L'AI ti promuove, non ti sostituisce: il framework IBM dalla piramide al diamante (e il Paradosso di Jevons)

IBM ha presentato uno dei framework più concreti sull'impatto dell'AI sul lavoro: la struttura aziendale si trasforma da piramide a diamante, e il Paradosso di Jevons spiega perché ogni rivoluzione tecnologica crea più lavoro, non meno. Un'analisi con implicazioni operative per le PMI italiane.

BlueSky Agent AI · 2026-07-14

Introduzione

Ogni settimana qualcuno pubblica un nuovo studio sull'impatto dell'AI sull'occupazione. Alcuni sono catastrofici. Molti sono ambigui. Quasi tutti mancano di un framework operativo per le aziende che vogliono capire cosa fare concretamente.

IBM ha recentemente pubblicato uno dei contributi più lucidi sulla questione, sintetizzato in un video che ha generato ampia discussione nel panorama enterprise: "AI Gave You A Promotion: Why AI Isn't Replacing Jobs". Non è un contenuto di rassicurazione vuota. È un'analisi strutturale con dati e un framework applicabile — che risponde alla domanda con cui i manager italiani si confrontano ogni giorno.

Il framework: dalla piramide al diamante

La struttura organizzativa tradizionale è a piramide: molti lavoratori operativi alla base, un numero progressivamente minore di manager, un vertice ristretto di leader e decisori.

IBM descrive la trasformazione in corso con una metafora geometrica precisa: l'AI sta convertendo questa piramide in un diamante.

La logica è questa: l'AI gestisce automaticamente i task "fare" di base — le operazioni ripetitive, la raccolta e strutturazione dei dati, le comunicazioni standardizzate, i report periodici. Questi task, che nella piramide riempivano la base della struttura, vengono assorbiti dagli agenti AI.

Il risultato? La "cintura" organizzativa si allarga. I lavoratori si spostano verso ruoli di supervisione, giudizio, coordinamento e decisione — quello che IBM chiama il livello "possedere/guidare persone/guidare leader". Il diamante è più largo nel mezzo perché più persone occupano livelli che prima erano riservati a chi aveva anni di esperienza.

In pratica: l'AI non elimina il lavoratore dalla piramide — lo fa salire di un gradino.

Il Paradosso di Jevons applicato al lavoro

Il Paradosso di Jevons è un principio dell'economia classica formulato da William Stanley Jevons nel 1865 osservando il consumo di carbone durante la Rivoluzione Industriale. Jevons notò che quando James Watt migliorò l'efficienza delle macchine a vapore, riducendo il consumo di carbone per unità di lavoro prodotto, il consumo totale di carbone non diminuì — aumentò dramatically, perché l'efficienza rese il carbone più utile e accessibile, espandendo il numero di applicazioni.

IBM applica lo stesso principio al lavoro nell'era dell'AI: quando l'AI rende più efficiente il lavoro umano, la domanda di lavoro umano non diminuisce — tende ad aumentare, perché si aprono nuove applicazioni, nuovi mercati, nuove possibilità che prima erano economicamente inaccessibili.

La storia lo conferma: l'introduzione dei computer negli uffici negli anni '80 non ha ridotto il numero di lavoratori d'ufficio — li ha moltiplicati, perché ha reso possibile fare cose prima impossibili. L'automazione delle fabbriche non ha eliminato l'occupazione nel manifatturiero nel lungo periodo — ha creato nuove categorie di lavoro di manutenzione, programmazione, supervisione e design.

IBM assume attualmente più lavoratori entry-level di quanti ne assumesse prima della diffusione degli strumenti AI. Non meno. La productività aumentata da ogni dipendente ha reso possibile scalare su più progetti e clienti.

Le competenze che contano nell'era degli agenti AI

Se l'AI gestisce i task operativi di base, quali competenze diventano più preziose per il lavoratore umano? IBM identifica cinque aree:

1. Flessibilità adattiva: la capacità di cambiare approccio quando il contesto cambia — qualcosa che i modelli AI fanno ancora con difficoltà
2. Apprendimento continuo: non la conoscenza di un dominio specifico, ma la capacità di acquisire nuove competenze rapidamente
3. Curiosità sistematica: fare le domande giuste, identificare i problemi prima che diventino critici
4. Creatività applicata: connettere idee provenienti da domini diversi per generare soluzioni nuove
5. Pensiero critico: valutare l'output degli agenti AI, identificare quando il sistema sta sbagliando, mantenere il giudizio umano dove conta

Notiamo l'assenza dall'elenco: competenze tecniche specifiche, conoscenza di strumenti particolari, expertise settoriale di dettaglio. Non perché non contino — contano — ma perché sono la parte più replicabile e quindi più automatizzabile del lavoro umano. Le competenze elencate da IBM sono quelle più difficili da sistematizzare.

Human in the Loop: non un vincolo, ma un vantaggio competitivo

Il framework IBM si inserisce perfettamente in quello che nel mondo dell'AI enterprise viene chiamato Human in the Loop (HITL): la supervisione umana integrata nei workflow degli agenti AI non come limitazione, ma come componente strutturale del sistema.

L'agente AI esegue le fasi operative. Il lavoratore umano supervisiona, giudica, decide dove il contesto conta — e firma le azioni irreversibili. Questa divisione non è un compromesso tecnologico temporaneo in attesa che l'AI diventi abbastanza capace da non aver bisogno di supervisione. È un'architettura deliberata che produce risultati migliori di entrambe le alternative (solo umano, solo AI).

Per le PMI italiane, implementare correttamente il HITL significa:

• Definire chiaramente quali decisioni possono essere delegate agli agenti e quali richiedono giudizio umano
• Progettare workflow dove il lavoratore umano riceve solo ciò che richiede la sua attenzione, non tutto il flusso operativo
• Formare le persone non a "usare l'AI" in astratto, ma a collaborare efficacemente con agenti AI specifici nel loro contesto lavorativo

Il caso BlueSky: agenti AI che amplificano il team, non lo sostituiscono

Nella pratica operativa di BlueSky Agent AI con le PMI italiane, il framework IBM si conferma: le aziende che ottengono i migliori risultati con gli agenti AI non sono quelle che li usano per "tagliare" il personale. Sono quelle che li usano per permettere al personale esistente di operare a un livello superiore.

Un team commerciale che delegava il 70% del tempo ad attività di raccolta dati e reportistica ora dedica quel tempo a relazioni con i clienti e sviluppo strategico. Il team non è diventato più piccolo — è diventato più produttivo, il che ha permesso di crescere su più clienti senza assumere proporzionalmente.

È il Paradosso di Jevons in azione: l'efficienza ha espanso la domanda di lavoro di quel team, non l'ha compressa.

Cosa fare concretamente

Per i responsabili HR e i manager delle PMI italiane che stanno affrontando questa transizione:

1. Mappate i task, non i ruoli: non chiedetevi "questo ruolo sarà sostituito dall'AI?" ma "quali task di questo ruolo possono essere delegati a un agente?" La risposta è quasi sempre "una parte significativa, ma non tutto"
2. Investite nelle competenze di supervisione: le persone che imparano a lavorare efficacemente con gli agenti AI diventano moltiplicatori di produttività — valgono molto di più
3. Comunicare con chiarezza l'obiettivo: le persone che capiscono che l'AI è uno strumento di "promozione" collaborano con l'implementazione. Quelle che temono la sostituzione la sabotano
4. Misurate il valore creato, non solo i costi ridotti: il Paradosso di Jevons suggerisce che la metrica più importante non è "quanto stiamo risparmiando" ma "quanto in più siamo in grado di fare"

Conclusione

La risposta alla domanda "l'AI mi sostituirà?" è più sfumata di quanto i titoli dei giornali suggeriscano. Il framework IBM dalla piramide al diamante e il Paradosso di Jevons ci offrono una lettura più precisa: l'AI non elimina il lavoro umano, lo sposta verso livelli di maggior valore — purché le organizzazioni sappiano gestire la transizione.

Per le PMI italiane, questo è sia una sfida che un'opportunità concreta: chi investe oggi nella formazione delle persone a collaborare con gli agenti AI, e chi progetta workflow che combinano efficacemente intelligenza artificiale e supervisione umana, sarà in una posizione competitiva significativamente migliore nei prossimi anni.

L'AI ti promuove. La domanda è se la tua organizzazione è pronta ad accettare la promozione.