Jensen Huang ha sostenuto il 4 maggio 2026 che l'AI sta creando “un numero enorme di posti di lavoro”, mentre Nvidia ha chiuso l'anno fiscale 2026 con 215,9 miliardi di dollari di ricavi, il 65% in più su base annua. Il nodo di AI e lavoro non è più se i modelli generativi entrino nelle aziende, ma chi cattura il valore quando entrano davvero.
La dichiarazione arriva nel momento in cui l'industria AI prova a spostare il racconto pubblico: meno apocalisse occupazionale, più reindustrializzazione, data center, supply chain e nuovi profili tecnici. Ma la stessa accelerazione che sostiene i ricavi di Nvidia sta comprimendo mansioni d'ufficio, ruoli junior e attività ripetitive in settori dove l'adozione di AI generativa è già economicamente conveniente.
AI e lavoro: cosa ha detto davvero Huang
Durante il panel “Leading in the Age of AI” al Milken Institute, moderato da Becky Quick, Huang ha risposto a una domanda diretta sulla possibile dislocazione dei lavoratori e sull'aumento delle disuguaglianze. Secondo il resoconto di TechCrunch, il CEO di Nvidia ha respinto la lettura più pessimista: l'AI non sarebbe una macchina per cancellare occupazione, ma un'infrastruttura capace di generare nuove filiere.
Il punto più interessante non è lo slogan “AI creates jobs”, ma la distinzione tra mansione e lavoro. Huang sostiene che automatizzare una singola attività non equivale necessariamente a eliminare l'intera funzione di una persona dentro l'organizzazione. È un argomento forte perché coglie un limite reale di molte previsioni catastrofiche: i lavori non sono blocchi monolitici, sono pacchetti instabili di compiti, responsabilità, relazioni e decisioni.
È anche un argomento interessato. Nvidia vende le GPU, i sistemi di rete e il software che alimentano questa trasformazione. Nei risultati fiscali del quarto trimestre 2026, l'azienda descrive la domanda di calcolo AI come la base di nuove “fabbriche” digitali.
“the factories powering the AI industrial revolution” — Nvidia, risultati fiscali Q4 2026
Tradotto: per Nvidia il lavoro nasce attorno all'infrastruttura. Per i lavoratori, però, il rischio nasce dentro i processi che quell'infrastruttura automatizza.
La tecnica dietro la promessa: task, GPU e fabbriche AI
Per capire la frase di Huang bisogna scendere sotto il livello del dibattito politico. Una GPU non “crea lavoro” da sola: abilita sistemi di training, inferenza, simulazione, raccomandazione e automazione che poi vengono inseriti nei flussi aziendali. Una AI factory è un data center progettato per trasformare energia, dati e chip in output computazionale: token, immagini, previsioni, codice, azioni software.
Questa infrastruttura crea domanda per progettisti di data center, tecnici energetici, ingegneri di rete, specialisti MLOps — le figure che portano modelli AI in produzione — esperti di sicurezza, data engineer, consulenti di processo e sviluppatori che integrano modelli nelle applicazioni AI. È il lato visibile della promessa di Huang: l'AI come nuovo ciclo di investimento industriale.
Il lato meno visibile è che gli stessi sistemi aumentano la sostituibilità di molte mansioni cognitive. Il paper “GPTs are GPTs”, pubblicato da OpenAI con ricercatori dell'Università della Pennsylvania, stimava già nel 2023 un'esposizione molto ampia del mercato del lavoro statunitense.
“approximately 80% of the U.S. workforce could have at least 10% of their work tasks affected” — OpenAI / University of Pennsylvania
Qui Huang ha ragione su un punto tecnico e rischia di eluderne un altro. Ha ragione perché il lavoro va analizzato a livello di task, non solo di professione. Ma l'automazione dei task può comunque cambiare salari, organici, carriere di ingresso e potere contrattuale. La domanda che nessun keynote risolve è semplice: i nuovi posti creati attorno all'infrastruttura AI saranno accessibili alle stesse persone le cui mansioni vengono automatizzate nei reparti amministrativi, marketing, customer care e sviluppo software junior?
I limiti di AI e lavoro: il saldo netto non basta
Il World Economic Forum stima che entro il 2030 le trasformazioni del mercato del lavoro possano creare 170 milioni di nuovi ruoli e spostarne 92 milioni, con un saldo netto positivo di 78 milioni. Il numero sembra confermare Huang. Ma dentro lo stesso rapporto, le tecnologie AI e di information processing sono associate sia alla creazione di 11 milioni di posti sia alla distruzione di 9 milioni.
Il saldo, quindi, non racconta la frizione. Un posto perso in contabilità non diventa automaticamente un posto in machine learning. Un assistente amministrativo non diventa per magia un ingegnere di piattaforma. E un lavoratore di 52 anni in una PMI non affronta la transizione con gli stessi strumenti di un laureato STEM in una grande azienda tecnologica.
La ricerca ILO-NASK del 2025 è utile proprio perché evita sia il panico sia la propaganda. Il nuovo indice globale combina quasi 30.000 task occupazionali, input di esperti e scoring assistito da AI. La conclusione non è che tutti perderanno il lavoro, ma che una quota significativa di occupazioni sarà trasformata.
“transformation, not replacement, is the most likely outcome” — ILO-NASK, 2025
Il dato critico: un lavoratore su quattro nel mondo è in un'occupazione con qualche esposizione alla AI generativa, mentre il 3,3% dell'occupazione globale cade nella categoria di esposizione più alta. Nei paesi ad alto reddito l'esposizione complessiva sale al 34%. È qui che la narrativa “l'AI crea lavoro” diventa incompleta: può essere vera a livello macro e dolorosa a livello micro.
Cosa cambia per aziende e professionisti italiani
Per l'Italia il messaggio non è “aspettare che Nvidia crei posti”. È capire dove la propria azienda si colloca nella catena del valore: infrastruttura, integrazione, automazione dei processi, formazione o governance. Secondo Istat, nel 2024 solo l'8,2% delle imprese italiane con almeno 10 addetti usava tecnologie di intelligenza artificiale, contro il 13,5% dell'area UE27; tra le grandi imprese italiane, però, la quota saliva al 32,5%.
Questo divario dice due cose. Primo: molte PMI italiane sono ancora lontane dall'adozione reale, quindi la minaccia immediata non è la sostituzione totale, ma il ritardo competitivo. Secondo: quando l'adozione arriva, arriva prima nei processi dove dati, software e routine sono già ordinati. Customer service, amministrazione, vendite B2B, produzione documentale, controllo qualità e manutenzione predittiva sono tra i settori AI in cui l'effetto sarà più concreto.
Per i professionisti italiani la strategia difensiva non è “imparare un prompt”. È diventare proprietari del processo: sapere quali dati servono, quali errori sono tollerabili, dove va messo il controllo umano, quali metriche misurano davvero produttività e qualità. Per le aziende significa mappare le mansioni prima degli strumenti, formare i team prima dei tagli e misurare gli effetti su tempi, errori e margini.
Unioncamere-Excelsior segnala che nel 2025 circa il 72% delle imprese italiane ha investito in almeno un ambito della transizione digitale. Ma il dato che chiude meglio la discussione è un altro: le competenze digitali sono richieste al 61,2% dei profili in ingresso.