La mia domanda preferita quando si parla dell’impatto dell’AI sul tech recruiting è “Cosa farà davvero l’AI ai lavori che richiedono competenze software?”.
Tra titoli sensazionalistici, previsioni clock-bait e opinioni polarizzanti, ecco un’analisi sobria e basata sui dati delle previsioni più diffuse oggi, accompagnata da dati reali che ne confermano (o mettono in discussione) la validità.
Cosa troverai in questo articolo:
un’analisi dei 3 principali scenari dell’impatto dell’AI sul lavoro tech oggi
come si sentono davvero i professionisti tech rispetto all’AI (nostro sondaggio)
cosa possono fare i professionisti per sviluppare resilienza in questo mercato in trasformazione
Scenario 1: L’AI è il “vissero felici e contenti” del tech 🦄
In questa visione ottimistica, i professionisti tech collaborano in modo fluido con gli strumenti AI, moltiplicando produttività, innovazione e soddisfazione lavorativa. Non ci sarà nessuna crisi del mercato del lavoro, ma solo una radicale trasformazione dei ruoli tech.
Le previsioni ottimistiche:
Gli studi sul campo su GitHub Copilot indicano un aumento di ~26% delle pull request settimanali, con benefici soprattutto per developer junior e mid-level [1][2]
Le ricerche del MIT riportano un miglioramento del 12–22% nel completamento dei task in scenari reali [3][4]
Gli sviluppatori dichiarano una maggiore soddisfazione lavorativa e un miglior “flow” con l’uso degli strumenti AI [5]
Perché è rilevante:
I developer non si limitano più a scrivere codice, ma diventano tecnologi consapevoli del prodotto, capaci di integrare competenze tecniche e pensiero strategico
I recruiter iniziano a valutare la capacità di orchestrare strumenti AI, più che la semplice padronanza della sintassi
Le attività ripetitive e prevedibili (QA, UI semplice) diventano più vulnerabili, lasciando spazio a compiti più creativi
Cosa dicono i dati reali:
Uno studio del 2025 di METR ha analizzato sviluppatori esperti su codebase open-source molto estese (~1M+ righe di codice), confrontando le performance con e senza AI. A sorpresa, chi usava l’AI impiegava il 19% in più per completare i task, rispetto a una produttività attesa del +20% [6][7].
Scoperte principali:
I suggerimenti AI avevano un basso tasso di accettazione (<44%)
Tempo extra richiesto per prompt, revisioni, correzioni e attese
Le performance reali sono risultate molto inferiori alle aspettative
Contraddice l’idea che l’AI aumenti sempre la produttività, soprattutto per dev esperti su progetti noti. L’AI aiuta molto nella fase iniziale, ma può rallentare il lavoro su attività di raffinamento e manutenzione.
Scenario 2: La Riformulazione dei Ruoli Tech ⚙️
Questo scenario immagina una trasformazione equilibrata, non una distruzione totale. Parte del mercato del lavoro viene impattato, in particolare ruoli come QA tester o UI Designer.
Le previsioni:
L’AI trasforma i ruoli, automatizzando alcune attività e valorizzandone altre
Le barriere all’ingresso si abbassano: le competenze richieste ai junior si spostano dalla tecnica pura alla gestione dell’AI (ma le competenze avanzate restano fondamentali ai livelli senior) [8][9]
Le PMI, spina dorsale del sistema economico, potrebbero ridurre il numero di assunzioni tech grazie ai guadagni di efficienza ottenuti con l’AI [10]
Cosa dicono i dati:
Diminuiscono le opportunità per i junior, ma cresce la domanda di ruoli mid/senior, specialmente in ambiti come cloud, DevOps e AI/ML engineering [11][9]
Rischio: ridurre oggi l’investimento nei junior può causare una futura carenza di profili esperti, creando un paradosso del talento [12][9]
In questo scenario, il bisogno di specializzazioni tech di livello rimangono rilevanti e centrali per una buona collaborazione con l’AI. Ma impattare da ora i ruoli junior potrebbe significare intraprendere la strada dell’estinzione dei senior. Siamo veramente pronti a gestire una riduzione di massa di junior nelle aziende?
Scenario 3: L’AI Distrugge i ruoli tech e l’Artigianalità 🚨
In questo scenario radicale, l’AI rimpiazza quasi ogni lavoro software, lasciando pochi orchestratori alla guida delle macchine. Il mercato del lavoro tech viene completamente devastato, le professioni IT non sono più “professioni sicure”.
Le possibili conseguenze:
In teoria, la società potrebbe avanzare enormemente, eliminando la necessità di lavorare in se. L’AI poterebbe talmente tanta innovazione che conclude direttamente come nel primo scenario.
In pratica, se trascuriamo governance e integrità del software, rischiamo debiti tecnici e bug sistemici gravi. Nel mentre, con i licenziamenti di massa, abbiamo anche distrutti i sistemi umani in grado di risolvere questi problemi.
Framework e librerie potrebbero scomparire, sostituiti da codice sempre generato su misura [proposta provocante di Andrew Chen]. Tutti e nessuno lavora veramente nel tech come lo intendiamo oggi.
Un campanello d’allarme dal mondo reale:
Pensiamo ai sistemi pubblici legacy e alle infrastrutture critiche basate su codice obsoleto. Senza una supervisione umana sufficiente, i malfunzionamenti potrebbero aumentare in modo esponenziale, un rischio già vissuto senza AI: per esempio, un errore nel sistema di biglietteria di una compagnia aerea europea ha bloccato migliaia di passeggeri mandando a tutti il biglietto del volo di un altro passeggero. Se già ora sbagliamo noi umani, non possiamo aspettarci che lo faccia meglio una macchina [esperienza personale con nota app di viaggio].
Cosa ne pensano i professionisti tech?
Abbiamo condotto un sondaggio nell’ultimo mese e mezzo, raccogliendo 159 risposte da professionisti tech su come stanno usando l’AI, quali strumenti usano, come stanno imparando e cosa ne pensano.
Spoiler: l’AI è integrata nel lavoro quotidiano, ma formazione strutturata e feedback sono ancora rarissimi. Ecco cosa ci hanno detto i numeri:
Geografia: 78% Italia, poi Francia (4%), Marocco (3%), Germania (2%), UK (2%), altri paesi (11%)
Ruoli: 15% Software Engineer, 10% Developer/Full-Stack, il resto distribuito tra DevOps, QA, Team Lead, Data/ML Engineer, Architect, UI/UX, Product e altri
Uso e fiducia:
Tutti i livelli, tranne gli Entry-level (86%), usano l’AI al lavoro. L’11% si dice “a disagio” con l’imprevedibilità dell’AI; solo l’8% non ha alcuna preoccupazione. L’81% apprezza il boost di produttività, ma segnala lacune su accuratezza, metriche e governance.
Percorsi di apprendimento:
Un sorprendente 85% sta imparando a usare l’AI (a lavoro) da autodidatta, senza supporto dal proprio datore di lavoro. Le fonti più usate: blog post (55%), video tutorial (35%) e community tra pari (25%). Solo il 15% ha seguito corsi strutturati o certificazioni.
Mancanza di feedback:
Il 51% riceve solo feedback informale dai colleghi, il 26% partecipa a training aziendali, e il 23% non riceve alcun tipo di feedback sull’uso dell’AI.
L’AI non è più uno strumento marginale: è presente in ogni ruolo, da studente a leader. Ma con una formazione strutturata presente solo per 1 persona su 7 e quasi un quarto senza alcun feedback, le aziende devono urgentemente definire standard chiari su sicurezza, governance e uso etico per trasformare l’entusiasmo in competenza.
È ora di aggiornare il proprio Portfolio 💼
In un mercato che cambia, resilienza significa aggiornare attivamente le proprie competenze:
Consiglio 1: punta alla cultura dell’AI, non solo agli strumenti.
Consiglio 2: crea visibilità con progetti integrati all’AI.
Consiglio 3: punta sull’apprendimento continuo e sull’adattabilità.
L’AI offre un potenziale enorme ma pone sfide altrettanto significative. I dati mostrano che, per sfruttarla davvero, le aziende devono affrontare seriamente formazione, feedback, governance e standard etici. E i professionisti tech devono posizionarsi in modo strategico, bilanciando entusiasmo e prontezza al cambiamento.
La guida di questa trasformazione dovrebbe essere in mano alle aziende, ma è evidente che per ora il futuro è nelle mani dei singoli. L’ecosistema tech italiano non si eleverà al livello delle nostre ambizioni, ma cadrà al livello della nostra preparazione.
MIT field experiments on generative AI. MIT Economics, 2024
MIT Exploration of Generative AI productivity. MIT PubPub, 2024
Developer satisfaction with AI tools. GitHub Blog, 2024
METR study on experienced open-source dev productivity with AI. METR, 2025
Productivity reality-check for AI in development. Axios, 2025
OECD Employment Outlook: AI lowers technical skill barriers. OECD, 2023
Senior-level engineers in high demand amid AI shift. Business Insider, 2025
AI improves productivity in SMBs, reducing need for hires. CPA Practice Advisor, 2025
CTOs prefer experienced engineers for AI projects. Business Insider, 2025
Lack of junior hiring could cause senior shortage. Business Insider, 2025
Basandoci su 159 risposte a un sondaggio, abbiamo esaminato la distribuzione geografica degli sviluppatori, i livelli di seniority e i ruoli, così come il loro sentimento verso l’AI, gli strumenti che usano e i modi in cui stanno imparando e ricevendo feedback.
La maggior parte delle ricerche misura l’impatto dell’AI sui lavori con competenze software in base all’efficienza del tempo e alla produttività.
Il modo in cui le persone con competenze software stanno trasformando il proprio ruolo con l’AI nella quotidianità è in gran parte trascurato.
Basandoci su 159 risposte a un sondaggio, abbiamo esaminato la distribuzione geografica degli sviluppatori, i livelli di seniority e i ruoli, così come il loro sentimento verso l’AI, gli strumenti che usano e i modi in cui stanno imparando e ricevendo feedback.
I risultati mostrano che l’adozione dell’AI è diffusa e il sentimento è in modo schiacciante positivo (78%), ma gli sviluppatori sono in gran parte lasciati soli a capirla da soli.
La formazione guidata dall’azienda è rara (solo una piccola minoranza riceve indicazioni), con la maggior parte dell’apprendimento che avviene attraverso esplorazione auto-iniziata.
Anche tra gli scettici, oltre il 70% ha comunque riconosciuto benefici, sottolineando che la critica riflette coinvolgimento piuttosto che rifiuto.
Come si parla dell’impatto dell’AI sui ruoli tech
Il discorso generale attorno a questo tema ricade di solito in una di queste tre categorie:
L’AI è la salsa segreta per un balzo di produttività: i report evidenziano che i copiloti AI aumentano la produttività degli sviluppatori di ~25–30% (RCT GitHub/Microsoft, 2024).
L’AI ucciderà i lavori software: i titoli affermano frequentemente che gli sviluppatori junior e i ruoli tecnici ripetitivi potrebbero sparire man mano che l’AI automatizza il coding di routine. Non è affatto confuso vedere il CEO di Salesforce affermare che non assumeranno nuovi sviluppatori junior l’anno prossimo, mentre il CEO di AWS afferma che non assumere junior è una decisione stupida.
Crisi delle competenze AI: studi (WEF 2024, McKinsey 2025) enfatizzano un divario crescente tra la velocità della distribuzione dell’AI e la lentezza del reskilling aziendale.
Pochissima attenzione è dedicata a come queste tecnologie vengano applicate nei luoghi di lavoro e a come ai lavoratori tech venga consigliato di applicarle.
Abbiamo chiesto a 159 professionisti IT come usano l’AI e come si sentono a riguardo
Non sorprendentemente, il 100% dei rispondenti ha usato o sta usando l’AI sul posto di lavoro. Tuttavia, solo il 3% riceve feedback e indicazioni sul loro utilizzo dall’azienda stessa.
Quando è stato chiesto se e come ricevono feedback sul loro uso dell’AI sul posto di lavoro:
30% ha risposto che non riceve alcun feedback o indicazione
22% chiede all’AI (es. “decide il codice”, “me lo mostra ChatGPT”, “vedo se funziona”)
20% si auto-valuta, per lo più tramite tentativi ed errori, verificando se il codice funziona e fine della storia
15% si confronta con e chiede ai colleghi, pari e manager
10% è poco chiaro o non specificato
Quando è stato chiesto se sentivano che mancasse qualcosa per essere pronti all’AI:
52% ha risposto nulla
12% migliori strumenti e capacità AI (più intelligenti, più avanzati, affidabili)
5% tempo per adattarsi (spazio nel carico di lavoro per sperimentare, fare upskilling)
5% integrazione nei flussi di lavoro e nei sistemi (fit nei processi, sistemi aziendali, pipeline di sviluppo)
5% miglioramenti di facilità d’uso / usabilità
4% miglioramenti di performance / accuratezza (meno allucinazioni, risultati migliori)
3% supporto / adozione da parte dell’azienda (policy, risorse, accesso agli strumenti)
1% accesso e documentazione (licenze interne, linee guida, materiali di apprendimento)
2% garanzie di sicurezza e privacy (protezione dati, conformità, uso sicuro sul lavoro)
2% agenti / funzioni di autonomia (assistenti specializzati, automazione dei compiti oltre i copiloti)
9% poco chiaro
Questo gap mostra che le aziende stanno distribuendo l’AI più velocemente di quanto stiano abilitando le persone, lasciando l’adozione al momento al tentativo ed errore. Circa un terzo degli elementi menzionati da coloro che sentono mancare qualcosa per essere pronti all’AI ricade nel campo di gioco dell’azienda.
Se consideriamo che solo il 22% dei rispondenti è stato mai interrogato sulle proprie competenze AI durante una candidatura o un colloquio di lavoro, potremmo suggerire che il restante 78% non stia pensando alla transizione AI in modo pragmatico.
Puoi guardare il resto dei risultati cliccando qui.
Insight più importanti
Le persone sono sole → le aziende stanno distribuendo AI ma non abilitano i team (3% di supporto strutturato).
Critica = ottimismo → l’80% di coloro che vedono lacune è comunque positivo; più le persone apprezzano l’AI, più pretendono da essa.
Cosa possono fare le aziende per ottimizzare i team tech
Chiudere il gap di abilitazione: passare da “distribuire AI” a “insegnare AI”; la formazione strutturata dovrebbe essere una base.
Normalizzare l’alfabetizzazione AI: rendere l’uso dell’AI una competenza standard nell’ingegneria, non un esperimento di nicchia. Ci sono così tanti corsi, workshop, esperti tra cui scegliere (incluso Tomorrowdevs).
Ripensare i flussi di lavoro: integrare l’AI nei pipeline di sviluppo (code review, testing, documentazione) invece di aggiungerla come un pezzo separato. Chiedere ai membri del team che già stanno lavorando sull’integrazione dell’AI di creare la knowledge base aziendale (e ricompensarli per questo).
Dare potere ai senior: i senior sono positivi ma esigenti; tra i rispondenti, erano i più fiduciosi nell’AI e nella loro prontezza a usarla sul posto di lavoro. Dare loro strumenti per maturare l’uso dell’AI (integrazione, sicurezza, affidabilità), budget e tempo per formare i colleghi.
Supportare i junior: entry-level e studenti si sentono persi; investire in mentorship, onboarding e guida per evitare una “generazione perduta” di ingegneri. I junior sono nativi AI, sono il gruppo che usa di più l’AI e stanno iniziando la loro carriera con essa.
Cosa possono fare i professionisti per restare al top del proprio gioco
Padroneggiare la collaborazione con l’AI: trattare l’AI come un partner di coding, affinare le competenze di prompting, debugging e system design. Non rovinare la tua crescita diventando semplicemente un bravo prompt engineer o “vibe coder”. Competenze, esperienza e commettere errori sono cruciali per la crescita. L’AI è un super-ingegnere con tempo infinito per spiegarti le cose: non limitarti a fargliele fare.
Andare oltre il coding ripetitivo: concentrarsi su architettura, problem solving e contesto di prodotto, le parti che l’AI non può automatizzare. Diventa bravo a documentare e organizzare.
Investire nelle competenze di fiducia: imparare come validare l’output dell’AI, costruire guardrail e gestire rischi (sicurezza, privacy, bias).
Rimanere curiosi e adattivi: continuare a sperimentare, condividere conoscenza con i pari e partecipare all’apprendimento guidato dalle community. È tutto un processo evolutivo, non sei in ritardo, è solo l’inizio.
Costruire meta-skill: comunicazione, creatività e leadership stanno aumentando di valore man mano che l’AI gestisce il lavoro di routine.
Conclusione
I dati delineano un quadro chiaro: l’AI non sta sostituendo gli sviluppatori, ma sta trasformando il modo in cui imparano, lavorano e crescono.
Come le aziende e i professionisti possono superare con successo questo periodo di transizione, generando veramente un impatto positivo sulla produttività del team è uno dei temi centrali del momento di Welyk. Se hai idee o suggerimenti, scrivici.
Nelle nostre ricerche precedenti, abbiamo evidenziato come oltre il 90% dei professionisti IT utilizzi l’AI senza alcuna linea guida fornita dalla leadership.
Tra il 2024 e il 2025, molte grandi aziende tech hanno iniziato a formalizzare una governance interna dell’AI per i team di sviluppo.
Tre modelli principali stanno emergendo:
Solo strumenti in whitelist. Gli sviluppatori di Microsoft, Philips e BT possono utilizzare solo assistenti o modelli AI pre-approvati. Tutto il resto è bloccato o richiede un’autorizzazione. Il framework di governance di GitHub Copilot invita le organizzazioni a mantenere una “whitelist viva” per prevenire l’uso ombra.
Responsabilità umana. Il CTO di Philips ha spiegato che “formazione ed educazione sono fondamentali per garantire un uso corretto dell’AI”, sottolineando che ogni riga di codice suggerita dall’AI deve rispettare gli stessi standard di una scritta a mano (Healthcare IT News, 2025). L’AI viene trattata come un tirocinante junior, non come un ingegnere autonomo.
Tracciabilità by design. Il Codice di condotta AI di Microsoft e le policy di GitHub richiedono ai developer di registrare quale modello AI è stato utilizzato, quando e per quale compito. L’obiettivo: auditabilità prima della responsabilità legale.
Non è molto, ma è un inizio. È interessante notare come la maggior parte delle risposte si concentri nel creare barriere comportamentali per gli umani, senza però sviluppare sistemi AI propri che verifichino in modo (semi)automatico la conformità.
Eppure, per ogni azienda che costruisce queste barriere, decine di altre stanno ancora lasciando che l’AI operi senza supervisione nei propri stack di sviluppo ed è lì che si nasconde il vero rischio.
Se le aziende più piccole non si adegueranno, tre problemi sono inevitabili:
Shadow AI: sviluppatori che usano modelli esterni di nascosto per aumentare la produttività, rischiando di divulgare dati proprietari senza accorgersene.
Avoision: team che “aggirano” soglie interne o normative per restare sotto il radar, suddividendo i modelli o rinominandoli come “assistenti” (Red Teaming AI Policy: A Taxonomy of Avoision, 2025).
Verità allucinate: codice o documentazione generati dall’AI che appaiono corretti ma sono fittizi. Abbiamo già visto avvocati sanzionati per citazioni false generate dall’AI, immaginate un errore simile in produzione.
La rivoluzione AI all’interno dei team di ingegneria non riguarda più se usare l’AI, ma come costruire con essa in modo responsabile, trasparente e tracciabile.
Per chiunque operi nel mercato tech, comprendere come le aziende governano internamente l’AI presto conterà quanto conoscere lo stack tecnologico che utilizzano.
È ancora difficile immaginare un intervento aziendale efficace senza pensare che presto tutti i professionisti IT dovranno passare per una formazione su etica e sicurezza dell’AI.
Stiamo chiedendo ai leader tecnologici di condividere la loro opinione e cosa stanno implementando nei propri team. Puoi partecipare e condividere la tua esperienza cliccando qui.
Nelle ultime settimane abbiamo intervistato alcuni tech leader (CTO, co-founder, head of platform), con team da circa 40 persone.
Fin da subito è emerso un punto: l’AI è ormai integrata nel lavoro quotidiano. Le strutture che dovrebbero governarla, molto meno.
Il 75% dei leader dice che l’AI è pienamente autorizzata nei team. Il resto “parzialmente”. Nessuno la vieta.
Fin qui, tutto bene. Poi però arriviamo al nodo che nessuno affronta davvero.
Il paradosso della formazione
La metà delle aziende afferma di avere iniziative interne sull’AI.
Eppure, tra gli sviluppatori, solo il 3% dichiara di ricevere guida o feedback sul suo utilizzo.
Tre percento. Non un errore di battitura.
È una vera distorsione della realtà tra ciò che la leadership crede di fare e ciò che i team vivono.
Da qui alcune domande inevitabili:
Le aziende stanno davvero formando le persone, o semplicemente lo affermano?
Un link condiviso su Notion viene già considerato “training”?
I leader pensano che i team abbiano competenze che… non hanno?
Qualcuno sta allucinando, e per una volta non è il modello.
L’AI non è magica. È una calcolatrice molto avanzata.
Un CTO l’ha riassunta così. E aveva ragione.
Una calcolatrice aumenta la produttività solo se conosci la matematica. Con l’AI è identico: senza le basi del pensiero tecnico, diventa un acceleratore di ambiguità.
Molte aziende però si comportano come se l’apprendimento avvenisse per osmosi: “Sono sviluppatori, capiranno da soli.”
Alcuni sì. La maggior parte no. Ancora meno in modo consistente o sicuro.
Le skill che i leader considerano essenziali oggi
Nonostante il mismatch formativo, c’è un consenso chiaro su cosa conti davvero:
Prompt engineering come pensiero strutturato.
Verifica critica.
Comprensione dei limiti.
Integrazione e consapevolezza dei dati.
Nessuna di queste è “hardcore AI”.
Sono competenze fondamentali. E richiedono esattamente quel tipo di formazione che oggi manca.
Policy: molto più leggere del previsto
Qui mi aspettavo più tensione.
Solo un’azienda nel campione possiede una policy interna strutturata sull’AI. Le altre hanno linee guida minime, spesso basate sul buon senso.
In contrasto, molte big tech negli ultimi anni hanno imposto divieti parziali o totali.
BP ha redatto una policy estesa per l’uso dei modelli generativi da parte degli sviluppatori.
Il nostro campione?
“Usate l’AI responsabilmente. E avvisateci se rompete qualcosa.”
La domanda quindi è: le aziende più piccole sono più sicure, o stanno sottovalutando i rischi dell’uso non regolamentato dell’AI?
Dove siamo davvero
Molti team vivono una fase che possiamo chiamare adolescenza dell’AI:
strumenti ovunque
formazione quasi zero
aspettative alte
struttura carente
policy leggere
workflow costruiti sul momento
leader ottimisti
sviluppatori silenziosamente sopraffatti
L’adozione dell’AI non sta fallendo. Ma non sta maturando.
Tutti parlano di produttività 3–5×.
Quei risultati non arrivano dalla buona volontà. Arrivano da skill, processi, linguaggio condiviso.
Ed è proprio lì che oggi si crea il vuoto.
La domanda con cui voglio chiudere
Perché le aziende credono di stare formando le persone sull’AI… quando solo il 3% dei dipendenti dice di ricevere supporto reale?
Overconfidence dei leader?
Mancanza di comunicazione?
Un’idea antiquata di cosa significhi “formazione”?
O un gigantesco esperimento collettivo mascherato da strategia?
Questa discrepanza non è un dettaglio. È la sfida dell’adozione AI nei team tecnici oggi.
Mi interessa molto sapere cosa state vedendo dall’interno.
Un “fake job” o “ghost job” è un annuncio di lavoro online pubblicato senza una reale intenzione di assumere nel breve periodo.
Nuove ricerche concludono che, in media, circa il 30% degli annunci di lavoro pubblicati online negli Stati Uniti è falso. Nel Regno Unito, la percentuale è stimata intorno al 34%.
Non esistono conclusioni chiare su una percentuale italiana o europea, ma difficilmente il quadro è molto diverso da quello dipinto per UK e USA. Quel 1/3 di posizioni non coperte, attribuite ufficialmente alla mancanza di talento, sono davvero tutte posizioni reali?
Reputazione, reti di sicurezza e truffe
Quando si analizzano le ragioni alla base della pubblicazione di annunci fake, i recruiter rispondono quasi sempre con una di queste 3 + 1 motivazioni:
Rolling jobs
Segnalare (finta) crescita verso l’esterno
Soddisfare requisiti interni o quote HR
+1. Raccolta dati, per chissà quali motivi.
Forse i candidati non vengono davvero ghostati dalle aziende.
Forse non entrano proprio in processi di selezione che non esistono.
I ghost job sono una caratteristica, non un bug, del mercato tech
Con tutte le trasformazioni in corso nel mercato del lavoro e con il modo in cui domanda e offerta interagiscono, purtroppo i ghost job sono una caratteristica strutturale del sistema, non un bug risolvibile facilmente.
Basta pensare al numero di job board che si limitano a “raschiare” annunci trovati online, senza alcuna azione diretta da parte delle aziende, alimentando l’illusione di un mercato del lavoro estremamente attivo.
Sembra che la tecnologia stia spingendo il progresso all’indietro invece che in avanti. Forbes suggerisce di candidarsi solo tramite i siti aziendali, perché le job board sono poco affidabili. In Ontario, Canada, dal 1° gennaio di quest’anno, le aziende devono dichiarare se stanno assumendo attivamente per un annuncio e le aziende con più di 25 dipendenti devono rispondere a una candidatura entro 45 giorni.
Il networking (e le referral) rimane il metodo più efficace per ottenere realmente un lavoro.
Cosa significa tutto questo per chi cerca lavoro nel tech?
Abbiamo chiesto un parere ad alcuni “amici di Welyk” ed ecco cosa ci hanno detto.
Michael di Prisco, Tech Lead @ Jointly e Founder @ Il Libro Open Source, afferma:
“Credo che il mercato del lavoro dovrebbe essere più regolamentato: tutte le motivazioni elencate sono corrette, ma allo stesso tempo sbagliate. In Europa abbiamo iniziato a regolamentare AI e privacy prima che diventassero ‘cool’, ma sembriamo ignorare l’elefante nella stanza. Le persone non riescono a raggiungere le aziende, le aziende non riescono a raggiungere le persone. Qualcosa di necessario deve cambiare.”
“Dalla pandemia del 2020, la rapida espansione dei servizi digitali ha messo in luce una carenza strutturale di talenti ICT nell’UE. Questo ha portato a over-hiring aggressivo, stipendi gonfiati e iper-crescita, seguiti dal calo dei finanziamenti e da licenziamenti massivi a partire dal 2022 in nome dell’efficienza. Molti annunci tech oggi riflettono una cattiva pianificazione della forza lavoro o servono a tenere in piedi le operazioni HR, pur senza una reale intenzione di assumere. Questo schema rivela una mancanza di responsabilità nell’allocazione delle persone. Per evitare questa trappola, i candidati dovrebbero analizzare il comportamento di hiring delle aziende: con che frequenza pubblicano annunci, quante posizioni rimangono aperte e per quanto tempo — indicatori di serietà e maturità organizzativa.”
“Ho chiesto anche a parte del mio network nel recruiting e, secondo loro, l’uso di ghost job non sembra essere comune nei Paesi in cui operano (Italia, Germania, Francia, Spagna). Detto questo, non mi stupirebbe se tali pratiche venissero utilizzate, soprattutto per raccogliere CV o per segnalare crescita al mercato 🙊 Credo che la soluzione per i candidati sia affidarsi ad aziende di recruiting che non hanno alcun incentivo a pubblicare annunci civetta e che operano come intermediari neutrali e imparziali.”
Infine, un punto di vista dagli Stati Uniti su cosa significhi tutto questo per chi nel tech cerca di trasferirsi oltreoceano.
Michele Riva, CTO di Orama Search, afferma che:
“I ghost job stanno distorcendo il mercato del lavoro perché:
Personalizzare le candidature non basta più
Nell’era del declino delle job board e della “social-mediaficazione” delle piattaforme di job hunting, potenziare le soft skill e tornare a metodi più tradizionali, come eventi e networking, è ormai indispensabile.
Allo stesso tempo, potrebbe esserci un barlume di speranza nella nascita di job board guidate dalle community. In questo modello, esistono comunità specializzate per singoli settori, proprio come Welyk, che si concentra sul migliorare l’esperienza di ricerca lavoro esclusivamente per ruoli software (almeno per ora).
Ma prepariamoci: ghost job + automazione di alcuni ruoli tech significa che il 2026 sarà un percorso accidentato.
Avrete sicuramente sentito parlare del problema della gallina e dell'uovo. Chi viene prima: la gallina o l'uovo?
Questa è la domanda più difficile che engineering manager e tech leader si stanno ponendo: chi viene prima, un'AI, la gallina, o uno sviluppatore junior, l'uovo?
Senza entrare nella discussione se sia la fine degli sviluppatori e così via, ero genuinamente curiosa di esplorare i pro e i contro di entrambi. Mentre facevo brainstorming su cose ovvie, come l'AI che migliora l'efficienza o i junior come investimento a lungo termine, mi sono messa a chiacchierare con Claude e ho selezionato il mio top pro e top contro per entrambi, la gallina e l'uovo, più un extra che potrebbe essere un pro o un contro, a seconda del risultato.
🐔 Investire nella Gallina
Siamo onesti. Anche se siete super preoccupati per il futuro del mercato del lavoro tech, ammettetelo che siete almeno l'1% curiosi di vedere se e cosa l'AI può DAVVERO fare. Anche solo ridurre, non eliminare, il numero di dev necessari in un team sarebbe un risultato tecnologico piuttosto impressionante.
Pro: L'AI alza il livello delle competenze
Quando un senior engineer scarica il boilerplate su un tool AI e dedica il suo tempo ad architettura, system design e problemi lato cliente, l'intero team opera a un'altitudine più alta. La CHRO di IBM Nickle LaMoreaux ha descritto questo cambiamento con precisione: gli sviluppatori junior in IBM ora passano meno tempo sul coding di routine e più tempo a lavorare direttamente con i clienti e a costruire nuovi prodotti. Satya Nadella di Microsoft ha detto che l'AI ora scrive il 20-30% del codice interno di Microsoft. Sundar Pichai di Google ha detto lo stesso. Quando dai a un senior developer un copilota AI, stai ridefinendo cosa significa "senior". Il livello si alza, ed è genuinamente entusiasmante.
Contro: Accelera le cose sbagliate più velocemente
L'AI è fenomenale nel generare output. Ma l'output non è valore. Se il vostro product thinking è debole, la vostra architettura è fragile, o il vostro team sta costruendo la cosa sbagliata, l'AI vi aiuta a costruire la cosa sbagliata più velocemente, su scala, con sicurezza. Il report DORA 2024 di Google ha trovato circa un 2% di aumento della produttività per ogni 25% di aumento nell'adozione dell'AI. Nel frattempo, i dirigenti si aspettavano guadagni del 25% o più. Un gap di 12 volte tra aspettativa e realtà. L'AI completa il boilerplate il 55% più velocemente. Ma il boilerplate non è mai stato il collo di bottiglia. Il pensiero lo era. E l'AI non risolve quello.
Potrebbe essere un pro potrebbe essere un contro: L'AI espone il vostro vero product thinking
Quando l'AI rimuove l'attrito dell'implementazione, l'unica cosa che resta è la qualità delle vostre idee. Se la vostra visione di prodotto è solida, l'AI è un moltiplicatore. Se non lo è, l'AI è una lente d'ingrandimento su ogni decisione sbagliata. Non potete più dare la colpa a "non avevamo abbastanza dev" o "lo sprint era troppo corto". Se avevate il tool e avete comunque rilasciato qualcosa di mediocre, è colpa vostra. Per i leader forti, questo è liberatorio. Per gli altri, è terrificante.
🥚 Incubare l'Uovo
Pro: Sono un asset relazionale, non solo un'unità produttiva
Le persone giovani fanno bene alla società. Fanno domande e stimolano gli ingranaggi del vostro cervello a rispondere. Sostituire questo con l'AI non si traduce necessariamente nell'avere un migliore sparring partner.
Uno sviluppatore junior che chiede "perché lo facciamo così?" è la domanda più preziosa nell'ingegneria. Viene in modo sproporzionato da persone che non hanno ancora interiorizzato gli incidenti storici del codebase come normali. Mettono alla prova la vostra documentazione. Fanno emergere l'onboarding rotto. Costringono i senior ad articolare conoscenze che non avevano mai messo per iscritto, e l'atto di articolarle rende quella conoscenza condivisa. Abbassa il bus factor. Costruisce la memoria istituzionale. L'AI non contesta le vostre assunzioni. Non si accorge che il team sta costruendo attorno a un workaround da tre anni.
Uno studio di Harvard che ha esaminato 285.000 aziende e 62 milioni di lavoratori ha scoperto che quando le aziende adottano l'AI generativa, l'occupazione junior cala di circa il 9-10% entro sei trimestri, mentre quella senior resta praticamente invariata. La porta si sta chiudendo in silenzio.
Contro: Il loro ciclo di feedback è lento
Il segnale che un junior vi dà, la confusione, le domande, gli inciampi, impiega mesi per emergere in modo significativo. Se vi muovete velocemente, è un lusso come tempistica.
Un junior richiede circa il 20-30% del tempo di un senior durante i primi mesi. Per un team di quattro senior, assumere due junior significa perdere effettivamente quasi un equivalente senior in mentoring. In un mondo di runway sempre più corti e deadline strette, aspettare 6-12 mesi perché qualcuno diventi produttivo è un costo reale.
L'ironia scomoda: le aziende tagliano i junior in parte per ridurre il peso del mentoring sui senior. Ma quel peso è stato sostituito da un peso di revisione dell'AI che è peggiore. I junior imparano e alla fine diventano contributori netti. Il codice generato dall'AI non migliora nel tempo. State revisionando gli stessi tipi di errori all'infinito.
Potrebbe essere un pro potrebbe essere un contro: La loro curva di crescita è un vostro problema da gestire
Ci vogliono 5-9 anni per produrre un senior engineer da un neolaureato. Se l'industria riduce significativamente le assunzioni junior per tre anni consecutivi (che è esattamente quello che sta succedendo), gli effetti non si sentiranno immediatamente. Ma colpiranno forte nel 2031-2036 quando semplicemente non ci saranno abbastanza engineer mid-level e senior per riempire la pipeline.
Se quella curva di crescita sia un pro o un contro dipende interamente dalla vostra volontà di gestirla. La maggior parte delle aziende dice di sì. I loro dati di assunzione dicono il contrario.
🏗️ Chi Sta Costruendo un Pollaio e Chi Sta Covando le Uova?
Aziende che hanno dichiarato di smettere (o ridurre drasticamente) le assunzioni:
Salesforce ha confermato zero nuove assunzioni di ingegneri nell'FY2026, con il CEO Marc Benioff che ha citato gli AI coding agent come motivo.
Klarna ha congelato tutte le assunzioni a fine 2023, riducendo l'organico da 5.500 a 3.400. Poi ha fatto retromarcia a metà 2025 quando la qualità dell'output generato dall'AI li ha costretti a ricominciare ad assumere persone.
Shopify il CEO Tobi Lütke ha detto ai team che devono "dimostrare perché certi lavori non possono essere fatti dall'AI" prima che qualsiasi nuova assunzione venga approvata.
Aziende che stanno investendo attivamente nei junior:
IBM ha annunciato a febbraio 2026 che avrebbe triplicato le assunzioni entry-level negli USA, ridisegnando le job description junior intorno a competenze dell'era AI.
Dropbox ha espanso i suoi programmi di stage e neolaureati del 25%, citando la competenza dei giovani lavoratori con i tool AI come motivo per investire di più.
Google il CEO Sundar Pichai si è impegnato ad assumere più ingegneri, sostenendo che la produttività potenziata dall'AI significa che l'azienda ha bisogno di più persone, non di meno.
⚡ Chi Vincerà? La Parte di Cui Nessuno Parla.
Ecco dove lancio una chiave inglese nell'intero dibattito.
Che sostituiate gli sviluppatori con l'AI o che li formiate con l'AI, c'è una sfida strutturale enorme sotto entrambe le strategie di cui quasi nessuno nel dibattito sulle assunzioni sta discutendo.
L'infrastruttura dell'AI non è durevole.
Stiamo riversando centinaia di miliardi nei data center AI nello stesso modo in cui una volta si riversavano miliardi nelle ferrovie negli anni '70 dell'Ottocento. Amazon, Google, Meta e Microsoft prevedono di spendere oltre 360 miliardi di dollari in infrastruttura data center solo nel 2025. McKinsey proietta 6,7 trilioni di dollari di investimento globale cumulativo entro il 2030.
Ma l'hardware all'interno di quei data center deve essere sostituito ogni 3-5 anni. Alcuni esperti sostengono che la vera vita utile sia ancora più breve: 1-3 anni per gli acceleratori GPU di ultima generazione.
Il CEO di IBM Arvind Krishna l'ha detto senza mezzi termini: riempire una singola struttura AI da 1 gigawatt costa circa 80 miliardi di dollari. Con circa 100 gigawatt di capacità pianificata, l'esposizione totale si avvicina a 8 trilioni di dollari. E a causa dei cicli di rinnovo quinquennali, questo è un obbligo che si compone nel tempo. Come ha detto Krishna: "Devi usarlo tutto in cinque anni perché a quel punto devi buttarlo via e riempirlo di nuovo."
Questo è fondamentalmente diverso dalle ferrovie, che hanno lasciato infrastrutture durevoli ancora in uso 150 anni dopo. La fibra ottica del crollo delle dot-com trasporta ancora dati perché le canalizzazioni durano decenni.
I data center AI? Gli edifici potrebbero durare. La capacità di calcolo al loro interno è di fatto usa e getta. Un'analisi del Princeton CITP ha scoperto che le aziende ammortizzano i chip su 5-6 anni quando la loro vita utile realistica è di 1-3 anni, creando un sussidio nascosto che maschera il vero costo delle operazioni AI. Un analista finanziario ha stimato che i data center AI costruiti nel solo 2025 subiranno 40 miliardi di dollari di ammortamento annuo generando solo 15-20 miliardi di dollari di ricavi.
Cosa significa questo per il dibattito gallina-uovo?
L'assunzione che l'AI scalerà inesorabilmente fino a sostituire il lavoro umano è costruita su una base infrastrutturale che, ad oggi, è economicamente discutibile. L'AI che "prende il sopravvento" potrebbe essere più lenta, più costosa e più fragile di quanto la stampa tech suggerisca, per le ragioni a cui non state pensando.
Le aziende che scommettono tutto sull'AI che sostituisce la loro pipeline di talenti potrebbero star costruendo su un terreno più instabile di quanto credano. E le aziende che investono nelle persone, usando l'AI come strumento invece che come sostituto, potrebbero essere quelle ancora in piedi quando la matematica dell'infrastruttura presenterà il conto.
🎰 Le Scommesse Sono Aperte.
Il dilemma gallina-uovo non sarà risolto da un sondaggio su LinkedIn o dal keynote di un CEO. Sarà risolto da quello che succederà nei prossimi 3-5 anni: le pipeline di talenti che sono state costruite o distrutte, le scommesse infrastrutturali che hanno dato frutti o no, e le aziende che hanno trattato l'AI come una strategia versus quelle che l'hanno trattata come una scorciatoia.
La mia scommessa? L'uovo è più fragile della gallina, ma è anche l'unica cosa che produce altre galline. Trascuratelo a vostro rischio e pericolo.
La vostra?
IBM Triples Entry-Level Hiring (Bloomberg / PYMNTS, Feb 2026)
IBM CEO on AI Data Center Sustainability (Tom's Hardware, Dec 2025)
Salesforce: Zero Engineering Hires FY2026 (NewsBytes, Mar 2026)
Klarna AI Reversal (Fortune, May 2025)
Shopify CEO Memo (Fortune, Apr 2025)
Dropbox Expands Grad Programs by 25% (PYMNTS, Feb 2026)
Harvard Study on AI and Junior Employment (FinalRound AI, Nov 2025)
Google DORA 2024 Report (Google Cloud)
Princeton CITP: AI Chip Lifespan Analysis (Oct 2025)
AWS Depreciation Reversal for AI Hardware (Timeless, 2025)
"The Junior Developer Pipeline Is Broken" (ThinkPol, Mar 2026)
AI Data Center / Railway Comparison (DAME Magazine, Mar 2026)
Man Group: "The AI Bubble" (2025)
AI Capex Approaching 2% of US GDP (Fortune, Aug 2025)
McKinsey: $6.7T Global Data Center Investment by 2030
Avete letto il report 'Labor market impacts of AI' di Anthropic? Se l'avete letto e pensate che l'AI sostituisca i ruoli tech, forse non l'avete letto bene.
Indagine su quante ore tecniche spendono le piccole e medie italiane nelle assunzioni di personale IT. Il costo nascosto del tech recruiting in Italia: quanto costa assumere sviluppatori e informatici in Italia.
