilari di scrittura, raccolta dati, sintesi, supporto organizzativo, prima elaborazione documentale. Era precisamente attraverso tali attività che il lavoratore junior accumulava progressivamente esperienza, acquisendo familiarità col contesto e accumulando competenze tacite e sensibilità professionale. La traiettoria era chiara: si entrava dalla soglia inferiore, si apprendeva “facendo” e si accumulava expertise.

Ora, però, una parte consistente di quelle attività iniziali è esattamente il tipo di lavoro che l’intelligenza artificiale è più adatta a svolgere in modo rapido e a basso costo. Questo comporta una conseguenza sociologicamente molto rilevante: la possibile erosione delle posizioni junior come luoghi di apprendimento. Se la macchina svolge ciò che prima consentiva di diventare professionisti, allora si produce una frattura nel nesso tra competenza ed esperienza. Le organizzazioni possono finire con il richiedere lavoratori già formati, già maturi, già capaci di supervisione e decisione, riducendo però gli spazi nei quali tale maturazione potrebbe concretamente avvenire. Si configura così un doppio paradosso: da un lato si richiedono competenze sempre più elevate; dall’altro si riducono le occasioni in cui tali competenze possono essere costruite attraverso il lavoro stesso.

Qui la discussione attorno all’IA si intreccia con altri processi già in corso, come l’invecchiamento della forza lavoro, il ritardo nell’ingresso occupazionale dei giovani e la crescente selettività dei percorsi professionali. In Italia, per esempio, l’inizio del 2026 ha mostrato una dinamica apparentemente positiva dell’occupazione, ma accompagnata anche da una crescita degli inattivi su base annua e da segnali di fragilità nella partecipazione al lavoro, specialmente nelle fasce giovanili. L’Istat ha rilevato per gennaio 2026 un aumento dell’occupazione e un calo della disoccupazione, ma nella successiva Nota sull’andamento dell’economia ha segnalato che, rispetto all’anno precedente, gli inattivi 15-64 anni erano aumentati del 2,6%, pari a 322 mila unità. Non si tratta, evidentemente, di attribuire meccanicamente tale andamento all’IA; si tratta piuttosto di riconoscere che il mutamento tecnologico si inserisce in un mercato del lavoro già segnato da evidenti asimmetrie di accesso, da percorsi ritardati e da vulnerabilità differenziate.

Stilemi classici come chiave di lettura del lavoro contemporaneo

A questo punto il teorema di Thomas offre una chiave interpretativa di particolare fecondità. Se, come recita la formulazione classica, le situazioni definite come reali diventano reali nelle loro conseguenze, allora la crescente rappresentazione del lavoratore umano come soggetto potenzialmente obsoleto, sostituibile, superabile o comunque costantemente confrontabile con la macchina non è un semplice riflesso culturale privo di effetti. È, al contrario, un dispositivo performativo vero e proprio. Quando il mercato del lavoro viene percepito come uno spazio nel quale l’umano può essere rimpiazzato in tempi rapidissimi da un sistema artificiale, tale percezione è già di per sé in grado di produrre conseguenze reali: scoraggiamento, auto-selezione al ribasso, rinuncia preventiva, riduzione delle aspettative, ridefinizione difensiva delle traiettorie professionali. Il teorema di Thomas, nella sua formulazione canonica, insiste appunto sul fatto che la definizione soggettiva della situazione orienta il comportamento e contribuisce a produrre gli effetti sociali della situazione stessa (Thomas e Thomas, 1928).

Applicato al lavoro contemporaneo, ciò significa che la convinzione diffusa secondo cui l’intelligenza artificiale renderà superflue ampie quote di lavoro intellettuale può concorrere essa stessa a ridefinire le scelte degli attori: i giovani possono investire meno in certi percorsi; i lavoratori adulti possono percepirsi come rapidamente datati; le organizzazioni possono ristrutturare prematuramente ruoli e aspettative; i selezionatori possono affidare sempre più la prima scrematura a sistemi automatici, consolidando una cultura dell’impersonalità algoritmica. In altri termini, la rappresentazione dell’obsolescenza può contribuire a produrre effettivamente condizioni di marginalizzazione, indipendentemente dal fatto che la sostituzione tecnologica sia già pienamente compiuta. Qui la sociologia incontra uno dei propri temi classici: non soltanto ciò che accade, ma ciò che gli attori credono stia accadendo, entra nella costituzione del sociale.

È su questo sfondo che il riferimento ad Appadurai (2004) appare particolarmente utile. La capacità di aspirare, intesa come capacità culturalmente distribuita di immaginare il futuro, orientarsi entro di esso e leggere “la mappa” dei percorsi che conducono a beni e posizioni desiderati, non è una facoltà astratta e uniformemente disponibile, ma una risorsa socialmente diseguale, che dipende dalle opportunità effettivamente percepite, dalle esperienze pregresse, dall’accesso alle informazioni e dalla possibilità di connettere desideri, mezzi e traiettorie. Appadurai insiste sul fatto che le aspirazioni non sono meri stati psicologici individuali, ma competenze culturali la cui distribuzione è stratificata. Se si mette in relazione tale impostazione con il mercato del lavoro nell’era dell’IA, emerge una questione cruciale: quanto più il futuro del lavoro intellettuale viene rappresentato come incerto, opaco, selettivo e dominato da strumenti cui non tutti accedono con la stessa facilità, tanto più il rischio è quello di una contrazione della capacità di aspirare, soprattutto tra i soggetti meno dotati di capitale culturale, relazionale e tecnologico.

Si prefigura, dunque, quella che possiamo qui definire “aristocrazia cognitiva”: non tutti, infatti, entreranno nel nuovo ecosistema con le medesime risorse. Chi dispone di una formazione elevata – in contesti organizzativi protettivi – potendo giovarsi di un accesso a strumenti avanzati e avendo a disposizione tempo per apprendere e capitale simbolico sufficiente a imporre la propria autorevolezza, potrà usare l’IA come leva di potenziamento; chi, invece, entra nel mercato con competenze fragili, percorsi intermittenti o minori risorse di orientamento rischia di subire l’IA come ulteriore dispositivo di selezione, opacizzazione e subordinazione. Nell’ecosistema del lavoro intellettuale potenziato dall’intelligenza artificiale, ciò può tradursi nel fatto che i soggetti già dotati di un elevato capitale culturale, migliori competenze digitali in contesti favorevoli riescano a usare l’IA come moltiplicatore di vantaggi preesistenti, mentre i soggetti più deboli rischiano di subirne soprattutto le implicazioni selettive: un “effetto Matthew” applicato alle pratiche lavorative contemporanee (Merton, 1988). Da questo punto di vista, il problema non è soltanto tecnologico, ma eminentemente distributivo: l’IA non ridisegna soltanto il lavoro; ridisegna anche le condizioni sociali entro cui diventa pensabile aspirare a certi lavori.

Verso una sociologia del lavoro artificiale?

Per questa ragione, limitarsi a parlare di “lavoro digitale” potrebbe risultare ormai insufficiente. La digitalizzazione descriveva un contesto nel quale gli strumenti informatici riorganizzavano i processi, i tempi e le modalità dell’attività lavorativa; la fase attuale, invece, sembra richiedere una concettualizzazione più precisa, poiché introduce nel cuore del lavoro intellettuale un agente artificiale capace di produrre contenuti, simulare interazioni, orientare decisioni, filtrare candidature, classificare informazioni e co-determinare standard di performance. Non è dunque del tutto improprio interrogarsi sulla possibilità di una futura sociologia del lavoro artificiale, vale a dire di una prospettiva capace di indagare non solo il lavoro svolto con strumenti digitali, ma anche il lavoro ridefinito dalla presenza strutturale di agenti artificiali nei processi cognitivi, organizzativi e valutativi.

Una tale sociologia dovrebbe, anzitutto, rifiutare tanto il determinismo tecnologico quanto il rassicurazionismo ingenuo; dovrebbe osservare empiricamente come si redistribuiscono compiti, responsabilità, autonomia, errori, rischi e opportunità; dovrebbe studiare chi controlla gli output e chi ne sopporta le conseguenze; dovrebbe analizzare come mutano le soglie d’ingresso, i criteri della competenza, le gerarchie professionali, le aspettative di carriera e le forme della disuguaglianza. E dovrebbe, soprattutto, tornare a porre una domanda classica in una forma nuova: che cosa accade a una società quando anche il lavoro intellettuale – che per lungo tempo ha costituito una delle principali promesse di mobilità, riconoscimento e autorealizzazione – diviene terreno di automazione, supervisione algoritmica e incertezza crescente? La risposta non può essere semplicistica. L’intelligenza artificiale non condanna necessariamente il lavoro intellettuale, ma certamente lo trasforma, lo scompone e ne ridistribuisce il valore. Ciò che appare già oggi evidente è che il futuro non sarà definito da una sostituzione totale e omogenea, bensì da una combinazione instabile di potenziamento, intensificazione, controllo, deskilling selettivo e polarizzazione delle opportunità. Proprio per questo, l’urgenza non è soltanto imparare a usare tali strumenti, ma comprendere sociologicamente il mondo del lavoro che essi stanno contribuendo a costruire.

Vedi anche le voci: Aspetti etici e antropologici dell'Intelligenza Artificiale • Tecnologia e lavoro al tempo dell'intelligenza artificiale