GCRI · Intelligenza artificiale e sistemi autonomi
Effetti sul lavoro e sociali
AI changes which tasks people do, how work is organised, which skills are valued and how information spreads. Effects differ by occupation, country, gender and age, and depend on how firms and governments choose to deploy it. This page sets out how AI affects work and society, how exposure and impacts are measured, and what evidence serves the labour ministries, employers, unions and educators involved.
Labour and social effects on the record.
Labour and social effects: how the risk develops.
Work, education, public trust and inclusion. The dossier below sets out how the risk develops, what is measured, where the data come from, how it is modelled and who decides.
Tasks change before jobs do
AI automates or assists specific tasks within occupations. Jobs are reorganised around remaining tasks before they disappear or new ones form.
Exposure is uneven
Clerical and some professional tasks are highly exposed to generative AI, while manual and interpersonal work is less exposed. Women are over-represented in some highly exposed clerical jobs.
Skills and training lag
Workers need new skills to use AI well, and those displaced need retraining. Training sistemi often respond more slowly than technology adoption.
Information ecosystems shift
Generated content, recommendation systems and synthetic media change how people find and judge information, with effects on trust and public debate.
How labour and social effects is modelled, measured and tested.
Il modello, le sue ipotesi, i suoi dati e la sua incertezza, nella forma in cui uno scienziato o un ingegnere li verificherebbe. Le strutture seguono metodi pubblicati. I valori rappresentati sono illustrativi, non risultati.
Modello di sistema
The couplings between the systems in labour and social effects: signs of influence, a reinforcing and a balancing loop, and cross-links where stress jumps.
AI’s effects on work vary across domains.
- SaluteAccoppiamentoClinical and administrative tasks are exposed differently.What to watchTask exposure by occupation
- CiboAccoppiamentoAgricultural work is less exposed to generative AI than clerical work.What to watchExposure by sector
- EnergiaAccoppiamentoGrid operations need new digital skills.What to watchCarenze di competenze
Labour studies are designed for the serie Exponential Technology. The ILO’s 2023 working paper estimates exposure, not job loss, and finds clerical work most exposed.
- Firm-level adoption studies.
- Worker surveys on task change.
Cosa viene misurato e con quale accuratezza.
Ogni indicatore riporta la sua unità, la sua cadenza, il tipo di fonte su cui si basa e l'etichetta di evidenza che un valore riporterebbe. Non sono mostrati valori: un programma li fornisce sotto la propria autorità.
| Indicatore | Unità | Cadenza | Tipo di fonte | Etichetta |
|---|---|---|---|---|
| Employment in occupations highly exposed to AI | percent of employment | per valutazione | Exposure studies using occupational data | STIMATO |
| Firms using AI | percent of firms | annuale | Business surveys | RIPORTATO |
| Workers using AI tools at work | percent of workers | per survey | Labour force and worker surveys | RIPORTATO |
| AI-related job postings | share of postings | mensile | Online job posting data | OSSERVATO |
| Participation in AI skills training | percent of workforce | annuale | Training surveys | RIPORTATO |
| Wage changes in exposed occupations | percent change | annuale | Wage statistics | Statistiche pubblicate |
Da dove provengono le evidenze.
Set di dati pubblici e registri istituzionali specifici, ciascuno con la sua classe di licenza. Le fonti soggette ad accordo sono utilizzate solo alle relative condizioni e mai ripubblicate.
| Fonte | Cosa fornisce | Classe di licenza |
|---|---|---|
| ILO studies on generative AI exposure of occupations | Occupational exposure estimates by country and gender | Public, ILO terms |
| OECD Employment Outlook and AI in work studies | Evidence on AI adoption and labour effects | Public, OECD terms |
| Eurostat ICT usage in enterprises survey | Share of enterprises using AI | Open, Eurostat reuse policy |
| Online job posting data such as Lightcast summaries | Demand for AI skills | Commercial; public summaries (to check) |
| Stanford AI Index | Compiled indicators on AI adoption, investment and labour | Public, licence to check |
Chi decide, e a cosa servono le evidenze.
Studio Intelligenza artificiale e sistemi prepares evidence. The decisions below are taken by the authorities named, under their own rules, and never by the platform.
| Chi decide | La domanda | Evidenze fornite da questa pagina |
|---|---|---|
| Labour ministries | Which workers and sectors need transition support | Exposure analyses; adoption tracking |
| Employers and unions | How to introduce AI at work and share its gains | Adoption and wage evidence |
| Istruzione and training bodies | Which skills to teach and to whom | Skills demand evidence |
Output prodotti da questo argomento
- Occupational exposure analyses by sector, gender and region
- Adoption tracking from business and worker surveys
- Evaluation designs for AI training programmes
- Evidence notes for social dialogue on AI at work
What researchers ask about social effects.
- Which tasks can current AI perform well, and how does that map onto occupations?
- Does AI substitute for workers, complement them or change what their jobs consist of?
- How does AI change learning and assessment in education?
- How do errors, opacity and misuse affect trust, and who is excluded?
Tasks, not jobs.
Jobs are bundles of tasks. AI tends to automate or assist specific tasks, such as drafting, summarising, coding or classifying images, which changes the content of jobs rather than simply removing them. Whether that raises productivity and wages or displaces workers depends on how organisations redesign work and how gains are shared.
In education, AI can personalise support but also undermine assessment and the learning that comes from effort. Trust depends on experience: visible errors, unexplained decisions and synthetic content erode it, while accountable use can build it. People with limited digital access, skills or language support risk exclusion.
Evidence on social effects.
- 01
Task exposure analysis
Mapping AI capabilities onto occupational task data. Exposure is not the same as displacement.
- 02
Field and natural experiments
Studying workplaces and classrooms that adopt AI, using scienze sociali e comportamentali. Early studies may not generalise.
- 03
Surveys of trust and use
Measuring how people use and perceive AI. Attitudes change quickly and vary by context.
- 04
Valutazione delle capacità
Linking what sistemi can actually do, from Ingegneria della valutazione e dell'assicurazione dell'IA, to claims about social effects.
Come viene studiato, e cosa i metodi non possono dire.
- 01Scienze sociali e comportamentaliStudi sulla supervisione umana · Ricerca sulle comunità interessate · Studi sull'adozione nei luoghi di lavoroApplicato qui
- 02Probabilità e statisticaIncertezza sui punteggi di riferimento · Valutazione della calibrazione · Campionamento per auditApplicato qui
- 03Intelligenza artificiale e apprendimento automaticoAnalisi degli spostamenti di distribuzione · Messa a punto per un uso specifico · Metodi di interpretabilitàApplicato qui
- 04Robotica e automazioneTest basati su scenari · Sicurezza dei robot collaborativi · Monitoraggio del dominio operativoApplicato qui
Where this page’s references lead.
Gli organismi e i documenti alla luce dei quali si legge questa pagina. Stato ed edizioni cambiano; ogni link porta all'organismo emittente.
Domande e risposte.
Will AI take jobs?
What is occupational exposure to AI?
Who is most exposed to generative AI?
Will AI cause mass unemployment?
Which workers are most exposed?
How does this topic relate to Future of Work and Skills?
Does the platform advise employers?
Contribuisci con evidenze da questa pagina.
Rapporti is the Consortium’s quarterly publication. What you know about this subject can become evidence, a case or a correction in the next edition, credited to you and published under CC BY 4.0 where it is your own work.
- E-mailPortale GW-GCRIInvialo da questa paginaUn'evidenza, una correzione, un caso, un metodo, una revisione, una traduzione o un contributo a un profilo. Arriva etichettata con questa pagina, così la riceve la persona redattrice che ne è responsabile.
- ZenodoDeposito apertoDepositalo e invialo alla comunitàPubblica il tuo registro su Zenodo con il tuo ORCID iD, poi invialo alla comunità Reports. I curatori lo esaminano; il DOI resta tuo.
- RapportiGCRIVedi tutti i modi per contribuireI tipi di contributo, come viene revisionato ciascuno, il riconoscimento che ricevi, la licenza e ciò che non è mai accettato.
Non inviare mai dati personali, dettagli su infrastrutture sensibili o qualsiasi cosa che tu non abbia il diritto di condividere. Un contributo viene sottoposto a revisione prima dell'uso; inviarlo non conferisce diritti di paternità né editoriali, e la sponsorizzazione non compra mai un risultato.
Porta un metodo, un set di dati o una domanda.
Informazioni e richieste sono aperte oggi. Una richiesta riceve un riferimento e indica il passo successivo; candidature, pagamenti, assegnazioni di calcolo e registrazioni si aprono solo quando esistono il team, le condizioni e la capacità di revisione.
Documenti legali.
Le mappe, i dati e le cifre di questo sito sono mostrati a titolo di contesto e di informazione generale. Non costituiscono consigli, previsioni né allerte; i limiti dell'informazione sono esposti nelle Dichiarazioni di esclusione di responsabilità e nelle Note sui dati.