#AI#4 L’intelligenza artificiale e il tempo ritrovato: la promessa che il digitale non ha mantenuto

 

L’intelligenza artificiale e il tempo ritrovato: la promessa che il digitale non ha mantenuto

Nel 1930 John Maynard Keynes pubblicò un breve saggio destinato a diventare una delle più celebri profezie economiche del Novecento: Economic Possibilities for our Grandchildren. In quel testo immaginava che, circa un secolo dopo, il progresso tecnico, l’aumento della produttività e l’accumulazione del capitale avrebbero potuto ridurre drasticamente il tempo di lavoro necessario per soddisfare i bisogni materiali della società.

Keynes arrivò a ipotizzare turni di tre ore al giorno, o una settimana lavorativa di circa quindici ore.

Non era una previsione ingenua. Keynes non pensava che gli esseri umani avrebbero smesso di desiderare, competere, produrre, accumulare. Ma intuiva una possibilità storica: se la tecnologia avesse continuato ad aumentare la produttività, il problema principale dell’uomo moderno non sarebbe più stato la scarsità, ma l’uso del tempo liberato.

A quasi un secolo di distanza, quella previsione appare, almeno in parte, tradita.

Non perché la tecnologia non abbia funzionato. Al contrario: ha funzionato moltissimo. La produttività è aumentata, le comunicazioni sono diventate istantanee, l’accesso alle informazioni è esploso, molte attività manuali e amministrative sono state semplificate. Eppure non lavoriamo quindici ore a settimana. In molti casi lavoriamo di più, siamo più raggiungibili, più esposti, più sollecitati, più immersi in una continuità operativa che invade le sere, i fine settimana, gli spazi privati.

La domanda, allora, è inevitabile: perché la tecnologia non ci ha restituito tempo?

La rivoluzione digitale ci ha dato velocità, ma ci ha tolto confini

Negli ultimi trent’anni abbiamo vissuto una trasformazione enorme: internet, e-mail, smartphone, PEC, cloud, videoconferenze, piattaforme collaborative, messaggistica istantanea, gestionali, motori di ricerca.

Tutto questo avrebbe dovuto semplificarci la vita. E in parte lo ha fatto.

Prima servivano spostamenti, telefonate, archivi fisici, attese, copie cartacee, incontri obbligati, trasmissioni lente di documenti. Oggi inviamo un contratto in pochi secondi, partecipiamo a una riunione da qualunque luogo, accediamo a documenti remoti, organizziamo gruppi di lavoro, condividiamo elaborati, produciamo contenuti e li diffondiamo in tempo reale.

Ma che cosa abbiamo fatto con il tempo risparmiato?

In molti casi lo abbiamo semplicemente riempito: più clienti; più pratiche; più messaggi; più urgenze; più riunioni, notifiche, disponibilità, lavoro serale. Più lavoro nei fine settimana.

La rivoluzione digitale ha ridotto alcuni tempi morti, ma ha moltiplicato le occasioni di lavoro. Ha eliminato alcune attese, ma ha creato reperibilità permanente. Ha reso più semplice comunicare, ma anche più difficile sottrarsi alla comunicazione.

Il risultato è paradossale: strumenti nati per alleggerire il lavoro hanno spesso finito per dilatarlo. Non lavoriamo necessariamente meglio. Siamo solo più connessi, più raggiungibili e sollecitati.

Un dato aiuta a capire la natura del problema: secondo il Work Trend Index di Microsoft, nelle applicazioni Microsoft 365 il lavoratore medio trascorre il 57% del tempo in attività di comunicazione — riunioni, e-mail, chat — e solo il 43% nella creazione vera e propria di documenti, fogli di calcolo e presentazioni. Gli utenti più intensivi arrivano a quasi nove ore a settimana dedicate alle e-mail e oltre sette ore alle riunioni. [1]

Questo dato è impressionante perché mostra che una parte enorme del lavoro contemporaneo non consiste nella produzione diretta di valore, ma nella gestione del lavoro: coordinare, rispondere, cercare, riallineare, convocare, sintetizzare, aggiornare, inseguire.

Il lavoro moderno è diventato, in larga misura, lavoro sul lavoro.

L’intelligenza artificiale introduce una discontinuità diversa

L’intelligenza artificiale generativa cambia la questione. Non perché sia una bacchetta magica o perché possa sostituire automaticamente competenze, giudizio, responsabilità, sensibilità professionale. Ma perché agisce su una parte del lavoro che la rivoluzione digitale aveva solo accelerato: il lavoro cognitivo intermedio.

Scrivere. Riordinare. Sintetizzare. Tradurre. Confrontare. Classificare. Riformulare. Preparare una scaletta. Generare una prima bozza. Costruire una presentazione. Analizzare documenti. Trasformare appunti in relazione. Estrarre criteri da norme o capitolati. Organizzare una bibliografia. Preparare una risposta argomentata.

Qui non parliamo più soltanto di risparmiare qualche minuto. In molte professioni ad alta intensità cognitiva — avvocati, commercialisti, ingegneri, architetti, consulenti, manager, ricercatori, docenti, comunicatori — il salto può essere di un ordine di grandezza diverso.

Una relazione che prima richiedeva giorni può essere impostata in poche ore.
Una presentazione che prima richiedeva una giornata può essere strutturata in molto meno tempo.
Una ricerca preliminare che prima richiedeva settimane può essere orientata e organizzata in tempi enormemente più brevi.
Un’analisi complessa può essere accompagnata, verificata, riformulata e resa comunicabile con una rapidità prima impensabile.

Le metriche generali già disponibili sono significative, ma spesso prudenti.

Uno studio della Federal Reserve Bank of St. Louis ha stimato che gli utilizzatori di AI generativa risparmiano in media il 5,4% delle ore lavorate, cioè circa 2,2 ore a settimana su una settimana di 40 ore. [2]

Lo studio Harvard Business School/BCG sui consulenti ha rilevato che i professionisti con accesso a GPT-4 completavano il 12,2% di compiti in più, lavoravano il 25,1% più velocemente e producevano risultati qualitativamente migliori in una parte significativa delle attività. [3]

McKinsey ha stimato che l’AI generativa e le tecnologie correlate potrebbero automatizzare attività che oggi assorbono tra il 60% e il 70% del tempo lavorativo dei dipendenti. [4]

Sono numeri importanti. Ma, a mio avviso, sottostimano l’impatto sui lavori professionali più esposti alla produzione di testi, analisi, relazioni, pareri, documenti, presentazioni, ricerche e sintesi.

Perché le medie misurano l’uso medio dell’AI, non l’uso profondo. Un conto è usare l’AI per correggere una mail. Un altro è usarla per impostare una relazione tecnica, confrontare documenti complessi, trasformare materiali sparsi in una struttura coerente, preparare una presentazione, analizzare dati, ricostruire una cornice normativa, generare una bibliografia ragionata, predisporre una bozza da sottoporre a verifica professionale.

Nel primo caso l’AI fa risparmiare minuti. Nel secondo può far risparmiare giorni.

Dal lavoro esecutivo al lavoro di direzione

Naturalmente questa trasformazione non significa che la competenza umana diventi inutile. Accade il contrario. Più lo strumento diventa potente, più diventa decisivo il giudizio di chi lo usa.

L’AI può produrre una bozza, ma resta umano capire se quella bozza è corretta.
Può proporre una struttura, ma resta umano sapere se quella struttura ha senso. 
Può sintetizzare un documento, ma resta umano individuare omissioni, errori, ambiguità.
Può costruire un’analisi, ma resta umano verificarla.
Può generare alternative, ma resta umano scegliere.
Può accelerare una procedura, ma resta umano assumersi la responsabilità.

Il lavoro non scompare. Si sposta.

Dalla scrittura materiale alla direzione del processo.
Dalla compilazione alla validazione.
Dall’esecuzione ripetitiva alla verifica critica.
Dalla produzione della prima versione alla responsabilità della versione finale.
Dalla fatica intermedia alla visione complessiva.

In questo senso l’AI non elimina il professionista. Elimina, o riduce drasticamente, una parte della fatica che spesso impediva al professionista di dedicarsi alla parte più alta del proprio lavoro.

Per un ingegnere, non è solo scrivere più rapidamente una relazione: è avere più tempo per ragionare sull’impostazione, sulla coerenza tecnica, sulla qualità delle ipotesi, sulla chiarezza espositiva, sulla responsabilità delle conclusioni.

Per un avvocato, non è solo redigere più velocemente un atto: è avere più tempo per valutare strategia, argomentazione, rischio, precedenti, interpretazione.

Per un commercialista, non è solo compilare più rapidamente documenti: è avere più tempo per consulenza, pianificazione, controllo, relazione con il cliente.

Per un architetto, non è solo produrre immagini o relazioni: è avere più tempo per concept, proporzioni, contesto, funzione, bellezza.

Per un ricercatore, non è solo leggere più rapidamente articoli: è avere più tempo per formulare domande migliori.

La vera competenza sarà sempre meno quella di “fare tutto manualmente” e sempre più quella di orientare, interrogare, verificare, integrare, interpretare, decidere.

Il salto successivo: gli agenti di AI

Ma la trasformazione più profonda deve ancora arrivare pienamente: quella degli agenti di AI.

Finora abbiamo usato l’intelligenza artificiale soprattutto come assistente. Le chiediamo una bozza, una sintesi, una traduzione, una revisione, un confronto, una scaletta, un’analisi preliminare.

Gli agenti rappresentano un passaggio ulteriore.

Un agente AI non si limita a rispondere a una domanda. Può ricevere un obiettivo, scomporlo in sotto-attività, usare strumenti, leggere documenti, interrogare banche dati, produrre output intermedi, aggiornare file, preparare report, interagire con software diversi, costruire una sequenza operativa.

Non è più soltanto l’AI che scrive. È l’AI che esegue parti di un processo. Questa distinzione è fondamentale. La rivoluzione digitale ha accelerato le singole azioni: inviare, cercare, archiviare, comunicare. L’AI generativa accelera le singole attività cognitive: scrivere, sintetizzare, tradurre, confrontare, riformulare. Gli agenti AI possono accelerare interi flussi di lavoro.

È qui che l’impatto su professioni, imprese e pubbliche amministrazioni potrebbe diventare enorme.

Un avvocato potrà usare agenti per analizzare fascicoli, costruire cronologie, confrontare contratti, cercare giurisprudenza, predisporre bozze, segnalare incoerenze.

Un commercialista potrà automatizzare controlli documentali, scadenziari, riconciliazioni, report fiscali preliminari, comunicazioni ai clienti, confronti tra regimi.

Un ingegnere potrà far leggere capitolati, normative, computi, relazioni, dati di monitoraggio ed elaborati progettuali, generando verifiche preliminari, schemi, relazioni tecniche, presentazioni e analisi comparative.

Un architetto potrà usare agenti per concept, riferimenti progettuali, relazioni paesaggistiche, normative urbanistiche, computi preliminari, presentazioni al cliente.

Un manager potrà affidare ad agenti la preparazione di dashboard, sintesi di riunioni, follow-up, analisi di mercato, scenari di budget, report e comunicazioni operative.

Un ricercatore potrà usare agenti per monitorare letteratura, confrontare paper, preparare mappe bibliografiche, individuare gap scientifici, costruire prime bozze, organizzare dati e materiali.

Secondo Gartner, entro il 2026 fino al 40% delle applicazioni enterprise potrebbe integrare agenti AI specifici per attività, rispetto a meno del 5% nel 2025. [5] Deloitte ha previsto che il 25% delle imprese che usano AI generativa avrebbe adottato agenti nel 2025, con una crescita fino al 50% entro il 2027. [6]

Quindi non siamo più nel campo della fantascienza. Siamo davanti a una trasformazione industriale già avviata.

È vero: gli agenti AI non sono ancora maturi per tutto. Possono sbagliare, fabbricare informazioni, fraintendere obiettivi, accedere a dati sensibili, generare rischi organizzativi e legali. Gartner stessa ha segnalato il rischio che molti progetti agentici vengano cancellati per costi, scarso valore o controlli insufficienti. [7]

Ma questo non riduce la portata della trasformazione. La chiarisce.

Gli agenti non devono essere immaginati come sostituti incontrollati dell’uomo, ma come sistemi da governare: con supervisione, autorizzazioni, tracciabilità, verifica, responsabilità, livelli di autonomia differenziati.

L’autonomia senza controllo sarebbe pericolosa.

Ma il controllo senza autonomia renderebbe inutile la rivoluzione.

La vera sfida sarà progettare un nuovo equilibrio.

La questione decisiva: chi si prenderà il tempo liberato?

Arriviamo così al punto centrale.

Se l’intelligenza artificiale generativa può farci risparmiare ore, e gli agenti AI possono comprimere interi processi, che cosa faremo del tempo liberato?

Lo useremo per lavorare meno o per produrre ancora di più?

Lo restituiremo alla persona o lo consegneremo al mercato?

Diventerà tempo libero o nuova disponibilità obbligatoria?

Questa è la domanda che Keynes aveva intravisto quasi un secolo fa.

La tecnologia può aumentare enormemente la produttività, ma non decide da sola come distribuire i suoi benefici. Può liberare tempo, ma non garantisce che quel tempo resti libero. Può ridurre la fatica, ma può anche alzare gli standard di prestazione. Può rendere più rapido il lavoro, ma può anche moltiplicare le aspettative.

È già successo con il digitale.

Il fatto che una mail potesse essere inviata in pochi secondi non ha ridotto il numero di comunicazioni: lo ha moltiplicato.

Il fatto che una riunione potesse essere fatta online non ha ridotto le riunioni: spesso le ha aumentate.

Il fatto che si potesse lavorare ovunque non ha sempre migliorato la libertà individuale: talvolta ha trasformato ogni luogo in un potenziale ufficio.

Il rischio è che accada lo stesso con l’AI.

Se una relazione può essere prodotta in un decimo del tempo, si chiederanno dieci relazioni?
Se un professionista può gestire più pratiche, gli si chiederà di gestirne il doppio?
Se un manager può ricevere report continui, pretenderà aggiornamenti continui?
Se un docente può produrre più materiali, gli verrà chiesto di produrne sempre di più?
Se un ricercatore può scrivere più rapidamente, aumenterà ancora la pressione a pubblicare?

Il tempo liberato dalla tecnologia non diventa automaticamente tempo umano.

Può essere catturato dall’organizzazione.
Può essere assorbito dal mercato.
Può essere trasformato in nuove aspettative dei clienti.
Può diventare nuova burocrazia.
Può generare nuovi standard di produttività.
Può produrre nuove forme di controllo.
Può spingere tutti a fare di più, più rapidamente, con meno pause.

La vera questione non è solo tecnologica.

È culturale.
È sociale.
È economica.
È organizzativa.
È politica.

Dal tempo produttivo al tempo umano

Per questo credo che l’intelligenza artificiale debba essere discussa non solo in termini di efficienza, competitività e automazione, ma anche in termini di tempo personale, socialità, cultura, bellezza, formazione, cura, relazioni.

Se l’AI ci consente davvero di comprimere attività da giorni a ore, da ore a minuti, dobbiamo avere il coraggio di chiederci se vogliamo semplicemente riempire quello spazio con altro lavoro.

Oppure se vogliamo restituirlo alla vita.

Alla socialità.
All’arte.
Alla cultura.
Alla lettura.
Alla musica.
Allo sport.
Agli hobby.
Alla cura delle relazioni.
Alla formazione autentica.
Al pensiero lento.
Alla contemplazione.
Alla partecipazione civile.
Alla possibilità di non essere sempre produttivi.

La promessa più alta dell’intelligenza artificiale non dovrebbe essere quella di trasformarci in lavoratori più efficienti ventiquattro ore su ventiquattro.

Dovrebbe essere quella di consentirci di essere più umani.

Non meno competenti, ma meno schiacciati dalla ripetizione.
Non meno responsabili, ma meno consumati dall’esecuzione.
Non meno produttivi, ma più liberi di scegliere dove collocare la nostra produttività.
Non meno presenti nel lavoro, ma più presenti nella vita.

Riaprire la profezia di Keynes

Forse Keynes aveva sbagliato i tempi, non la domanda.

Non viviamo ancora nella società delle quindici ore settimanali. Anzi, molti vivono in una società del lavoro continuo, della reperibilità permanente, della prestazione misurabile, della connessione senza tregua.

Ma l’arrivo dell’intelligenza artificiale, e soprattutto degli agenti AI, riapre quella domanda in modo nuovo.

Per la prima volta, una tecnologia non si limita ad accelerare la comunicazione o l’accesso alle informazioni. Interviene direttamente sulle attività cognitive, organizzative e professionali che assorbono una parte enorme delle nostre giornate.

Può comprimere il tempo della scrittura.
Il tempo della ricerca.
Il tempo della sintesi.
Il tempo della preparazione.
Il tempo della revisione.
Il tempo del coordinamento.
Il tempo della produzione intermedia.

Ma non può decidere al posto nostro che cosa fare del tempo liberato.

Questa decisione resta umana.

E forse sarà proprio questa la grande sfida dei prossimi anni: non soltanto imparare a usare l’intelligenza artificiale, ma imparare a non farci sottrarre di nuovo il tempo che essa potrebbe restituirci.

La rivoluzione digitale ci ha insegnato a essere sempre connessi.

L’intelligenza artificiale dovrebbe aiutarci a essere più liberi.

La vera sfida non sarà usare l’AI per lavorare sempre di più.

La vera sfida sarà impedire che il tempo liberato venga colonizzato ancora una volta dal lavoro.

Perché il progresso tecnologico diventa davvero progresso umano solo quando restituisce tempo alla persona, alla comunità, alla bellezza, alla conoscenza e alla vita.

Le fonti principali per le metriche e i riferimenti sono queste. Keynes formulò nel 1930 l’ipotesi della settimana da circa 15 ore nel saggio Economic Possibilities for our Grandchildren; il Corriere ha ripreso il tema collegandolo al dibattito contemporaneo su superlavoro e riduzione dell’orario.   Il dato Microsoft sul 57% del tempo in comunicazione e 43% in creazione viene dal Work Trend Index 2023.   I dati sul risparmio medio di 2,2 ore a settimana vengono dalla Federal Reserve Bank of St. Louis.   Lo studio Harvard/BCG sui consulenti riporta +12,2% di compiti completati e +25,1% di velocità.   McKinsey stima che l’AI generativa e tecnologie correlate possano automatizzare attività che oggi assorbono il 60–70% del tempo lavorativo.   Per gli agenti AI, Gartner prevede fino al 40% delle applicazioni enterprise con agenti task-specific entro il 2026, mentre Deloitte prevede crescita dell’adozione degli agenti nelle imprese che usano GenAI dal 25% nel 2025 al 50% nel 2027.   Ho inserito anche una cautela: Gartner ha avvertito che oltre il 40% dei progetti di agentic AI potrebbe essere cancellato entro il 2027 per costi, valore incerto o controlli insufficienti.