Non più eufemismi o ristrutturazioni silenziose: nel 2026 alcune delle più grandi aziende tecniciche hanno iniziato a indicare pubblicamente l’intelligenza artificiale come motivazione ufficiale dei licenziamenti. È un segnale che cambia la percezione del ruolo dell’IA nei processi aziendali, trasformandola da abilitatore silente a leva dichiarata di riduzione della forza lavoro.

Il cruscotto dei tagli: l’IA da strumento a giustificazione

Il dato, più che nei numeri precisi, va letto nel cambio di passo comunicativo. Dichiarare che i posti di lavoro vengono eliminati perché l’IA può svolgere quelle mansioni significa riconoscere un’automazione ormai strutturale, non più marginale. Per chi costruisce stack on-premise per LLM, la notizia ha un doppio valore: da un lato legittima gli investimenti in automazione interna, dall’altro apre interrogativi su quali ruoli siano realmente indispensabili nella nuova catena del valore. In un ambiente self-hosted, dove il controllo diretto su dati e modelli è strategico, la tentazione di sostituire parte del team con pipeline automatiche diventa concreta, ma deve fare i conti con la necessità di competenze specialistiche per mantenere l’infrastruttura.

Meno dipendenti, più GPU? L’equazione on-premise

L’apparente paradosso è questo: mentre si tagliano posizioni, la domanda di potenza di calcolo locale continua a crescere. Aziende che optano per deployment on-premise, spinte da esigenze di sovranità dei dati o da vincoli di latenza, si trovano a dover gestire server con GPU ad alta VRAM, sistemi di raffreddamento e orchestratori di inference senza un team numeroso. La riduzione del personale non elimina la complessità: la sposta. I framework di serving come vLLM o TGI snelliscono la gestione, ma richiedono comunque qualcuno che sappia ottimizzare la quantization, dimensionare i nodi e gestire la sicurezza degli endpoint. Il TCO non si riduce automaticamente: si trasforma, spostando il peso dal costo del lavoro a quello dell’hardware e della sua manutenzione.

Sovranità e controllo: la lezione per chi gestisce dati sensibili

Quando un gigante del cloud cita l’IA come ragione per licenziare, non taglia solo posti: ridisegna la propria offerta di servizi, accelerando l’automazione delle piattaforme. Per le realtà che per GDPR, contratti o policy interna devono mantenere i dati in sede, affidarsi interamente a provider terzi diventa ancora più rischioso: le scelte di quel provider – inclusi i tagli – potrebbero influenzare roadmap, SLA e costi. Costruire e mantenere un LLM on-premise, magari con modelli ottimizzati via fine-tuning e quantization a INT8, diventa una forma di assicurazione strategica. Non si tratta solo di controllare i dati, ma di presidiare la logica stessa con cui l’IA agisce sui processi aziendali.

Prospettive: il mercato del lavoro si polarizza

La dichiarazione esplicita dell’IA come causa di licenziamento segnerà probabilmente un’accelerazione nella polarizzazione delle competenze. Da un lato, profili legati a compiti ripetitivi di coding, testing o documentazione vedranno contrarsi le opportunità; dall’altro, crescerà la richiesta di ingegneri capaci di mettere in produzione LLM su bare metal, di gestire pipeline di fine-tuning e di progettare architetture ibride che bilancino on-premise e cloud. Non è un futuro lontano: sta già accadendo. Per chi investe in stack locali, la sfida sarà attrarre quei talenti in un momento in cui le stesse aziende che licenziano fanno a gara per accaparrarseli. L’esito dipenderà dalla capacità di offrire non solo stipendi, ma progetti in cui il controllo pieno dello stack tecnico sia un valore riconosciuto.