L’IA sta accorciando la scala d’ingresso nel lavoro degli sviluppatori

Gli assistenti di programmazione basati sull’intelligenza artificiale possono rendere gli sviluppatori più veloci, senza rendere automaticamente più solide né le squadre software né le carriere. La preoccupazione emergente non è che un singolo prodotto produca inevitabilmente codice scadente. È che le aziende possano automatizzare una parte del lavoro implementativo di routine attraverso cui, storicamente, i profili junior imparavano il mestiere, concentrando invece la domanda su persone esperte capaci di definire requisiti, verificare gli output, testare i sistemi e gestire i compromessi.

Il quadro è coerente con le più recenti ricerche sul lavoro. Non dimostra però che Cursor, GitHub Copilot o Claude Code abbiano causato direttamente il calo delle opportunità per i junior.

I dati segnalano uno spostamento verso i senior

Uno studio di Stanford e King’s College London ha analizzato 1,25 miliardi di annunci di lavoro e 154 milioni di record occupazionali in 41 Paesi. L’analisi mostra che le affiliate di aziende che adottano l’IA riducono la quota di lavoratori junior rispetto a imprese comparabili; il fenomeno deriva soprattutto dalla crescita dell’occupazione senior, con indizi di una moderata crescita dell’occupazione complessiva. 33

Le stime riportate per un arco di cinque anni indicano, nelle imprese che adottano l’IA, un aumento del 6,7% dell’occupazione senior, un calo del 3% di quella junior e una riduzione di 1,9 punti percentuali della quota junior nella forza lavoro. 37 Il punto cruciale è questo: le evidenze descrivono un cambiamento nella composizione degli organici, non una semplice distruzione generalizzata di posti di lavoro.

Un’altra ricerca di Stanford, basata su dati retributivi, individua una frattura simile nelle fasi iniziali della carriera. Nelle professioni più esposte all’IA, l’occupazione dei lavoratori tra 22 e 25 anni è risultata circa 19% sotto il livello che avrebbe raggiunto se avesse seguito l’andamento dei coetanei in occupazioni meno esposte; per i lavoratori esperti non emerge uno scarto analogo. 12 Non significa che l’IA abbia eliminato direttamente il 19% dei posti: è un divario relativo rispetto a una traiettoria di confronto.

Perché gli strumenti di AI coding rientrano nel problema, senza esserne la causa dimostrata

Chamath Palihapitiya ha definito i principali strumenti di AI coding sistemi da «giocatore singolo»: molto efficaci nell’accelerare la produzione di codice del singolo sviluppatore, ma meno adatti a coprire la natura collaborativa dello sviluppo software — architettura, requisiti, conformità, code review, rollback, analisi post-incidente e onboarding. Secondo Palihapitiya, questi strumenti possono portare a una velocità individuale da «2 a 5 volte» superiore, ma il software affidabile dipende dal coordinamento tra molte persone e decisioni. 30

È una chiave di lettura utile per un problema organizzativo reale. Se un ristretto gruppo di ingegneri esperti riesce a produrre, controllare e integrare più codice grazie all’IA, un’azienda può concludere di aver bisogno di meno junior per le attività più standardizzate. Al contempo, il lavoro residuo richiede ancora più giudizio:

• tradurre bisogni degli utenti ambigui in requisiti tecnici;
• riconoscere codice generato errato o insicuro;
• progettare test e interpretarne i fallimenti;
• valutare una modifica nel contesto di un sistema più ampio;
• decidere quando non automatizzare e quando non rilasciare una funzionalità.

Sono meccanismi plausibili, non risultati causali attribuibili a un prodotto specifico. Gli studi sul lavoro disponibili misurano l’adozione o l’esposizione all’IA in senso ampio: non isolano gli effetti di Cursor, Copilot, Claude Code o di altri assistenti. E non stabiliscono che il codice generato dall’IA sia necessariamente di bassa qualità.

Il rischio per la filiera dei talenti junior

I ruoli entry-level hanno sempre avuto una doppia funzione: aggiungere capacità produttiva e offrire un’esposizione strutturata al lavoro ingegneristico reale. Si impara attraverso le revisioni del codice, il debugging, l’analisi degli incidenti, l’osservazione delle decisioni di progettazione e il feedback di colleghi più esperti.

Quando le attività di routine vengono automatizzate, un’organizzazione può eliminare involontariamente il gradino più basso di questa scala. Ai candidati si finisce così per chiedere il giudizio professionale che proprio i primi incarichi avrebbero dovuto contribuire a sviluppare.

La soglia d’ingresso sembra già alzarsi. Il World Economic Forum, citando una ricerca PwC, segnala che le posizioni junior più esposte all’IA hanno una probabilità sette volte maggiore rispetto a quelle meno esposte di richiedere competenze tradizionalmente associate a ruoli senior, inclusa la leadership. 12 Ne può derivare un circolo vizioso: serve esperienza per ottenere l’incarico che un tempo forniva l’esperienza.

Per le squadre software non è solo una questione di equità. Una riduzione persistente delle opportunità junior supervisionate potrebbe restringere, nel tempo, il bacino di persone in grado di evolvere in ruoli senior. Il guadagno di produttività immediato rischierebbe allora di trasformarsi in una panchina di talenti futuri più corta.

Perché il divario può ampliare le disuguaglianze

Uno spostamento favorevole ai senior premia chi possiede già esperienza, conoscenza del contesto aziendale e accesso a revisioni di qualità. Chi entra nel mercato del lavoro ne dispone in misura minore.

Per questo il divario relativo del 19% per i lavoratori tra 22 e 25 anni nelle professioni più esposte all’IA è rilevante, pur non provando uno spiazzamento diretto. 12 Suggerisce che i giovani non stiano beneficiando in modo uniforme delle opportunità nei settori maggiormente esposti. Per chi non ha una rete professionale solida, credenziali molto riconosciute o un mentore, superare la nuova soglia di esperienza può essere ancora più difficile.

Il rischio è un mercato del lavoro diviso tra chi sa dirigere e validare sistemi di IA e chi è atteso al varco già pronto a farlo.

Cosa possono fare le imprese

L’alternativa non è conservare attività ripetitive solo per preservarle. È riprogettare i ruoli junior affinché l’IA aumenti apprendimento e capacità, anziché rimuovere l’occasione per imparare.

Mantenere lavoro produttivo supervisionato

Le aziende possono sostenere apprendistati retribuiti, percorsi per neolaureati e posizioni junior con responsabilità esplicite di mentoring. L’obiettivo dovrebbe essere una progressione verificabile — da compiti circoscritti e rivisti ad ambiti di responsabilità più ampi — non soltanto l’output a basso costo.

Valutare il giudizio, non solo il risultato di un prompt

Nella selezione e nella valutazione assistite dall’IA, conta verificare se una persona sa inquadrare un problema, spiegare il codice generato, scrivere o migliorare test, individuare modalità di guasto e rispondere a dubbi di sicurezza o affidabilità. Generare rapidamente codice non equivale, da solo, alla competenza ingegneristica.

Integrare l’IA nei processi di revisione

Tracciabilità, revisione umana, test e proprietà chiare delle modifiche dovrebbero accompagnare ogni intervento assistito dall’IA. Così l’IA può anche diventare uno strumento didattico: i junior possono confrontare approcci generati, indagare gli errori e ricevere feedback sul perché una soluzione sia più sicura o manutenibile di un’altra.

Misurare anche gli effetti sull’organico

La dirigenza dovrebbe monitorare assunzioni junior, promozioni, tempi di formazione, fidelizzazione e distribuzione del lavoro tra livelli di esperienza, non soltanto funzionalità consegnate o volume di codice. Un programma di produttività che aumenta l’output ma indebolisce la filiera dei talenti può creare un rischio operativo nel lungo periodo.

Politiche pubbliche: proteggere l’accesso all’esperienza

Le politiche pubbliche possono facilitare il passaggio dalla formazione al lavoro senza ostacolare l’adozione tecnologica. Tra le opzioni: apprendistati cofinanziati, incentivi salariali legati allo sviluppo supervisionato di competenze, sostegni formativi portabili e servizi di incontro domanda-offerta dedicati ai giovani nelle professioni più esposte.

Governi e grandi committenti possono inoltre favorire un’adozione orientata al potenziamento delle persone: sistemi di IA usati per accrescere le capacità dei junior sotto una supervisione umana responsabile, invece di strategie che considerano le assunzioni junior il primo costo da tagliare.

In sintesi

Gli strumenti di AI coding possono modificare la struttura delle squadre software: rendono più produttivi gli ingegneri esperti e possono ridurre la convenienza economica di alcune attività junior di routine. Le evidenze internazionali giustificano l’attenzione verso un crescente sbilanciamento a favore dei senior: le imprese che adottano l’IA aumentano l’occupazione senior e riducono la presenza relativa dei junior. 3337

Ma i dati non mostrano che un singolo strumento di programmazione abbia causato questi esiti, né provano che il codice generato dall’IA sia per definizione scadente. La sfida centrale è organizzativa: scegliere se usare l’IA per eliminare il lavoro attraverso cui i nuovi ingressi costruiscono giudizio, oppure per creare un percorso più rapido e più supervisionato verso quel giudizio.