L’IA aumenta la produttività dei principianti del 34%

L’impatto è minimo per gli esperti, ma cambia il valore delle competenze sul mercato

Cosa significa quando un assistente AI aumenta del 34% la produttività dei principianti, ma lascia sostanzialmente indifferenti gli esperti? È un dato scomodo, e Google lo sa. Ieri, secondo l’annuncio ufficiale di BigQuery Studio, l’azienda ha presentato un aggiornamento significativo del proprio assistente Gemini integrato nella piattaforma di analisi dati cloud, introducendo funzionalità di scoperta delle risorse, generazione avanzata di SQL e analisi dei job. Benvenuti al prossimo capitolo della corsa all’analisi conversazionale — dove chi è già avanti non accelera, e chi è indietro recupera terreno grazie a una macchina. Come riportato nell’analisi di TechTarget, la disponibilità generale di Gemini in BigQuery era stata annunciata già nell’agosto 2024, ma questo aggiornamento porta le capacità dell’assistente su un piano diverso.

Il paradosso dei numeri

Partiamo dai dati, perché i dati qui sono tutto. La ricerca del NBER — quella che ha fatto girare la testa a molti responsabili HR della Silicon Valley — mostra che l’accesso a strumenti di IA generativa aumenta la produttività media del 14%, misurata in problemi risolti per ora. Un numero già notevole. Ma è la disaggregazione che cambia la storia: per i lavoratori principianti e a bassa qualifica, il miglioramento arriva al 34%. Per i professionisti esperti e altamente qualificati, l’impatto è minimo. Non è un dettaglio statistico. È una frattura.

Tradotto in termini concreti: l’IA generativa non è uno strumento che migliora le persone già brave. È uno strumento che compensa le lacune di chi non sa ancora cosa fare. Il che apre una domanda che nessun comunicato stampa aziendale si sogna di fare: se i principianti diventano produttivi come i senior grazie all’AI, che cosa succede al valore di mercato dei senior? E soprattutto, che cosa succede ai principianti una volta che l’AI fa il loro lavoro — invece di supportarlo? La ricerca BCG aggiunge un caveat importante: il lavoro dei lavoratori non tecnici che utilizzano l’IA generativa non è intercambiabile con quello dei data scientist. Ma questa distinzione, tranquillizzante sulla carta, potrebbe non reggere su un arco temporale di cinque anni. Chi decide dove finisce il supporto e dove inizia la sostituzione?

Google, nel frattempo, presenta l’aggiornamento di BigQuery Studio come una risposta tecnica a esigenze tecniche. L’assistente ora integra la scoperta delle risorse tramite Dataplex Universal Catalog, permettendo di cercare asset su progetti singoli o multipli. Può generare SQL avanzato con operatori AI e query federate — il tipo di query che, fino a ieri, richiedeva anni di esperienza. E può analizzare la cronologia dei job — sia personale che di progetto — per fornire informazioni su query a esecuzione prolungata o fallite. Funzionalità concrete, utili, well-engineered. Ma chi ci guadagna di più? Esatto: chi non saprebbe fare queste cose da solo.

La guerra degli assistenti

Google non si muove nel vuoto. L’aggiornamento di BigQuery Studio arriva in un momento in cui la competizione sul terreno dell’analisi conversazionale dei dati si è fatta serrata, e ogni mossa ha il sapore di una risposta. Da un lato c’è Amazon, con Amazon Q in Amazon Redshift Query Editor, che genera raccomandazioni SQL direttamente da prompt in linguaggio naturale, promettendo maggiore produttività nell’estrazione di insight dai dati. Dall’altro c’è la piattaforma Microsoft Fabric, che con i suoi agenti dati, Copilot in Power BI e le integrazioni con Microsoft 365 Copilot e Azure AI Foundry consente analisi conversazionali, ragionamento automatizzato e orchestrazione multi-agente — permettendo agli utenti di interagire con i dati come farebbero con un analista virtuale, ragionando su tabelle, file, eventi in tempo reale e dati non strutturati attraverso OneLake e fonti esterne.

Nel mezzo di questo scenario c’è anche Snowflake: già nel novembre 2025 aveva annunciato la disponibilità generale delle Cortex AI Functions di Snowflake, strumenti che permettono di unificare analisi strutturate e non strutturate in una singola piattaforma. Quattro grandi attori, quindi, che convergono sullo stesso obiettivo: diventare l’interfaccia privilegiata tra l’utente aziendale e i propri dati. La differenza tra le offerte è sempre più sottile — e questo è precisamente il problema per i regolatori antitrust, che osservano una concentrazione di infrastruttura critica nelle mani di pochi soggetti capaci di integrare verticalmente hardware, modelli linguistici e piattaforme di analisi. Perché Google ha scelto proprio ora per questo aggiornamento? Forse perché il vantaggio competitivo in questo segmento si misura in mesi, non anni.

Le ombre del progresso

C’è però un elemento dell’annuncio di Google che merita attenzione separata, e che gli altri player non hanno ancora affrontato con altrettanta esplicitezza. La funzionalità di scoperta delle risorse in BigQuery Studio, si legge nell’annuncio, rispetta le politiche di sicurezza dell’organizzazione: recupera solo i metadati per le risorse a cui l’utente ha effettivamente il permesso di accedere. Una precisazione che suona come rassicurazione, ma che in realtà solleva una domanda di governance: chi definisce quei permessi? Chi li aggiorna? Chi li verifica quando cambiano i ruoli aziendali? In un contesto GDPR, dove la minimizzazione del dato e il controllo degli accessi sono obblighi legali e non opzioni tecniche, delegare la gestione dei metadati a un assistente AI conversazionale introduce livelli di complessità che le organizzazioni medie — quelle che più probabilmente beneficeranno di questo strumento — non sono ancora attrezzate a gestire.

Vale la pena ricordare il percorso che ha portato qui. Google Cloud ha lanciato Gemini nel dicembre 2023 — un LLM in grado di comprendere e generare testo, codice, immagini e video. L’integrazione con BigQuery è diventata generalmente disponibile nell’agosto 2024. Oggi siamo all’aggiornamento che porta funzionalità avanzate direttamente nell’interfaccia di sviluppo. È una traiettoria rapida, forse troppo per le strutture di governance aziendale e normativa che dovrebbero accompagnarla. Nel frattempo, torniamo al punto di partenza: un assistente che aumenta del 34% la produttività dei meno esperti è uno strumento di democratizzazione o un modo per rendere temporaneamente superflua la formazione professionale? La risposta dipende da chi controlla l’assistente, chi ha accesso ai dati che genera, e chi paga il conto quando qualcosa va storto.

Mentre i giganti tech si contendono il futuro dell’analisi dati, il vero interrogativo non è chi vincerà la battaglia tecnologica. È a quale costo — per l’equità lavorativa, per la sicurezza digitale, per la formazione delle prossime generazioni di analisti — stiamo costruendo questo futuro. E soprattutto: chi sta facendo quella domanda, oltre alle redazioni?