C’è una domanda che circola da qualche anno nei dibattiti sull’intelligenza artificiale, e che di solito viene posta in termini drammatici: l’IA ci ruberà il lavoro? È una domanda comprensibile, ma forse non è la principale da porsi. Mentre siamo impegnati a discutere di posti di lavoro in pericolo, infatti, sta accadendo qualcosa di più sottile, più lento e, per certi versi, più preoccupante. L’IA non sta solo cambiando quanti lavori esistono, ma sta modificando soprattutto ciò che succede nella testa di chi lavora.

Il vero impatto – quello che la ricerca inizia a documentare con crescente chiarezza – non si misura in termini di occupazione, ma in termini cognitivi e psicologici. Cambia il modo in cui elaboriamo i problemi, costruiamo l’esperienza, sviluppiamo il giudizio. Ma avvien in modo asimmetrico; chi ha poca esperienza e chi ne ha molta non viene colpito allo stesso modo, anzi.

Il cognitive offloading: quando delegare ha un costo nascosto

Nella psicologia cognitiva esiste da tempo un concetto chiamato cognitive offloading: la tendenza a usare strumenti esterni per alleggerire il carico mentale. Non è di per sé una cosa negativa. Scrivere una lista della spesa è cognitive offloading, così come usare il GPS. Gli esseri umani hanno sempre esternalizzato parte del loro pensiero su oggetti, ambienti e strumenti e questo non solo non è un male, ma è una delle caratteristiche più adattive della nostra specie.

Il problema emerge quando lo strumento è così capace, così fluente, così disponibile, da rendere superfluo l’esercizio cognitivo che prima era necessario. E l’IA generativa è esattamente questo tipo di strumento. Ne abbiamo già parlato estensivamente qui e qui.

La perdita del pensiero critico

La ricerca di Gerlich cui ho già accennato ha mostrato che l’uso frequente di strumenti IA correla negativamente con le capacità di pensiero critico. In uno studio che ha coinvolto lavoratori di diverse età e settori, chi usava l’IA in modo più intensivo otteneva punteggi significativamente più bassi nelle valutazioni di ragionamento analitico indipendente. Non perché l’IA li avesse resi stupidi, ma perché li aveva privati dell’esercizio necessario a mantenere affilata quella capacità.

Infatti, l’utilizzo frequente di questa tecnologia da un lato può aumentare efficienza e produttività, ma dall’altro ridurre allenamento cognitivo e autonomia mentale nel lungo periodo.                 
Ciò perché un utilizzo massivo porta a minore verifica delle fonti e a maggiore accettazione automatica delle risposte dell’AI. A sua volta, questo comporta una riduzione della riflessione autonoma e dell’elaborazione personale delle informazioni. Di fatto, il rischio è di smettere gradualmente di esercitare le capacità cognitive profonde che ci caratterizzano come esseri umani.

La fiducia nell’IA

Dalla ricerca, erano i giovani a risultare più vulnerabili per via della maggiore familiarità tecnologica, un uso più frequente ed una maggiore fiducia negli output dell’IA. Il problema è che si crea anche facilmente un circolo vizioso tale per cui più uno strumento riduce lo sforzo mentale, più tendiamo a usarlo ancora, secondo la nota tendenza del nostro cervello a volere ridurre gli sforzi e i costi energetici collegati.

L’uso dell’IA può avere anche effetti positivi, dall’aumento della produttività all’aiutare brainstorming e creatività; dal supportare decisioni complesse al democratizzare l’accesso alle informazioni. Tuttavia, i problemi si hanno quando l’utente smette di valutare criticamente, accettando le risposte senza controllo e usando l’IA come sostituto del pensiero invece che come supporto.

Basta pensare che il pensiero critico, la capacità di ragionare in condizioni di incertezza e il giudizio sviluppato attraverso l’esperienza sono funzioni cognitive che richiedono un esercizio costante. Quando uno strumento le esegue al nostro posto, finiamo per atrofizzarle sempre più fino a poterle perdere nell’eventualità peggiore.

La trappola dello junior: quando non si impara più sbagliando

Per capire il problema specifico dei lavoratori junior, basta riflettere su come si costruisce la competenza professionale. Si impara facendo, sbagliando, correggendo, e facendo di nuovo; non ci sono scorciatoie. Pensa a come apprende anche uno sportivo, un ballerino o un attore; la competenza e le abilità derivano da ripetizione continua e perfezionata di pattern e abilità (tecniche o decisionali) che si sedimentano attraverso l’esperienza ripetuta, spesso faticosa.

I ruoli junior hanno storicamente svolto due funzioni simultanee all’interno nelle organizzazioni: da un lato, eseguivano il lavoro meno di concetto e più di volume e meccanico (le analisi di base, i report preliminari, la ricerca documentale, le prime bozze, ecc.) che l’organizzazione aveva bisogno di fare. Dall’altro, e forse più importante, questo lavoro era anche il veicolo attraverso cui gli junior si formavano.

L’IA rischia di smontare silenziosamente questa doppia funzione. Con il suo utilizzo per svolgere le funzioni di base e ripetitive, questa curva di apprendimento dei giovani viene progressivamente automatizzata, lasciando i professionisti in fase iniziale di carriera intrappolati tra agenti IA che fanno il lavoro di volume e senior inamovibili che presidiano i ruoli di giudizio. L’effetto collaterale di queste scelte di efficienza è quello di far perdere la fase di apprendistato essenziale per gli junior.

Conseguenze a breve e lungo termine

Lo scenario, per loro, non è roseo. Tuttavia, le conseguenze non sono immediate ed è qui che si nasconde l’insidia.

Effetti a breve termine

Nel breve termine, i dati mostrano un quadro apparentemente positivo. Lo studio di Brynjolfsson, Li e Raymond, condotto su oltre 5.000 agenti di un call center, documenta che i lavoratori meno esperti ottengono i maggiori guadagni di produttività dall’introduzione di un assistente IA. Fino al 34-46% di miglioramento, contro effetti nulli o addirittura negativi per i più senior. Gli autori rilevano persino prove di un apprendimento duraturo; durante i periodi di interruzione tecnica del sistema, i lavoratori esposti all’IA continuano a performare meglio della propria baseline pre-AI, come se qualcosa si fosse sedimentato.

Effetti a lungo termine

Sembrerebbe una buona notizia, ma lo è solo in quel contesto specifico, con quello strumento specifico. Il problema emerge quando si guarda al quadro più ampio e a lungo termine. Il modello dinamico di Caosun e Aral dimostra matematicamente che i guadagni immediati di produttività e lo sviluppo autentico delle competenze non sono la stessa cosa, e possono addirittura andare in direzioni opposte. Un lavoratore può diventare più produttivo a breve grazie allo strumento, e al tempo stesso costruire meno competenza autonoma di quanto avrebbe fatto senza di esso, perché l’occasione di ragionare da solo, sbagliare e correggere viene sistematicamente ridotta.

Levelling e multiplier effect

Crowston e Bolici offrono una chiave analitica utile per capire quando questo rischio si materializza. Il loro modello distingue tra sistemi che producono un levelling effect – dove l’IA aiuta i meno esperti a raggiungere il livello dei più esperti, riducendo il valore dell’esperienza stessa – e sistemi che producono un multiplier effect, dove invece l’IA amplifica chi ha già più competenze. La loro rassegna della letteratura disponibile mostra che il primo caso, il livellamento, è l’esito più frequente. Il che significa che, nella maggior parte delle implementazioni attuali, l’IA tende a rendere superflua proprio quella curva di apprendimento che trasforma uno junior in un senior. Il rischio non è che i primi imparino meno in assoluto, ma che imparino cose diverse e che le competenze fondamentali del loro dominio, quelle che si costruiscono solo affrontando problemi senza rete, restino sistematicamente sottosviluppate.

Pensiero critico

Una ricerca di Microsoft e Carnegie Mellon ha analizzato come l’uso dell’intelligenza artificiale generativa influenzi il pensiero critico nei lavoratori cognitivi. Attraverso centinaia di casi reali di utilizzo dell’AI sul lavoro, i ricercatori hanno osservato che l’IA tende a ridurre lo sforzo cognitivo diretto, soprattutto quando gli utenti ripongono molta fiducia nello strumento e poca nelle proprie competenze. In questi casi, le persone tendono ad accettare più facilmente gli output generati dall’IA senza verificarli in profondità.

Lo studio mostra però anche che il pensiero critico non scompare completamente, ma cambia forma: il lavoro umano si sposta dalla produzione diretta di contenuti alla supervisione, valutazione e correzione delle risposte dell’IA. Secondo gli autori, il rischio maggiore riguarda il lungo periodo. Delegare continuamente il ragionamento ai sistemi automatici potrebbe indebolire la capacità di analisi autonoma, soprattutto nei lavoratori meno esperti o ancora in fase di formazione che hanno meno fiducia nelle proprie competenze.

Anche i senior possono cadere nella stessa trappola, ma questi potenzialmente hanno già costruito un sistema di riferimento interno, fondato sull’esperienza, che gli permette almeno in teoria di intercettare gli errori dell’IA. Lo junior non ha ancora questo sistema. Lo sta costruendo; ma se lo fa principalmente delegando i compiti di ragionamento a uno strumento esterno, ciò che emerge alla fine del processo non è un esperto, bensì un validatore di output altrui, senza la capacità di produrre risultati autonomi di qualità.

La trappola del senior: l’erosione silenziosa e la rigidità che non si vede

Potrebbe quindi sembrare che i lavoratori senior siano al riparo da questi rischi. Hanno già l’esperienza, hanno già il giudizio, hanno già il sistema di riferimento interno. L’IA dovrebbe semplicemente moltiplicare la loro efficacia, no?

In parte sì. Ma la ricerca suggerisce un quadro molto più complesso. E per certi versi più insidioso, perché meno visibile.

Il deskilling silenzioso

Il primo rischio è quello che i ricercatori chiamano de-skilling silenzioso. Un caso studio emblematico, condotto in una società di contabilità che aveva adottato progressivamente strumenti di automazione, ha documentato come l’erosione delle competenze possa svilupparsi su un arco di anni senza che né i lavoratori né i manager se ne rendano conto.

I ricercatori hanno osservato che l’aumento della dipendenza dai sistemi automatici tende a ridurre gradualmente il coinvolgimento mentale dei lavoratori. Con il tempo, le persone controllano meno gli output, mantengono meno allenate le proprie competenze e perdono la capacità di valutare criticamente eventuali errori del sistema. Lo studio descrive questo fenomeno come un “circolo vizioso”: più ci si affida all’automazione, più le competenze si deteriorano. Più queste si indeboliscono, maggiore diventa la dipendenza dall’automazione stessa. Secondo gli autori, il rischio principale emerge quando i lavoratori restano responsabili di processi che però non comprendono più a fondo, diventando incapaci di intervenire efficacemente in caso di malfunzionamenti o situazioni impreviste

In questo caso, sono i senior i più esposti, poiché  hanno già competenze consolidate, che vengono però ridotte nella pratica quotidiana a causa dell’automazione. Questo porta a perdere progressivamente profondità di analisi, capacità di verifica autonoma e intuito professionale nei casi complessi.

L’adattamento alle nuove tecnologie

Il secondo rischio per i senior è di natura diversa, e riguarda l’adattamento alle nuove tecnologie. Lo studio di Guo e Wei analizza come l’adozione dell’intelligenza artificiale influenzi il trasferimento intergenerazionale di conoscenze nei lavoratori più anziani, mettendo in evidenza un effetto complesso e non lineare. Gli autori mostrano che l’AI può attivare simultaneamente due percorsi opposti. Da una parte, un percorso di “guadagno”, in cui facilita la condivisione di conoscenze attraverso il relational crafting, in cui i senior modificano attivamente le proprie relazioni professionali per adattarsi ai cambiamenti e preservare o acquisire risorse lavorative. 
Dall’altra, un percorso di “perdita”, in cui la tecnologia genera una minaccia all’identità professionale dei lavoratori senior. Quest’ultima può ridurre la disponibilità a condividere conoscenze e ostacolare i processi di trasferimento verso le generazioni più giovani.

I risultati evidenziano inoltre che questi effetti dipendono dal contesto lavorativo e dalle caratteristiche individuali. In condizioni di elevate richieste lavorative, i senior tendono ad attivare strategie più proattive di adattamento, utilizzando il relational crafting per recuperare risorse e favorire il trasferimento di conoscenze. Un ruolo cruciale è svolto anche dall’autoefficacia digitale: i lavoratori più anziani con maggiore fiducia nelle proprie competenze digitali percepiscono meno l’IA come una minaccia e sono quindi meno soggetti agli effetti negativi sull’identità professionale, risultando più efficaci nel trasferimento di conoscenze.

Technostress su junior e senior

Insomma, il technostress (la tensione psicologica generata dall’esposizione a tecnologie che cambiano rapidamente) colpisce i senior in modo diverso dagli junior. Per gli junior, l’ansia riguarda prevalentemente la competizione con la macchina, l’incertezza sul futuro e la difficoltà a crearsi l’esperienza. Per i senior, riguarda spesso la perdita di identità professionale: “chi sono io e a cosa servo se lo strumento fa quello che facevo io?”; “Cosa vale la mia esperienza, se un sistema addestrato su milioni di documenti produce output comparabili al mio?”.

La risposta adattiva più comune è quella di usare l’IA per le parti routinarie del lavoro, mantenendo il controllo sulle decisioni complesse. Tuttavia, la distinzione tra routine e complessità non è sempre netta; inoltre, delegare sistematicamente le parti routinarie significa smettere di esercitarle, con gli effetti di atrofizzazione già descritti. Il senior che smette di fare le analisi di base perché le fa l’IA rischia di perdere l’allenamento sulle fondamenta del proprio dominio di conoscenza.

Il paradosso organizzativo: produttività oggi, fragilità domani

Mettendo insieme le due trappole, emerge un paradosso a livello organizzativo che la ricerca sta cominciando a documentare con dati concreti.

Gli junior non sviluppano adeguatamente le competenze di cui avrebbero bisogno per diventare i senior di domani. I senior perdono progressivamente la capacità di fare le cose che sapevano fare, senza necessariamente acquisirne di nuove. Le organizzazioni vedono i numeri di produttività salire nel breve termine e non hanno strumenti facili per misurare la fragilità che si sta accumulando sotto la superficie.

Il modello formativo implicito che ha retto per decenni – gli junior imparano facendo, crescono, diventano senior, trasmettono conoscenza ai nuovi junior – rischia di incepparsi.
Chi pagherà il conto? Molte organizzazioni dovrebbero iniziare a chiedersi dove troveranno il prossimo strato di talenti capaci tra tre o cinque anni, visto che la struttura organizzativa che li produceva sta venendo modificata.

C’è poi una dimensione di rischio sistemico che vale la pena considerare. Un’organizzazione in cui nessuno, né gli junior né i senior, è in grado di fare il lavoro cognitivo senza l’assistenza dell’IA è un’organizzazione estremamente vulnerabile a malfunzionamenti degli strumenti, a errori dell’IA non rilevati, a situazioni nuove che richiedono ragionamento autonomo. Come abbiamo visto, l’erosione delle competenze può restare oscura per anni, non riconosciuta né dai lavoratori né dai manager, fino a quando una crisi la rende improvvisamente visibile.

L’ansia da IA

Fin qui abbiamo parlato prevalentemente di meccanismi cognitivi. Ma c’è una dimensione psicologica più emotiva che si intreccia con tutto questo, e che la ricerca ha cominciato a studiare sistematicamente: l’ansia da IA o AI anxiety.

Chi sviluppa l’anisa da IA

Lo studio di Stănescu e Romașcanu, offre una prospettiva interessante sul profilo psicologico di chi sviluppa ansia nei confronti dell’IA. Gli autori mostrano che l’ansia da IA correla significativamente con il nevroticismo, una delle dimensioni fondamentali della personalità, e con atteggiamenti più scettici e resistenti verso le tecnologie intelligenti. In altre parole, non è solo il contesto lavorativo a determinare la risposta emotiva all’IA: entrano in gioco tratti di personalità stabili, che predispongono alcuni individui a vivere il cambiamento tecnologico come una minaccia, indipendentemente dal settore in cui operano o dal livello di esposizione effettiva allo strumento.

L’impatto dell’ansia da IA sulla qualità della vita

La ricerca di Lițan ha studiato l’impatto del technostress da IA sulla qualità della vita su un campione di 217 adulti rumeni, usando un modello che distingue cinque stressori — techno-overload, techno-invasion, techno-complexity, techno-insecurity e techno-uncertainty e due mediatori emotivi: l’affetto positivo e quello negativo. I risultati mostrano che il technostress da IA non influenza direttamente la qualità della vita, ma lo fa in modo indiretto attraverso le emozioni. In particolare, la techno-complexity e la techno-insecurity (la percezione della tecnologia come troppo complessa e la paura di essere sostituiti) aumentano l’affetto negativo, che a sua volta riduce la qualità della vita. La techno-insecurity riduce anche l’affetto positivo, con un effetto complessivo che si conferma il più forte fattore di rischio nel modello.

Il dato più interessante, però, è quello contro-intuitivo: la techno-uncertainty (l’incertezza generata dall’evoluzione continua dell’IA) produce un effetto opposto, aumentando l’affetto positivo e migliorando la qualità della vita. Gli autori interpretano questo risultato come evidenza che l’incertezza tecnologica, per alcuni individui, attiva curiosità, apertura verso il nuovo e strategie di coping proattive, trasformandosi in uno stimolo piuttosto che in una minaccia. Lo studio conclude quindi che ciò che determina il benessere non è la tecnologia in sé, ma le emozioni che essa genera e che queste sono in parte controllabili attraverso formazione tecnica e supporto psicologico.

L’importanza del contesto

Quindi, l’ansia da IA non è necessariamente disfunzionale. In contesti organizzativi con adeguato sostegno, l’ansia può diventare un motore di apprendimento e innovazione. La differenza sta nel tipo di risposta che viene attivata: una risposta di evitamento (rifiuto dello strumento, negazione del cambiamento) o una risposta di avvicinamento (curiosità, aggiornamento, sperimentazione).

Il ruolo della leadership in questo senso è risultato cruciale. I leader cosiddetti ‘trasformazionali’ — quelli che inquadrano l’IA come un’opportunità di crescita piuttosto che come una minaccia di obsolescenza, che modellano la curiosità come comportamento, che investono nello sviluppo delle competenze riescono a convertire l’ansia dei collaboratori in engagement. La variabile non è, perciò, la presenza dell’IA, ma il contesto psicologico in cui viene introdotta.

Cosa fare per ridurre gli effetti negativi

La domanda più utile, a questo punto, è cosa si debba fare, individualmente e organizzativamente, per usare questi strumenti senza pagarne un costo nascosto?

Pratica deliberata

La prima risposta riguarda la pratica deliberata. Ciò significa affiancare all’uso dell’IA sessioni di lavoro non assistito, mantenere la capacità di eseguire i compiti fondamentali del proprio dominio senza delega, monitorare attivamente il proprio livello di competenza nel tempo. Non si dovrebbe smettere di ragionare autonomamente solo perché esiste un sistema che lo fa al tuo posto.

Tipo di interazione

La seconda indicazione riguarda la qualità dell’interazione con lo strumento. La ricerca di Microsoft e Carnegie Mellon ha trovato che il fattore critico non è quante volte si usa l’IA, ma come i lavoratori che mantengono un atteggiamento critico verso l’output (lo verificano, lo mettono in discussione, lo integrano con il proprio giudizio) mostrano effetti di erosione cognitiva significativamente minori. La skill che conta non è usare l’IA, ma sapere quando non fidarsi della stessa.

Formazione

La terza riflessione, la più importante per i contesti organizzativi, riguarda il ripensamento del percorso formativo. Se il lavoro di volume che tradizionalmente formava gli junior viene assorbito dall’automazione, le organizzazioni devono progettare attivamente esperienze di apprendimento sostitutive. Non possono assumere che l’apprendistato avvenga per osmosi come prima, ma devono costruirlo intenzionalmente. Questo significa mantenere momenti di lavoro non assistito, strutturare il mentoring in modo esplicito, creare occasioni di pratica anche quando l’IA permetterebbe di evitarle.

Le 4 C dell’adattabilità professionale

Per i senior, la sfida è di tipo diverso. Si tratta di coltivare quella che la ricerca sulle career adapt-abilities descrive come le quattro C dell’adattabilità professionale — concern (preoccuparsi del futuro in modo costruttivo), control (sentirsi agenti del proprio sviluppo), curiosity (esplorare possibilità nuove), e confidence (credere nella propria capacità di adattarsi). Si tratta di orientamenti che si possono coltivare e che fanno la differenza tra chi vive il cambiamento tecnologico come una minaccia all’identità e chi lo vive come un ampliamento delle proprie possibilità.

Consapevolezza metacognitiva

In ultimo, c’è una dimensione che riguarda la consapevolezza metacognitiva, cioè la capacità di osservare il proprio funzionamento mentale. La ricerca suggerisce che semplicemente sapere che il cognitive offloading esiste, e che ha un costo, riduce già in parte gli effetti negativi. I lavoratori che hanno ricevuto formazione su questi meccanismi tendono a usare gli strumenti IA in modo più riflessivo, a mantenere maggiore controllo attivo sul processo cognitivo, a chiedersi cosa stanno imparando anche quando lo strumento potrebbe fare tutto da solo.

Non è una questione di tecnologia, ma di mente

Quello che ad oggi la ricerca sa dirci sull’uso dell’intelligenza artificiale, è che essa amplia le capacità di chi sa usarla bene, ma crea anche rischi reali di dipendenza cognitiva, di erosione delle competenze, di ansia e disorientamento identitario. E lo fa in modo asimmetrico: gli junior rischiano di non costruire il sistema di competenze che li renderebbe capaci di diventare esperti, mentre i senior rischiano di perdere progressivamente le competenze che hanno già costruito, senza accorgersene finché non è troppo tardi.

Tuttavia, questi rischi non sono inevitabili. Sono il risultato di come usiamo gli strumenti, non dell’esistenza degli strumenti in sé. La differenza tra chi esce da questa transizione più competente e chi ne esce più fragile dipenderà dalla capacità di usare l’IA senza delegarle ciò che rende il proprio lavoro intellettualmente significativo.