La trappola della produttività dell'IA: perché produrre di più sembra progresso, ma non lo è

ActivTrak ha analizzato 443 milioni di ore di lavoro in oltre 1.100 aziende, osservando cosa è cambiato per un sottoinsieme di 10.584 persone nei 180 giorni prima e dopo l'adozione dell'IA. Ci si aspetterebbe che almeno una categoria di lavoro diminuisse: è la promessa stessa di uno strumento di produttività, toglierti qualcosa dal piatto.

Non è diminuito nulla. Le email sono cresciute del 104%. Chat e messaggistica del 145%. Ogni singola categoria di lavoro misurata è aumentata. L'IA non ha sostituito niente: ha aggiunto un nuovo strato di attività sopra tutto quello che le persone già facevano, e nel frattempo tutti si sono sentiti più occupati e più produttivi.

La trappola è tutta qui, condensata in un unico set di dati. L'IA è molto brava a far sembrare che il lavoro stia avanzando. È molto meno affidabile nel farlo avanzare davvero.

La sensazione e il risultato si sono separati

C'è un dato che dovrebbe far fermare qualunque dirigente. A gennaio 2026 Workday ha intervistato 3.200 leader aziendali e ha rilevato che l'85% dei dipendenti risparmia dalle una alle sette ore a settimana grazie all'IA. Tempo vero, risparmiato davvero. Ma quasi il 40% di quel tempo viene subito riassorbito da rilavorazioni. Se una persona risparmia sei ore, più di due tornano immediatamente in correzioni, verifiche e riscritture di ciò che l'IA ha prodotto. Solo il 14% dei lavoratori riferisce un guadagno netto costante.

I risparmi di tempo sono quindi reali e, nello stesso momento, in gran parte annullati. È proprio per questo che la trappola è così difficile da vedere dall'alto. Le persone non mentono quando dicono che l'IA fa loro risparmiare ore: le stanno davvero risparmiando. Solo che quelle ore evaporano di nuovo in un punto che la dashboard non mostra.

Adesso questo fenomeno ha anche un nome. I ricercatori di Stanford e BetterUp l'hanno chiamato workslop: output dell'IA che sembra finito ma non ha la sostanza per far avanzare davvero il lavoro, così qualcuno più a valle deve rifarlo. Chi lo produce si sente produttivo. Il costo ricade su chi lo riceve, fuori dalla vista di chi lo ha generato.

Falsa autoefficacia: perché l'IA è costruita per sembrare migliore di quanto sia

Non è un incidente della tecnologia se si cade così facilmente in questa trappola. Ha molto più a che fare con il modo in cui la tecnologia è progettata per farci sentire.

Un modello di IA è accomodante. Risponde in fretta, ha un tono sicuro, riempie la pagina di frasi fluide e dall'aria compiuta, e raramente ti dice che la tua idea è debole. Lavorarci dà una genuina sensazione di slancio e capacità. Il problema è che sentirsi più bravi ed esserlo davvero sono due cose diverse, e lo strumento è molto più efficace nel produrre la prima.

Così una persona genera quaranta opzioni, ne sceglie una, la mette in bella e consegna un lavoro rifinito, sentendosi lucida e veloce dall'inizio alla fine. Che abbia scelto con criterio o a caso, l'esperienza è identica. L'output non è mai apparso così competente, e non ha mai detto meno su quanto pensiero reale ci sia stato dietro.

Moltiplica tutto questo su un intero team e ottieni il quadro di ActivTrak. Tutti sono amplificati, tutti si sentono più produttivi, l'output cresce ovunque, e i risultati non arrivano: perché amplificare l'attività non è mai stato lo stesso che migliorare il giudizio.

La trappola peggiora con ogni strumento in più

Quando l'IA non porta risultati, l'istinto è aggiungerne. Più strumenti, più licenze, più pressione sull'adozione. I dati dicono che è controproducente.

L'indagine BCG del 2026 su 1.488 lavoratori ha rilevato che la produttività cresce quando le persone usano tre o meno strumenti di IA, e crolla di netto oltre i quattro. ActivTrak ha registrato che l'azienda media è passata da due strumenti di IA nel 2023 a sette nel 2025, con la maggior parte delle aziende che oggi ne usa sei o più. L'azienda media si trova quindi già oltre la soglia individuata da BCG, e continua ad aggiungere strumenti inseguendo guadagni che quegli stessi strumenti stanno attivamente distruggendo.

Lo stesso errore ha una versione manageriale. Alcune aziende hanno iniziato a premiare i dipendenti direttamente in base all'uso dell'IA, tracciando il numero di token e legandolo alle valutazioni. Come ha osservato un'analisi del 2026, è la ripetizione del più antico errore di misurazione che esista: premiare le righe di codice o il volume di output invece della qualità o del risultato. Quando la metrica diventa "usa più IA", le persone usano più IA, e il workslop diventa la cosa razionale da produrre.

Come chi vince esce davvero dalla trappola

Le aziende che ottengono ritorni reali non sono quelle che generano di più. Lo studio PwC del 2026 ha rilevato che il 20% delle aziende cattura il 74% del valore economico dell'IA, e ciò che le distingue non è aver comprato strumenti migliori: gli strumenti sono gli stessi per tutti. Hanno ridisegnato il modo in cui il lavoro viene svolto, e misurano i risultati invece dell'attività.

La via d'uscita è tutta qui, e non è per niente affascinante. Smettere di contare prompt, token, bozze e ore registrate: dicono solo che la macchina è accesa. Cominciare a misurare cosa è davvero uscito: il tempo per arrivare a una decisione vera, quanta parte del lavoro generato viene effettivamente rilasciata, quanta viene buttata o rifatta. Un team che produce cento bozze con l'IA e ne approva due non sta battendo un team che ne fa cinque e ne porta avanti una con convinzione. Di solito sta perdendo, in silenzio, sentendosi più produttivo.

La mossa più profonda è tenere il giudizio umano proprio dove l'IA è più debole, cioè nel decidere cosa vale la pena tenere. L'IA è eccellente nel generare opzioni e inaffidabile nello scegliere tra esse. È nella scelta che la qualità si vince o si perde, ed è esattamente il passaggio che un team indaffarato e lusingato dall'IA salta, perché il risultato sembra già finito.

Dove entra ALLO

È intorno a questo che abbiamo costruito ALLO. La trappola scatta quando generare è veloce ed economico mentre valutare è disperso e invisibile: così abbiamo dato alla valutazione un posto suo.

Gli output dell'IA arrivano su una canvas condivisa, accanto al brief e ai riferimenti, disposti fianco a fianco perché un team possa davvero confrontarli invece di accettare la prima cosa dall'aria rifinita. Il ragionamento dietro una scelta resta attaccato al lavoro, invece di dissolversi in un thread di chat. Un responsabile non vede solo che si sta producendo output: vede anche se qualcuno sta davvero decidendo bene, che è l'unica cosa che le dashboard di attività non possono mostrare.

L'IA continuerà a rendere l'output più economico e più veloce, e continuerà a far sembrare quell'output un progresso. I team che vinceranno nei prossimi anni saranno quelli che smetteranno di fidarsi della sensazione e cominceranno a guardare a ciò che sopravvive a una decisione vera. Produrre di più non è mai stato l'obiettivo. Produrre qualcosa che vale la pena tenere sì.

FAQ

Che cos'è la trappola della produttività dell'IA? È il divario tra quanto l'IA fa sentire produttivo un team e quello che effettivamente porta a casa. L'IA tende ad aggiungere attività invece di togliere lavoro, e gran parte del tempo che fa risparmiare va perso a rifare ciò che ha prodotto: l'output cresce, i risultati restano fermi.

L'IA fa davvero risparmiare tempo? In parte. Lo studio Workday del 2026 ha rilevato che l'85% dei dipendenti risparmia da una a sette ore a settimana, ma quasi il 40% di quel risparmio viene perso in rilavorazioni e solo il 14% riferisce un guadagno netto costante.

Perché l'IA fa sembrare il lavoro più produttivo di quanto sia? Perché è veloce, fluida e accomodante: lavorarci dà una costante sensazione di slancio. Ma la sensazione di progresso e il progresso reale sono due cose diverse, e lo strumento è più bravo a produrre la sensazione che il risultato.

Aggiungere più strumenti di IA aiuta? Di solito è il contrario. La ricerca BCG del 2026 ha rilevato che la produttività cresce con tre o meno strumenti di IA e scende bruscamente da quattro in su, eppure la maggior parte delle aziende oggi ne usa sei o più.

Come si esce dalla trappola della produttività dell'IA? Misurando i risultati invece dell'attività, usando pochi strumenti ma bene, e tenendo il giudizio umano nel passaggio in cui l'IA è peggiore: decidere cosa vale davvero la pena tenere. Le aziende che catturano gran parte del valore dell'IA hanno ridisegnato il modo in cui lavorano, non si sono limitate a generare di più.

* La trappola della produttività dell'IA è il divario tra quanto l'IA fa sentire produttivo un team e ciò che effettivamente produce. I dati comportamentali mostrano che di solito l'IA aggiunge uno strato di output invece di togliere lavoro: dopo l'adozione, l'attività cresce in ogni categoria. Nel frattempo, circa il 40% del tempo che l'IA fa risparmiare torna a essere consumato per correggere ciò che ha prodotto. I team escono dalla trappola non generando di più, ma misurando i risultati invece dell'attività e tenendo il giudizio umano nel processo.