Un nuovo paper accademico di Wharton e Boston University mette in discussione la narrativa dominante sull’automazione AI. Il problema non è solo per i lavoratori: è sistemico, e riguarda anche i profitti.
Lo studio, pubblicato a marzo 2026, dovrebbe esser letto da tutti i professionista HR, perché cambia il frame con cui guardare il fenomeno. Il paper si intitola “The AI Layoff Trap” (letteralmente: la trappola dei licenziamenti da intelligenza artificiale) ed è firmato da Brett Hemenway Falk della University of Pennsylvania e Gerry Tsoukalas della Boston University.
La tesi è: le aziende sanno che licenziare troppo velocemente a causa dell’AI può danneggiare l’economia.
Il paradosso
Il ragionamento degli autori parte da un’osservazione apparentemente ovvia: i lavoratori sono anche consumatori. Quando un’azienda automatizza e licenzia, riduce i salari pagati — ma riduce anche il potere d’acquisto di persone che comprano prodotti e servizi, inclusi quelli dell’azienda stessa.
Se questa dinamica si moltiplica su scala settoriale o economica, il risultato è quello che il paper chiama una demand externality: ogni singola azienda scarica sulle altre il costo della distruzione di domanda che genera. Ogni impresa sopporta solo una piccola frazione del danno che provoca, mentre il resto ricade sui competitor.
In altre parole: automatizzare conviene a chi lo fa per primo, ma se lo fanno tutti, il sistema si impoverisce. Questo non è un ragionamento ideologico. È un modello economico formale, derivato dalla teoria dei giochi e dall’economia del lavoro.
Automation arms race: il Dilemma del Prigioniero nelle aziende
Il concetto chiave introdotto dal paper è quello dell’automation arms race: una corsa competitiva all’automazione in cui ogni singolo attore ha un incentivo razionale ad agire, ma il risultato collettivo è subottimale per tutti.
Gli autori lo formalizzano come un classico Prisoner’s Dilemma:
- Se tutte le aziende rallentassero l’automazione, i profitti aggregati sarebbero più alti
- Ma se un’azienda rallenta mentre le altre accelerano, perde quota di mercato
- Quindi tutte accelerano, e tutte ci perdono
La cosa più interessante, dal punto di vista manageriale, è che il paper dimostra che questa trappola vale anche con perfetta informazione. Le aziende sanno cosa sta succedendo. La conoscenza del problema non basta a risolverlo, perché l’incentivo competitivo rimane invariato.
Più competizione, più over-automation
Uno degli insight quantitativi più controintuitivi del paper riguarda la struttura del mercato.
Il modello dimostra che un monopolista, avendo pieno controllo del mercato, internalizza interamente il danno della distruzione di domanda, e quindi automatizza a un livello “efficiente”. Un mercato frammentato, invece, produce il risultato opposto: più aziende competono, più cresce l’incentivo a spingere sull’automazione oltre il livello ottimale.
La concorrenza, in questo caso, non disciplina il mercato. Lo destabilizza. Per chi lavora in HR in settori ad alta competitività (retail, logistica, customer service, BPO) questo elemento dovrebbe accendere qualche spia.
L’effetto Red Queen: l’AI migliore aggrava il problema
Il paper introduce un’ulteriore dinamica che vale la pena segnalare: il Red Queen Effect.
Ogni azienda percepisce un vantaggio competitivo nell’automatizzare più velocemente delle altre. Ma se tutte lo fanno simultaneamente, i vantaggi si annullano: nessuna guadagna davvero quota di mercato, mentre la domanda aggregata si contrae per tutti.
La conclusione è paradossale: AI più potente non riduce il problema, lo amplifica. Perché aumenta l’incentivo competitivo a usarla in modo sostitutivo, accelerando la spirale.
I dati che fanno da sfondo
Il paper cita dati recenti che contestualizzano il modello e indicano una traiettoria specifica.
- Circa l’80% dei lavoratori statunitensi svolge attività potenzialmente automatizzabili dagli LLM (Eloundou et al., 2024)
- Oltre 100.000 licenziamenti nel settore tech nel solo 2025, con l’AI citata come driver principale in più della metà dei casi
- Strumenti come Cognition’s Devin permettono a un senior engineer di fare il lavoro di un team di cinque persone
Cosa non funziona?
Il paper è particolarmente utile per le sue valutazioni sulle politiche di risposta. Gli autori analizzano sistematicamente sei strumenti proposti nel dibattito pubblico:
- Universal Basic Income: non cambia l’incentivo a automatizzare. Aumenta il livello di benessere di base, ma non tocca la variabile che guida le decisioni aziendali.
- Tassazione del capitale: opera sui livelli di profitto, non sul margine per singolo task dove risiede l’esternalità. Non sposta l’equilibrio di automazione.
- Equity ai lavoratori / profit sharing: riduce il problema ma non lo elimina, perché per chiuderlo completamente si richiederebbe di cedere ai lavoratori una quota di profitto superiore al 100% — matematicamente impossibile.
- Upskilling: aiuta, ma solo se riesce a ricollocare i lavoratori in ruoli con salari uguali o superiori. Se la ricollocazione è lenta o produce ruoli peggiori — come storicamente avviene — il problema rimane.
- Contrattazione tra aziende (Coasian bargaining): non è auto-applicabile, perché l’automazione è una strategia dominante nel gioco competitivo. Anche se tutte le aziende si accordassero verbalmente per rallentare, ognuna avrebbe un incentivo individuale a deviare.
La conclusione degli autori è che nessuno di questi strumenti, da solo o in combinazione, elimina l’incentivo competitivo che guida l’over-automation.
La soluzione: una tassa pigouviana sull’automazione
L’unica misura che il paper identifica come strutturalmente efficace è una Pigouvian Automation Tax: una tassa proporzionale al danno di domanda generato da ogni task automatizzato.
L’idea alla base è semplice: rendere economicamente visibile il costo sociale dell’automazione. Se ogni azienda paga il costo esternalizzato che genera, il calcolo competitivo cambia, e il livello di automazione si avvicina all’ottimale collettivo.
Il paper suggerisce anche che il gettito di questa tassa potrebbe finanziare programmi di riqualificazione, creando un circolo virtuoso: più il tasso di ricollocazione sale, meno il parametro di perdita di domanda pesa, meno la tassa è necessaria. La misura correttiva, se funziona, tende a ridursi nel tempo.
La fattibilità di una simile misura è tutt’altra questione, ma dal punto di vista analitico, è l’unica che interviene sul margine giusto.
Implicazioni per l’HR
La tentazione, leggendo questo paper, è di leggerlo come un documento di policy economica lontano dall’operatività HR, ma sarebbe un errore.
Il problema non è “AI vs lavoratori”. È quanto livello di automazione è sostenibile per il sistema economico in cui l’azienda opera. Questo è un tema di governance, non solo di gestione del cambiamento.
La velocità conta più dell’adozione. Il paper non dice “non automatizzare”. Dice che se il displacement supera la capacità di re-skilling dell’economia, il sistema entra in squilibrio. La variabile critica è il ritmo, non la direzione.
HR diventa infrastruttura economica. La capacità di ricollocare, riqualificare e far transitare le persone verso ruoli diversi non è più una funzione di supporto. È la variabile che determina se l’automazione genera valore netto o lo distrugge.
Augmentation vs replacement come scelta strategica. Il paper implica che le aziende che usano l’AI per aumentare le capacità umane — invece di sostituire lavoro in modo massiccio — possono costruire sistemi più sostenibili nel medio periodo. Non solo eticamente: anche economicamente.
Il rischio reputazionale è sistemico. In settori molto competitivi, un’azienda che automatizza più lentamente delle altre può perdere nell’immediato. Ma se il sistema collassa, perde insieme agli altri. Questo cambia la logica con cui valutare le decisioni di workforce strategy.
Una domanda aperta
Il paper chiude con una provocazione implicita: la politica di AI adoption dell’azienda è stata pensata solo in termini di efficienza interna, o anche in termini di effetti sistemici sul mercato e sulla domanda?
È una domanda concreta che dovrebbe entrare nelle conversazioni tra HR, CFO e board. Non perché l’altruismo aziendale sia un argomento vincente, ma perché l’auto-interesse illuminato (capire dove si trovano i propri interessi a lungo termine) richiede di allargare il perimetro dell’analisi.
L’AI Layoff Trap non è un rischio futuro: è una dinamica già in corso. La domanda è se le organizzazioni stanno costruendo la capacità di navigarla, o se si stanno limitando a correre più veloci degli altri verso il bordo.
