Nelle ultime ore, il dibattito sull'impatto dell'intelligenza artificiale generativa nelle organizzazioni è tornato al centro dell'attenzione con la testimonianza dei laureati di Stanford, scioccati dalla mancanza di offerte di lavoro nonostante il titolo conseguito in una tra le migliori università d'America. Sebbene l'IA abbia reso i programmatori esperti più produttivi, sta contemporaneamente minando le prospettive di carriera dei profili junior, che si trovano ora a competere con macchine capaci di scrivere codice in modo più rapido e preciso.

Il crollo del mercato entry-level

La portata del cambiamento è certificata dai dati: l'occupazione per gli sviluppatori software tra i 22 e i 25 anni è scesa di quasi il 20% rispetto alla fine del 2022. Come avevamo già analizzato in precedenza, i settori dello sviluppo software, dell'assistenza clienti e della contabilità sono i più colpiti da questa contrazione strutturale. La motivazione risiede in un pragmatismo aziendale che punta all'efficienza: dove prima servivano dieci ingegneri, oggi molti manager ne assumono solo due esperti affiancati da agenti basati su modelli linguistici (LLM).

Questa tendenza non è isolata. In linea con quanto riportato nei mesi scorsi sulla polarizzazione delle competenze, solo una piccola fetta di laureati — i cosiddetti "cracked engineers" con curriculum già ricchi di prodotti e ricerca — riesce a ottenere i pochi posti di qualità rimasti. Per tutti gli altri, l'industria appare ormai sovrasatura, con centinaia di candidature che cadono regolarmente nel vuoto.

La trappola dell'efficienza e il ruolo del supervisore

Nonostante le capacità crescenti, l'intelligenza artificiale rimane uno strumento "frastagliato" che eccelle in certi calcoli ma anche fare errori grossolani. Il rischio è quello di generare costi nascosti per le aziende: avevamo infatti discusso di come l'uso improprio dell'IA possa costare milioni di dollari a causa di contenuti inadeguati che richiedono ore di revisione umana. 

Il lavoro dell’essere umano quindi deve necessariamente elevarsi: dobbiamo diventare professionisti che sanno usare l’AI nel migliore dei modi e che sanno anche esaminare le sue risposte e correggerne gli errori. Più facile a dirsi che a farsi naturalmente.  

Nella programmazione, se semplice scrittura del codice semplicemente non può più essere un’attività umana, ma allo stesso tempo servono sviluppatori davvero esperti e capaci di mettere le mani al codice generato, dove e quanto serve. 

Non è una cosa semplicissima, e sicuramente non è una competenza che - almeno per ora - si possa certificare con un dottorato. 

La risposta degli studenti è un ritorno forzato allo studio: le iscrizioni ai master di quinto anno sono esplose nel tentativo di "gonfiare" il curriculum e acquisire le competenze necessarie per competere con l'automazione. Altri, invece, scelgono di abbassare i propri standard accettando posizioni in aziende che un tempo non avrebbero nemmeno considerato o tentando la strada rischiosa delle proprie startup.

Come abbiamo già detto quando ci siamo occupati del pensiero di Luciano Floridi e del Capitale Semantico, conoscere qualche linguaggio di programmazione semplicemente non è più un valore professionale. Serve fare un passo in più, dobbiamo migliorare noi stessi e posizionarci come un’alternativa migliore rispetto all’AI. Anche qui, non è detto che un “semplice” titolo di studio sia sufficiente a fare il salto necessario. 

L’AI può fare alcune cose molto meglio di quanto le facciamo noi, più in fretta e a un prezzo più basso. Se proviamo a competere su quel territorio abbiamo perso in partenza, ma se ci impegniamo per fare cose che lei invece non può fare (non ancora, almeno) allora forse siamo sulla strada giusta.