L’illusione del sapere che non aumenta la produttività*

Nel dibattito pubblico l’intelligenza artificiale viene spesso presentata come una forza dirompente capace di ridisegnare il lavoro senza che neanche ce ne accorgiamo. Non per negare gli impatti enormi che questa tecnologia sta avendo e avrà, ma si può sostenere che questa rappresentazione sia in parte fuorviante perché sposta l’attenzione dall’unico livello in cui gli effetti si producono davvero, l’organizzazione. Più che inseguire impatti quantitativi sull’occupazione (che ci saranno, e difficilmente saranno buoni), conviene quindi guardare ai nodi già visibili dentro imprese e uffici, dove l’IA entra come strumento che cambia pratiche, aspettative e tempi di lavoro. Il primo nodo riguarda il significato e parte dalle parole. Nel nostro immaginario “intelligenza” tende a prevalere su “artificiale” e così si rafforza l’idea di sistemi che comprendono e decidono. Ma questa idea dipende da cosa intendiamo per intelligenza. Se la definiamo come capacità di attribuire significato, orientare l’azione in modo intenzionale, comprendere un contesto e assumere responsabilità, allora la distanza tra intelligenza umana e intelligenza artificiale resta netta. L’IA di oggi, basata su modelli probabilistici addestrati su grandi volumi di dati, calcola, correla e ottimizza, ma non comprende nel senso forte del termine. L’aggettivo artificiale segnala che ciò che la macchina produce è il risultato di una computazione rispetto a un obiettivo fissato altrove, non l’esito di una comprensione autonoma.

Nelle organizzazioni questo punto è decisivo, perché ciò che guida l’azione non sono solo informazioni, ma significati condivisi. E il senso non emerge dai dati da solo, nasce da pratiche sociali, relazioni, routine e cornici interpretative che rendono possibile decidere che cosa conta e come agire. Quando questa distinzione si perde, aumenta la tentazione di trattare l’IA come sostituto del giudizio, non come supporto. Da qui deriva un secondo nodo, l’apprendimento. Se l’IA diventa il primo accesso alla conoscenza, soprattutto in assenza di competenze pregresse, tende a sostituire il processo di comprensione invece di sostenerlo. Si ottiene una risposta plausibile e ben confezionata, ma non necessariamente una capacità di giudizio, con il rischio di un’illusione di sapere che nel lavoro si traduce in dipendenza proprio dove servono valutazione contestuale e responsabilità. Il quadro cambia quando lo strumento è nelle mani di chi possiede già basi solide su contenuti, procedure e contesto. In quel caso l’IA può amplificare competenze, accelerare ricerca e sintesi e liberare risorse mentali da reinvestire in interpretazione, controllo qualità, decisione e innovazione. La differenza non è quindi nella tecnologia in sé, ma nelle condizioni formative e organizzative in cui viene adottata. Da questo punto di vista l’IA resta uno strumento eterodiretto, perché l’intenzionalità è esterna e dipende dagli obiettivi definiti dall’impresa e dai sistemi di responsabilità e valutazione. L’IA non decide perché fare qualcosa, al massimo propone come farla in modo più efficiente secondo metriche già date. Se quelle metriche sono povere, orientate solo a velocità e costo, lo strumento tenderà a rafforzare quella povertà e a rendere meno visibili le componenti qualitative del lavoro.

Il secondo grande nodo è il tempo. L’effetto più immediato dell’IA è la liberazione di tempo, alcune attività si completano più rapidamente, altre si semplificano, altre vengono delegate. Ma tempo liberato non significa automaticamente produttività. Il guadagno iniziale può migliorare performance e indicatori, spesso però è un effetto una tantum. Senza ripensare ruoli, obiettivi e coordinamento, la spinta si esaurisce e non diventa miglioramento cumulativo. La tecnologia non genera produttività da sola, genera tempo, e la produttività dipende da cosa l’organizzazione decide di fare con quel tempo. Se non viene reinvestito intenzionalmente in miglioramento dei processi, formazione, sviluppo di soluzioni e rafforzamento delle relazioni con clienti e utenti, resta tempo liberato in senso letterale. Ed è qui che il tema della sostituzione dei lavoratori con l’IA torna in modo concreto. In molte organizzazioni il tempo risparmiato viene letto come costo da comprimere, non come risorsa da riallocare, e diventa l’argomento più semplice per ridurre organici o non sostituire chi esce, trasformando una promessa di produttività in un meccanismo di sostituzione di lavoro. Inoltre, il tempo risparmiato tende a diventare invisibile, soprattutto in contesti poco strutturati.

Chi usa bene l’IA finisce prima, ma l’organizzazione non intercetta quel guadagno, mancano meccanismi per renderlo osservabile e criteri condivisi per riallocarlo. Il beneficio resta individuale e non diventa miglioramento organizzativo. Ne deriva una tensione tra autonomia e coordinamento e nuove asimmetrie tra chi padroneggia gli strumenti e chi ha responsabilità formali ma vede meno il lavoro reale. La combinazione con assetti flessibili, come il lavoro agile, può accentuare il fenomeno, rendendo il tempo liberato ancora più difficile da governare. In definitiva il governo dell’intelligenza artificiale non è un problema tecnico, ma organizzativo e politico, perché implica una rinegoziazione del patto nelle imprese. Cosa ci si aspetta dalle persone quando alcune attività richiedono meno tempo, come si valuta il contributo, quali attività diventano centrali e quali marginali. Senza risposte esplicite, l’IA rischia di aggiungere disorganizzazione e disagio, più che produttività e qualità del lavoro.

Bollettino ADAPT 26 gennaio 2026, n. 3

Francesco Seghezzi
Presidente ADAPT
@francescoseghezz

*Articolo pubblicato anche su Il Sole 24 Ore il 21 gennaio 2026