Quando il titolare di un’azienda di 60 persone legge che Shopify fa giustificare ogni nuova assunzione rispetto all’AI, la prima reazione è quasi sempre un calcolo. Se un concorrente riesce a lavorare con meno persone, perché noi no? Spesso, nel giro di una settimana, la stessa domanda arriva da un membro del consiglio o da un investitore.
I memo che hanno aperto la discussione sono autentici, così come le conseguenze che alcune aziende hanno vissuto copiando la logica dei costi senza ripensare il lavoro. Nel 2025 due aziende molto note hanno annunciato regole AI-first e sono state criticate pubblicamente, e una delle due si è scusata per il modo in cui il messaggio è stato recepito. Una terza ha fatto marcia indietro su una scommessa nell’assistenza clienti che aveva sbandierato con grande enfasi.
Un’azienda AI-first guadagna da ruoli ripensati e da un team con una forma diversa, mentre le regole sull’organico che usano l’AI come pretesto per tagliare tendono a ritorcersi contro qualità e fiducia. Questo articolo mostra cosa dicevano i memo, cosa sostengono i dati sull’occupazione, quali mestieri stanno cambiando e una regola semplice sull’organico adatta a una PMI svizzera. Se vuoi una persona che costruisca e gestisca workflow di agenti all’interno del tuo team, il nostro servizio di forward-deployed AI engineering è pensato per questo.
Il tema dei ruoli ha due articoli gemelli. Per il lato software, leggi da sviluppatore ad AI product manager. Per il modello operativo che sta dietro a questo articolo, leggi le aziende AI-native.
Cosa dicevano davvero i memo delle aziende AI-first
Gran parte del dibattito si regge su parafrasi, quindi vale la pena leggere da vicino le affermazioni originali.
Shopify, memo di marzo 2025, reso pubblico in aprile 2025. Il CEO Tobi Lütke ha comunicato ai dipendenti che l’uso riflesso dell’AI è un’aspettativa di base. Secondo la copertura di BetaKit, prima di chiedere più personale e risorse i team devono dimostrare perché non riescono a ottenere con l’AI ciò che vogliono, e le domande sull’uso dell’AI entreranno nelle valutazioni individuali e tra pari. Il titolo giornalistico riassume tutto in «dimostra che l’AI non sa fare il lavoro». Il memo chiede però una dimostrazione, ed è proprio la dimostrazione la parte interessante.
Duolingo, aprile 2025. Il CEO Luis von Ahn ha annunciato un approccio AI-first in cui l’azienda avrebbe smesso gradualmente di ricorrere a collaboratori esterni per le attività che l’AI è in grado di svolgere, come citato da Entrepreneur. Sono seguite critiche pubbliche. Nell’agosto 2025 ha dichiarato al New York Times: «È stata colpa mia. Non ho dato abbastanza contesto». Fortune ha riportato che, a suo dire, Duolingo non ha ridotto il personale a tempo pieno e non ha intenzione di farlo. L’affermazione viene dall’azienda stessa.
Nessuna delle due aziende ha pubblicato uno studio che colleghi la propria regola ai risultati. Un memo mostra le intenzioni della direzione, ma non dimostra che la regola funzioni.
Il filtro «dimostra che l’AI non ce la fa»: cosa fa bene e dove cede
Il filtro ha un punto di forza reale. Un team che deve mettere per iscritto perché un agente non può gestire un compito è costretto prima a descrivere il compito, i suoi input, le sue eccezioni e il livello di qualità richiesto. Molte richieste di nuove assunzioni si rivelano la descrizione di un processo che nessuno ha mai mappato. Da quella mappatura parte il ridisegno dei processi, che spesso porta alla luce sprechi prima ancora di coinvolgere un modello.
I rischi sono altrettanto concreti:
- Il test diventa scenografia. Un team prova senza impegno con un assistente di chat, il test fallisce e l’assunzione viene approvata. Oppure accade l’opposto: nessuno osa più chiedere persone.
- La perdita di qualità resta invisibile per mesi. La capacità ridotta emerge nel tasso di reclami e nel churn molto dopo la decisione sull’organico.
- Le persone migliori leggono il memo come una minaccia. I collaboratori più qualificati, che trovano lavoro altrove con facilità, rischiano di andarsene per primi.
- Sono i collaboratori esterni ad assorbire la pressione. Ridurre la capacità esterna è facile e passa in silenzio, ma il know-how se ne va con loro.
Nessuno studio isola l’effetto di un filtro simile su produttività, qualità o fidelizzazione, quindi chi dichiara prove in un senso o nell’altro tira a indovinare. Considera il filtro come lo stimolo per una revisione strutturata, con un responsabile nominato e un esito scritto, e non come una regola che decide da sola.
Cosa mostrano Klarna e Duolingo sull’AI guidata dal costo
Klarna è l’esempio più citato. Il suo comunicato stampa del 27 febbraio 2024 affermava che l’assistente AI aveva gestito 2,3 milioni di conversazioni nel primo mese, svolgendo un lavoro equivalente a quello di 700 operatori a tempo pieno. È un dato dichiarato dall’azienda e non esiste alcun audit indipendente. Nel maggio 2025 Entrepreneur ha riportato, citando un’intervista a Bloomberg, che il CEO Sebastian Siemiatkowski ha descritto l’investimento nella qualità dell’assistenza umana come il futuro di Klarna.
Per una PMI contano due dettagli. L’organico di Klarna è sceso di circa il 22%, a circa 3.500 persone, per lo più tramite turnover naturale e senza licenziamenti annunciati. Inoltre l’azienda non ha sostenuto di aver sostituito tutto il servizio umano: ha ripreso a reclutare operatori e ha mantenuto la possibilità di parlare con una persona.
Duolingo mostra invece un altro tipo di errore. La direzione del prodotto può essere solida, ma il tono del memo ha colpito clienti e dipendenti nello stesso momento, e il CEO ha ammesso pubblicamente di aver fornito troppo poco contesto. La lezione riguarda comunicazione e tempistica. Annunciare una regola sull’organico prima di poter mostrare ai colleghi in cosa si trasformerà il loro lavoro provoca esattamente la reazione che si voleva evitare.
Entrambi i casi portano alla stessa lettura. Il costo è un esito legittimo dell’automazione. Se però diventa la domanda di partenza, davanti a qualità ed esperienza del cliente, tende a produrre risultati che poi vanno corretti in pubblico.
Cosa dicono finora i dati sull’occupazione
Le evidenze sono più scarse di quanto lascino credere i titoli sicuri di sé, e indicano più di una direzione.
- Indagine a livello di impresa. Il working paper NBER 34836 ha intervistato quasi 9.000 dirigenti in sette Paesi. Gli intervistati dichiarano praticamente nessun effetto netto sull’occupazione negli ultimi tre anni e ne attendono pochi nei prossimi tre. Riferiscono che finora l’AI ha aumentato la crescita della produttività del lavoro di circa lo 0,2% annuo. Sono opinioni autodichiarate e non risultati misurati.
- Giovani nei lavori esposti. Lo studio di Stanford “Canaries in the Coal Mine”, basato su dati salariali, ha rilevato un calo relativo dell’occupazione del 13% tra i lavoratori da 22 a 25 anni nelle professioni più esposte all’AI, concentrato dove l’AI tende più ad automatizzare che ad assistere.
- Una lettura più morbida. Lo studio di Anthropic sul mercato del lavoro non ha trovato un aumento sistematico della disoccupazione tra i lavoratori esposti, e solo indizi di assunzioni più lente di giovani. I suoi autori lavorano per un fornitore di AI, e conviene ricordarlo.
- Licenziamenti attribuiti all’AI. Fortune ha riportato che Oxford Economics interpreta i dati statunitensi sui licenziamenti come attribuibili all’AI per circa il 4,5% delle perdite di posti segnalate nei primi undici mesi del 2025, e sospetta che alcune aziende presentino come storia di AI licenziamenti dovuti ad altre cause, come le assunzioni eccessive. Il dato riguarda un solo Paese e un solo periodo.
- Block. Fortune ha riportato che Block ha tagliato circa 4.000 dipendenti e che Jack Dorsey ha collegato la decisione a team più piccoli e piatti, citando anche le assunzioni eccessive dell’epoca Covid. Quanto abbia pesato l’AI è controverso.
In sintesi, l’effetto netto sull’occupazione complessiva è finora modesto. Il segnale da tenere d’occhio riguarda chi inizia la carriera, e dovrebbe influenzare il modo in cui costruisci i ruoli di ingresso nella tua azienda.
I ruoli che si spostano in un’azienda AI-first
Gli spostamenti qui sotto sono indicativi. Nessun dataset neutrale monitora i titoli professionali dentro le aziende, quindi vanno letti come schemi da verificare e non come previsioni.
| Ruolo oggi | Dove si sposta il lavoro | Di cosa risponde la persona |
|---|---|---|
| Sviluppatore | Dalla scrittura delle prime bozze alla revisione e all’orchestrazione di ciò che producono gli agenti | Specifiche, revisione, test e decisione di rilasciare |
| Operatore del supporto | Dalle risposte di routine a eccezioni, escalation e valutazioni di giudizio | Casi difficili, tono e feedback che migliora l’agente |
| Personale operativo o amministrativo | Dall’esecuzione dei singoli passaggi alla responsabilità di un workflow dall’inizio alla fine | Accuratezza, costo ed eccezioni del workflow |
| Nuovo: responsabile dell’harness o forward-deployed | Costruzione e manutenzione del sistema di agenti attorno al modello | Contesto, strumenti, permessi, monitoraggio e correzioni |
| Nuovo: responsabile della valutazione | Verifica che l’output dell’agente rispetti lo standard | Set di test, regole di revisione e report sulla qualità |
L’Economic Index di Anthropic di marzo 2026 segnala che i compiti di programmazione continuano a passare dall’uso assistito a workflow più automatizzati. Sono dati d’uso del prodotto di un solo fornitore: confermano la direzione della riga dello sviluppatore, ma non dicono nulla sul numero di posti di lavoro. Il dettaglio di questo spostamento è nel nostro articolo sugli sviluppatori che diventano AI product manager.
Per supporto e operations lo schema è più facile da immaginare che da misurare. Un operatore che prima rispondeva a quaranta ticket di routine al giorno ora rivede i cinque che l’agente non è riuscito a chiudere e annota il perché. È un altro mestiere, con un altro mix di competenze, e richiede una formazione diversa.
Due ruoli sono abbastanza nuovi da meritare un nome. Il primo è la persona che gestisce l’harness attorno al modello. Il secondo è chi si occupa della valutazione. In un’azienda piccola entrambi possono coincidere in un’unica persona, e la combinazione è vicina a ciò che il mercato chiama forward deployed engineer. Le offerte di lavoro con questo titolo sono cresciute rapidamente partendo da una base ridotta, ma le cifre di crescita riportate sono discordanti, quindi non vale la pena attribuire loro un numero preciso.
Una regola sull’organico per un’azienda AI-first da 20 a 200 persone
Al posto di un filtro che chiede ai team di dimostrare un negativo, usa una regola costruita su evidenze, responsabili e limiti di tempo. È un suggerimento nato dalla nostra pratica e non è stato verificato da uno studio pubblicato.
- Chiedi un test scritto del workflow prima di ogni assunzione. Il team richiedente documenta il compito, fa girare un agente su un campione di casi reali e registra accuratezza, tempi ed eccezioni.
- Nomina un responsabile del risultato. Una sola persona risponde dell’output dell’agente, che l’esito sia positivo o negativo.
- Approva l’assunzione quando il test mostra una lacuna. Un test fallito è un’informazione. Un’assunzione che segue una lacuna documentata è più facile da difendere di una fatta d’istinto.
- Ricolloca prima di ridurre. Se un agente assorbe del lavoro, sposta prima le persone sui ruoli di gestione delle eccezioni e di revisione. Riduci solo attraverso il normale turnover, e aspetta un trimestre prima di giudicare.
- Proteggi il percorso di ingresso. Se il segnale di Stanford sui giovani si conferma, le aziende che smettono di assumere junior perdono le persone che l’anno prossimo diventerebbero i revisori. Mantieni qualche ruolo junior costruito attorno alla revisione dell’output degli agenti.
- Misura la qualità accanto al costo. Tasso di reclami, rilavorazioni e tempo di risoluzione vanno sulla stessa pagina dei risparmi.
Un caso illustrativo: un distributore di 40 persone automatizza le email di conferma d’ordine e dimezza il lavoro di due amministrativi a tempo parziale. La mossa sensata è affidare a queste due persone la coda delle eccezioni e i solleciti ai fornitori di cui nessuno aveva il tempo di occuparsi, lasciando entrambe le posizioni al loro posto. Il risparmio si trasforma in capacità.
Assumere, acquistare o integrare competenze AI in Svizzera
Le PMI svizzere si aspettano soprattutto guadagni di efficienza e poche prevedono team più piccoli. Nello studio AXA e Sotomo 2026 sul mercato del lavoro delle PMI, con 336 PMI della Svizzera tedesca e romanda, solo una su nove prevedeva tagli di posti dovuti all’AI. Tra le PMI con esperienza di AI, il 12% si aspettava di avere bisogno di meno personale e il 47% prevedeva risparmi di tempo senza variazioni dell’organico. AXA è un assicuratore interessato al mercato delle PMI, quindi leggi lo studio come un indicatore di sentiment.
Sul fronte salariale, lo studio salariale SwissICT 2026, riportato da Netzwoche, indica una mediana complessiva per l’ICT di CHF 130.200 e una mediana per gli esperti senior di CHF 177.938, su 37.112 stipendi di 214 aziende. Sono stipendi per i ruoli ICT in generale e non specificamente per gli ingegneri AI, e il rapporto segnala carenza di personale in ambiti come AI, cloud, cybersecurity e dati. Il costo per il datore di lavoro è superiore alla retribuzione base.
Le opzioni sono sostanzialmente tre:
- Assumere. Ha senso quando il lavoro sull’AI è continuo e puoi attrarre e trattenere una persona senior. La parte più difficile è trovare qualcuno che abbia gestito agenti in produzione e non si sia limitato ai prototipi.
- Acquistare. Una piattaforma o un fornitore è adatto a compiti standard e ben definiti. Il compromesso è un controllo minore su contesto, permessi e valutazione.
- Integrare. Un ingegnere che lavora dentro i tuoi sistemi per un periodo definito è la scelta giusta quando servono i primi workflow realizzati e un team in grado di gestirli poi. Le cifre sono in quanto costa un ingegnere AI embedded.
Un punto legale merita una telefonata prima di qualsiasi annuncio. Il diritto svizzero (art. 335d segg. del Codice delle obbligazioni) prevede obblighi di consultazione per i licenziamenti collettivi, e le soglie dipendono dalle dimensioni dello stabilimento e dal numero di licenziamenti in una finestra di 30 giorni. Le cifre più citate partono da dieci licenziamenti per gli stabilimenti con più di 20 e meno di 100 dipendenti. Verifica il testo vigente e i tuoi contratti con un avvocato giuslavorista, perché non possiamo fornire consulenza legale e i dettagli contano.
Dove porta tutto questo per l’azienda AI-first
I memo concordano su un punto: l’uso dell’AI è ormai un’aspettativa di gestione, e i responsabili dovranno giustificare le richieste di capacità rispetto ad essa. Le evidenze concordano su un altro: finora l’AI ha cambiato ciò che le persone fanno più di quante persone le aziende impieghino, con il segnale più netto tra i lavoratori più giovani nei lavori più esposti.
Per una PMI ne deriva un ordine di operazioni semplice. Ridisegna un processo, sposta le persone nei ruoli che il ridisegno crea, misura la qualità accanto al costo e lascia che l’organico derivi dal risultato. Le aziende che partono dal numero dell’organico tendono a riscoprire, in pubblico e a proprie spese, fin dove arriva la tolleranza di un cliente.
Domande frequenti
Che cos'è un'azienda AI-first?
È un'azienda che considera l'uso dell'AI un'aspettativa predefinita nel lavoro quotidiano e verifica se l'AI può svolgere un compito prima di aggiungere persone o collaboratori esterni. L'etichetta nasce dai memo pubblici di Shopify e Duolingo del 2025. Descrive un atteggiamento di gestione, quindi la domanda utile è cosa fa concretamente di diverso il team.
Una PMI deve chiedere ai team di dimostrare che l'AI non può fare il lavoro prima di assumere?
Sì, ma come passaggio di verifica e mai come veto. Chiedere un breve test scritto della soluzione con AI obbliga i team a descrivere il processo, e questo spesso fa emergere sprechi. Una regola rigida che blocca le assunzioni a prescindere dal risultato può scaricare i problemi di qualità sui clienti, come suggerisce la retromarcia di Klarna nel 2025.
L'AI riduce davvero l'organico?
Le migliori evidenze attuali mostrano finora un effetto netto ridotto. Un'indagine NBER su circa 9.000 dirigenti non ha rilevato variazioni nette dell'occupazione, mentre Stanford ha misurato un calo relativo dell'occupazione del 13% tra i 22 e i 25 anni nei lavori più esposti. Gli effetti cambiano per ruolo ed età, quindi conviene misurare i propri workflow.
Quali ruoli cambiano di più quando un''azienda adotta l''AI?
Gli sviluppatori si spostano verso la revisione e l'orchestrazione di ciò che producono gli agenti, il supporto clienti verso eccezioni ed escalation, il personale operativo verso la responsabilità di un workflow dall'inizio alla fine. Nascono anche nuove responsabilità legate alla valutazione e all'harness dell'agente. Sono tendenze indicative, perché nessun dataset neutrale monitora i titoli professionali dentro le aziende.
Cosa deve verificare una PMI svizzera prima di tagliare personale a causa dell''AI?
Prima di qualsiasi annuncio conviene controllare con un avvocato giuslavorista i contratti di lavoro e le regole sulla consultazione per i licenziamenti collettivi (art. 335d segg. del Codice delle obbligazioni). Le soglie dipendono dalle dimensioni dell'azienda e dal numero di licenziamenti entro 30 giorni. Va anche accertato che il workflow con AI funzioni in modo stabile da mesi, perché riassumere costa.