Quartz in un recente editoriale ci mette di fronte ad alcune sfide profonde sulla frontiera del mondo del lavoro: l’era dei licenziamenti indotti dall’Ia in Usa non è più una minaccia distante, ma una realtà tangibile. Questa scure si sta abbattendo silenziosamente, ma con forza, sui lavoratori qualificati di ogni livello, dalle posizioni entry-level al management, in aziende all’avanguardia tecnologica come Microsoft (circa 7mila posti di lavoro, il 3% del personale), Duolingo, Walmart e Accenture e in settori più tradizionali di Corporate America. Questa ondata di cambiamenti non si manifesta nelle fabbriche, come le precedenti rivoluzioni dell’automazione, ma negli uffici con pareti di vetro e scrivanie in piedi, luoghi dove il cervello, il titolo di studio e la capacità di navigare nell’organizzazione contano di più. Ed è proprio questa la ragione per cui la sensazione è così profondamente diversa e disturbante.
Ciò che sta accadendo non è solo una perdita di posti di lavoro, ma un assalto alla dignità e al senso del valore personale: queste perdite di lavoro, dicono gli studi, generano un profondo turbamento, poiché si ha la sensazione di essere diventati “superflui”, sostituiti da qualcosa di superiore che non si può emulare. Il punto è che le mansioni lavorative non devono essere direttamente sostituite dall’Ia per subire l’impatto dei tagli, poiché le aziende stanno semplicemente spostando risorse e fondi verso iniziative legate all’Ia. Questo significa che anche i dipendenti più performanti possono essere coinvolti, non è, come in selezioni passate nelle aziende Usa, di “scarto” del personale meno efficiente. Un ulteriore strato di preoccupazione etica emerge nella scarsa trasparenza e nella percezione di ingiustizia. In alcuni casi emerge un inquietante schema nei tagli: hanno colpito prevalentemente persone sopra i 40 anni e più donne che uomini, lasciando in carica soprattutto uomini trentenni. In alcuni casi i lavoratori hanno visto il loro ruolo svanire gradualmente, mentre il linguaggio dell’azienda passava da “migliorare le competenze degli analisti per supervisionare l’output dell’Ia” a semplici “guadagni di efficienza”.
