L’intelligenza artificiale sul posto di lavoro doveva alleggerire le giornate, eppure sta producendo l’effetto opposto: una fatica cognitiva che svuota le energie e allunga gli orari invece di accorciarli. È un paradosso che molti professionisti conoscono bene. La promessa di una maggiore produttività porta con sé un contorno poco gradito, fatto di stress e ritmi insostenibili. Una ricerca dell’Harvard Business Review ha messo nero su bianco una cosa che in tanti sospettavano: l’AI non riduce il carico di lavoro, lo intensifica.
L’idea diffusa è che questi strumenti tolgano peso dalle spalle dei dipendenti, lasciando spazio ad attività più stimolanti e di valore. Nei fatti, però, accade qualcosa di diverso. Chi usa l’intelligenza artificiale lavora più in fretta e finisce per ritrovarsi con più cose da fare, non meno. Alcuni hanno anche iniziato a stancarsi della scarsa qualità di certi risultati prodotti dai modelli. Secondo Ankur Anand, group CIO del recruiter tecnologico Harvey Nash, chi vuole evitare la fatica cognitiva deve capire bene come sfruttare l’AI e quali rischi comporta. Quel tipo di consapevolezza aiuta a ridurre il rumore di fondo legato al lavoro extra che l’AI genera. Il problema, aggiunge, è che molte aspettative sui guadagni di produttività sono semplicemente irrealistiche. Le aziende chiedono ai loro collaboratori di dimostrare l’impatto dell’AI sul lavoro, ma senza dare loro gli strumenti per farlo. E così usare questi sistemi diventa una pressione in più.
Pochi strumenti, scelti con criterio
Per ottenere i vantaggi dell’AI senza pagarne il prezzo, gli esperti indicano tre aree su cui concentrarsi: gli strumenti, le linee guida e i risultati. Alex Read, senior enterprise product manager per i dati presso il fornitore energetico EDF UK, parte proprio dagli strumenti. Sul mercato esistono migliaia di servizi basati sull’intelligenza artificiale, ma il professionista accorto restringe il campo. Nel suo caso, l’attenzione è tutta su come l’AI possa aiutarlo a costruire una piattaforma dati e ad aggiornare informazioni in modo accurato ed efficiente. Tutto il resto, dice, è rumore.
Il concetto trova d’accordo Nick Pearson, CIO di Ricoh Europe, secondo cui conviene fare un passo indietro e ragionare con calma su come uno strumento possa davvero portare valore. La tecnologia generativa, per definizione, è bravissima a generare output. Pearson racconta che potrebbe mettere al lavoro un modello la sera e ritrovarsi quattro nuove strategie IT la mattina dopo. Ma quantità non vuol dire qualità. I modelli sono addestrati su contenuti già esistenti, quindi tendono a essere ricorsivi: non ispirano le persone e non creano davvero qualcosa di nuovo. Manca il giudizio, etico o di competenza, che resta un terreno umano. Ed è proprio in quello spazio che gli esperti in carne e ossa giocano un ruolo decisivo.
Linee guida chiare e risultati da rifinire
La ricerca dell’Harvard Business Review ha rilevato che il picco iniziale di produttività, dopo l’adozione dell’AI, può tradursi in lavoro di qualità più bassa, turnover e altri problemi, perché le persone lavorano più duramente anziché in modo più intelligente. La soluzione, secondo HBR, è darsi una vera e propria pratica dell’AI: un insieme di norme e standard che permetta di usarla in modo produttivo ma controllato. Alla EDF UK esiste un Centro di Eccellenza interno sull’AI, che definisce le politiche d’uso per tutta l’organizzazione. Ogni nuovo strumento passa attraverso un filtro che ne valuta scalabilità, riusabilità e gli aspetti legati a sicurezza, normative ed etica. Il vantaggio, spiega Read, è la chiarezza: quali servizi si possono usare, in quali casi e da parte di chi.
Anche quando uno strumento viene approvato, resta il rischio di affidarsi troppo ai suoi output. C’è chi annega negli spunti ricevuti, con più stress e meno benefici. Louise Newbury-Smith, head of UK&I di Zoom, suggerisce di lavorare sul prompting con richieste precise, del tipo “dammi le tre cose con l’impatto maggiore”, invece di chiedere tutto lo scibile su un argomento. Se la risposta è troppo dispersiva, basta affinare la richiesta finché non si ottiene ciò che serve. E dovrebbe comunque essere più veloce che cercare le risposte senza alcun aiuto.