In sintesi
- Fonte
- Gupta, Qian, Simintzi and Sun (2026). Generative AI and Entrepreneurship. NBER conference paper, version of 14 April 2026. conference.nber.org · Non sottoposto a revisione tra pari: altri ricercatori non lo hanno ancora controllato per una rivista.
- Come è stato condotto
- Gli autori hanno misurato quanta parte del lavoro di ogni startup l’IA poteva svolgere, in base al suo insieme di posizioni subito prima del rilascio di ChatGPT. Poi hanno confrontato le startup più e meno esposte prima e dopo il rilascio, usando dati su personale, codice e vendite. Analisi di dati. Costruisce una misura a partire da dati esistenti, come registri di professioni e attività.
- Chi ha partecipato
- 94.789 startup statunitensi fondate tra il 2018 e il 2021 e presenti in Crunchbase o PitchBook. In media hanno 11 dipendenti, hanno raccolto $3 milioni e generano circa $700.000 di ricavi l’anno.
- Dove
- Stati Uniti; aziende giovani e in rapida crescita, del tipo che cerca capitale di rischio, in tutti i settori. L’informatica è il settore più grande, con il 36,8% delle aziende.
“Overall, incumbent contraction was offset by new firm formation, leaving aggregate employment unchanged but shifting composition to senior roles.” [Nel complesso, la contrazione delle aziende esistenti è stata compensata dalla nascita di nuove aziende, lasciando invariata l’occupazione totale ma spostandone la composizione verso i ruoli senior.]
Che cosa ha trovato
- Meno personale. Le startup con le attività pienamente esposte all’IA avevano l’8% di dipendenti in meno rispetto a prima del rilascio di ChatGPT. Il calo è arrivato entro due trimestri ed è durato fino alla fine dei dati, nel 2025. Circa un terzo delle attività nel campione era esposto, quindi il calo della startup tipica è stato minore.
- I junior per primi. Gran parte del taglio ha colpito il personale meno anziano e le persone in ruoli operativi. La quota di personale senior è salita.
- Chi se n’è andato ne ha pagato il prezzo. Circa metà di chi è uscito ha aspettato circa sei mesi per un nuovo lavoro. Molti hanno accettato lavori pagati meno, in cui l’IA poteva fare meno.
- Più produzione. I contributi di codice su GitHub delle startup pienamente esposte sono saliti del 64%. Per queste startup è diventato circa il 20% più probabile rientrare tra le prime per vendite per dipendente.
- Più finanziamenti. Avevano il 21% di probabilità in più di raccogliere capitale di rischio rispetto a prima.
- Più startup, più piccole. Nei mercati più esposti all’IA, il numero di nuove startup è salito del 6% e la loro dimensione media è scesa del 4%. L’occupazione totale è rimasta più o meno uguale.
Quando vale il risultato
Le startup vendono prodotti digitali e sono finanziate per crescere. Per loro, l’IA ha preso il lavoro che prima facevano i junior.
Altre prove sulle piccole aziende vanno nella direzione opposta. Nei dati delle buste paga di Gusto, le aziende statunitensi con meno di 10 dipendenti che hanno adottato l’IA hanno assunto più persone nell’anno successivo, soprattutto personale operativo a contatto con i clienti (Tremper e Bowen, Gusto, 2026). I due gruppi di aziende differiscono per ciò che vendono, e i due studi misurano l’IA in modo diverso.
Limiti
- Un documento di lavoro, non sottoposto a revisione tra pari.
- Lo studio misura quanta parte del lavoro l’IA poteva svolgere, non se le startup usavano l’IA.
- Le startup finanziate con capitale di rischio non sono piccole aziende tipiche come negozi, artigiani o servizi locali.
- Le misure su vendite e codice riguardano solo una parte delle aziende.
Pratiche che usano questo studio
Questo studio sostiene: