Settimana dopo settimana, un filo rosso percorre le comunicazioni interne e i documenti finanziari di alcune tra le più grandi aziende tecniciche: l’intelligenza artificiale non è più solo un investimento, ma anche la ragione ufficiale per ridurre il personale. L’iniziativa, che suona quasi come un bollettino, è un elenco in continuo aggiornamento in ordine cronologico inverso dei big tech che nel 2026 annunciano licenziamenti significativi citando l’IA come fattore dichiarato.

La lista non è solo un termometro dell’occupazione nel comparto. È la spia di un cambiamento più profondo nel linguaggio con cui le imprese raccontano le ristrutturazioni. Dire “stiamo automatizzando ruoli grazie all’IA” produce un effetto diverso rispetto ad ammettere errori di over-hiring o pressioni macroeconomiche: segnala agli investitori una trasformazione tecnicica irreversibile, giustifica la riduzione dei costi operativi e, allo stesso tempo, sposta la responsabilità dal management a una forza esterna percepita come inarrestabile.

Perché l’IA diventa il capro espiatorio

Dal punto di vista del bilancio, l’automazione trainata dai Large Language Models può comprimere intere funzioni: dalla moderazione dei contenuti all’assistenza clienti, fino a parti specifiche dello sviluppo software. Quando un’azienda annuncia che i licenziamenti sono “dovuti all’IA”, in realtà sta comunicando una scelta di allocazione del capitale: i risparmi sugli stipendi finanziano, almeno in parte, l’infrastruttura necessaria all’inference e al fine-tuning dei modelli.

Qui si innesca un paradosso. Mentre i ruoli di back-office o le figure junior vengono tagliate, cresce la domanda di competenze specialistiche legate proprio a quell’IA: ingegneri per sistemi on-premise, esperti di orchestrazione di pipeline su GPU, architetti di soluzioni self-hosted che garantiscano sovranità sui dati e conformità GDPR. Il messaggio delle aziende, quindi, nasconde una riconversione più che una pura cancellazione di posti di lavoro.

Il nodo del deployment: nuvole vs. controllo diretto

Chi osserva la lista con occhio tecnico nota un’assenza: quasi nessuna azienda specifica se i processi automatizzati stanno girando su cloud pubblicitario o su infrastruttura proprietaria. Eppure, la scelta del modello di deployment è cruciale per valutare la solidità di queste ristrutturazioni. L’inference massiva su piattaforme di terze parti può scalare rapidamente il costo, esponendo l’impresa a variabili fuori dal proprio controllo. Al contrario, investire in hardware dedicato – server con GPU ad alta banda di memoria, sistemi NVLink, storage locale ottimizzato per i token – non solo riduce il Total Cost of Ownership nel medio periodo, ma crea un presidio di competenze interne difficile da delocalizzare o licenziare.

È qui che la retorica dei “licenziamenti per IA” mostra tutta la sua fragilità. Se il personale viene ridotto proprio mentre si adottano soluzioni cloud chiavi in mano, l’azienda si priva della capacità di governo sulla tecnicia che sta sostituendo i lavoratori. Se invece il taglio avviene parallelamente a un rafforzamento del team infrastrutturale per il self-hosting, allora il fenomeno è più complesso: stiamo assistendo a una specializzazione estrema dei ruoli tech, non a una semplice emorragia.

L’elenco in questione, giorno dopo giorno, accumula nomi e numeri. Ma il dato saliente non è tanto quante persone vengono licenziate, quanto quali funzioni e con quale narrazione pubblica. Per chi sviluppa strategie di adozione dell’IA, questa cronaca offre una lezione chiara: l’automazione raccontata come causa di tagli può diventare essa stessa un fattore di rischio reputazionale e operativo, specialmente se il controllo dell’infrastruttura resta in mani esterne. Investire in competenze e macchine proprie, al contrario, trasforma l’IA da spettro occupazionale a leva di autonomia.