Scovai Scovai
Talent Intelligence 2026-11-09 1 min read

L'expertise di dominio ha perso terreno nelle schede di valutazione dei colloqui di Anthropic. La quota di assunzioni tecniche junior è passata dal 27% al 9%.

DSL

Dr. Sarah Liu

L'expertise di dominio ha perso terreno nelle schede di valutazione dei colloqui di Anthropic. La quota di assunzioni tecniche junior è passata dal 27% al 9%.

La quota junior sulle assunzioni tecniche di Anthropic è scesa dal 27% al 9%. Quel numero è stato coperto fino allo sfinimento. Quello che gli sta sotto, no: un codificatore automatico ha letto le schede di valutazione dei colloqui compilate dagli hiring manager per migliaia di dipendenti assunti dal 2024, e ha rilevato che tra i candidati tecnici "i maggiori incrementi in assoluto riguardavano i commenti sull'autonomia e sul giudizio dei candidati", mentre "la discussione dell'expertise di dominio si è ridotta come quota della valutazione complessiva" (Anthropic, 2026).

Quasi tutto ciò che sappiamo sull'IA e sulle assunzioni entry-level deriva dagli annunci di lavoro — ciò che i datori di lavoro dichiarano di volere prima di incontrare qualcuno. Il report sull'occupazione di Anthropic del 16 ottobre fa qualcosa di più raro: legge ciò che gli intervistatori hanno scritto dopo il colloquio.

Due numeri, due oggetti diversi. Il numero sull'organico è contestato, come mostrerò. Il numero delle schede di valutazione è quello per cui la vostra griglia di colloquio non è pronta.

Cosa hanno effettivamente misurato le schede di valutazione dei colloqui

Il report è uno studio su dati interni di una singola azienda: log di utilizzo dell'IA, metriche di output, survey sui dipendenti, dati di Slack e del calendario, registri delle decisioni di assunzione, più 17 interviste a dipendenti. L'autore principale, Nathan Wilmers, è alla MIT Sloan; il lavoro è pubblicato da Anthropic stessa.

Sulla composizione, due cifre distinte contano e non vanno confuse. La quota di dipendenti di livello junior all'interno dei dipartimenti tecnici "è scivolata dal 21% al 14% dall'inizio del 2025". La quota di assunzioni tecniche junior "è caduta ancora più rapidamente, dal 27% al 9%". La seconda è uno spostamento nel mix di chi viene assunto, non un taglio di organico — il report afferma esplicitamente che le assunzioni tecniche "hanno continuato a crescere in termini assoluti" mentre l'azienda "è triplicata di dimensioni nell'ultimo anno". Chi legge il 27% al 9% come una riduzione del 65% delle assunzioni junior lo ha interpretato male.

Ciò che hanno detto i manager segue i dati. Intervistati ad aprile 2026, "la maggioranza dei manager ha descritto di assumere per un insieme diverso di competenze a causa dell'IA", mentre "circa un terzo dei manager ML e un quinto di quelli SWE hanno riferito di assumere meno a causa dell'IA". La maggioranza ha cambiato i criteri. Una minoranza ha tagliato i volumi. Quell'ordine è tutta la storia.

Il livello delle schede di valutazione

L'evidenza distintiva è testuale. Nel 2024, gli hiring manager annotavano il track record di un candidato con gli strumenti di IA in "circa il 5% delle valutazioni per i ruoli tecnici, e il 7% per quelli non tecnici". Entro il 2026 quei tassi erano triplicati per i ruoli tecnici e quadruplicati per quelli non tecnici. Il report fornisce le basi 2024 e i moltiplicatori solo a parole, quindi i valori finali non sono pubblicati — e inventarli fabbricherebbe una precisione che la fonte non possiede.

Sotto a questo, il riequilibrio più profondo. Per i candidati tecnici: autonomia e giudizio in aumento con il margine più ampio, expertise di dominio in calo come quota della valutazione. Per i candidati non tecnici: "l'orientamento al cliente e alla missione è aumentato, mentre la discussione delle capacità esecutive è diminuita". La spiegazione di un manager è la sintesi più pulita di questa logica in tutto il documento: "Mi aspetto che i modelli continuino a essere irregolari, quindi per il mio team li voglio fungibili tra domini".

Notate cosa non ha un numero associato. L'aumento su autonomia e giudizio è riportato in modo direzionale, come la variazione maggiore, senza percentuale. Questo è un limite dell'evidenza, non una ragione per scartarla — ma significa che il risultato supporta una direzione di marcia, non una magnitudine.

Una singola azienda non è un benchmark

Gli autori del report sono più diretti su questo di quanto sia stata la maggior parte dei commenti: "Ci sono molte parti delle pratiche occupazionali di Anthropic che non possono essere replicate nell'economia". L'azienda genera tra le due e le quattro volte il ricavo per dipendente che Meta e Google generavano al loro apice. È n = 1, auto-pubblicato, non verificato da terzi, e collocato all'estremo dell'intensità di IA. Nulla in esso stabilisce una tendenza su scala economica.

La letteratura più ampia è attivamente in disaccordo esattamente sul punto che la maggior parte delle persone ne ricava. L'analisi di Lambert e Schindler su 243 milioni di nuove assunzioni e 407 milioni di annunci di lavoro in Stati Uniti, Regno Unito, Canada e Australia ha rilevato che un aumento di due deviazioni standard nell'esposizione all'IA generativa oppure nell'esposizione al lavoro remoto era associato, preso singolarmente, a un calo di circa cinque punti percentuali della quota junior entro il 2025 — ma quando entrambi venivano inseriti insieme, il coefficiente dell'IA "si attenua fortemente e spesso diventa statisticamente indistinguibile da zero" mentre l'effetto del lavoro remoto rimaneva robusto (Lambert & Schindler, 2026). La loro lettura: la scala rotta dei junior potrebbe essere una storia su dove si lavora, non su cosa viene automatizzato.

I dati di spesa a livello di azienda tagliano di nuovo nella direzione opposta. Collegando la spesa in IA osservata in 21.559 aziende statunitensi ai dati sulla forza lavoro, Ramp e Revelio Labs hanno rilevato che gli adottanti a intensità elevata hanno aumentato l'organico entry-level di circa il 12% nei due anni successivi all'adozione, mentre gli adottanti a bassa intensità non hanno mostrato alcuna variazione statisticamente significativa (Ramp, 2026). Un investimento pesante in IA, in quel dataset, era associato a più assunzioni junior, non a meno.

Quindi l'affermazione causale sul collasso dei junior è irrisolta, e un Head of Operations non ha alcuna ragione per pianificare l'organico su quella base. L'affermazione sui criteri è un'altra questione.

Ciò che converge sono i criteri, non il conteggio

Ecco perché il risultato sulle schede di valutazione merita attenzione nonostante l'n = 1. Concorda con evidenze tratte da un tipo di dato completamente diverso, su una scala del tutto diversa.

Il Global AI Jobs Barometer 2026 di PwC ha analizzato oltre un miliardo di annunci di lavoro in sei continenti, con un approfondimento su 2,4 milioni di ruoli entry-level negli Stati Uniti. È emerso che i ruoli junior esposti all'IA avevano una probabilità sette volte maggiore, rispetto ai ruoli junior meno esposti, di richiedere competenze tradizionalmente senior — giudizio, pensiero strategico, leadership motivazionale, intelligenza emotiva. Gli annunci che rientrano in quel profilo "seniorizzato" sono cresciuti del 35% dal 2019, anche mentre gli annunci early-career complessivi si appiattivano nei settori ad alta esposizione all'IA (PwC, 2026).

Gli annunci registrano ciò che i datori di lavoro pubblicizzano. Le schede di valutazione registrano ciò che gli intervistatori hanno premiato dopo aver incontrato la persona. Sono superfici di misurazione indipendenti, raccolte da parti diverse con incentivi diversi, e si sono mosse nella stessa direzione: verso il giudizio e l'autonomia, lontano dall'esecuzione specialistica.

La convergenza tra metodi indipendenti è più debole di una singola stima causale, ma più forte di due aneddoti. È sufficiente per agire, perché l'azione è economica e verificabile localmente.

E il disallineamento che espone è vivo nella maggior parte degli stack di selezione mid-market. La richiesta di personale entry-level ora chiede giudizio senior, mentre la fascia retributiva, il ramp-up a 90 giorni e il modello di mentoring presuppongono ancora un principiante. Nel frattempo i recruiter di neolaureati nel Regno Unito hanno riportato da 141 a 172 candidature per posizione nei settori più sovraffollati (ISE, 2026) — il che significa che il livello di screening è sotto una pressione di volume più alta che mai, proprio nel momento in cui ciò che vale la pena selezionare è cambiato.

Cosa dovrebbe fare un Head of Operations questo trimestre

L'audit che ne deriva è abbastanza piccolo da poterlo svolgere personalmente prima della chiusura del prossimo ciclo di assunzioni.

  1. Recuperate le vostre ultime venti schede di valutazione dei colloqui. Non la griglia — i commenti in testo libero che i vostri intervistatori hanno effettivamente scritto.
  2. Codificate ogni riga in uno di quattro contenitori: profondità specialistica di dominio, esecuzione e implementazione, autonomia e giudizio, ed evidenza di lavoro efficace con strumenti di IA.
  3. Contate. Se i primi due contenitori dominano — e nella maggior parte delle aziende da 50 a 500 FTE sarà così, perché è esattamente ciò che la griglia è stata costruita per far emergere — state selezionando con più severità sulle due categorie che hanno perso terreno nell'azienda più avanti su questa strada.
  4. Poi verificate la cosa più difficile: se il vostro processo sia in grado di osservare le altre due. Autonomia e giudizio non compaiono in un CV o in un esercizio tecnico a tempo. Compaiono nel modo in cui qualcuno inquadra un problema ambiguo, decide cosa non fare, e spiega un compromesso che ha sbagliato.

Quest'ultimo punto è il vincolo reale, ed è un problema di misurazione prima di essere un problema di criteri. Titoli di studio e job title sono proxy dell'expertise di dominio — l'attributo che sta perdendo quota. Giudizio e autonomia richiedono evidenza dimostrata: valutazione strutturata, problemi lavorati, un registro di decisioni invece di un registro di posizioni. Gli strumenti sul lato candidato costruiti per questa distinzione, tra cui il Talent Passport di Scovai, certificano la capacità dimostrata con un percentile per singola competenza anziché la sola storia professionale — che è la forma che l'evidenza dovrebbe assumere per essere selezionabile su grandi volumi.

Due cautele prima di riscrivere qualsiasi cosa. Non usate questo materiale per giustificare un taglio delle assunzioni junior; l'evidenza causale non lo supporta, e i dati di spesa a livello di azienda puntano nella direzione opposta. E non eliminate l'expertise di dominio dai vostri criteri — "si è ridotta come quota della valutazione complessiva" è un riequilibrio, non una rimozione. In un team operations di 200 persone senza una funzione di addestramento modelli, la conoscenza di dominio è ancora ciò per cui i vostri clienti stanno pagando.

La decisione che avete davanti

La sintesi onesta dell'evidenza è questa: nessuno può ancora dirvi se l'IA ridurrà il vostro livello junior. Diversi dataset credibili sono in disaccordo. Ma due fonti indipendenti — un miliardo di annunci di lavoro e migliaia di schede di valutazione dei colloqui — concordano su ciò contro cui i ruoli sopravvissuti vengono valutati, e la maggior parte delle griglie di colloquio non si è mossa in risposta.

Le vostre schede di valutazione dei colloqui sono un registro scritto di ciò che la vostra organizzazione crede predica la performance. Quelle di Anthropic sono due anni di quella convinzione che cambia in testo misurabile. Le vostre sono nel vostro ATS proprio ora, non lette come dataset.

Leggetene venti questo trimestre. Se stanno ancora premiando il candidato che sa più cose rispetto al candidato che decide meglio, avete trovato la correzione a più alta leva del trimestre — e costa un pomeriggio, non una voce di budget.

Ready to go beyond the CV?

Scovai's AI-powered Talent Passport reveals what resumes can't: personality, potential, and true job fit.