Le aziende hanno comprato l'AI per andare più veloci. Ora non riescono a decidere nulla.

L'AI riesce a sfornare dieci direzioni di campagna prima che il team finisca di discutere la prima. Specifiche, layout, immagini, codice: tutto in pochi minuti.

I ritorni, però, non si vedono. La 29ª Global CEO Survey di PwC, pubblicata a gennaio 2026, racconta che nell'ultimo anno il 56% dei CEO non ha registrato né maggiori ricavi né minori costi grazie all'AI. Solo il 12% ha ottenuto entrambi. Il Project NANDA del MIT ha analizzato oltre 300 implementazioni di AI nel 2025 e ha stimato che circa il 5% dei pilot integrati produce valore reale, a fronte di una spesa stimata tra i 30 e i 40 miliardi di dollari.

Qualcosa sta divorando i guadagni tra l'output e il risultato.

Il costo che è sparito e quello che è rimasto

Fare un'altra versione costava una giornata di lavoro di qualcuno. Quel costo, in silenzio, metteva un tetto al numero di opzioni che finivano sul tavolo. Ne facevi due. Ne sceglievi una, e la scelta era facile perché di fatto non c'era quasi nulla tra cui scegliere.

L'AI ha tolto quel tetto e nient'altro. Le opzioni ora arrivano a decine, ma il team deve comunque guardarle tutte, discutere e fermarsi su una. Quel pezzo di lavoro non è diventato più veloce.

BetterUp Labs e il Social Media Lab di Stanford hanno messo un numero sullo spreco, nel 2025. Su un campione di 1.150 lavoratori statunitensi, il 40% aveva ricevuto nell'ultimo mese un output di AI che sembrava finito ma non faceva avanzare il lavoro. Ogni episodio è costato al destinatario poco meno di due ore. L'hanno chiamato workslop.

Quaranta opzioni tutte leggermente uguali

Scegliere è più difficile di quanto dovrebbe, perché le opzioni si somigliano più di quanto sembri.

Dylan Field, CEO di Figma, lo ha spiegato al Lenny's Podcast a ottobre 2025: la prima cosa che l'AI ti restituisce è generica per definizione, perché è la media di tutto ciò che ha visto. Team che usano prompt simili su modelli simili ottengono risultati simili. Merriam-Webster ha eletto "slop" parola dell'anno 2025, definita come contenuto digitale di bassa qualità prodotto in massa dall'AI.

Vuol dire che l'unica cosa che separa il tuo lavoro da quello di un concorrente è che qualcuno ha guardato il mucchio e ha fatto una scelta vera. Prima erano gli ultimi cinque minuti di un progetto. Oggi è lì che si concentra quasi tutto il valore.

La riunione in cui non succede nulla

Qualcuno arriva con trenta opzioni generate dall'AI. Sono tutte accettabili. Ognuno ha una preferenza leggermente diversa, nessuno se la sente di scartare le altre ventinove, e la riunione si chiude con un "prendiamoci qualche giorno per pensarci". Le opzioni finiscono in una cartella e nessuno la riapre.

Il problema non è il team. Il problema è che non ha un posto dove fare questo lavoro.

Le opzioni vivono dentro un thread di Slack, impilate una dopo l'altra, e quando arrivi alla quinta hai già perso la prima. Oppure stanno su Drive, un file per volta, confrontate a memoria. David Kirsh, alla UC San Diego, studia da decenni come le persone ragionano con oggetti fuori dalla propria testa, e la conclusione è semplice: si pensa meglio quando si vede tutto insieme, davanti agli altri. Un thread non lo permette. Una cartella nemmeno.

Così a decidere è chi parla più a lungo, o chi ha il grado più alto, o la scadenza. Settimane dopo qualcuno chiede perché il team abbia preso quella strada e nessuno riesce a ricostruire il ragionamento, perché non era da nessuna parte. È sopravvissuta solo la conclusione, sotto forma di task.

Revisionare non è scegliere

Revisionare è una persona che giudica una cosa rispetto a uno standard. Molti strumenti lo fanno bene.

Scegliere è un gruppo davanti a molte opzioni valide che discute e si impegna su una. L'AI ha fatto esplodere il primo tipo di lavoro e reso decisivo il secondo.

Cosa misurare

Le aziende, in genere, contano utenti, prompt e bozze. Numeri che dicono soltanto che la macchina è accesa.

Contano di più: quanto tempo passa prima di una decisione, quanti giri di revisione servono, quanta parte di ciò che si genera arriva davvero in produzione. Un team che produce cento bozze e ne approva due non sta battendo un team che ne fa cinque e ne porta a casa una con convinzione.

Tenetevi i vostri strumenti

Progettate su Figma. Archiviate i file su Drive. Gestite i ticket su Jira. Fate il workshop su Miro.

Il buco sta tra questi strumenti, nel momento in cui il lavoro smette di essere prodotto e comincia a essere deciso.

Cosa abbiamo costruito

ALLO è una canvas pensata per quel momento. Le opzioni finiscono una accanto all'altra insieme al brief e ai riferimenti, i feedback si agganciano alla cosa a cui si riferiscono invece di galleggiare in un thread, e il team discute davanti al lavoro finché non trova una direzione. La decisione resta accanto a ciò che l'ha motivata.

ALLO non produce il lavoro. Continuate a farlo dove lo fate già. E non è neanche una coda di approvazione.

I modelli continueranno a costare sempre meno, e generare cose smetterà di essere un vantaggio: ce l'avranno tutti e a tutti tornerà indietro la stessa media. Quello che resta è decidere quale delle quaranta è quella giusta, e mettere d'accordo un team.

FAQ

Perché l'AI non migliora la produttività del team? Accelera l'output di una persona e aumenta ciò che tutti gli altri devono valutare. Lo studio 2025 di BetterUp Labs e Stanford ha rilevato che il 40% dei lavoratori riceve output di AI che sembra finito ma non lo è, con un costo di quasi due ore ogni volta.

Perché il lavoro generato dall'AI si assomiglia ovunque? I modelli restituiscono una media di ciò che hanno visto. Dylan Field di Figma dice che il primo output è generico per definizione. A rendere un lavoro distintivo è una persona che sceglie una direzione.

Scegliere è la stessa cosa che revisionare? No. La revisione giudica un singolo pezzo di lavoro. Scegliere significa selezionare una direzione tra molte praticabili e portare il team a concordare.

ALLO sostituisce Figma, Jira o Drive? No. Teneteli. ALLO sta tra la produzione del lavoro e la sua esecuzione, dove si confrontano le opzioni e si fissa una direzione.

In cosa ALLO è diverso da Miro o FigJam? Sono pensati per i workshop, e le board vengono abbandonate quando la sessione finisce. ALLO custodisce opzioni, versioni, feedback e decisioni di un progetto mentre il lavoro va avanti.

Come capiamo se l'AI sta ripagando? Non contando i prompt. Tempo per arrivare a una decisione, numero di giri di revisione e quanta parte del materiale generato arriva davvero in produzione.