Anthropic ha pubblicato una meta-analisi completa che rileva come i programmi di riqualificazione dei lavoratori producano rendimenti economici statisticamente significativi ma modesti—risultati che arrivano in un momento in cui i responsabili delle politiche di tutto il mondo si confrontano con le modalità per affrontare il potenziale dislocamento del lavoro guidato dall'IA, e mentre le proiezioni di organizzazioni tra cui Goldman Sachs e il World Economic Forum stimano che l'IA generativa potrebbe esporre centinaia di milioni di posti di lavoro a cambiamenti significativi entro il prossimo decennio.

Il rapporto, co-autorizzato dal ricercatore indipendente David Roodman e da Maxim Massenkoff di Anthropic, impiega una metodologia accelerata dall'IA in cui il modello Claude di Anthropic ha estratto la maggior parte dei dati sottostanti e generato tutto il codice analitico. Lo studio si basa su 56 studi controllati randomizzati condotti negli Stati Uniti dagli anni '70, integrati da prove sperimentali provenienti dall'Europa, costituendo una delle valutazioni più sistematiche finora realizzate sulle iniziative di formazione governative e non profit. Il rapporto completo è disponibile in formato PDF.

Risultati Misurati ma Limitati

In media, i programmi esaminati hanno prodotto effetti positivi ma limitati. Per ogni individuo a cui è stata offerta una posizione di formazione, l'occupazione è aumentata di circa due-tre punti percentuali, mentre il reddito annuo è cresciuto di circa 1.000 dollari. Questi guadagni sono stati misurati rispetto a un costo medio per partecipante di circa 13.000 dollari. Da un punto di vista fiscale, i governi hanno recuperato più della metà di tale spesa attraverso entrate fiscali aggiuntive e ridotti pagamenti di prestazioni pubbliche, il che significa che gli interventi sono approssimativamente pareggiati nel complesso. Gli Stati Uniti hanno storicamente speso meno per i programmi attivi del mercato del lavoro in percentuale al PIL rispetto alla maggior parte dei paesi OECD paragonabili, un divario che colloca i rendimenti modesti qui documentati nel contesto più ampio di un'infrastruttura lavorativa comparativamente sottofinanziata, amministrata principalmente attraverso il Workforce Innovation and Opportunity Act.

I risultati fanno parte della più ampia agenda di Ricerca Economica di Anthropic, che monitora l'adozione dell'IA tra le professioni e i settori. Sebbene la riqualificazione si classifichi costantemente come la risposta politica più popolare alla disoccupazione tecnologica sia nei sondaggi pubblici che tra gli esperti, gli autori avvertono che le prestazioni storiche indicano che gli attuali programmi risulterebbero probabilmente insufficienti se l'automazione avanzata dovesse dislocare i lavoratori su scala sostanziale.

Programmi di Settore e il Problema della Replica

Una notevole eccezione alle medie modeste proviene da un piccolo gruppo di "programmi di settore"—iniziative che collaborano strettamente con i datori di lavoro in settori ad alta domanda per selezionare i candidati, sviluppare curricoli specifici per professione e collocare i diplomati direttamente nei ruoli. Programmi come Year Up e Per Scholas hanno aumentato i guadagni dei partecipanti di un multiplo rispetto alla media, operando efficacemente come intermediari del mercato del lavoro che connettono talenti trascurati con datori di lavoro impegnati in percorsi di assunzione sostenuti. I risultati di Year Up sono stati confermati in modo indipendente in uno studio controllato randomizzato pluriennale condotto dalla società di ricerca MDRC, una delle più grandi valutazioni del suo genere nello sviluppo della forza lavoro.

Tuttavia, il rapporto sottolinea che la replica di questi successi si è dimostrata eccezionalmente difficile. Copie ad alta fedeltà dei modelli leader hanno frequentemente fallito in nuove sedi, indicando che la loro efficacia dipende da condizioni delicate e specifiche al contesto: relazioni locali profonde, processi di ammissione altamente selettivi che filtrano più dell'80 percento dei candidati e capacità organizzative sviluppate nel corso di anni di attività.

Inadeguatezza agli Scenari di Dislocamento causato dall'IA

Poiché la maggior parte dei programmi studiati era rivolta a individui a basso reddito o marginalmente occupati piuttosto che a professionisti mid-career che potrebbero richiedere periodi prolungati di riqualificazione, gli autori concludono che l'attuale infrastruttura di riqualificazione è scarsamente allineata a uno scenario di dislocamento diffuso guidato dall'IA. Questa inadeguatezza è particolarmente evidente dato che i grandi modelli linguistici stanno dimostrando capacità sempre maggiori in compiti come la scrittura, la programmazione, l'analisi legale e l'assistenza clienti—professioni che i tradizionali programmi per la forza lavoro non sono mai stati progettati per affrontare.

La loro raccomandazione centrale è di investire fin da ora nella dimostrazione, valutazione e scalabilità dei modelli di programma più promettenti prima che si manifesti una crisi su larga scala. Nello specifico, propongono di espandere rapidamente un programma di settore leader per una coorte ben definita di lavoratori monitorando rigorosamente i risultati in termini di occupazione e guadagni. Il Fondo di Ricerca sugli Orizzonti Economici di Anthropic è posizionato per supportare tali indagini, riflettendo un consenso emergente secondo cui comprendere i limiti degli attuali approcci di riqualificazione è essenziale per prepararsi a un'era di automazione rapida.