Non sono i neolaureati a tremare, ma i cinquantacinquenni con lo stipendio alto. A dirlo non è una speculazione da bar, ma una ricerca del Boston College guidata da Geoffrey Sanzenbacher, che mostra come i lavoratori over 55 in occupazioni esposte all’intelligenza artificiale stiano uscendo dal mercato del lavoro a tassi più elevati rispetto al periodo precedente al lancio di ChatGPT. Il dibattito su IA e posti di lavoro, finora concentrato sui giovani laureati, trascurava un segmento che invece viene colpito per primo e con più forza: i senior ben retribuiti.

Questa dinamica non è solo demografica. È un segnale strutturale che interroga direttamente le scelte di deployment delle aziende. La diffusione dei Large Language Model in versione self-hosted — eseguiti su server locali, lontano dai cloud pubblici — sta creando un ambiente in cui l’automazione dei compiti cognitivi complessi diventa economicamente più vantaggiosa che mai. Perché un LLM on-premise può assorbire funzioni di analisi, reportistica, consulenza interna e persino decisioni tattiche, tutte attività presidiate da professionisti esperti, senza dover rinunciare al controllo sui dati.

Qui sta il punto: l’hardware necessario per l’inference locale (GPU con abbondante VRAM, architetture modulari, reti a bassa latenza) ha raggiunto un punto di maturità in cui il total cost of ownership sposta l’ago della bilancia. Le imprese che dispongono di un parco macchine adeguato possono internalizzare l’IA, evitando costi ricorrenti dei servizi cloud e, soprattutto, rispettando vincoli di privacy e conformità normativa. Questo azzera la frizione psicologica e contabile che frenava l’automazione dei ruoli più pagati. L’investimento in capacità di calcolo locale diventa così non solo una leva di efficienza, ma uno strumento di trasformazione organizzativa che colpisce la fascia alta della piramide salariale.

La ricerca di Sanzenbacher ci dice che il fenomeno è già in corso. Il lancio di ChatGPT ha funzionato come un detonatore: non perché abbia reso possibili cose prima impensabili, ma perché ha reso visibile a tutti il potenziale concreto dei modelli linguistici. Da quel momento, l’abbandono dei lavoratori senior è accelerato, e non per scelta volontaria. I dati suggeriscono che, nei settori più esposti, le imprese stanno optando per un ricambio generazionale forzato, consapevoli che l’esperienza trentennale può essere sostituita da un sistema inferenziale che gira su GPU consumer o su server aziendali.

Questa tendenza costringe a ripensare il patto implicito che legava anzianità e sicurezza del posto. Se fino a ieri il capitale di conoscenza accumulato era una difesa contro l’automazione, oggi rischia di diventare un costo marginale troppo alto quando un modello locale, addestrato o arricchito con i dati dell’organizzazione, produce output comparabili a una frazione del costo. E qui entra in gioco la dimensione della sovranità tecnicica: chi gestisce il deployment in casa non solo trattiene i dati, ma può anche calibrare con precisione il modello sui processi aziendali, accelerando il momento in cui la macchina supera l’umano nel rapporto costo-valore.

Non è una traiettoria inevitabile, ma è fortemente incentivata dalle economie dell’on-premise. Per chi valuta deployment self-hosted, esistono trade-off complessi tra flessibilità, scalabilità e competenze interne, ma il vettore è chiaro: l’automazione sta scalando la gerarchia professionale, e lo fa partendo proprio dai gradini più alti. L’effetto collaterale è un mercato del lavoro diviso tra chi progetta e addestra i modelli e chi ne viene sostituito, con una finestra anagrafica sempre più ristretta per rimanere nella prima categoria.