L'IA fait tomber les murs entre les métiers

Punti chiave

1. Data / fonte. 1° agosto 2026, SFEIR. Articolo di framing costruito su due pubblicazioni terze — l'esperimento P&G e il report di OpenAI Economic Research.
2. Framing chiave. l'IA non si limita ad accelerare il lavoro, ridistribuisce chi fa cosa. La sfumatura dei confini professionali è un fatto organizzativo misurabile; la conclusione tratta è che la job description non può più essere l'unità di organizzazione del lavoro. ### L'argomento della robustezza Due metodi opposti convergono: un esperimento sul campo preregistrato (causale, N ridotto, contesto controllato) e dati massivi di traccia d'uso (scala, correlazionale, senza contesto). Nessuno dei due basterebbe da solo; insieme coprono reciprocamente i propri punti ciechi. È questa combinazione che conta, più di qualsiasi singola cifra isolata. ### P&G — il meccanismo 791 professionisti esperti (R&D e vendite), un'intera giornata su sfide reali di innovazione di prodotto tratte dalle loro business unit, con le migliori proposte presentate ai dirigenti. Protocollo 2×2: singolo / coppia interfunzionale × con / senza IA. | Risultato | Valore | |---|---| | Individuo + IA vs. individui da soli | +0,37 σ | | Team senza IA vs. individui da soli | +0,24 σ | | Team + IA, probabilità di una soluzione top-10% | circa ×3 | | Selezione corretta della propria idea migliore | ~50% per una coppia umana senza IA, 37% con IA | L'effetto si manifesta nella coda della distribuzione, non nella media. Senza IA, il personale vendite produce output orientato alle vendite e il personale R&D produce output tecnico; con l'IA, la distinzione scompare — soluzioni equilibrate sull'intero spettro tecnico-commerciale, senza alcuna perdita di qualità. Gli autori chiamano il meccanismo boundary-spanning: dipendenti lontani dallo sviluppo prodotto, da soli con l'IA, raggiungono il livello di team che includono un esperto di dominio. Dimensione emotiva misurata: più entusiasmo ed energia, meno ansia e frustrazione. La sfumatura che regge: l'IA innalza la qualità media delle idee, ma le coppie umane senza IA restano migliori nell'individuare la propria idea migliore. Il giudizio valutativo umano mantiene il proprio posto — la stessa asimmetria generazione/verifica di [[sfeir-code-review-anneau-contraintes-2026-07-30]], un dominio diverso. ### OpenAI — la scala Il 43,5% dei messaggi specifici a una professione esce dalla professione dell'utente stesso, una volta messi da parte i compiti generici. La riclassificazione conta: non si tratta del 43,5% di tutto l'utilizzo, ma del 43,5% dell'utilizzo specifico a una professione. | Funzione | Quota fuori professione | Import | Export | |---|---|---|---| | Customer experience | 77% | — | — | | Design | 75% | 35,2% | 1,7% | | HR | 69% | — | — | | Legale | 56% | — | — | | Marketing | 53% | 24,3% | 8,9% | | Vendite / finanza | 40% | — | — | | Ingegneria | 28% | 18,5% | 7,4% | Due compiti compaiono nella top 3 dei compiti presi in prestito in tutti i gruppi: il calcolo finanziario e la risoluzione di problemi tecnologici. Stato dichiarato: un segnale precoce, che rende visibile la ricomposizione prima che lo facciano le job description e le statistiche del mercato del lavoro. Il risultato meno sfruttato dall'articolo: l'ingegneria è la professione meno porosa e più orientata all'esportazione. La porosità descritta è quindi in gran parte a senso unico, verso il lato tecnico. Per un'azienda il cui core business è l'ingegneria, questo è il risultato più actionable, e l'articolo non ne trae nulla. ### Il punto debole dell'argomentazione L'effetto legato alla dimensione dell'organizzazione si basa su uno scarto di 2,6 punti (18,9% per spazi di 2-5 ruoli → 16,3% oltre 100), cifre non commisurate al 43,5%. La verifica sulla fonte primaria [[openai-work-at-the-frontier-task-crossover-2026-07-27]] mostra che lo scarto regge solo "tra gli utenti medi," e che "tra gli utenti più intensivi, non osserviamo lo stesso andamento monotono." La conclusione di OpenAI è condizionale ("l'IA può essere particolarmente utile come strumento generalista"), laddove SFEIR la enuncia come un fatto. Da non citare come risultato solido. ### L'agenda in tre passi di Mollick Co-autore dello studio P&G, collega lui stesso le due pubblicazioni, notando che l'utilizzo interfunzionale misurato da OpenAI è più marcato di quanto l'esperimento avesse suggerito. (1) I confini organizzativi stanno diventando porosi. (2) Le aziende dovranno ripensare la divisione del lavoro, e "le cose si stanno complicando proprio ora." (3) Se ben orchestrata, la ricomposizione ripaga sia in termini di soddisfazione dei dipendenti sia di performance. ### La risposta di SFEIR: la Skill Based Organisation Su impulso di Rosalie Zandona (VP People & Culture). Se i compiti circolano, la job description fissa non può più essere l'unità di organizzazione: la competenza effettivamente operativa diventa il mattone di base — fino a 13 competenze individuate per ruolo — dispiegata ovunque si trovi il bisogno concreto, indipendentemente dal titolo del ruolo. Il passaggio sottostante va da un'identità basata sullo status ("sono un manager") a un'identità operativa ("so progettare architetture complesse"), resa oggettiva e trasparente. Beneficio dichiarato: il crossover dei compiti diventa visibile e strumentato invece di restare "un aggiustamento informale all'ombra dell'organigramma." Cifra conclusiva: secondo Deloitte, le organizzazioni basate sulle competenze hanno una probabilità 98% superiore di essere percepite come luoghi eccellenti in cui crescere. ### Tre riserve da sollevare nelle conversazioni pre-vendita
3. Freschezza P&G. il risultato circola dal marzo 2025 (NBER w33641 / HBS WP). L'articolo lo data alla sua pubblicazione su Organization Science (2026): vero per la rivista peer-reviewed, non per il risultato in sé. Per una nota di veille, questo conta come un consolidamento.
4. N divergente. 791 professionisti indicati dall'articolo, 776 nel working paper del 2025. Discrepanza non spiegata — da verificare rispetto alla versione di Organization Science.
5. Variante del titolo. "… on Generative AI and Teamwork" (SFEIR) vs. "… on Generative AI Reshaping Teamwork and Expertise" (working paper).
6. Base OpenAI. utenti ChatGPT statunitensi, né un campione rappresentativo della popolazione attiva né multi-assistente. Ed è OpenAI che misura l'effetto di OpenAI stessa — un bias che SFEIR segnala altrove, ma non qui.
7. Cifra mancante. il report fornisce due cifre principali — 16,8% dei messaggi legati al lavoro e 43,5% dei messaggi specifici a una professione, quest'ultima calcolata dopo aver escluso il 61,5% di utilizzo generico. SFEIR mantiene solo la seconda. Disambiguazione: "skill" nel senso SBO (un'unità di organizzazione HR) non ha alcuna relazione con gli Agent Skills del corpus — un omonimo FR/EN che non deve poter fondersi nel grafo.