Anthropic e i robot: possono fare il 74% dei lavori fisici, ma solo lo 0,3% conviene davvero

Quanti lavori fisici possono già essere svolti da un robot? E quanti, nella pratica, converrebbe davvero affidare a una macchina? Sono le due domande al centro di una nuova ricerca pubblicata da Anthropic il 30 settembre 2026, firmata da Russell Legate-Yang e Maxim Massenkoff, che prova a misurare l’esposizione dei mestieri alla robotica con lo stesso metodo usato per gli effetti dei modelli linguistici sul lavoro d’ufficio.

Il risultato è un contrasto netto: la tecnologia sembra molto più avanti dell’economia. Secondo lo studio, i robot sarebbero in grado di eseguire circa il 74% dei compiti fisici, ma oggi solo lo 0,3% dei compiti risulta davvero competitivo, in termini di costo, rispetto al lavoro umano.

Come Anthropic ha misurato l’esposizione dei lavori alla robotica

Il punto di partenza è O*NET, il database americano che descrive in dettaglio le mansioni di centinaia di professioni. I ricercatori hanno isolato circa 7.600 compiti di natura fisica e hanno chiesto a Claude di valutarli uno per uno, usando una scala a quattro livelli. Per ogni compito il modello doveva stabilire se un robot oggi sia in grado di eseguirlo e in quale tipo di ambiente.

Il metodo ha un vincolo importante: Claude poteva basarsi solo su ciò che è documentato, cioè implementazioni reali, vendite commerciali o dimostrazioni pubbliche, e non su promesse o ipotesi di laboratorio. Una scelta prudente, che rende i numeri più difendibili.

I quattro livelli della scala

Il livello E0 indica i compiti che un robot non può svolgere. Il livello E1 riguarda gli ambienti costruiti apposta per le macchine, come una linea di assemblaggio in fabbrica. Il livello E2 copre le strutture umane ma ordinate, per esempio un magazzino. Il livello E3 è il più difficile: gli ambienti non strutturati, come una strada di città.

Ogni compito è poi stato pesato in base al tempo che i lavoratori vi dedicano e al numero di occupati, usando i dati del Bureau of Labor Statistics. In questo modo la ricerca non conta soltanto quante mansioni sono automatizzabili, ma quante ore di lavoro reale coinvolgono.

I numeri chiave: 74% di compiti fattibili, 0,3% convenienti

Il dato più citato è il 74%: tanti sono i compiti fisici che un robot, già oggi, saprebbe eseguire. Tradotto in ore lavorate, parliamo del 34% del totale. Se si sommano i compiti raggiungibili dai modelli linguistici, robot e LLM insieme espongono circa l’80% dei compiti di lavoro.

Ma qui arriva il secondo numero, quello che cambia la lettura. Solo lo 0,3% dei compiti è oggi più economico se affidato a una macchina. La distanza tra ciò che si può fare e ciò che conviene fare è enorme.

Perché la convenienza è così bassa

Per stimare i costi gli autori hanno ammortizzato l’investimento fisso su circa dieci anni, con un costo del capitale dell’8%, includendo hardware, installazione, manutenzione, energia e supervisione. Il caso migliore è quello degli addetti all’imballaggio: un sistema da oltre 2 milioni di dollari sostituisce circa 14 lavoratori l’anno, con un costo di circa 45.000 dollari per posto contro i 49.000 dollari di retribuzione umana. Il vantaggio c’è, ma è sottile.

Per i tassisti la situazione si ribalta: un veicolo autonomo costerebbe circa 7.000 dollari in più rispetto a un conducente. Per quasi tutti gli altri mestieri fisici, scrivono i ricercatori, il robot costa diverse volte più di una persona.

Il divario non si chiude da solo. Con il calo storico dei costi di circa il 3% l’anno, ci vorrebbero circa quarant’anni per rendere conveniente il 10% dei compiti.

Quali mestieri sono più esposti e quali meno

L’indice di esposizione più alto riguarda gli autisti: i tassisti guidano la classifica, seguiti da autisti di navette, chauffeur e altre nove professioni legate alla guida di veicoli, oltre agli addetti a magazzino e imballaggio. Sono lavori in cui l’ambiente è relativamente prevedibile e già oggetto di sperimentazioni commerciali.

All’estremo opposto ci sono gli infermieri, i lavori di riparazione generica, l’assistenza alla persona e l’installazione e manutenzione. Qui servono abilità fisiche fini e una forte componente relazionale, due ambiti in cui le macchine restano indietro.

Chi lavora nei mestieri più esposti ha un profilo preciso: ha il 20% in meno di probabilità, in punti percentuali, di essere donna e ben 55 punti percentuali in meno di probabilità di avere una laurea triennale. Guadagna circa 30 dollari in meno all’ora e vive tassi di disoccupazione più che doppi.

Lo studio osserva anche che, negli ultimi cinquant’anni, i lavori più esposti alla robotica hanno visto cali maggiori di salari e occupazione. È una conferma storica, non una previsione.

Le cautele degli autori e i limiti dello studio

Gli stessi ricercatori mettono in fila diverse avvertenze. Le valutazioni di Claude comportano molte scelte di giudizio, perché le descrizioni dei compiti in O*NET sono spesso brevi e ambigue. Le stime di costo sono approssimative e non includono gli attriti dell’adozione, come le autorizzazioni normative.

Gli scenari, inoltre, applicano un calo dei costi uniforme a tutti i compiti, cosa poco realistica, e non considerano gli effetti di ritorno: se i salari scendono, per esempio, automatizzare diventa meno conveniente.

C’è poi il fattore umano. Le preferenze delle persone frenano l’automazione di circa un quarto dei compiti, mentre le regole ne bloccano un ulteriore 14% del lavoro fisico. In totale, circa il 40% dei compiti fisici è protetto da ragioni che non dipendono dalla tecnica.

Il limite più importante guarda al futuro. I robot guidati da modelli di AI potrebbero fare un salto che le valutazioni attuali non catturano, perché oggi la capacità viene misurata su sistemi dimostrati e non su quelli che verranno.

Cosa significa per chi segue l’AI e il mondo del lavoro

La lettura più utile è non confondere esposizione e sostituzione. Dire che il 74% dei compiti è tecnicamente fattibile non significa che il 74% dei posti sparirà: significa che la tecnologia ha ormai un ampio margine. Spetta ai costi, alle norme e alle preferenze trasformarlo in realtà.

Il quadro si lega a quanto sta accadendo nella ricerca. Se ti interessa il lato tecnico, puoi leggere come HomeBody di Stanford riordina una cucina mai vista guidato da un modello linguistico, oppure la mossa di Alphabet con Intrinsic Core per la robotica industriale open source.

Anche gli investimenti vanno nella stessa direzione: l’acquisizione di World Labs da parte di AMD mostra quanto i world model siano considerati la chiave per portare l’intelligenza nel mondo fisico. E quando i robot escono dal laboratorio, la sicurezza diventa centrale, come racconta la piattaforma open di NVIDIA per mettere sotto controllo gli agenti AI.

Tre segnali da tenere d’occhio

Il primo è il costo dell’hardware: finché un sistema robotico resta di ordine di milioni di dollari per sostituire poche decine di lavoratori, la diffusione sarà selettiva e limitata a magazzini e logistica. Il secondo è la qualità dei modelli che governano i robot, perché è lì che il salto potrebbe sorprendere gli stessi autori.

Il terzo è la risposta di politica e società, visto che quasi metà dei compiti fisici è frenata da preferenze e regole.

Conclusioni: un sistema pronto, ma non ancora conveniente

La ricerca di Anthropic fotografa un momento di passaggio: i robot sanno fare molto, costano ancora troppo. Il vero tema dei prossimi anni sarà capire quanto velocemente quel divario si ridurrà e chi ne pagherà il prezzo, visto che i lavori più esposti sono anche quelli con meno tutele economiche.

Il consiglio è guardare ai dati con attenzione, senza allarmismi e senza minimizzazioni. Puoi leggere il rapporto originale di Anthropic per approfondire la metodologia, e restare con noi su intelligenzaartificiale.net per seguire i prossimi sviluppi su robotica, lavoro e intelligenza artificiale.