BREAKING POINTS

EFFICIENZA, SATURAZIONE DEL TEMPO E INTENSIFICAZIONE DEL LAVORO COGNITIVO

L’intelligenza artificiale assomiglia sempre più a un tutore cognitivo. Aiuta a reggere il carico, riduce l’attrito iniziale, accelera l’avvio di molte attività mentali. Con pochi prompt si può abbozzare un testo, riassumere un dossier, generare codice, ordinare dati, preparare una presentazione. Da qui nasce una promessa che sembra quasi ovvia: se certe operazioni costano meno fatica mentale, allora dovremmo avere più tempo libero, più margine, più respiro. Eppure, nel lavoro reale, le cose vanno spesso diversamente. L’efficienza non restituisce automaticamente tempo a chi lavora. Molto spesso lo rende semplicemente più disponibile per nuovi compiti.

Una ricerca discussa da Harvard Business Review e ripresa dalla Haas School of Business della University of California, Berkeley, ha messo a fuoco questo passaggio con grande chiarezza. In uno studio etnografico durato otto mesi, svolto in un’azienda tecnologica statunitense di circa 200 persone, i ricercatori hanno osservato che l’intelligenza artificiale generativa non liberava davvero tempo. Allargava piuttosto il raggio di ciò che i lavoratori si sentivano in grado di fare, e dunque anche di ciò che finivano per prendere in carico. Invece di alleggerire la giornata, l’AI la rendeva più densa.

La densificazione emergeva in almeno tre modi. Primo: si ampliava il perimetro delle mansioni. Se uno strumento permette di scrivere più rapidamente, sintetizzare più documenti o produrre più varianti di uno stesso elaborato, la tentazione organizzativa è evidente: chiedere di più. Secondo: il lavoro invadeva tempi che prima avevano una funzione di pausa o di decompressione. I ricercatori descrivono l’uso dell’AI durante il pranzo, la sera, nei tempi morti tra una riunione e l’altra, proprio perché iniziare diventava più facile. Terzo: aumentavano i flussi paralleli, con più processi e più agenti AI attivi contemporaneamente. Il risultato non era la liberazione dal lavoro, ma la saturazione della giornata.

Questo punto va capito bene, perché aiuta a evitare un equivoco diffuso. L’intelligenza artificiale non aggiunge necessariamente più lavoro nel senso semplice di più ore contrattuali o più mansioni formalmente assegnate. Aumenta piuttosto la densità del lavoro: comprime nello stesso tempo più attività, più transizioni, più richieste, più disponibilità mentale. Una relazione che prima richiedeva una mattina diventa qualcosa da produrre in un’ora. Una sintesi che prima era eccezionale diventa routine. Una revisione in più pesa poco, e proprio per questo finisce per essere richiesta o autoimposta. L’efficienza non si traduce spontaneamente in sollievo. Si traduce spesso in un nuovo standard di prestazione.

È qui che il riferimento al paradosso di Jevons si fa calzante. Nell’Ottocento l’economista inglese William Stanley Jevons osservò che il miglioramento dell’efficienza delle macchine a vapore non riduceva il consumo complessivo di carbone. Lo aumentava, perché abbassando il costo dell’uso ne estendeva gli impieghi. Nel 2025 questo stesso schema è stato richiamato apertamente nel dibattito economico sull’AI: se i modelli diventano più efficienti e meno costosi, la domanda complessiva di AI può crescere invece di diminuire. Trasposto nel lavoro cognitivo, il meccanismo è molto simile. Se scrivere, correggere, sintetizzare, calcolare e progettare diventano attività meno costose in termini di tempo e sforzo, il sistema non tende a produrne di meno. Tende a produrne di più.

Nel lavoro cognitivo la risorsa che viene consumata non è soltanto il tempo in senso cronologico. Sono anche l’attenzione, la continuità del giudizio, la capacità di concentrazione, la possibilità di avere pause non colonizzate da micro-task sempre riattivabili. Quando ogni intervallo diventa potenzialmente produttivo, e ogni idea può essere subito trasformata in una bozza, una sintesi, una richiesta, il confine tra tempo di lavoro e tempo di recupero si assottiglia. Il lavoro non occupa solo più spazio: penetra più in profondità. Diventa più frammentato e più pervasivo.

Naturalmente non bisogna cadere nell’errore opposto e fingere che l’AI non produca veri guadagni di produttività. Li produce, e in alcuni casi sono ben documentati. Uno studio pubblicato sul Quarterly Journal of Economics su oltre 5.000 addetti al customer service ha trovato che l’accesso a un assistente generativo aumentava la produttività media del 15%, con effetti particolarmente forti per i lavoratori meno esperti o meno qualificati. Questo dato è importante perché chiarisce un punto decisivo: il problema non è che l’AI non funziona. Il problema è che il beneficio tecnico non coincide affatto, di per sé, con un beneficio umano in termini di tempo liberato, autonomia o benessere.

Appena entra nel circuito dell’impresa, infatti, il guadagno di produttività diventa immediatamente una posta in gioco sociale. Chi se ne appropria? Il lavoratore sotto forma di orario ridotto, margini di riflessione, minor pressione? Oppure l’organizzazione sotto forma di maggior output, più flessibilità, nuove aspettative e più reperibilità informale? La risposta, almeno per ora, sembra pendere spesso verso la seconda ipotesi. Per questo l’AI non va letta come un semplice strumento neutro che aiuta a pensare. Va letta anche come una tecnologia che si innesta in rapporti di forza preesistenti e ne rafforza le logiche dominanti: accelerazione, disponibilità continua, adattamento permanente, misurazione dell’output.

Questo quadro non riguarda soltanto chi oggi lavora di più e in modo più saturo. Riguarda anche chi rischia di lavorare meno, peggio, o di essere spinto ai margini. L’International Labour Organization, Organizzazione Internazionale del Lavoro, ha aggiornato nel 2025 le sue stime e ha concluso che circa un lavoratore su quattro nel mondo si trova in un’occupazione con qualche grado di esposizione alla Generative AI, cioè all’intelligenza artificiale capace di produrre testi, immagini, codice o altri contenuti. La stessa ILO aggiunge però che, nella maggior parte dei casi, si tratta di lavori destinati più alla trasformazione che alla completa eliminazione. È una distinzione importante: l’automazione totale esiste, ma non è l’unico esito. Il punto è che la trasformazione può comunque significare intensificazione, polarizzazione e riduzione degli spazi di ingresso per i profili più fragili.

Anche l’ International Monetary Fund, Fondo Monetario Internazionale, insiste su questo carattere ambivalente della transizione. In un intervento del gennaio 2026, Kristalina Georgieva ha ricordato che le scelte politiche determineranno se lavoratori e imprese saranno davvero preparati alla rivoluzione dell’AI. In parallelo, un documento del Fondo mostra che circa un annuncio di lavoro su dieci nelle economie avanzate richiede almeno una nuova competenza, soprattutto in ambito informatico e digitale. Queste competenze possono aumentare salari e occupabilità, ma approfondiscono anche la polarizzazione, favorendo soprattutto chi è già meglio posizionato per acquisirle. In altre parole, l’AI non distribuisce i suoi vantaggi in modo uniforme. Apre nuove opportunità, ma tende anche ad allargare le distanze tra chi riesce a stare al passo e chi viene spinto più indietro.

Per questo la domanda giusta non è se l’intelligenza artificiale sia utile. Lo è, e sarebbe sterile negarlo. La domanda è un’altra: dentro quale modello di organizzazione del lavoro viene usata? In un sistema che misura il successo quasi solo in termini di crescita dell’output, ogni efficienza tende a essere riassorbita come intensificazione. Ogni risparmio di fatica tende a diventare una nuova soglia di prestazione normale. Ogni accelerazione tende a comprimere ulteriormente i tempi di risposta, di consegna, di adattamento. In questo senso l’AI non interrompe la logica del business contemporaneo. La porta a un livello ulteriore di capillarità.

La promessa, allora, è vera solo a metà. L’AI rende più facile fare molte cose. Ma il passaggio da meno fatica per compito a più tempo per vivere non avviene da solo. Senza regole, senza conflitto, senza una diversa distribuzione dei guadagni di produttività, accade più facilmente il contrario: il tempo risparmiato viene catturato e riconvertito in nuove richieste. Jevons aveva già indicato il meccanismo. Oggi lo ritroviamo nel lavoro cognitivo. L’AI non riduce il lavoro. Ne aumenta la densità. E così facendo consuma proprio ciò che prometteva di restituirci: il tempo, l’attenzione, la disponibilità mentale.

Riferimenti essenziali

Aruna Ranganathan e Xingqi Maggie Ye, “AI Doesn’t Reduce Work—It Intensifies It”, Harvard Business Review, 9 febbraio 2026. Testo chiave per il saggio: sintetizza la tesi centrale secondo cui l’AI, invece di alleggerire, tende a intensificare il lavoro conoscitivo nelle organizzazioni.

UC Berkeley Haas News, “AI promised to free up workers’ time. UC Berkeley Haas researchers found the opposite”, 18 febbraio 2026. Restituisce i risultati principali dello studio etnografico: otto mesi di osservazione, azienda di circa 200 persone, allargamento delle mansioni, erosione delle pause e proliferazione dei flussi paralleli.

International Labour Organization, “Generative AI and jobs: A 2025 update”, 20 maggio 2025. Aggiorna il quadro globale sull’esposizione occupazionale all’intelligenza artificiale generativa e insiste sul fatto che molti lavori saranno trasformati più che eliminati.

Kristalina Georgieva, “New Skills and AI Are Reshaping the Future of Work”, IMF Blog, 14 gennaio 2026. Fonte utile per collocare il tema dentro una cornice più ampia: transizione del lavoro, nuove competenze richieste, peso delle scelte politiche e istituzionali.

International Monetary Fund, Bridging Skill Gaps for the Future: New Jobs Creation in the AI Age (SDN/2026/001), 2026. Documento più tecnico: mostra che circa un annuncio di lavoro su dieci nelle economie avanzate richiede almeno una nuova skill e discute gli effetti di polarizzazione tra domanda e offerta di competenze.

Erik Brynjolfsson, Danielle Li, Lindsey Raymond, “Generative AI at Work”, The Quarterly Journal of Economics, 2025. Studio empirico importante perché documenta veri guadagni di produttività da AI, soprattutto per i lavoratori meno esperti; serve a evitare una lettura semplicistica o solo negativa del fenomeno.

Reuters, “Europe’s AI bulls pin hopes on ‘Jevons Paradox’ after DeepSeek rout”, 4 febbraio 2025. Fonte giornalistica utile per mostrare che il richiamo al paradosso di Jevons è entrato esplicitamente nel dibattito contemporaneo sull’economia dell’AI.

---