Il botsitting è la nuova fatica nascosta che molti lavoratori si ritrovano addosso da quando l’intelligenza artificiale è entrata negli uffici. Il termine descrive una situazione paradossale: invece di liberare tempo, la IA finisce per creare un compito in più, quello di sorvegliarla, correggerla e ripulire ciò che produce. Un po’ come assumere un assistente che ogni settimana dimentica le istruzioni e costringe a ricominciare da capo.
L’immagine rende bene l’idea. Si pensi a qualcuno chiamato a gestire la posta elettronica. La prima settimana va spiegato come filtrare i messaggi e segnalare le urgenze. La seconda si correggono gli errori. La terza tocca rispiegare tutto, perché le indicazioni sono andate perse. A fine mese l’aiutante c’è, ma il tempo impiegato è aumentato, non diminuito.
Quante ore servono per far funzionare l’IA
Secondo il Work AI Index dell’istituto di Glean, realizzato da ricercatori delle università di Stanford, Berkeley e Notre Dame, i dipendenti dedicano in media 6,4 ore a settimana solo per far funzionare l’intelligenza artificiale. Quasi un’intera giornata lavorativa che se ne va ogni settimana.
Il punto è che il tempo non si risparmia, si trasforma. L’87 per cento dei lavoratori coinvolti nello studio dichiara di usare l’IA al lavoro. Di questi, il 75 per cento sostiene di essere più produttivo, con un risparmio stimato attorno alle 11 ore settimanali grazie all’automazione. Eppure solo il 13 per cento delle aziende afferma di registrare un aumento reale della produttività. Il divario tra quello che percepisce il singolo e quello che vedono i conti aziendali è enorme. La spiegazione sta proprio lì: quelle ore non spariscono, vengono soltanto spostate verso uno strato di lavoro che nessuno aveva messo in conto.
Gli autori hanno battezzato questo compito botsitting, una sorta di babysitteraggio dei bot. Significa dare contesto allo strumento, rivedere gli errori nei risultati, rilanciare i prompt che non vanno e ripulire output che sembrano corretti ma sono pieni di dati inventati o allucinazioni. Rebecca Hinds, direttrice del Work AI Institute, lo descrive come un lavoro spesso noioso e sfiancante, che nessuno misura e nessuno premia. Così il tempo risparmiato diventa un prestito da restituire qualche ora più tardi.
Troppi strumenti e il prezzo del cambio continuo
C’è poi un altro problema, legato a come si usa ogni strumento. Il 77 per cento degli intervistati utilizza più strumenti di IA ogni settimana e un terzo ne combina quattro o più. Ogni salto da un’app all’altra ha un costo che raramente viene contabilizzato: ripetere le stesse istruzioni, riscrivere il prompt in un altro sistema perché il modello precedente non ha dato il risultato sperato.
Quasi la metà dei lavoratori, il 46,5 per cento, deve passare tra due o più strumenti per completare una singola attività. I ricercatori lo chiamano toggle tax, l’imposta cognitiva del cambio costante di contesto. McKinsey aveva già calcolato che i lavoratori perdono in media quasi due ore al giorno cercando informazioni tra strumenti, caselle di posta e chat. L’IA, venduta come la soluzione definitiva alla produttività, ha finito per aggiungere un nuovo strato a quel caos invece di ridurlo.
Dal botsitting al botshitting
Lo studio ha scoperto anche un effetto collaterale. Quando il lavoratore passa troppo tempo a correggere errori ma deve comunque rispettare le scadenze, inizia a saltare la revisione dei risultati. Nasce così il botshitting, la consegna di lavoro generato dall’IA senza alcuna verifica. Il 69 per cento dei partecipanti ha ammesso di averlo fatto almeno una volta.
Le conseguenze vanno oltre la qualità del singolo lavoro. Quando quel contenuto arriva all’anello successivo della catena senza che nessuno lo abbia controllato, qualcun altro deve ripulirlo. Il costo e il tempo si spostano su un’altra persona, ma non si risparmia quanto sembra.
Più IA, intanto, non risolve il problema. Bob Sutton, professore emerito a Stanford e tra i fondatori del Work AI Institute, ha fatto notare che spesso, quando un processo genera attrito, dai vertici aziendali arriva la stessa ricetta: aggiungere altro dello stesso elemento. In questo caso, provare a risolvere un cattivo uso dell’IA con ancora più IA.
I dati del rapporto raccontano un’altra storia. Le organizzazioni che vanno avanti non sono quelle che usano più IA, ma quelle che hanno costruito quella che gli autori chiamano infrastruttura umana. Il 53 per cento dei lavoratori dice che l’informazione di cui ha bisogno non arriva attraverso i sistemi di IA. Nelle aziende dove invece arriva, i dipendenti si esauriscono il 64 per cento in meno e sono il 52 per cento meno propensi a consegnare lavori non revisionati.