Intelligenza artificiale in ufficio: perché troppi assistenti digitali stanno riducendo la produttività e aumentando il desiderio di lasciare il lavoro
Per anni l’intelligenza artificiale nel mondo del lavoro è stata raccontata come la grande promessa della modernità produttiva: eliminare le attività ripetitive, ridurre i tempi morti e restituire ai lavoratori tempo prezioso da dedicare a compiti più strategici e creativi. Una visione che ha accelerato l’adozione di strumenti sempre più sofisticati in aziende di ogni settore, trasformando l’automazione in una sorta di parola d’ordine globale.
Eppure, dietro questa narrativa di efficienza quasi assoluta, stanno emergendo segnali che raccontano una realtà molto più complessa. Un recente studio di Boston Consulting Group, condotto su 1.488 lavoratori statunitensi, ha individuato un dato capace di ribaltare molte convinzioni: la produttività cresce fino all’utilizzo di tre strumenti di IA, ma crolla sensibilmente dal quarto in poi.
È un risultato che non mette in discussione la tecnologia in sé, ma il modo in cui viene integrata nei flussi di lavoro. Il punto, infatti, non è che l’IA funzioni male. Il problema è il lavoro invisibile che ogni assistente digitale porta con sé. Ogni sistema va istruito, verificato, corretto, supervisionato. In altre parole, il lavoratore non viene realmente alleggerito: cambia semplicemente ruolo. Da esecutore diretto diventa supervisore di macchine, spesso più impegnato nel correggere errori che nel produrre valore.
Perché usare troppi strumenti di IA può diventare controproducente?
Per molte aziende, aumentare il numero di strumenti di intelligenza artificiale generativa significa moltiplicare l’efficienza. È una logica apparentemente intuitiva, ma i dati raccontano altro. Lo studio di BCG evidenzia una soglia critica di sostenibilità cognitiva: fino a tre strumenti, il sistema regge e produce vantaggi concreti; oltre quel limite, la complessità cresce più velocemente dei benefici.
La ragione è strutturale. Ogni piattaforma richiede attenzione, ogni output va verificato, ogni errore genera un nuovo ciclo di correzione. Il tempo che sembra guadagnato attraverso l’automazione viene riassorbito da un’attività che prima non esisteva: gestire il lavoro prodotto dall’intelligenza artificiale. È qui che emerge la grande contraddizione del lavoro contemporaneo: l’automazione non elimina il carico cognitivo, lo redistribuisce. E spesso lo fa in una forma ancora più dispersiva, fatta di micro-decisioni continue, interruzioni costanti e una frammentazione dell’attenzione che mina la concentrazione profonda.
Nel settore tecnologico questo fenomeno è già diventato una pratica consolidata. In molte aziende della Silicon Valley, sviluppatori e ingegneri affidano task completi a più agenti durante la notte per poi dedicare le prime ore del mattino alla revisione degli output. Una pratica così diffusa da aver generato una nuova espressione professionale: “babysitting dell’IA”, un termine che descrive perfettamente l’inversione di ruoli tra uomo e macchina.
Cos’è il “brain fry” e perché sta diventando un problema concreto?
Tra gli elementi più interessanti emersi dalla ricerca c’è il concetto di brain fry, una forma di saturazione cognitiva che colpisce già il 14% degli utenti intensivi di IA. Non è semplice stanchezza mentale, ma una vera condizione di sovraccarico che rende più difficile mantenere lucidità e continuità operativa.
I lavoratori coinvolti parlano di mal di testa ricorrenti, difficoltà di concentrazione, lentezza decisionale e una sensazione costante di rumore mentale. Un manager del settore ingegneristico ha sintetizzato l’esperienza con un’immagine potente: avere “dodici schede del browser aperte nella testa, tutte in competizione per la stessa attenzione”. Una metafora che restituisce perfettamente il senso di questa nuova fatica digitale.
I numeri rafforzano il quadro: la supervisione intensa degli strumenti di IA genera un aumento del 19% nel sovraccarico informativo e del 12% nella fatica cognitiva rispetto a chi mantiene un uso più limitato. Questo significa che una parte consistente del tempo risparmiato viene pagata sotto forma di usura mentale. Ed è proprio qui che la promessa iniziale si incrina: la tecnologia progettata per alleggerire il lavoro sta producendo nuove forme di esaurimento cognitivo.
Perché lavorare con l’IA assomiglia sempre più a una scommessa?
Esiste anche una dimensione psicologica che aiuta a spiegare perché molti professionisti continuino ad aumentare il numero di agenti utilizzati nonostante il carico crescente. Ogni interazione con un sistema di IA si basa su un principio di imprevedibilità: il risultato può essere mediocre o sorprendentemente brillante. Questa variabilità genera un meccanismo di ricompensa intermittente, molto simile a quello del gioco d’azzardo.
Matthew Kropp, managing director di BCG, ha paragonato apertamente questa dinamica alle slot machine: ogni prompt rappresenta una possibilità di ottenere un risultato eccezionale. Più agenti vengono attivati contemporaneamente, più cresce la sensazione di poter intercettare quella “risposta perfetta”. È un modello che non alimenta solo efficienza, ma anche dipendenza operativa, spingendo molti lavoratori a restare costantemente connessi in una ricerca continua di ottimizzazione.
Questa cultura dell’iper-produttività trova eco anche in figure influenti come Marc Andreessen, che hanno teorizzato una produttività permanente dove persino il sonno diventa un costo opportunità. Una visione estrema, certo, ma che riflette una tensione sempre più presente nel mondo corporate.
L’intelligenza artificiale sostituirà davvero il lavoro umano?
Mentre il dibattito pubblico continua a ruotare attorno alla paura della sostituzione occupazionale, diversi economisti invitano a guardare altrove. Tra questi c’è David Autor del Massachusetts Institute of Technology (MIT), che da tempo sostiene una tesi diversa: il lavoro non sparirà, ma cambierà radicalmente forma.
È una distinzione fondamentale. La trasformazione non sarà necessariamente quantitativa, ma qualitativa. Il lavoro resta, ma si svuota progressivamente della sua componente più artigianale e identitaria. L’esempio storico del calzolaio è emblematico: un tempo realizzava una scarpa intera, oggi potrebbe limitarsi a una singola fase produttiva. Lo stesso sta accadendo a programmatori, marketer, creativi e manager: meno produzione diretta, più coordinamento, verifica e supervisione.
E questo passaggio, per molti professionisti, rappresenta una perdita di significato prima ancora che di ruolo.
Perché i lavoratori più esperti di IA sono i primi a voler lasciare?
Il dato forse più allarmante riguarda il turnover. Secondo BCG, il 34% dei lavoratori che sperimentano esaurimento legato all’uso dell’IA dichiara un’intenzione concreta di lasciare il proprio impiego. Ed è qui che emerge il paradosso più evidente: non sono i meno preparati a voler uscire, ma spesso proprio quelli più competenti.
La spiegazione è semplice. Più aumenta la competenza, più aumenta il carico di gestione, il numero di strumenti, la complessità operativa e la pressione. In molte aziende statunitensi l’utilizzo dell’IA è diventato persino una metrica interna: dashboard, classifiche, licenze attive, token consumati, processi automatizzati. Una deriva che rischia di trasformare il mezzo in obiettivo.
Ed è proprio qui che si annida l’errore strategico di molte organizzazioni: misurare quanta IA viene utilizzata invece di misurare il valore reale prodotto.
Come dovrebbero misurare davvero la produttività le aziende?
Se l’adozione dell’intelligenza artificiale aziendale vuole essere sostenibile, il parametro deve cambiare. Non basta contare automazioni, licenze o volume di utilizzo. Le aziende dovrebbero iniziare a misurare ciò che conta davvero: qualità del lavoro, riduzione degli errori, miglioramento decisionale, stabilità cognitiva dei team e benessere mentale nel lungo periodo.
Perché il rischio più grande oggi non è usare poca IA, ma usarla senza strategia. La discussione pubblica continua a chiedersi se l’intelligenza artificiale distruggerà il lavoro, ma i dati suggeriscono una domanda più urgente e concreta: quanto carico mentale siamo disposti ad assorbire per far funzionare macchine che dovrebbero alleggerirci?
Ed è probabilmente in questa domanda che si gioca la prossima vera rivoluzione del lavoro: non capire semplicemente quanto usare l’IA, ma riconoscere con lucidità quando il suo costo invisibile supera il beneficio reale.