Progetti che un tempo richiedevano tre settimane ora si completano in una. Report che consumavano un'intera giornata lavorativa vengono finiti prima di pranzo. Eppure i dipendenti vengono valutati rispetto a questo benchmark accelerato prima che si sia raggiunto un qualsiasi consenso sulla sua sostenibilità, accuratezza o equità. I dividendi dell'efficienza sono fluiti alle organizzazioni; la pressione intensificata è ricaduta sugli individui.

In quasi ogni settore che adotta l'intelligenza artificiale, sta emergendo lo stesso pattern. I guadagni di efficienza non vengono restituiti ai lavoratori come tempo recuperato. Vengono invece convertiti — spesso immediatamente — in aspettative di produzione più elevate. La logica sottostante, raramente espressa apertamente, è lineare: se l'IA ha liberato parte del tuo pomeriggio, quel tempo è ora assegnato alla prossima consegna. I lavoratori non stanno riavendo indietro tempo. Ricevono incarichi aggiuntivi su una scadenza accelerata, entro lo stesso numero fisso di ore.

Non è la prima volta che una tecnologia trasformativa promette di alleggerire i carichi di lavoro intensificandoli invece. L'economista Robert Solow osservò nel 1987 che i computer apparivano ovunque tranne che nelle statistiche di produttività — il fenomeno in seguito definito paradosso della produttività. Email, messaggistica istantanea e dispositivi mobili hanno seguito traiettorie analoghe: ciascuno è stato adottato per risparmiare tempo e ha invece espanso la portata e il ritmo di ciò che i lavoratori erano tenuti a gestire. Ciò che distingue l'attuale ondata di IA è la velocità e l'ampiezza dell'adozione, unitamente al fatto che l'IA sta assumendo compiti cognitivi precedentemente considerati come requiring judgment umano.

La ricerca è coerente: l'IA sta intensificando il lavoro, non riducendolo

La ricerca di GoTo e Workplace Intelligence articola il paradosso con insolita chiarezza. Il loro studio Pulse of Work in 2026, che ha intervistato 2.500 dipendenti e decisori IT in dieci paesi, ha rilevato che i dipendenti risparmiano più di due ore al giorno utilizzando strumenti di IA. Tuttavia, lo stesso studio ha rivelato che il 60% dei dipendenti si sente pressato a usare l'IA per aumentare la produttività, il 50% afferma di farvi troppo affidamento e il 39% dichiara che la crescente dipendenza sta diminuendo la propria intelligenza. I guadagni di produttività e i costi in termini di prestazioni umane si stanno manifestando in tandem, eppure la maggior parte delle organizzazioni monitora solo un lato dell'equazione.

Una analisi separata di ActivTrak, che copre 443 milioni di ore di attività lavorativa in oltre 1.100 organizzazioni, ha rilevato che l'IA ha raddoppiato il tempo che i lavoratori trascorrevano su email e messaggistica, mentre il lavoro profondo e concentrato è diminuito del 9%. Uno studio della Harvard Business Review pubblicato all'inizio di quest'anno ha riferito che, in seguito all'adozione dell'IA, i dipendenti lavoravano a un ritmo più veloce, assumevano una gamma più ampia di responsabilità ed estendevano il lavoro a più ore della giornata — frequentemente senza esserne richiesti. Gli strumenti stanno generando maggiore attività erodendo al contempo la capacità per il tipo di pensiero di alta qualità che conferisce valore a quell'attività.

Questi risultati si basano su preoccupazioni che precedono l'attuale impennata dell'IA. L'Organizzazione Mondiale della Sanità ha formalmente riconosciuto il burnout come fenomeno occupazionale nel 2019, e le ricerche pre-IA di Gallup hanno costantemente identificato una crescente disconnessione nella forza lavoro globale. L'IA non ha creato queste pressioni dal nulla — ha sovrapposto nuove richieste cognitive a una cultura del lavoro già sotto stress.

Valutati per la velocità, non per il giudizio

Quando l'IA comprime le tempistiche, il cambiamento più evidente è la velocità. Poiché la velocità è l'output più leggibile e facilmente quantificabile dell'adozione dell'IA, diventa rapidamente il proxy di fatto per le prestazioni. La ricerca di Gallup rileva che il 65% dei dipendenti afferma che l'IA ha migliorato la loro produttività e che l'uso frequente dell'IA tra i manager è raddoppiato dal 15% al 30% dal 2023. Tuttavia, quella crescente adozione sta generando un divario sempre più ampio tra chi raccoglie i benefici e chi assorbe lo stress: i leader segnalano i guadagni di produttività più forti, mentre i singoli contribuenti rimangono i meno propensi a ricevere linee guida sull'uso efficace dell'IA. Nel frattempo, il 54% dei manager afferma che le aspettative sul posto di lavoro sono aumentate direttamente a causa dell'IA. L'asticella delle prestazioni si sta alzando e i framework di misurazione non riescono a tenere il passo.

Ciò che la valutazione centrata sulla velocità trascura è proprio il lavoro cognitivo che l'IA non può svolgere: verificare l'accuratezza degli output, intercettare le allucinazioni prima che si cristallizzino in decisioni e applicare il giudizio contestuale che i modelli non possiedono. Revisionare i materiali generati dall'IA per individuare errori e trasformare una bozza completa all'80% in un lavoro genuinamente di alta qualità non è un compito di routine che si possa svolgere in pilota automatico. È un giudizio di livello dirigenziale che opera continuamente in background. Quando i dipendenti vengono valutati principalmente sulla rapidità di produzione, quel lavoro cognitivo invisibile non viene riconosciuto — e alla fine viene esausto.

La conseguenza a valle è un fenomeno che i ricercatori hanno iniziato a chiamare "workslop": output ad alto volume e basso valore che inonda le organizzazioni quando la velocità è l'unica metrica misurata. Lo studio di GoTo e Workplace Intelligence ha rilevato che il 43% dei dipendenti ha inviato contenuti generati dall'IA pur sospettando che fossero di bassa qualità o contenessero errori, e il 77% afferma che la revisione del lavoro generato dall'IA richiede più tempo rispetto alla revisione del lavoro prodotto da esseri umani. Come ha riferito Built In, quando i manager privilegiano la produzione accelerata above all else, i dipendenti passano alla quantità a scapito della qualità, e i colleghi a valle trascorrono ore aggiuntive a correggere ciò che l'IA ha prodotto. Nella pratica, output più veloci spesso si traducono in un progresso netto più lento.

Il ciclo che nessuno sta interrompendo

Ciò che rende questa dinamica particolarmente difficile da affrontare è che si autoalimenta silenziosamente. Lo studio di GoTo e Workplace Intelligence ha rilevato che il 65% dei dipendenti afferma che i datori di lavoro non stanno fornendo loro le competenze necessarie via via che l'IA assume più del carico di lavoro, e l'80% dichiara che la maggior parte dei lavoratori non riceve una formazione adeguata per usare efficacemente gli strumenti di IA. Eppure quasi un leader IT su quattro riferisce che gli errori legati all'IA hanno già colpito i clienti o le performance finanziarie della propria azienda. Le organizzazioni stanno accelerando l'adozione sottinvestendo nelle infrastrutture umane necessarie per sostenerla.

I leader che riportano ai consigli di amministrazione i miglioramenti di produttività guidati dall'IA in genere non segnalano il simultaneo aumento del carico cognitivo, il declino del tempo di lavoro concentrato o l'erosione della qualità del giudizio da cui quei guadagni dipendono. Le metriche che appaiono favorevoli in una presentazione sono quelle che vengono portate alla luce. Le metriche che rivelerebbero il costo umano non sono ancora state costruite.

Cosa dovrebbero fare diversamente i leader

Il primo intervento è il più semplice e il meno comune: restituire genuinamente il tempo recuperato ai dipendenti. Quando l'IA comprime un progetto di tre settimane in una, il riflesso organizzativo predefinito è assegnare altre due settimane di lavoro. L'alternativa è indirizzare quella capacità recuperata verso i compiti che l'IA non può svolgere — coltivare relazioni professionali più profonde, condurre revisioni di qualità più rigorose, perseguire lo sviluppo delle competenze ed esercitare il tipo di giudizio ponderato che produce risultati duraturi anziché rapidi. Le organizzazioni che trattano ogni guadagno di efficienza come licenza di assegnare più lavoro scopriranno di aver costruito una ruota del criceto più veloce, non una forza lavoro più capace.

La seconda priorità è riprogettare la misurazione delle prestazioni. I dipendenti che producono il volume più alto di output non stanno necessariamente generando il maggior valore. Le persone che intercettano gli errori dell'IA prima che si trasformino in decisioni, applicano il giudizio contestuale che rende gli output genuinamente utilizzabili e mantengono la qualità mentre altri ottimizzano per il volume sono i dipendenti che le organizzazioni hanno più urgenza di identificare e trattenere. Per riuscirci è necessario misurare l'impatto anziché il volume — una sfida più complessa, ma con risposte decisamente più preziose.

Il terzo imperativo è un'onesta definizione delle aspettative a ogni livello organizzativo. La maggior parte dei dipendenti non si è arruolata per gestire un sistema di IA in aggiunta alle proprie responsabilità esistenti. Si sono uniti per svolgere bene il proprio lavoro. Quando le organizzazioni introducono strumenti di IA senza ricalibrare carichi di lavoro, scadenze o criteri di successo, non stanno valorizzando la propria forza lavoro. stanno ridefinendo silenziosamente la base di riferimento per ciò che costituisce un output sufficiente — senza esaminare se qualcuno possa sostenerlo. Quella conversazione appartiene allo scoperto, non sepolta in una dashboard di produttività.

Le opinioni espresse negli articoli di commento di Fortune.com sono esclusivamente le opinioni dei loro autori e non riflettono necessariamente le opinioni e le convinzioni di Fortune.

Questo articolo è stato originariamente pubblicato su Fortune.com.