Meta e Klarna frenano sull’IA: perché l’automazione non elimina il bisogno di persone

Meta e Klarna non stanno abbandonando l’intelligenza artificiale. Stanno però correggendo un’assunzione molto più ambiziosa: che l’IA possa rimpiazzare in tempi rapidi intere funzioni aziendali, senza peggiorare l’esecuzione del lavoro o l’esperienza dei clienti.

I due casi indicano una direzione più concreta: l’IA può assorbire attività standardizzate e ripetitive, ma servono ancora persone per fissare gli obiettivi, verificare i risultati, affrontare le eccezioni, assumersi la responsabilità delle decisioni e gestire situazioni delicate.

Meta: la seconda fase di Project OT è stata fermata

Secondo Reuters, il Project OT di Meta — sigla di Organization Transformation — prevedeva una ristrutturazione in due ondate. Dopo una prima riduzione del personale nel maggio 2026, pari a circa il 10% della forza lavoro, l’azienda ha annullato la pianificazione dei tagli previsti per novembre. Meta ha confermato l’esistenza del progetto, descrivendolo come un piano annuale di riduzione dei costi, riprogettazione dei team e riallocazione del personale verso aree prioritarie. 2

L’idea era lavorare con gruppi molto più piccoli, sostenuti da agenti IA. Ma produrre più bozze, righe di codice o output non equivale automaticamente a consegnare prodotti affidabili. Nei flussi di lavoro complessi, qualcuno deve definire le priorità, collegare sistemi e attività, testare gli esiti, individuare gli errori e intervenire quando qualcosa non funziona.

Meta continua a investire nell’IA e nell’uso dell’IA sul lavoro. A essere cambiata è stata la fiducia che le capacità degli agenti potessero giustificare una seconda, ampia riduzione dell’organico nei tempi inizialmente ipotizzati. 2

Klarna: gestire grandi volumi non basta se cala la qualità

Klarna offre l’altra faccia della stessa lezione, sul fronte del servizio clienti. Il suo assistente IA ha gestito una quota rilevante delle conversazioni più comuni, comprese richieste su pagamenti, rimborsi e resi. In seguito, però, l’azienda ha attenuato l’impostazione orientata all’IA come unica risposta e ha ripreso ad assumere addetti umani all’assistenza. 1720

Stando alle ricostruzioni sulla svolta, l’amministratore delegato Sebastian Siemiatkowski ha riconosciuto che l’azienda aveva ridotto troppo aggressivamente la capacità umana. Il punto non era l’inutilità dell’IA: il problema emergeva nei casi complessi, ambigui o emotivamente sensibili, dove occorrono capacità di indagine, discrezionalità ed empatia. Klarna ha quindi iniziato a ricostruire la propria capacità di supporto umano accanto all’automazione. 1819

Nell’assistenza clienti la distinzione è decisiva. Un sistema può risolvere rapidamente le richieste più frequenti, ma compromettere la fiducia se chi ha un pagamento contestato, una circostanza insolita o un problema in escalation non riesce a raggiungere in tempi brevi una persona competente. L’automazione funziona davvero quando include un passaggio chiaro verso operatori qualificati e una responsabilità umana effettiva.

Il modello che emerge: IA come leva, non come sostituto totale

Dai due casi si ricavano alcune regole operative:

• Automatizzare ciò che è prevedibile. L’IA è particolarmente utile quando gli input sono standardizzati, i risultati si verificano facilmente e gli errori sono poco costosi da correggere.
• Mantenere le persone nei punti decisionali. Il contributo umano resta essenziale quando servono contesto, valutazione di compromessi, responsabilità, coordinamento tra sistemi o gestione della relazione.
• Progettare l’escalation. Nei processi ad alta rilevanza, inclusa l’assistenza, il passaggio a un operatore non può essere un’eccezione improvvisata né un vicolo cieco automatizzato.
• Misurare gli esiti, non solo il volume. Più codice generato, risposte iniziali più rapide o più richieste gestite sono indicatori incompleti se peggiorano qualità, soluzione effettiva dei casi, sicurezza e fiducia dei clienti.

Questo non significa che il lavoro resterà immutato. Più probabilmente, il cambiamento passerà dalla riprogettazione dei team, da nuove competenze richieste e da meno ruoli dedicati alle attività di routine, non dalla scomparsa immediata del lavoro umano.

Nel settore tech le assunzioni si stanno spostando verso le competenze tecniche

I dati sul mercato del lavoro tecnologico sono coerenti con questo scenario. SignalFire rileva che le assunzioni nelle grandi aziende tech sono inferiori del 25% rispetto al livello del 2019, mentre quelle per ingegneri del software sono calate dell’11%. Di conseguenza, gli ingegneri del software rappresentano il 55% delle assunzioni in queste aziende, contro il 46% nel 2019. 49

Questi dati non dimostrano che ogni cambiamento nelle assunzioni sia causato dall’IA: contano anche il ciclo economico e gli aggiustamenti successivi all’espansione del periodo pandemico. Mostrano però che organizzazioni più snelle non hanno eliminato il bisogno di talenti tecnici. Piuttosto, la domanda si concentra maggiormente su chi sa sviluppare, distribuire, valutare, proteggere e supervisionare sistemi sempre più automatizzati.

Il rischio più vicino riguarda il primo gradino della carriera

I ricercatori dello Stanford Digital Economy Lab non hanno trovato evidenze di una perdita di posti di lavoro diffusa nell’intera economia nei dati amministrativi sulle retribuzioni fino a giugno 2026. Hanno però rilevato che l’occupazione dei lavoratori tra 22 e 25 anni nelle professioni maggiormente esposte all’IA è risultata del 19% inferiore al livello che avrebbe raggiunto se avesse tenuto il passo con i coetanei in occupazioni meno esposte. Per i lavoratori più esperti non emerge un divario comparabile; l’aggiustamento sembra avvenire soprattutto attraverso minori assunzioni, non attraverso un aumento delle separazioni dal lavoro. 35

Quel 19% non è il numero di posti eliminati direttamente dall’IA: è un divario relativo rispetto a una traiettoria di crescita che avrebbe mantenuto il passo con il gruppo meno esposto. Resta comunque un segnale importante. Se l’IA svolge una parte delle attività di ingresso, le imprese potrebbero offrire meno occasioni per acquisire l’esperienza necessaria a progredire verso ruoli più senior.

La lezione per le aziende

La domanda non è più se usare l’IA, ma in quali processi possa migliorare il risultato senza rimuovere le capacità umane che rendono quel processo affidabile.

La sospensione della seconda ondata di Project OT e il ritorno di Klarna alle assunzioni nell’assistenza suggeriscono di valutare l’automazione sui risultati finali: prodotti consegnati con successo, decisioni corrette, casi realmente risolti, fiducia dei clienti e costi sostenibili di recupero dagli errori. Dove l’IA funziona bene, può aumentare la capacità di un team più piccolo. Dove l’incertezza e le conseguenze di un errore sono elevate, il modello più solido tende a essere quello umano più IA, non quello privo di persone.