IA generativa e produttività del lavoro: cosa consentono di affermare le prove disponibili

La promessa dell’IA generativa sul lavoro viene spesso espressa in termini di tempo: redigere prima, riassumere più documenti o preparare una risposta con meno passaggi. Sono risultati potenzialmente utili, ma risparmiare tempo in un’attività non equivale automaticamente a creare più valore nel complesso del lavoro. Per sostenere questa conclusione bisognerebbe sapere quale attività è stata misurata, secondo quali criteri è stato valutato il risultato e che cosa è accaduto al tempo risparmiato.

Una valutazione pratica dovrebbe considerare almeno il volume di lavoro completato e la sua qualità. È inoltre opportuno conteggiare correzioni, revisione umana, errori e nuove attività che emergono quando si introduce lo strumento. Se una risposta viene generata più rapidamente ma richiede un controllo approfondito, il risparmio netto può essere inferiore al tempo lordo risparmiato. E se si produce una quantità maggiore a scapito della qualità o dell’autonomia, una sola metrica non descrive adeguatamente l’effetto.

Dal tempo risparmiato al risultato complessivo

Il tempo liberato rappresenta un guadagno soltanto se può essere destinato ad altre attività utili senza trasferire lavoro aggiuntivo altrove nel processo. Un confronto chiaro dovrebbe quindi considerare l’intero ciclo: dall’avvio dell’attività fino alla revisione del risultato e alla sua disponibilità per l’uso. Osservare soltanto il momento della generazione esclude passaggi che consumano anch’essi risorse e possono modificare la valutazione del beneficio.

Un’indagine diffusa dalla Commissione europea nell’ottobre 2025 ha riferito che un lavoratore su tre nell’Unione europea utilizzava strumenti di IA sul lavoro. La stessa comunicazione descrive esperienze prevalentemente positive, ma segnala anche che le tecnologie di sorveglianza e gestione tramite IA possono aumentare lo stress e ridurre l’autonomia. Sono indicazioni pertinenti per comprendere l’adozione e l’esperienza delle persone; da sole, tuttavia, non costituiscono una misurazione della produttività.

La distinzione è importante perché un’indagine sull’uso o sulle percezioni risponde a domande diverse da quelle di un esperimento che confronta i risultati del lavoro con e senza assistenza. La prima può aiutare a descrivere chi utilizza gli strumenti e come valuta l’esperienza. Per attribuire all’IA un miglioramento della produttività occorre anche definire esplicitamente il risultato e disporre di un confronto che permetta di separare l’effetto dello strumento da fattori quali esperienza, attività o organizzazione del lavoro. Il riepilogo pubblico disponibile non va presentato come se risolvesse queste questioni.

La quota di utilizzo informa sulla presenza di questi strumenti sul lavoro, non su quanto cambino i risultati di ogni attività né sul bilancio tra benefici e costi. Allo stesso modo, un’esperienza positiva esprime una valutazione, ma non sostituisce una misura di qualità, quantità o tempo totale. Tenere distinte queste domande permette di riconoscere il contributo dell’indagine senza attribuirle conclusioni che non offre.

L’Organizzazione internazionale del lavoro ha pubblicato analisi sui possibili effetti dell’IA generativa sulla quantità e sulla qualità dell’occupazione, oltre a un indice affinato di esposizione professionale. Questi lavori sono utili per inquadrare il dibattito: aiutano a studiare quali professioni o attività potrebbero essere interessate. L’esposizione a una tecnologia, tuttavia, non significa che una professione scomparirà o che la sua produttività aumenterà.

Questa distinzione aiuta anche a leggere titoli e annunci. Una mappa dell’esposizione può indicare dove una tecnologia potrebbe intervenire, ma non dimostra che venga utilizzata in una situazione reale, che funzioni bene per una determinata attività o che i suoi benefici superino costi e rischi. L’OIL affronta il fenomeno dal punto di vista dell’occupazione e delle attività; non è opportuno trasformare questo tipo di analisi in una cifra di rendimento aziendale che la fonte non presenta.

In altre parole, l’esposizione serve a delimitare ciò che conviene studiare, non è il risultato di una valutazione delle prestazioni. Tra la possibilità che uno strumento intervenga in un’attività e un miglioramento dimostrato vi sono questioni di utilizzo, qualità ed effetti sul lavoro che richiedono analisi specifiche. In questo modo si evita di considerare equivalenti un indicatore sulle professioni e una misurazione diretta della produttività.

Prima di accettare una cifra sulla produttività, conviene verificare se la pubblicazione spiega chi ha partecipato, quale lavoro ha svolto, quanto è durata la valutazione e come è stato giudicato il risultato. Occorre anche chiedersi se il confronto riguarda attività abituali oppure esercizi circoscritti e se il risultato è stato valutato da persone secondo criteri definiti. Senza questi dati è difficile capire se il miglioramento si manterrebbe al di fuori del contesto valutato.

Una breve lista di controllo può evitare di confondere una dimostrazione sorprendente con prove generalizzabili:

• Risultato: si misurano tempo, quantità, qualità o una combinazione? È spiegato come viene valutata la qualità?
• Confronto: esiste un gruppo o una condizione di riferimento senza lo strumento?
• Costo totale: si considerano revisione, correzione, formazione e modifiche al flusso di lavoro?
• Ambito: sono specificati popolazione, tipo di attività e durata?
• Indipendenza: chi finanzia o pubblica lo studio, e si possono consultare metodo e limiti?

Le prove citate consentono di affermare che gli strumenti di IA fanno già parte del lavoro di una quota considerevole della popolazione intervistata nell’Unione europea e che le esperienze lavorative non si riducono a una valutazione uniforme: accanto a impressioni positive, la Commissione segnala rischi associati a sorveglianza e gestione. Le analisi dell’OIL forniscono un quadro per studiare l’esposizione di attività e professioni. Per come sono riassunti nelle fonti disponibili, nessuno di questi dati dimostra da solo un miglioramento generale e netto della produttività del lavoro.

Per una persona o un gruppo che sta valutando questi strumenti, la scelta ragionevole è misurare un caso d’uso circoscritto: confrontare attività equivalenti, stabilire in anticipo che cosa si intende per qualità e registrare il tempo complessivo, compresa la revisione. L’esercizio può orientare una decisione locale, ma non proverebbe che il risultato valga per altri settori o aziende. La conclusione proporzionata è dunque duplice: esistono prove di adozione e motivi per studiare gli effetti sul lavoro; entità e portata di un eventuale guadagno di produttività richiedono valutazioni più specifiche e trasparenti.

Una prova locale è più informativa se le attività restano confrontabili e il criterio con cui valutare il risultato viene deciso in anticipo. Registrare il tempo complessivo permette di osservare sia il lavoro svolto con lo strumento sia la revisione successiva, mentre un criterio di qualità concordato evita di giudicare il risultato soltanto in base alla rapidità. Anche così, la prova riguarda esclusivamente il contesto osservato: non stabilisce automaticamente che cosa accadrebbe con altre attività, gruppi o aziende.