L'AI non ti libera: ti mette in catena (dorata)

Nelle sale riunioni di un'azienda tech americana, per otto mesi, duecento dipendenti hanno vissuto un esperimento che nessuno aveva pianificato. Avevano accesso volontario a strumenti di intelligenza artificiale generativa, quegli assistenti digitali che promettono di scrivere email in pochi secondi, riassumere montagne di documenti, automatizzare il lavoro ripetitivo. La narrazione dominante suggeriva un futuro radioso: meno ore alla scrivania, più tempo per il pensiero strategico, forse persino qualche pomeriggio libero recuperato. Otto mesi dopo, i ricercatori di Harvard Business Review hanno guardato i dati e hanno scoperto qualcosa di profondamente diverso. Non c'era stata alcuna liberazione. Il ritmo di lavoro era accelerato, i compiti si erano moltiplicati, le ore lavorative si erano estese. L'AI non aveva alleggerito il carico: lo aveva intensificato.

Otto mesi nel ventre dell'algoritmo

Quello che Aruna Ranganathan e Xingqi Maggie Ye hanno documentato nella loro ricerca su Harvard Business Review va oltre la semplice constatazione che "la tecnologia non mantiene le promesse". È la fotografia di un meccanismo più sottile e pervasivo che hanno battezzato "workload creep", l'espansione strisciante del carico di lavoro. I duecento dipendenti studiati non erano cavie passive in un laboratorio controllato. Erano professionisti che avevano scelto liberamente di adottare l'AI generativa, spinti dalla curiosità o dalla convinzione che potesse renderli più efficienti. Nessun mandato aziendale dall'alto, nessuna imposizione. Eppure, settimana dopo settimana, il pattern è emerso con una coerenza inquietante.

L'AI permetteva loro di completare singoli task più velocemente, questo era innegabile. Rispondere a una email complessa che prima richiedeva venti minuti ora ne prendeva otto. Riassumere un report di cinquanta pagine diventava questione di pochi clic invece che di un'ora di lettura concentrata. Ma ecco il paradosso: quel tempo risparmiato non tornava mai ai lavoratori. Si dissolveva immediatamente in nuove richieste, progetti aggiuntivi, aspettative ricalibrate. Come l'acqua che trova sempre il livello più basso, il lavoro espandeva per riempire ogni minuto liberato dall'automazione.

I ricercatori hanno osservato tre dinamiche che si rinforzavano a vicenda. La prima: l'espansione del ruolo. Quando diventi più veloce in un certo tipo di task, colleghi e superiori iniziano a delegartene di più. Il lavoratore che riesce a processare email il doppio più rapidamente non finisce prima la giornata, riceve il doppio delle richieste. La seconda: l'innalzamento degli standard. Ciò che prima era considerato un output accettabile ora diventa il minimo sindacale. Se l'AI ti permette di produrre una presentazione più rifinita in meno tempo, ci si aspetta che tutte le tue presentazioni raggiungano quel livello. La terza, forse la più insidiosa: l'auto-imposizione. I lavoratori stessi, vedendo quanto possono realizzare con l'assistenza dell'AI, si caricano volontariamente di compiti aggiuntivi, convinti di poterli gestire.

Il paradosso della produttività

Per comprendere quanto sia diffuso questo fenomeno bisogna guardare oltre il singolo studio qualitativo. Tra settembre 2023 e ottobre 2024, Microsoft ha condotto quello che è probabilmente il più grande esperimento controllato sull'adozione dell'AI generativa in contesti lavorativi reali: 7.137 knowledge worker distribuiti in 66 grandi aziende, tutti dotati di Microsoft 365 Copilot, l'assistente AI integrato nelle applicazioni che usavano quotidianamente per email, riunioni e scrittura di documenti. L'assegnazione era randomizzata, metà riceveva accesso all'AI, metà continuava a lavorare come sempre. Sei mesi di osservazione continua, 4.975 interazioni tracciate con timestamp precisi.

I risultati hanno confermato il guadagno di efficienza su specifici task. I lavoratori con accesso a Copilot hanno ridotto il tempo speso su Outlook di 1,4 ore settimanali in media, circa il 12% rispetto al periodo precedente. Considerando solo chi effettivamente usava lo strumento in modo continuativo, il risparmio saliva a 2 ore, un 17% di riduzione. Hanno consolidato il lavoro email in sessioni più concentrate, liberando blocchi continui di 1,5 ore senza interruzioni dalla posta. Sulla carta, una vittoria netta dell'automazione.

Ma quando gli economisti di Microsoft hanno guardato il totale delle ore lavorative, hanno trovato qualcosa di sconcertante. Il tempo totale speso nelle applicazioni digitali fuori dall'orario standard di lavoro era diminuito solo di 0,25 ore settimanali, circa 15 minuti. Un 9% di riduzione, certo, ma infinitesimale rispetto alle 2 ore risparmiate su Outlook. Dove erano finite le altre 1,75 ore? La risposta più probabile: assorbite da attività che il sistema di telemetria non poteva tracciare, o peggio, convertite in nuovo lavoro che i lavoratori avevano spontaneamente accettato di svolgere.

Il pattern diventa ancora più chiaro quando si analizzano i compiti che dovrebbero beneficiare maggiormente dall'AI. Le riunioni su Teams non sono diminuite né in numero né in durata. I documenti Word completati sono rimasti stabili. Anzi, alcuni indicatori suggerivano un leggero aumento della complessità del lavoro: più riunioni con molti partecipanti, documenti collaborativi che richiedevano due giorni in meno per essere finalizzati (da 287 a 239 ore), ma senza riduzione nel numero totale di documenti prodotti. L'efficienza guadagnata non si traduceva in riduzione del carico, ma in accelerazione del rendimento.

Ma come si passa da risparmiare due ore su Outlook a lavorarne di più complessivamente? La risposta sta nei pattern comportamentali individuali. Uno studio condotto da ricercatori di Harvard e MIT su 244 consulenti del Boston Consulting Group ha rivelato che di fronte allo stesso strumento AI, i professionisti sviluppano tre modalità radicalmente diverse. I "Cyborg" fondono continuamente il proprio ragionamento con la macchina in un dialogo iterativo serrato. I "Centauri" mantengono saldo il controllo strategico, usando l'AI solo per task specifici ben circoscritti. Gli "Self-Automator" delegano all'AI sia la definizione del problema che la sua esecuzione, spesso con un singolo prompt mastodontico.

Questi ultimi sono quelli che rischiano maggiormente il workload creep. Delegando completamente singoli compiti, sviluppano l'illusione di averli risolti istantaneamente e finiscono per accumularne di più. Un consulente dello studio ha copiato un'intera traccia di caso aziendale in ChatGPT, accettato la raccomandazione senza verifiche, e consegnato il memo al CEO. La risposta era sbagliata, ma il tempo "risparmiato" era già stato reinvestito altrove. È l'equivalente lavorativo di quella strana legge economica secondo cui le strade più larghe non riducono il traffico, lo attraggono.

Chi vince quando lavori di più

L'economista Wei Jiang e i suoi colleghi alla Columbia Business School hanno studiato quasi due decenni di dati sui tempi di lavoro americani, incrociandoli con misure di esposizione occupazionale all'AI. Il quadro che emerge è sistemico, non aneddotico. Passare dal 25° al 75° percentile di esposizione all'AI corrisponde a 2,2 ore settimanali aggiuntive di lavoro. L'effetto si è intensificato dopo il rilascio di ChatGPT nel novembre 2022, che ha funzionato da shock esogeno all'adozione dell'AI generativa. Le occupazioni più esposte hanno visto un aumento di 3,15 ore settimanali rispetto a quelle meno esposte, e questa espansione è stata accompagnata da una riduzione proporzionale del tempo libero.

Ma qui emerge la domanda centrale: se l'AI aumenta davvero la produttività, perché i benefici non ritornano ai lavoratori sotto forma di orari più corti o salari più alti? La risposta sta nella distribuzione dei guadagni di produttività, un tema che gli economisti chiamano "cattura delle rendite". In mercati del lavoro competitivi, dove i lavoratori hanno poco potere contrattuale perché dominano pochi grandi datori di lavoro, le aziende possono appropriarsi della maggior parte dei benefici. E in mercati di prodotti altamente competitivi, dove i prodotti sono sostituibili, le imprese hanno incentivo a trasferire i guadagni di produttività ai consumatori attraverso prezzi più bassi o servizi migliori, piuttosto che condividerli con i dipendenti.

Lo studio di Jiang quantifica questo meccanismo. L'effetto dell'AI sulle ore lavorate è amplificato del 30-40% in mercati del lavoro concentrati rispetto a quelli competitivi. E in settori con alta competizione sui prodotti, l'espansione oraria è ancora più marcata. I lavoratori diventano più produttivi ma non vedono miglioramenti corrispondenti nel work-life balance. L'AI li rende macchine più efficienti, ma quella efficienza viene catturata da altri attori nella catena del valore.

C'è poi il tema del monitoraggio algoritmico, che durante la pandemia ha conosciuto un'espansione silenziosa ma pervasiva. Gli strumenti di AI per tracciare la performance dei dipendenti in remoto, quei sistemi che misurano i keystroke, analizzano i pattern di attività, generano score di produttività automatici, hanno trasformato il lavoro da casa in lavoro sotto sorveglianza continua. Lo studio di Jiang mostra che le occupazioni con alta esposizione a tecnologie di monitoring AI hanno sperimentato un allungamento delle ore lavorative anche dopo il ritorno in ufficio. Il meccanismo è quello che gli economisti chiamano "contracting efficiency": l'AI rende più facile per i datori di lavoro verificare lo sforzo dei dipendenti, irrigidendo le aspettative di performance.

Questo non vale per tutti. I lavoratori autonomi, che non sono soggetti alla dinamica principale-agente tipica del lavoro dipendente, non mostrano lo stesso pattern di espansione oraria quando usano AI. Non c'è un capo che cattura i guadagni di produttività, quindi quei guadagni possono effettivamente tradursi in scelte individuali su come allocare il tempo. Ma per la maggioranza dei knowledge worker inseriti in organizzazioni, l'AI sta ridisegnando il contratto psicologico del lavoro in modo unilaterale. Immagine tratta dal paper Microsoft su arxiv.org

Il miraggio del tempo libero

John Maynard Keynes nel 1930 prevedeva che i suoi nipoti avrebbero lavorato quindici ore a settimana grazie ai guadagni di produttività tecnologica. Quasi un secolo dopo, stiamo andando nella direzione opposta. Ma la promessa dell'AI come liberatrice del tempo umano era così seducente, così ripetuta nei keynote aziendali e negli articoli visionari, che ha oscurato una lezione che avremmo dovuto imparare da ogni precedente ondata di automazione. Le tecnologie che aumentano l'efficienza raramente riducono le ore lavorate; più spesso le ridistribuiscono o le intensificano.

I dati sulla riduzione del tempo libero raccolti da Jiang sono particolarmente rivelatori. Quando i lavoratori esposti all'AI riducono le ore di svago, non è lo schermo a soffrire di più. Guardare la televisione e giocare ai videogiochi rimangono relativamente stabili. Ciò che viene sacrificato sono le attività che richiedono partecipazione attiva: socializzazione, intrattenimento dal vivo, sport. È un segnale sottile di come l'intensificazione del lavoro stia modificando non solo la quantità ma la qualità del tempo non lavorativo. Il poco tempo libero che rimane viene dedicato a forme di svago passive, che richiedono meno energia cognitiva ed emotiva.

C'è poi la questione della soddisfazione lavorativa, che rappresenta forse l'indicatore più diretto di come i lavoratori stiano effettivamente vivendo questa trasformazione. I ricercatori hanno analizzato le recensioni su Glassdoor, quella piattaforma dove i dipendenti valutano anonimamente i propri datori di lavoro, incrociando i rating con misure di esposizione occupazionale all'AI. Il risultato è netto: maggiore esposizione all'AI correla con minore soddisfazione lavorativa e peggiore equilibrio tra lavoro e vita privata percepito. Non è semplicemente che l'AI rende le persone più produttive, è che quella produttività arriva a un costo personale che i sistemi di misurazione tradizionali non catturano.

Lo studio Microsoft aveva trovato un indizio simile quando aveva esaminato gli effetti di spillover sui colleghi stretti dei lavoratori che avevano ricevuto Copilot. Non c'erano impatti negativi misurabili sui pattern lavorativi dei non-utilizzatori, il che suggerisce che il tempo risparmiato non veniva scaricato su altri. Ma questo solleva una domanda ancora più inquietante: se non stai lavorando meno e non stai delegando di più ai colleghi, dove sta andando quell'efficienza guadagnata? La risposta più probabile è che sta venendo catturata da aspettative organizzative implicite che si ricalibrano continuamente al rialzo.

La geografia invisibile del burnout

Quando si guarda alla distribuzione settoriale e geografica di questi effetti, emergono pattern che complicano ulteriormente il quadro. Lo studio Microsoft ha trovato che nelle aziende di telecomunicazioni e tecnologia, il 45% dei lavoratori con accesso a Copilot lo usava settimanalmente, mentre nel settore costruzioni e manifatturiero la percentuale scendeva al 25%. Ma la variazione più significativa non era tra settori, era tra singole aziende. Due aziende nello stesso settore potevano avere tassi di adozione che differivano di 10 volte, con medie settimanali dal 6,3% al 70%.

Questo suggerisce che la cultura organizzativa e le pratiche manageriali giocano un ruolo cruciale nel mediare come l'AI viene integrata nei flussi di lavoro. Le aziende che avevano fornito training specifico sull'uso dell'AI vedevano pattern di utilizzo più sofisticati e meno incidenza di delega totale in stile Self-Automator. Ma il 68% dei lavoratori nello studio non aveva ricevuto alcuna formazione strutturata, lasciandoli navigare per tentativi in un territorio cognitivo completamente nuovo.

La dimensione geografica aggiunge un ulteriore livello di complessità. Gli studi condotti finora si concentrano quasi esclusivamente su Stati Uniti e alcune grandi economie europee. Non sappiamo se i pattern di workload creep siano universali o se esistano varianti culturali significative. In paesi con maggiori protezioni del lavoro, limiti legislativi sull'orario lavorativo, o tradizioni diverse sul confine tra vita professionale e personale, l'AI potrebbe integrarsi in modi radicalmente differenti. L'Unione Europea sta discutendo il "diritto alla disconnessione", regolamentazioni che limiterebbero la capacità dei datori di lavoro di contattare i dipendenti fuori orario. Ma se l'AI permette ai lavoratori di essere più produttivi durante l'orario standard, potrebbe paradossalmente rendere meno necessaria la disconnessione formale mentre intensifica il carico durante le ore regolari.

Non esistono ancora studi longitudinali che seguano gli stessi lavoratori per periodi superiori all'anno, monitorando come i pattern di utilizzo dell'AI e i loro effetti sul carico di lavoro evolvono nel tempo. È possibile che l'intensificazione osservata sia un fenomeno transitorio, legato alla fase di apprendimento e adattamento. Oppure potrebbe essere l'inizio di una traiettoria che porta a forme di burnout strutturale, dove la capacità di lavorare più velocemente diventa una prigione invece che una liberazione.

Controesempi e vie d'uscita

Non tutti i dati puntano nella stessa direzione cupa. Uno studio della London School of Economics su lavoratori che hanno integrato l'AI generativa nelle loro routine ha trovato risparmi medi di 7,5 ore settimanali. La differenza metodologica cruciale: quell'indagine si basava su self-report, chiedendo direttamente ai lavoratori quanto tempo stimavano di aver risparmiato. Gli studi basati su telemetria oggettiva come quello Microsoft trovano effetti molto più modesti. È possibile che i lavoratori percepiscano un risparmio di tempo significativo anche quando oggettivamente stanno lavorando più ore, forse perché certi task diventano meno frustranti o cognitivamente onerosi anche se più numerosi.

Ci sono poi casi aziendali specifici dove l'introduzione dell'AI è stata accompagnata da cambiamenti strutturali nell'organizzazione del lavoro che hanno effettivamente permesso riduzioni orarie. Aziende che hanno ridisegnato intenzionalmente i flussi di lavoro, eliminando meeting ridondanti, consolidando comunicazioni, e impostando aspettative esplicite che il tempo risparmiato dall'AI dovesse tradursi in orari più corti piuttosto che output maggiorato. Ma questi sembrano essere eccezioni che richiedono interventi manageriali deliberati, non l'esito naturale dell'adozione tecnologica.

Il punto fondamentale è che l'AI non determina da sola gli esiti lavorativi. Come ogni tecnologia potente, può essere impiegata per obiettivi diversi. Può servire a spremere più output dagli stessi lavoratori nelle stesse ore, può permettere di produrre lo stesso output in meno tempo, o può abilitare output più sofisticato che prima era inaccessibile. La scelta tra questi percorsi non è tecnica ma politica, nel senso più ampio del termine: dipende da chi ha il potere di decidere come allocare i guadagni di produttività.

Gli esperti di gestione delle risorse umane stanno iniziando a sviluppare framework per monitorare l'impatto dell'AI adoption sul benessere dei dipendenti, andando oltre le metriche tradizionali di produttività. Alcuni strumenti includono sondaggio periodiche su carico cognitivo percepito, analisi dei pattern di comunicazione per identificare segnali di sovraccarico, e meccanismi di feedback continuo che permettano ai lavoratori di segnalare quando l'aspettativa di usare l'AI sta diventando oppressiva piuttosto che abilitante.

La vera domanda che questi studi sollevano non è se l'AI aumenta la produttività, ma per chi e a quale costo. Otto mesi in un'azienda tech americana hanno mostrato che senza guardrail intenzionali, l'automazione intelligente tende a intensificare il lavoro invece di alleggerirlo. I dati di Microsoft su quasi settemila lavoratori confermano che l'efficienza guadagnata su singoli task si dissolve rapidamente in nuovo carico complessivo. Le analisi macroeconomiche rivelano che in assenza di potere contrattuale, i benefici vengono catturati da aziende e consumatori mentre i lavoratori vedono solo orari più lunghi.

Possiamo ancora scegliere un percorso diverso, dove l'AI effettivamente restituisce tempo invece di assorbirlo. Ma quella scelta richiede consapevolezza, regolamentazione, e forse soprattutto una ridefinizione collettiva di cosa significhi lavorare bene nell'era dell'intelligenza artificiale. Altrimenti rischiamo di scoprire che le catene dorate dell'automazione sono ancora catene, solo più lucide.