Generative AI and Early-Career Hiring: Counts, Entry Rates, and the Employment Base

La storia di come le nuove tecnologie cambino la forza lavoro viene spesso raccontata come un cambiamento improvviso, un momento in cui le macchine prendono il sopravvento e le persone vengono lasciate indietro. Ma la realtà è solitamente più sottile, e si svela nella meccanica silenziosa delle assunzioni e della stabilità lavorativa molto prima che arrivino i titoli dei giornali. Gli economisti studiano questi cambiamenti osservando due modi diversi di misurare il lavoro: il numero assoluto di persone assunte e il tasso con cui queste assunzioni avvengono rispetto alle dimensioni della forza lavoro esistente. Immaginate un pavimento di una fabbrica dove il numero totale di lavoratori sta diminuendo; anche se la fabbrica assume lo stesso numero di nuove persone di prima, il tasso di assunzione rispetto al personale totale potrebbe apparire diverso. Comprendere la differenza tra un semplice conteggio di nuovi lavoratori e il tasso matematico di assunzione è fondamentale, perché un calo nel numero di nuove assunzioni non significa necessariamente che i datori di lavoro abbiano smesso di cercare talenti. Potrebbe semplicemente significare che il bacino di lavoratori esperti da cui stanno assumendo è cambiato in termini di dimensioni o composizione. Questa distinzione diventa particolarmente importante quando si esamina come l'intelligenza artificiale, specificamente la nuova generazione di strumenti in grado di scrivere e ragionare come gli esseri umani, stia influenzando i giovani che cercano di dare inizio alla propria carriera.

Un recente studio del ricercatore Yi Wu, della University of Texas ad Austin, indaga esattamente su questo punto. Il documento si chiede se l'ascesa dell'IA generativa abbia causato un calo specifico nelle assunzioni di lavoratori all'inizio della carriera, definiti come coloro compresi tra i 22 e i 34 anni, rispetto ai lavoratori più anziani e affermati. Per trovare la risposta, il ricercatore non si è basato su sondaggi o supposizioni su ciò che le aziende stessero pensando. Ha invece fatto ricorso a un enorme e dettagliato dataset governativo chiamato Quarterly Workforce Indicators. Questi dati tracciano reali eventi di assunzione in migliaia di settori negli Stati Uniti, distinguendo tra "tutte le nuove assunzioni" e "nuove assunzioni stabili". Un'assunzione stabile è un tipo specifico di record lavorativo: viene conteggiata solo quando un nuovo dipendente è rimasto nel posto di lavoro abbastanza a lungo da essere considerato parte integrante e stabile della forza lavoro per un intero trimestre. Concentrandosi su queste assunzioni stabili, lo studio osserva i lavori che effettivamente durano, piuttosto che le posizioni a breve termine o di prova.

Il ricercatore ha confrontato i settori altamente esposti all'intelligenza artificiale basata sul linguaggio con quelli meno esposti. L'esposizione è stata misurata in base a quanto le tipiche attività di un settore dipendano da competenze che gli strumenti di IA possono ora eseguire, come scrivere, programmare o analizzare testi. Lo studio ha rilevato che dopo il 2022, quando questi strumenti di IA sono diventati ampiamente disponibili, il numero di nuove assunzioni stabili per i giovani lavoratori è sceso in modo significativo nei settori ad alta esposizione rispetto a quelli a bassa esposizione. Questo calo non è stato solo una piccola fluttuazione; è stato un declino chiaro e misurabile. Tuttavia, lo studio ha anche scoperto che questo calo è stato molto più pronunciato per le assunzioni stabili rispetto a tutte le assunzioni, suggerendo che l'impatto dell'IA stia colpendo specificamente i lavori che portano a un impiego a lungo termine.

È qui che la storia prende una svolta sorprendente. Quando il ricercatore ha scomposto i numeri per vedere perché il conteggio delle assunzioni dei giovani stesse diminuendo, ha scoperto che il calo non era guidato da un cambiamento improvviso e statisticamente significativo nella frequenza con cui le aziende assumevano giovani rispetto al loro personale attuale. Invece, il declino era localizzato quasi interamente nella dimensione stessa della forza lavoro. Lo studio ha separato il conteggio delle assunzioni in due parti: il tasso di assunzione (quante nuove persone vengono assunte per ogni unità di personale esistente) e la base occupazionale (il numero totale di lavoratori stabili già in organico). I dati hanno mostrato che il tasso di assunzione per i giovani lavoratori non ha mostrato un declino statisticamente affidabile. In effetti, il coefficiente stimato per il tasso era positivo ma impreciso, e il suo segno variava a seconda di come i dati venivano trasformati, il che significa che l'evidenza di un calo distinto nel tasso di ingresso è meno solidamente supportata. L'intero declino nel numero di nuove assunzioni di giovani derivava dal fatto che il bacino di lavoratori esperti e stabili in questi settori stava diminuendo o cambiando in un modo che riduceva il denominatore.

Questo risultato sfida un'ipotesi comune. Molti potrebbero aspettarsi che, se l'IA sostituisce il lavoro umano, le aziende smettano semplicemente di assumere giovani con la stessa frequenza di prima. Lo studio suggerisce un meccanismo diverso. Il declino appare come una conseguenza di un trend a lungo termine nella composità della forza lavoro che stava già avvenendo prima della pandemia, e che è continuato anche dopo. La "base occupazionale" per i giovani lavoratori nei settori esposti all'IA era già in tendenza al ribasso, e i nuovi strumenti di IA non hanno necessariamente causato un arresto improvviso delle attività di assunzione. Piuttosto, la carenza di assunzioni è concentrata nel bacino in contrazione di posti di lavoro stabili da ricoprire. Lo studio nota esplicitamente che questo schema era visibile nei dati prima della diffusione dei più famosi chatbot di IA, suggerendo che le forze in gioco siano più profonde e antiche del recente boom tecnologico.

La ricerca ha anche esaminato se questo trend fosse una rottura improvvisa con il passato o la continuazione di un modello più vecchio. Confrontando i dati post-2023 con i trend osservati tra il 2017 e il 2019, lo studio ha scoperto che il declino nei conteggi delle assunzioni si è leggermente accelerato dopo il 2023. Tuttavia, anche questa accelerazione è stata guidata principalmente dai cambiamenti nella base occupazionale, non da un crollo improvviso nel tasso di assunzione. Lo studio specifica con cura che, sebbene i numeri mostrino una chiara correlazione tra l'esposizione all'IA e il minor numero di assunzioni per i giovani, ciò non prova che l'IA sia l'unica causa. Altri fattori, come la ripresa economica dalla pandemia o altri cambiamenti industriali, potrebbero contribuire. Eppure, l'evidenza suggerisce che il calo delle assunzioni dei giovani non sia semplicemente il risultato di aziende che assumono meno persone per ogni lavoratore esistente; il tasso di assunzione è rimasto relativamente costante, mentre il numero totale di posizioni stabili disponibili per i giovani è diminuito.

Uno dei punti più importanti del documento è la distinzione tra un conteggio e un tasso. Se si guarda solo al numero totale di giovani assunti, sembra un disastro per le loro prospettive di carriera nei campi ad alta intensità di IA. Ma se si guarda al tasso con cui vengono assunti rispetto alle dimensioni della forza lavoro, il quadro è molto meno drammatico. Lo studio conclude che la base occupazionale merita tanta attenzione quanto i flussi di lavoratori quando cerchiamo di capire come la tecnologia cambi il mercato del lavoro. Il declino delle assunzioni dei giovani è reale, ma è concentrato nel denominatore — la dimensione della forza lavoro stabile — piuttosto che nel numeratore, che rappresenta l'attività di assunzione stessa. Ciò significa che la storia dell'IA e dei lavoratori all'inizio della carriera non riguarda solo le aziende che smettono di assumere, ma riguarda un cambiamento complesso nella struttura della forza lavoro che precede l'ondata di IA e continua a plasmare chi viene assunto e chi no.

Lo studio non pretende di aver risolto il mistero di come l'IA influenzerà il futuro del lavoro, né suggerisce che la situazione sia senza speranza. Fornisce semplicemente una mappa più chiara e precisa di ciò che sta accadendo ora. Separando il tasso di assunzione dalla base occupazionale, la ricerca rivela che il calo delle assunzioni dei giovani non è un rifiuto improvviso e netto del talento giovanile da parte dei datori di lavoro. È invece il riflesso di un cambiamento più ampio e lento nella composizione della forza lavoro nei settori in cui l'IA è più rilevante. Le conclusioni suggeriscono che le sfide affrontate dai lavoratori all'inizio della carriera sono profondamente radicate nella struttura di questi settori, e che comprendere la dimensione e la stabilità della forza lavoro è importante tanto quanto contare le nuove assunzioni. In definitiva, il documento offre una correzione silenziosa ma potente alla narrazione: il problema non è necessariamente che le aziende abbiano smesso di assumere giovani, ma che il panorama in cui esse assumono è cambiato fondamentalmente, e quel cambiamento è iniziato molto prima che il primo chatbot di IA andasse online.