Gli annunci di lavoro che menzionano competenze di AI pubblicizzano stipendi superiori del 28 percento — quasi 18.000 dollari l'anno — rispetto ad annunci altrimenti comparabili (Lightcast, 2025). Quando gli economisti hanno messo veri decisori di assunzione davanti a veri compromessi e li hanno costretti a scegliere, la competenza nel prompting valeva il 2 percento in più dello stipendio medio di un lavoratore qualificato nella loro impresa (IZA, 2026).
Entrambi i numeri sono misurati correttamente. Misurano cose diverse, e nel divario tra i due si nasconde il punto in cui i criteri di selezione del mid-market stanno silenziosamente sbagliando.
Il secondo numero viene da un esperimento a scelta discreta condotto all'interno dell'edizione 2025 del BIBB Training Panel tedesco: 992 imprese, 15.660 scelte forzate tra profili di candidati, circa l'81 percento del campione sotto i 250 dipendenti. E il risultato che dovrebbe cambiare una richiesta di personale per il quarto trimestre non è il prezzo. È ciò che quel prezzo si è rifiutato di comprare.
Cosa hanno scelto 992 imprese costrette a fare un compromesso
Il disegno dello studio è il motivo per prenderlo sul serio. I rispondenti erano titolari, amministratori delegati, responsabili di filiale e responsabili HR — persone che firmano davvero le assunzioni — a ciascuno dei quali sono state mostrate coppie di profili di candidati che variavano su cinque attributi: competenze di prompting, divario di competenze specifiche del mestiere, competenze sociali, genere e aspettativa salariale rispetto a un lavoratore qualificato della loro stessa impresa. Istruzione ed esperienza rilevante erano mantenute costanti. Ne sceglievano uno, ripetutamente.
Quella struttura converte le preferenze in una valuta. Ecco il listino prezzi completo (IZA, 2026):
| Attributo | Effetto sulla probabilità di assunzione | Disponibilità a pagare |
|---|---|---|
| Competenze di prompting intermedie | +4,3 punti | +2,0% |
| Competenze di prompting elevate | +5,2 punti | +2,5% |
| Competenze sociali intermedie | +19,9 punti | +9,0% |
| Competenze sociali elevate | +33,8 punti | +14,6% |
| Divario considerevole di competenze specifiche del mestiere | −31,5 punti | −13,6% |
Ogni attributo era significativo al livello dell'uno percento. Competenze sociali elevate valevano circa sei volte quanto valevano competenze di prompting elevate. Un divario considerevole nelle competenze specifiche del mestiere costava più o meno quanto guadagnavano competenze sociali elevate, nella direzione opposta.
Un'altra riga dello stesso modello rende concreta la magnitudine. Un candidato che chiedeva il 3 percento in più dello stipendio medio dei lavoratori qualificati dell'impresa perdeva 4,8 punti di probabilità di assunzione; chiederne il 6 percento in più costava 13,8 punti. Competenze di prompting elevate guadagnano 5,2 punti. La fluidità nel prompting ricompra la penalità di assunzione associata a una richiesta di circa il 2,5 percento in più di denaro, e lì finisce.
Il premio degli annunci non è il premio delle assunzioni
È tentante leggere il dato Lightcast e il dato IZA come una contraddizione. Non lo sono, e capire perché è la differenza tra una richiesta di personale difendibile e una costosa.
Lightcast ha analizzato 1,3 miliardi di annunci di lavoro e confrontato gli stipendi pubblicizzati negli annunci che elencano competenze di AI con quelli che non le elencano (Lightcast, 2025). Questo è un confronto tra ruoli diversi. Gli annunci che chiedono competenze di AI sono annunci sistematicamente diversi — più senior, più tecnici, più concentrati in funzioni e imprese che pagano meglio. Il 28 percento è reale, e in buona parte è il prezzo del lavoro, non il prezzo della competenza.
L'esperimento IZA tiene fermo il lavoro e muove solo il candidato. Questo è un confronto all'interno dello stesso ruolo, e all'interno del ruolo il valore marginale della fluidità nel prompting è circa il 2 percento.
Se parametrate una richiesta di personale su dati a livello di annuncio, concluderete che la fluidità nell'AI comanda un premio elevato e costruirete la vostra selezione di conseguenza — pesandola molto, pagandola di più, scambiando altre cose per ottenerla. La preferenza rivelata di 992 decisori di assunzione dice che il mercato paga un premio piccolo per essa all'interno di un dato ruolo, e che non sta sostituendo nulla.
La competenza nel prompting non si è comprata il passaggio oltre un divario di competenze
Questo è il risultato che porta l'argomentazione, e sopravvive nella direzione che nessuno vuole.
Gli autori hanno testato esplicitamente un effetto compensatorio — se competenze di prompting forti potessero compensare un divario di competenze specifiche del mestiere. Non potevano. Competenze di prompting elevate non hanno mostrato alcuna interazione significativa né con un divario lieve né con uno considerevole. Peggio: l'interazione tra competenze di prompting intermedie e un divario lieve era marginalmente significativa e negativa: circa il 3 percento di probabilità di assunzione in meno rispetto a un candidato con competenze di prompting basse e una corrispondenza piena di competenze. Una fluidità intermedia nel prompting faceva leggere peggio un piccolo divario di dominio, non meglio.
La conclusione degli autori è la frase da portare in una riunione di assunzione: la domanda di competenze di prompting "sembra innalzare i requisiti di competenza nelle mansioni" invece di sostituirli (IZA, 2026).
La fluidità nell'AI è una condizione aggiuntiva. Non è uno scambio.
Dove invece ha avuto leva
Una interazione era positiva. I candidati con competenze di prompting intermedie e competenze sociali intermedie avevano circa il 4 percento di probabilità in più di essere assunti rispetto al gruppo di riferimento basso-basso. Competenze sociali elevate non hanno mostrato interazione significativa con il prompting a nessun livello — non c'è nulla da aggiungere a un candidato che ha già la cosa per cui i datori di lavoro pagano il 14,6 percento.
Quindi la fluidità nel prompting ha leva esattamente in un punto: aiutare un candidato con capacità interpersonali da basse a intermedie. Non ne ha dove viene invocata più spesso — coprire una profondità di dominio sottile.
Quella direzione conta perché la metà umana del requisito sta diventando più pesante, non più leggera. L'analisi PwC di oltre un miliardo di annunci di lavoro ha rilevato che le competenze richieste nei ruoli più esposti all'AI cambiano più del doppio più rapidamente rispetto a quelli meno esposti, e che i compiti emergenti hanno 2,5 volte più probabilità di dipendere da empatia, giudizio e creatività (PwC, 2026).
Dove il premio raddoppia
Il 2 percento è una media, e l'analisi dell'eterogeneità è operativamente utile.
Nelle imprese con più di 250 dipendenti, competenze di prompting elevate alzavano la probabilità di assunzione del 9 percento — il doppio dell'effetto aggregato, significativo al livello del cinque percento. Su una divisione mediana per numero di dipendenti, le imprese sopra la mediana avevano il 7 percento di probabilità in più di preferire il candidato con prompting elevato. Nelle PMI l'effetto restava vicino alla media aggregata di circa il 4 percento.
Lo stesso schema appare per adozione dell'AI. Le imprese che hanno adottato o pianificano di adottare AI in processi di lavoro fisici o non fisici preferivano i candidati con prompting elevato di circa il 9 percento, contro il 2-4 percento tra i non adottanti. In modo notevole, tra le imprese che avevano adottato specificamente AI generativa, l'interazione era solo marginalmente significativa — il premio segue le imprese che industrializzano l'AI nei processi più che le imprese il cui personale ha ChatGPT aperto.
Leggetelo come un segnale competitivo, non come un segnale di prezzo. Se siete un'impresa da 300 persone che compete per lo stesso tecnico contro un'impresa da 3.000 persone a metà di un rollout, l'impresa più grande valuta la fluidità nel prompting a circa il doppio di quanto la valutate voi. Vi batterà su quell'attributo. Non vi batterà sulle competenze sociali o sulla corrispondenza di dominio, perché quelle le prezzano tutti alte.
L'obiezione onesta
Tre limiti, detti chiaramente.
Un esperimento diverso ha trovato il tipo opposto di compensazione. Stephany, Teutloff e Leone hanno condotto un conjoint appaiato con 1.725 recruiter tra Regno Unito, Stati Uniti e Germania e hanno trovato che le competenze di AI alzavano la probabilità di invito a colloquio di 8-15 punti percentuali, e che compensavano parzialmente o integralmente gli svantaggi di età più avanzata e istruzione formale più bassa (Stephany et al., 2026). È una tensione reale — ma si notino i margini. Il loro esito è un invito a colloquio, dove un segnale costa poco da agire; quello di IZA è un'assunzione con uno stipendio attaccato. E compensare uno svantaggio demografico non è la stessa cosa che compensare un divario di capacità. Entrambe le cose possono essere vere: la fluidità nel prompting fa entrare nella stanza un assistente d'ufficio di 55 anni, e continua a non coprire una qualifica mancante quando qualcuno deve pagarla.
La preferenza dichiarata non è un registro delle buste paga. Nessuno ha verificato quanto queste 992 imprese abbiano effettivamente pagato. Le stime sono scelte in uno strumento di ricerca, non transazioni — che è il compromesso standard per ottenere una variazione causale pulita.
È tedesca, vocazionale e precoce. Gli autori segnalano i loro risultati come specifici a una fase di diffusione precoce ma in rapida crescita della GenAI. Questo è un mercato del lavoro ancorato alla qualifica professionale formale, dove "competenze specifiche del mestiere" è una categoria insolitamente nitida. Non trasferite le stime puntuali alle assunzioni statunitensi senza dirlo. Ciò che viaggia è l'ordinamento degli attributi; i decimali no.
Cosa cambiare nella selezione prima che chiudano le richieste del quarto trimestre
Quattro mosse, nessuna delle quali richiede una nuova voce di budget.
- Smettete di lasciare che la fluidità nell'AI compri uno sconto sulla profondità di dominio. Se la logica della vostra shortlist permette a un segnale forte di prompting di spingere un candidato oltre un requisito che avete segnato come critico, avete costruito una regola compensatoria che 992 decisori di assunzione hanno rifiutato di costruire. Segnate i requisiti bloccanti e fate in modo che blocchino.
- Riprezzate la voce competenze di AI nella richiesta. Se vi stavate ancorando a un premio da annunci a doppia cifra, l'evidenza all'interno del ruolo dice 2-2,5 percento. Spendete la differenza sull'attributo che vale il 14,6 percento.
- Spostate il prompting da "richiesto" a "valutato". È poco costoso da insegnare rispetto all'esperienza di dominio e alla capacità sociale, e la distinzione tra intermedio ed elevato contava poco nel campione aggregato. Selezionate per il minimo; non pagate per il massimo.
- Rendete la ponderazione esplicita e ispezionabile. Il meccanismo utile è la ponderazione per criticità — un requisito bloccante che conta diverse volte uno importante e un ordine di grandezza più di un desiderabile — così che un punteggio forte su un attributo poco costoso non possa aritmeticamente superare un elemento essenziale mancante. Il modello di scoring di Scovai è documentato pubblicamente se volete un riferimento concreto su come è strutturata quell'aritmetica.
Il punto più profondo riguarda la direzione dei requisiti. La competenza nel prompting non ha allentato la descrizione del ruolo. Le ha aggiunto una riga, mentre le righe che c'erano già sono diventate più costose.
Prima che esca la vostra prossima richiesta di personale, trovate la clausola in cui la fluidità nell'AI è elencata come alternativa a qualcos'altro. Cancellate la parola "o".
