Il numero su cui vale la pena fermarsi

In un solo mese, l'intelligenza artificiale è stata esplicitamente indicata come causa del 26% dei licenziamenti annunciati negli Stati Uniti. Un anno prima, quella cifra era allo 0%.

Il dato arriva dal Challenger, Gray & Christmas Job Cuts Report, con UBS Global Research che osserva come la quota di tagli attribuiti all'AI da inizio anno abbia raggiunto il 16% di tutti gli annunci. Nello stesso periodo, il 42% delle aziende intervistate da UBS si aspetta che l'AI riduca le proprie pipeline di assunzione — in crescita dal 31% dell'ottobre 2025.

Non è la stessa conversazione che facevamo due anni fa.

La pressione sull'entry-level è il bordo visibile di un cambiamento più grande

Il CEO di Anthropic, Dario Amodei, ha avvertito che l'AI potrebbe impattare metà dei ruoli entry-level white-collar. Mustafa Suleyman, AI chief di Microsoft, fissa la finestra a 18 mesi. Uno studio di Anthropic ha mostrato che i sistemi attuali possono teoricamente automatizzare la maggior parte dei task in management, business, finanza e diritto — e la maggior parte di quei task coincide con quelli tradizionalmente affidati alle prime assunzioni.

Non è una previsione. La disoccupazione 16-24 anni negli USA è salita da circa l'8% pre-2023 al 9,5% di aprile. La pressione non è ancora catastrofica, ma è direzionale, e i dati sull'attribuzione dei licenziamenti sono l'indicatore guida.

Per l'Italia, il segnale parallelo è già sul tavolo: le assunzioni entry-level sono in calo del 18,8% su base annua, con il settore education che registra il calo più pesante a -31,2% (LinkedIn First Job Barometer, aprile 2026).

Qual era esattamente la value proposition entry-level?

Le assunzioni junior si reggevano su tre cose: costo basso, esecuzione di task ripetitivi, e capacità di apprendere. L'AI ora batte le prime due. La capacità di apprendere rimane — ma solo se un'azienda riesce a identificarla prima del colloquio.

Il processo di selezione che la maggior parte delle aziende usa oggi non è stato costruito per questo. Il CV è nato come documento di credenziali — un modo per scorrere un candidato in sei secondi e decidere se investirci altri trenta minuti. Funziona quando il mercato del lavoro ha più posizioni che candidati. Perde efficacia quando l'AI inverte quel rapporto.

Il risultato è una generazione di laureati che compete su un formato documentale che dice quasi nulla di ciò che sa davvero fare.

Dove si sposta il segnale

Quando il livello documentale si comprime, i datori di lavoro continueranno ad assumere — semplicemente sposteranno l'attenzione su segnali più difficili da contraffare:

Lavoro verificato, non lavoro dichiarato. Progetti, tesi, codice, file di design — letti da software, non scorsi rapidamente da occhi umani.
Endorsement istituzionale, leggero. Un career office che ha visto uno studente lavorare in tre anni di percorso ha un segnale che nessuna lettera di referenze cattura.
Evidenza delle soft skill, non bullet point. Cosa effettivamente energizza uno studente versus cosa lo svuota, raccolto nel tempo, vale più di "team player" in un elenco.

Una nuova ondata di strumenti — Poppin' Jobs negli USA, diversi in Europa — sta provando a ricostruire il livello entry-level. La maggior parte sta migliorando il CV stesso, e a noi sembra che manchi il punto. Il CV non è il collo di bottiglia; l'assenza di evidenze strutturate sotto di esso lo è.

Cosa possono fare adesso laureandi e laureati

Se stai entrando nel mercato quest'anno, tre mosse si combinano:

Costruisci un portfolio che contenga il lavoro, non i suoi riassunti. Un repo GitHub linkato, una tesi PDF, un file di design con commenti — sono leggibili dall'AI in modi in cui un bullet di CV non lo è.
Renditi cercabile per quello che hai fatto davvero. Le competenze estratte da progetti reali vengono indicizzate diversamente dalle skill scritte in un profilo. Le prime le puoi difendere; le seconde no.
Mostra cosa ti spinge, non solo cosa sai. Man mano che il lavoro entry-level si automatizza, il differenziale si sposta da "sa fare" a "vuole fare." I recruiter che potranno vedere pattern di motivazione daranno attenzione ai candidati che li hanno resi visibili.

Cosa stiamo costruendo

InTransparency esiste per questa transizione. Gli studenti caricano progetti reali; la nostra AI estrae le competenze effettivamente dimostrate; le istituzioni opzionalmente endorsano; le aziende leggono evidenze strutturate invece di bullet point auto-dichiarati.

Non pensiamo che il CV scomparirà nei prossimi 18 mesi. Pensiamo che stia perdendo presa sul segnale entry-level — e che i laureati che si posizioneranno sull'evidenza adesso accumuleranno un vantaggio composto rispetto a chi non lo farà.

I dati non sono dolci, ma non sono nemmeno definitivi. L'opportunità è usare ciò che sta accadendo al mercato del lavoro come motivo per costruire un portfolio che duri — uno che il prossimo decennio di AI non renda obsoleto.