l futuro (non) è un algoritmo: impatto dell’Intelligenza Artificiale e della digitalizzazione sul lavoro europeo (2025-2035) e prospettive per i giovani

Negli anni 2025-2035, l’accelerazione della digitalizzazione e dell’adozione dell’intelligenza artificiale (IA) rappresenta una trasformazione epocale per il mercato del lavoro europeo. Questo studio analizza tre dimensioni fondamentali: (1) le professioni in declino e quelle emergenti, (2) le competenze umane non automatizzabili che diverranno cruciali, e (3) nuovi profili professionali ibridi che integrano competenze tecnologiche e umane. Partendo da evidenze globali adattate al contesto europeo — ad esempio, fino al ~30 % delle ore lavorative potenzialmente automatizzabili in Europa entro il 2030 — (McKinsey Global Institute, 2024) e dall’analisi del World Economic Forum (WEF) Future of Jobs Report 2025 (WEF, 2025), si discute come i giovani possano orientarsi efficacemente verso percorsi futuri. L’articolo integra inoltre contributi della psicologia del lavoro, della psicologia dell’educazione e della psicologia dell’adozione delle tecnologie, per comprendere gli effetti sulle motivazioni, sull’identità professionale e sul benessere dei lavoratori (Huang & Zhao, 2025; Verboom et al., 2025). Infine, si propone una struttura di intervento per laboratori di orientamento professionalizzante focalizzati sulle “risorse umane”, evidenziando rischi, opportunità e raccomandazioni operative. In conclusione, si sottolinea che in un contesto in cui l’algoritmo diventa sempre più presente, il “capitale umano” — inteso come pensiero critico, creatività, intelligenza emotiva, apprendimento continuo ed etica — si conferma come fattore determinante di resilienza e successo occupazionale.

1. Introduzione

La convergenza tra generative IA, automazione, digitalizzazione e transizione energetica rappresenta una delle forze più significative di cambiamento nel mercato del lavoro europeo. Come evidenziato dal Future of Jobs Report 2025 del WEF, entro il 2030 si prevede la creazione di circa 170 milioni di nuovi posti di lavoro a livello globale e la perdita di circa 92 milioni, con un incremento netto di circa 78 milioni. (WEF, 2025) Questo scenario genera la necessità di ripensare percorsi, competenze e modelli formativi in modo più sistematico, soprattutto per i giovani che stanno entrando o si preparano a entrare nel mondo del lavoro.

Dal punto di vista psicologico, queste trasformazioni implicano cambiamenti nell’identità professionale, nella motivazione al lavoro, nella sicurezza psicologica del ruolo e nella relazione tra lavoratore e tecnologia. Le ricerche emergenti, ad esempio, mostrano come la literacia IA (AI literacy) influenzi l’equilibrio vita-lavoro e la soddisfazione professionale (Huang & Zhao, 2025). Inoltre, l’adozione dell’IA pone nuove domande in termini di alienazione lavorativa, autodeterminazione e relazioni umane nei contesti digitalizzati.

L’obiettivo centrale di questo articolo è fornire una base empirica e operativa per laboratori di orientamento, particolarmente incentrati su risorse umane, che considerino le trasformazioni in atto nel lavoro, individuino le competenze chiave e i profili ibridi emergenti, e propongano strategie per un’efficace preparazione.

2. Trend macro: digitalizzazione, IA e mercato del lavoro in Europa

Le analisi globali e quelle specifiche per l’Europa convergono su alcune evidenze chiave:

• Lo studio del McKinsey Global Institute (MGI) del 2024 proietta che, in uno scenario “mid-case” per Europa e Stati Uniti, fino al 30% delle ore lavorative potrebbe essere automatizzato entro il 2030 grazie all’adozione della generative IA. (McKinsey, 2024)
• Il WEF segnala che il 60% dei datori di lavoro ritiene che l’ampliamento dell’accesso digitale sarà la tendenza più trasformativa entro il 2030; inoltre, il cambiamento delle competenze richieste è stimato in circa il 39% entro lo stesso periodo. (WEF, 2025)
• Le analisi del Organisation for Economic Co‑operation and Development (OECD) mostrano che i lavori appartenenti a funzioni ripetitive, amministrative o “colletto bianco” sono più esposti all’automazione rispetto a quelli con contenuto cognitivo, creativo o relazionale. (OECD, 2024)

Questi trend implicano che il panorama professionale sarà sottoposto a una doppia dinamica: da un lato l’automazione di molte attività, dall’altro l’emergere di nuovi ruoli e competenze. Per i giovani in Europa ciò significa che la scelta professionale deve tenere conto non solo del settore ma soprattutto delle competenze e della flessibilità.

3. Professioni in declino vs professioni emergenti

3.1 Professioni in declino

Le attività che partono da mansioni ripetitive, prevedibili e standardizzabili sono quelle maggiormente a rischio. Ad esempio, clericali, inserimento dati, operatori call-center di primo livello, contabilità di base. Il report del WEF indicate che ruoli quali “admin assistants”, “ticket clerks” e “cashiers” sono previsti in forte diminuzione a causa dell’automazione e dell’IA. (WEF, 2025)

Dal punto di vista psicologico, queste trasformazioni possono generare una perdita di identità professionale, una maggiore insicurezza lavorativa e un rischio accresciuto di alienazione: i lavoratori che svolgono compiti routinari possono sentirsi “rimpiazzabili” e perdere senso di significato. Studi su “alienazione tecnologica” evidenziano che quando la parte umana del lavoro viene ridotta, cresce il rischio di disengagement.

3.2 Professioni emergenti

Al contrario, le professioni in crescita includono:

• Specialisti in IA e machine learning, data engineers e data scientists. (WEF, 2025)
• Creatori di contenuti potenziati da IA, prompt engineers, specializzati in human-AI interaction. (MGI, 2024)
• Professioni di governance, etica, compliance IA, e ruoli legati alla transizione verde + digitale. (WEF, 2025)
• Nei contesti europei, ruoli che integrano tecnologia e servizio alle persone/comunità registrano domanda crescente. (McKinsey, 2024)

Questa distinzione non implica che le professioni “vecchie” scompariranno completamente, ma che subiranno una profonda trasformazione e, in molti casi, dovranno essere riqualificate o ridisegnate.

4. Le cinque competenze umane non automatizzabili

In anni in cui l’IA e l’automazione crescono, diventano fondamentali quelle competenze che gli algoritmi non possono replicare. Le cinque competenze chiave identificate sono:

1. Pensiero critico e ragionamento complesso: la capacità di valutare contesti ambigui, prendere decisioni strategiche ed etiche, va oltre ciò che un algoritmo può gestire.
2. Creatività e generazione di idee originali: immaginare nuovi prodotti, servizi, narrative, soluzioni. Le macchine possono aiutare a produrre, ma non sostituire l’atto creativo umano.
3. Intelligenza emotiva / empatia / gestione relazioni complesse: negoziazione, leadership, coaching, cura delle persone: questo rimane un territorio umano.
4. Apprendimento continuo e adattabilità: dato il rapido cambio tecnologico, la capacità di riqualificarsi, sperimentare, crescere è essenziale.
5. Pensiero etico e capacità di governance: comprendere le implicazioni dell’IA, i bias, la sostenibilità sociale, la governance delle tecnologie: qui serve la bussola umana.

Dal punto di vista psicologico, queste competenze riflettono principi consolidati: l’autonomia, la competenza e la relazione come elementi chiave della teoria della autodeterminazione (Deci & Ryan, 2000). La ricerca recente su AI literacy evidenzia che una maggiore familiarità con l’IA soddisfa questi bisogni, migliorando benessere e soddisfazione lavorativa (Huang & Zhao, 2025).

5. Tre profili professionali ibridi (tecnologia + umano)

Per orientare i giovani verso futuri possibili, proponiamo tre profili ibridi che uniscono competenze tecnologiche e umane.

5.1 AI-Augmented HR Designer

Descrizione: figura che integra processi HR tradizionali (selezione, sviluppo, mentoring) con strumenti IA (analytics predittivi, assessment automatizzati, bias monitoring).
Competenze richieste: HR management, coaching, data literacy, comprensione di modelli IA, etica del lavoro.
Valore per i giovani: trasforma un settore tradizionale in opportunità ibrida, valorizzando soft skills e tecnologia.

5.2 Generative Content Strategist / Prompt Architect

Descrizione: crea strategie di contenuto multicanale in sinergia con sistemi generativi (LLM, multimodali), definendo prompt, supervisionando output, garantendo coerenza, creatività, rilevanza etica.
Competenze richieste: narrazione, marketing, prompt engineering, controllo qualità, fact-checking, pensiero creativo.
Valore per i giovani: ruolo che sfrutta la creatività e abbraccia la tecnologia, ideale per chi ama comunicare e innovare.

5.3 Urban AI Implementation Specialist

Descrizione: opera a livello locale/comunitario per implementare soluzioni IA nei servizi pubblici o privati (mobilità, amministrazione, smart-city), mediando tra tecnici, policy-maker e cittadini.
Competenze richieste: project management, stakeholder engagement, comprensione tecnica di IA, valutazione d’impatto sociale, change management.
Valore per i giovani: un profilo con forti implicazioni sociali, che combina tecnologia e cittadinanza attiva.

Questi profili rispecchiano la intersezione tra tecnologia e psicologia del lavoro: richiedono capacità relazionali, gestione del cambiamento, comprensione dei bisogni umani e delle dinamiche di gruppo — aspetti che la psicologia del lavoro ha studiato largamente.

6. Contributi della psicologia e ricerche recenti

6.1 AI literacy, motivazione e benessere

Lo studio di Huang & Zhao (2025) rileva che la AI literacy — ossia la competenza ad usare e comprendere l’IA — migliora la soddisfazione del bisogno di autonomia, competenza e relazione fra docenti universitari, e che questi ultimi mediatori sono a loro volta correlati positivamente con l’equilibrio vita-lavoro e la soddisfazione professionale.
Questo implica che per i giovani che entreranno nel mondo del lavoro, non basta sviluppare competenze tecniche: è altresì fondamentale curare la dimensione motivazionale e psicologica dell’uso della tecnologia.

6.2 Atteggiamenti verso l’IA e autoefficacia professionale

Lo studio su studenti universitari di mediazione tra auto-efficacia, atteggiamento verso l’IA e ansia da ricerca di lavoro (job-seeking anxiety) mostra che una maggiore auto-efficacia (career self-efficacy) porta a un uso più proattivo delle tecnologie IA, riducendo l’ansia occupazionale.
Questo conferma l’importanza, nei laboratori di orientamento, di attivare percorsi che rafforzino la fiducia dei giovani nelle proprie capacità e promuovano atteggiamenti positivi verso la tecnologia.

6.3 Percezioni degli studenti sull’IA e sviluppo professionale

Lo studio “University students’ perceptions of the impact of artificial intelligence in the business sector…” (2025) analizza come gli studenti percepiscono l’IA nel settore business, rilevando che una visione positiva dell’IA è correlata a una maggiore domanda di formazione su IA, mentre la paura e percezione di rischio, se elevata, può ostacolare la partecipazione.
Questa evidenza sottolinea l’importanza di modulare nei laboratori non solo la competenza tecnica, ma anche la percezione e il mindset rispetto all’IA.

6.4 Sicurezza psicologica in contesti di lavoro con IA

La letteratura della psicologia del lavoro mostra che l’adozione dell’IA può alterare la sicurezza psicologica nei team: la possibilità di sbagliare, di proporre idee, di sentirsi parte e di apprendere può ridursi se la tecnologia è percepita come sostituta piuttosto che come supporto.
Ciò significa che il design dell’introduzione dell’IA nell’organizzazione – e la formazione al riguardo – deve prevedere anche dimensioni relazionali, culturali e psicologiche, non solo tecniche.

7. Applicazione operativa: Laboratori di orientamento e sviluppo delle competenze ibride

La transizione digitale e l’integrazione crescente dell’intelligenza artificiale nei processi lavorativi rendono urgente la progettazione di percorsi formativi che aiutino i giovani non solo a comprendere i trend del mercato, ma anche a costruire un’identità professionale flessibile, riflessiva e tecnologicamente competente.

La psicologia dell’orientamento contemporanea, in linea con la prospettiva della Career Construction Theory di Savickas (2013) e con i modelli di Self-Determination di Deci e Ryan (2000), evidenzia come la motivazione e l’autoefficacia percepita siano i fattori più forti nella transizione verso nuove professioni. Da ciò nasce l’esigenza di un approccio esperienziale e meta-cognitivo ai laboratori, che favorisca il passaggio da semplici conoscenze a competenze trasformative.

7.1 Struttura modulare e filosofia educativa

I laboratori proposti si articolano in sei moduli progressivi, concepiti come un percorso di esplorazione, sperimentazione e riflessione identitaria. Ciascun modulo alterna momenti teorici, pratici e riflessivi, coerentemente con la metodologia del learning by doing (Kolb, 1984) e del problem-based learning (Barrows, 1996).

Modulo 1 — Panorama: Digitalizzazione, IA e mercato del lavoro europeo

Questo primo modulo introduce i trend globali e locali, favorendo la consapevolezza situata.
Vengono analizzati i dati McKinsey, WEF e OECD, ma anche casi concreti di aziende europee che hanno integrato IA nei processi HR. Gli studenti lavorano su mappe concettuali che collegano dati macro-economici alle proprie rappresentazioni del futuro.
L’obiettivo psicologico è sviluppare curiosità epistemica e ridurre l’ansia da incertezza, secondo gli studi di Harvard Business School su curiosity and adaptability (Gino, 2018).

Modulo 2 — Competenze umane: Assessment e potenziamento

In questo modulo si esplorano le cinque competenze non automatizzabili — pensiero critico, creatività, intelligenza emotiva, apprendimento continuo e pensiero etico — attraverso strumenti psicometrici e auto-riflessivi.
Sono utilizzati il Big Five Inventory per la consapevolezza di sé (John & Srivastava, 1999) e scale di self-efficacy tratte da Bandura (1997).
Ogni partecipante elabora un “profilo umano-digitale”, individuando i propri punti di forza e le aree di sviluppo in relazione al lavoro del futuro.
L’attività favorisce la metacognizione, concetto chiave nei programmi di orientamento di Oxford University (Career Design for the Future, 2023).

Modulo 3 — Skills digitali minime e job-shadowing su profili ibridi

Il terzo modulo introduce le competenze tecniche di base richieste per i nuovi ruoli: analisi dati, alfabetizzazione AI, gestione di piattaforme digitali HR, cybersecurity comportamentale.
Si utilizzano piattaforme simulate e strumenti di intelligenza artificiale generativa per testare scenari reali (ad esempio simulazioni di colloqui HR-AI).
La fase di job-shadowing virtuale consente di osservare professionisti ibridi europei — AI Augmented HR Designers o Generative Content Strategists — tramite videointerviste e micro-mentorship.
Questo modulo risponde ai principi del social cognitive career theory (Lent, Brown & Hackett, 2002), secondo cui l’osservazione di modelli competenti aumenta l’autoefficacia e l’intenzione professionale.

Modulo 4 — Etica, bias e governance: laboratori esperienziali

Il quarto modulo si focalizza su un tema cruciale: l’etica dell’intelligenza artificiale.
Attraverso casi di studio, simulazioni e analisi di dilemmi etici (basate sul framework di Floridi & Cowan, 2023, Oxford Internet Institute), i partecipanti apprendono come valutare il rischio di bias e discriminazione.
L’obiettivo psicologico è sviluppare moral reasoning e ethical foresight — la capacità di anticipare le conseguenze delle proprie scelte tecnologiche, una competenza riconosciuta nei programmi di Responsible AI del MIT Media Lab (2022).

Modulo 5 — Career toolkit: costruire il proprio profilo ibrido

Questo modulo è orientato all’azione. I partecipanti apprendono a costruire un portfolio professionale ibrido, combinando soft skills e competenze digitali.
Sono proposti micro-percorsi di certificazione (es. LinkedIn Learning, Coursera, EU DigComp) e workshop su personal branding, storytelling e networking.
Il laboratorio si ispira ai programmi di Stanford d.school sull’applied creativity, dove il design thinking viene applicato al percorso di carriera per trasformare idee in prototipi professionali (Stanford University, 2021).

Modulo 6 — Progetto finale: Roadmap Professionale 2030

Nell’ultimo modulo, i partecipanti lavorano in team multidisciplinari per elaborare una “roadmap professionale 2030” che integri elementi di risorse umane, IA e sostenibilità sociale.
Ogni gruppo presenta il progetto a un panel di esperti del mondo HR e tecnologico.
La valutazione si basa su criteri di innovazione, coerenza etica e realismo operativo.
Il modulo si chiude con un momento di riflessione personale guidata (career narrative reflection), tecnica sviluppata all’Università di Melbourne (Collin & Reid, 2020) per promuovere l’integrazione tra identità e prospettiva lavorativa.

7.2 Approccio psicologico e metodologie di supporto

I laboratori adottano un approccio integrato mente-tecnologia, fondato su tre assi metodologici:

1. Autoconsapevolezza (insight): comprendere i propri pattern cognitivi ed emotivi, attraverso tecniche di journaling e feedback 360°.
2. Sperimentazione sicura (safe failure): favorire l’apprendimento esperienziale attraverso micro-errori gestiti, secondo il principio di productive failure di Kapur (2016).
3. Riflessività collettiva: costruire significati condivisi tramite peer coaching e gruppi di confronto (Lewin, 1946; Schön, 1983).

Questo modello mira a sviluppare non solo competenze, ma anche una mentalità trasformativa, basata su growth mindset (Dweck, 2006) e learning agility.

7.3 Valutazione d’impatto e indicatori (KPI)

La valutazione del percorso si articola su tre livelli:

• Cognitivo-tecnico: acquisizione di conoscenze digitali e IA misurate tramite test pre/post (DigComp 2.2 framework).
• Emotivo-motivazionale: incremento dell’autoefficacia percepita, della tolleranza all’ambiguità e della resilienza lavorativa, secondo scale validate (Carver, 1997; Schaufeli & Bakker, 2004).
• Comportamentale-occupazionale: placement, attivazione di tirocini, creazione di micro-startup o partecipazione a programmi di upskilling europei (Erasmus+ Skills Agenda).

KPI principali:

• ≥ 70% miglioramento nelle competenze auto-percepite;
• ≥ 50% dei partecipanti con micro-certificazioni acquisite entro 6 mesi;
• ≥ 30% coinvolgimento in percorsi di tirocinio o collaborazione scuola-impresa.

7.4 Raccomandazioni per scuola, impresa e policy-maker

Perché i laboratori producano impatto sistemico, è necessario creare ecosistemi territoriali collaborativi che uniscano centri psicologici, scuole, università, imprese e pubbliche amministrazioni.
Le raccomandazioni chiave includono:

• Accesso equo alla formazione digitale e psicologica, con borse e percorsi inclusivi per studenti in difficoltà socio-economica;
• Partnership scuola-impresa basate su mentorship intergenerazionale, per ridurre il divario tra istruzione e lavoro;
• Monitoraggio territoriale dei fabbisogni professionali e delle competenze emergenti, in collaborazione con centri per l’impiego e osservatori regionali;
• Formazione continua dei docenti e degli psicologi scolastici su IA, orientamento e competenze non cognitive;
• Valorizzazione della salute psicologica nel lavoro ibrido, promuovendo equilibrio tra tecnologia e benessere, come indicato dagli studi di Harvard Center for Work and Well-Being (Kanter et al., 2022).

8. Rischi, limiti e raccomandazioni

L’implementazione di percorsi formativi e professionali legati all’IA e alla digitalizzazione, pur ricca di potenzialità, comporta una serie di rischi sistemici, psicologici e sociali che vanno riconosciuti e affrontati con approccio integrato.
Questa sezione propone un’analisi multilivello — individuale, organizzativa e politico-istituzionale — con l’obiettivo di anticipare criticità e individuare strategie di mitigazione.

8.1 Rischio di esclusione e divari di accesso

Uno dei rischi più evidenti è quello della digital divide, ovvero la disuguaglianza di accesso alle risorse tecnologiche e formative.
Le analisi Eurofound (2022) e OECD (2023) mostrano che, in Europa, le competenze digitali di base restano ancora carenti per circa il 35% dei giovani adulti tra i 16 e i 29 anni, con disparità territoriali significative tra Nord e Sud del continente.
Questa condizione produce effetti psicologici rilevanti: riduzione della percezione di autoefficacia, aumento dell’ansia da prestazione digitale e perdita di fiducia nel proprio potenziale professionale (Deci & Ryan, 2000).

Il rischio di esclusione psicologica è altrettanto cruciale.
Gli studi del Harvard Center for Work and Well-Being (Kanter et al., 2022) evidenziano come la percezione di inadeguatezza tecnologica possa generare stress cronico, burnout e comportamenti di evitamento verso l’apprendimento digitale.
Per questo i programmi di orientamento devono includere supporto psicologico, coaching e mentoring, che aiutino i giovani a ristrutturare le proprie convinzioni di efficacia e ad affrontare il cambiamento con resilienza.

8.2 Rischio di bias tecnologico e disuguaglianze algoritmiche

L’introduzione di strumenti di IA nei processi HR, educativi e decisionali presenta un rischio etico importante: la riproduzione di bias e discriminazioni nei dataset e negli algoritmi di selezione.
Il Cedefop (2024) e l’OECD AI Policy Observatory (2023) segnalano casi di sistemi di selezione automatizzata che penalizzano inconsapevolmente categorie protette o gruppi minoritari.

Dal punto di vista psicologico, tali bias possono generare senso di ingiustizia organizzativa (Greenberg, 1987) e percezione di impotenza appresa (Seligman, 1975).
È quindi essenziale che nei laboratori e nei programmi formativi si introducano competenze di AI literacy etica: comprendere la logica dei modelli, identificare errori sistematici, e sviluppare il pensiero critico necessario per interagire responsabilmente con le tecnologie.
In questa prospettiva, il modello di AI Fairness proposto dal MIT Media Lab (Floridi & Cowan, 2023) può fungere da riferimento metodologico per l’educazione etica all’uso dell’IA.

8.3 Rischio del divario territoriale e generazionale

Un ulteriore rischio riguarda la distribuzione diseguale delle opportunità di formazione e lavoro connesse alla trasformazione digitale.
Eurofound (2022) e McKinsey (2024) segnalano come i poli urbani ad alta densità tecnologica (es. Berlino, Milano, Amsterdam) attraggano gran parte delle nuove opportunità, mentre le aree periferiche e rurali restano escluse.
Questo genera polarizzazione territoriale e rischio di depauperamento del capitale umano locale.

Sul piano psicologico e sociologico, i giovani che vivono in aree a basso accesso digitale mostrano maggiore propensione a sentimenti di disillusione e sfiducia nelle istituzioni (OECD, 2023).
Una strategia efficace è promuovere ecosistemi locali di apprendimento (local learning ecosystems), in cui scuole, centri psicologici, imprese e università collaborano nella creazione di micro-laboratori diffusi — come nel modello “AI Labs for Inclusion” sperimentato dall’Università di Cambridge (2023).

8.4 Limiti dello studio e prospettive future

Questo lavoro, pur fondato su evidenze aggiornate e fonti istituzionali, presenta alcuni limiti intrinseci:

1. Generalizzazione geografica — Le analisi aggregate a livello europeo non tengono pienamente conto delle specificità nazionali e regionali.
2. Velocità dell’innovazione — Le stime su automazione e creazione di posti di lavoro (McKinsey, 2024; WEF, 2025) si basano su scenari dinamici che possono variare rapidamente con l’evoluzione delle tecnologie generative.
3. Limiti psicometrici — La misurazione delle competenze “umane” non automatizzabili (come empatia, pensiero etico o creatività) resta complessa e in parte qualitativa.
4. Assenza di longitudinalità — Mancano ancora studi longitudinali che valutino l’impatto reale dei percorsi formativi ibridi sull’occupabilità a lungo termine.

Le prospettive future di ricerca dovrebbero quindi integrare analisi longitudinali psicologiche e organizzative, con particolare attenzione al benessere, alla motivazione e alla resilienza nel lavoro ibrido (Schaufeli & Bakker, 2004).

8.5 Raccomandazioni sistemiche

Alla luce di quanto sopra, si suggeriscono alcune azioni di policy e ricerca:

• Promuovere micro-certificazioni europee (EU Skills Agenda) che integrino competenze digitali e soft skills.
• Istituire fondi territoriali per la formazione ibrida nei distretti periferici.
• Introdurre programmi di “educazione algoritmica” nelle scuole secondarie, per rendere i cittadini consapevoli del funzionamento dell’IA.
• Potenziare la formazione continua dei professionisti dell’orientamento (psicologi, docenti, tutor) nelle competenze AI literacy e digital ethics.
• Sostenere la ricerca interdisciplinare in computational psychology, AI ethics e organizational wellbeing in collaborazione con università europee e centri di psicologia applicata.

9. Conclusione

L’intelligenza artificiale rappresenta una delle trasformazioni cognitive e sociali più radicali del XXI secolo.
Tuttavia, come sottolineano gli studi di Pinker (Harvard, 2023) e di Seligman (University of Pennsylvania, 2018), la tecnologia non determina il destino umano: lo strumentalizza, ne amplifica possibilità e rischi.

Il vero confine tra automazione e umanità non è nella macchina, ma nella capacità riflessiva e morale dell’essere umano.
Il futuro del lavoro non richiede solo programmatori, ma pensatori, mediatori, progettisti dell’etica, persone capaci di dare senso alle informazioni e di creare relazioni significative.

Per i giovani europei, ciò implica un cambio di paradigma: non domandarsi “che lavoro farò?”, ma “quale intelligenza voglio allenare?”.
Il valore del futuro non sarà misurato in competenze tecniche isolate, ma nella sinergia fra mente critica e mente digitale, nella capacità di apprendere continuamente e di restare umani in un mondo automatizzato.

Come scrive il World Economic Forum (2025), “le competenze del futuro sono quelle che ci rendono più umani”.
Ed è proprio su questa frontiera — tra intelligenza artificiale e intelligenza emotiva — che l’educazione, la psicologia e la formazione dovranno collaborare nei prossimi dieci anni.