Orari di lavoro
Lunedi - Venerdi: 7.30 - 19.30
Sabato: 8 - 16
Z Side · Reality Glitch
A cura di Zoom Out Lab
Il paradosso produttività AI ha un volto preciso. Nel luglio 2025, i ricercatori di METR hanno misurato l’impatto dell’intelligenza artificiale su un gruppo di sviluppatori esperti con un trial randomizzato controllato. Il risultato è stato netto: chi usava l’AI impiegava il 19% in più per completare i compiti. Quegli stessi sviluppatori, intervistati dopo, hanno dichiarato che l’AI li aveva resi il 20% più veloci. Credevano di essere più rapidi mentre erano più lenti. Questa storia è già successa. Quarant’anni fa. Con i computer.
Il paradosso produttività AI non è una sensazione, è un dato misurato. Lo studio METR, pubblicato nel luglio 2025, ha analizzato sviluppatori con anni di esperienza su progetti reali, non studenti in un laboratorio. Il metodo era rigoroso: un gruppo usava strumenti AI durante il lavoro, l’altro no. I tempi venivano misurati oggettivamente. Il risultato ha sorpreso anche i ricercatori, perché andava nella direzione opposta rispetto a tutto quello che l’industria stava comunicando.
Chi usava l’AI impiegava più tempo, non meno. E chi la usava era convinto del contrario.
Questo divario tra percezione e realtà è il cuore del problema, ma non è il problema in sé. Il problema è che le aziende stanno prendendo decisioni enormi, investendo miliardi, licenziando migliaia di persone e ristrutturando interi reparti sulla base di una promessa che i dati, almeno per ora, non confermano.
I numeri reali, non quelli nei comunicati stampa
McKinsey ha rilevato che quasi 8 aziende su 10 hanno introdotto l’AI generativa nei propri processi. La maggior parte di loro ha riscontrato un impatto minimo sui profitti. I dirigenti, secondo Tom’s Hardware, utilizzano gli strumenti AI per una media di soli novanta minuti a settimana, nonostante li abbiano adottati formalmente in azienda, non è adozione reale, è adozione burocratica.
ManpowerGroup ha intervistato 14.000 lavoratori in 19 paesi per il proprio Global Talent Barometer 2026. L’uso regolare dell’AI è cresciuto del 13% nel 2025, ma la fiducia nella sua utilità concreta è crollata del 18% nello stesso periodo. Le persone la usano di più e si fidano di meno. È un segnale che qualcosa non funziona come promesso.
Il Nobel per l’economia Daron Acemoglu ha stimato un guadagno di produttività complessivo dello 0,5% in dieci anni grazie all’AI, definendolo “deludente rispetto alle promesse.” Nello stesso periodo, il settore AI ha attirato il 61% di tutto il venture capital globale nel 2025, per un totale di 258,7 miliardi di dollari, e la crisi energetica dei data center che alimentano questi sistemi continua a crescere. Investimenti enormi, impatto misurabile ridotto. Questa combinazione ha un nome storico preciso.
Il paradosso di Solow: la storia che si ripete
Nel 1987, l’economista Robert Solow scrisse una frase che sarebbe rimasta nella storia del pensiero economico: “Puoi vedere l’era dei computer ovunque, tranne che nelle statistiche della produttività.” Era la sintesi di un fenomeno che aveva sconcertato molti economisti. I computer erano arrivati, le aziende li avevano adottati, i costi erano stati sostenuti, e la produttività non era aumentata. Anzi, in alcuni periodi era persino diminuita.
Quello che era successo, lo si capì solo anni dopo, era abbastanza semplice. I computer avevano cambiato il modo di lavorare, ma per farlo avevano richiesto tempo, formazione e adattamento. Avevano generato nuovi problemi mentre risolvevano quelli vecchi: troppa informazione stampata, processi ridisegnati male, lavoratori disorientati. Ci vollero quasi vent’anni prima che la produttività delle economie occidentali iniziasse davvero a riflettere l’impatto dei computer.
Il Nobel Acemoglu, commentando i dati sull’AI, ha detto esplicitamente che il pattern è identico. Le nuove tecnologie richiedono tempo per essere integrate in modo efficace, e durante quella fase il conto lo pagano le persone che ci lavorano, non le aziende che le hanno adottate in anticipo rispetto alla maturità degli strumenti.
Perché ci si sente più veloci mentre si è più lenti
Il dato METR ha una spiegazione, e capirla è utile per chi usa l’AI al lavoro ogni giorno. Gli strumenti AI danno un feedback immediato, visivo, abbondante, suggeriscono codice, completano frasi, rispondono in secondi. Questa velocità di risposta crea una sensazione soggettiva di efficienza, anche quando il risultato finale richiede più tempo per essere corretto, verificato e adattato al contesto specifico.
Il problema è che l’AI fa molto velocemente cose sbagliate. Il tempo che si risparmia nella generazione si perde nella revisione, e la revisione richiede una concentrazione diversa, più profonda, da quella della produzione. Molly Kinder, ricercatrice alla Brookings Institution, lo ha descritto con chiarezza: i lavoratori percepiscono chiaramente l’entusiasmo delle aziende per questi strumenti, ma quando li usano quotidianamente si scontrano con limiti concreti che i dirigenti, che li usano novanta minuti a settimana, non incontrano mai. Questo divario di esperienza tra chi decide l’adozione e chi la vive è una delle cause strutturali del paradosso produttività AI.
Il paradosso aziendale: si licenzia per l’AI prima che l’AI funzioni
C’è una contraddizione che vale la pena nominare senza giri di parole. Da un lato, i dati mostrano che l’AI non ha ancora prodotto i guadagni di produttività promessi, dall’altro le aziende stanno licenziando migliaia di persone citando l’AI come causa, investendo centinaia di miliardi in infrastrutture AI e comunicando agli investitori scenari di trasformazione radicale nel breve termine.
Mustafa Suleyman, a capo di Microsoft AI, ha dichiarato che la tecnologia potrà sostituire ogni lavoro d’ufficio entro diciotto mesi. Nello stesso periodo, i ricercatori di METR pubblicavano i dati sugli sviluppatori più lenti, e migliaia di CEO intervistati da Fortune ammettevano che l’AI non aveva cambiato nulla nella loro produttività né nella loro occupazione. Queste affermazioni provengono dallo stesso momento storico, e tenere entrambe in testa simultaneamente è necessario per capire cosa sta succedendo davvero.
Le aziende stanno scommettendo sul futuro di una tecnologia che non funziona ancora come dichiarato nel presente. È una scommessa che potrebbe rivelarsi giusta, proprio come la scommessa sui computer negli anni Ottanta si è rivelata giusta vent’anni dopo, ma i programmatori junior che non trovano lavoro oggi, e i lavoratori licenziati questa settimana con la motivazione dell’AI, non possono aspettare vent’anni per sapere se la scommessa era giusta.
Cosa significa per chi lavora adesso
Il paradosso produttività AI ha conseguenze pratiche molto concrete per chi usa questi strumenti ogni giorno, o è costretto a farlo dall’azienda in cui lavora.
La prima è che la sensazione soggettiva di efficienza non è un indicatore affidabile. Sentirsi produttivi usando l’AI e essere produttivi sono due cose diverse, e il dato METR suggerisce che spesso coincidono meno di quanto sembri. Misurare i risultati reali, non le impressioni, è l’unico modo per capire se lo strumento sta effettivamente aiutando.
La seconda è che l’adozione forzata e affrettata tende a produrre i peggiori risultati. Le aziende che hanno dato migliori risultati con l’AI, secondo i dati McKinsey, sono quelle che hanno investito tempo nella formazione e nell’adattamento dei processi, non quelle che hanno introdotto gli strumenti il più velocemente possibile. La fretta di sembrare “AI-first” agli occhi degli investitori e dei clienti produce spesso un’adozione superficiale che genera costi senza benefici.
La terza, e forse la più scomoda, è che il paradosso di Solow si è risolto. I computer alla fine hanno aumentato la produttività in modo misurabile. Il punto non è se l’AI funzionerà, ma quando e per chi, e chi pagherà il costo del periodo nel mezzo. Come ha osservato l’algoritmo che già governa il lavoro di milioni di persone nelle piattaforme digitali, le tecnologie che trasformano il lavoro non lo fanno in modo neutro. Qualcuno ci guadagna prima, qualcuno ci guadagna dopo, e qualcuno non ci guadagna affatto.
