* Il paradosso dell'AI: più tecnologia, più ore lavorate * I numeri del CEPR: cosa dicono i dati * L'effetto ChatGPT: oltre tre ore in più a settimana * Perché lavoriamo di più e non di meno * Il nodo della produttività e le competenze che servono * Cosa aspettarsi nei prossimi anni
Il paradosso dell'AI: più tecnologia, più ore lavorate {#il-paradosso-dellai-più-tecnologia-più-ore-lavorate}
C'era una narrazione, diffusa e rassicurante, che accompagnava l'avvento dell'intelligenza artificiale nel mondo del lavoro: le macchine avrebbero preso in carico le mansioni ripetitive, i compiti più gravosi, le attività a basso valore aggiunto. E noi, finalmente, avremmo lavorato meno. Più tempo per la vita, per la creatività, per il pensiero strategico.
I dati raccontano un'altra storia. Anzi, raccontano esattamente la storia opposta.
Stando a quanto emerge da un'analisi condotta dal CEPR (_Centre for Economic Policy Research_), una delle reti di ricerca economica più autorevoli a livello europeo, i lavoratori impiegati nei settori maggiormente esposti all'intelligenza artificiale non hanno visto ridursi le proprie ore di lavoro. Le hanno viste aumentare. E non di poco.
I numeri del CEPR: cosa dicono i dati {#i-numeri-del-cepr-cosa-dicono-i-dati}
Il dato centrale dello studio è netto: chi opera in ambiti professionali ad alta esposizione all'AI lavora in media 2,2 ore in più a settimana rispetto a chi si trova in settori meno toccati dalla trasformazione tecnologica. Due ore e dodici minuti che, moltiplicati per le cinquantadue settimane dell'anno, producono oltre 114 ore aggiuntive — l'equivalente di quasi tre settimane lavorative in più.
Non si tratta di un fenomeno marginale né circoscritto a una singola categoria professionale. L'analisi del CEPR attraversa trasversalmente diversi comparti, dalla consulenza alla finanza, dal marketing alla programmazione software, e il pattern è coerente: là dove l'AI è entrata con più forza, l'orario di lavoro si è dilatato.
Una dinamica che si inserisce in un quadro più ampio di trasformazione del mercato del lavoro, dove — come evidenziato anche dall'evoluzione di settori come la logistica — l'adozione di strumenti basati su intelligenza artificiale e dati in tempo reale sta ridefinendo ritmi e aspettative produttive.
L'effetto ChatGPT: oltre tre ore in più a settimana {#leffetto-chatgpt-oltre-tre-ore-in-più-a-settimana}
Il quadro peggiora — o quantomeno si accentua — quando si restringe l'analisi ai lavoratori che utilizzano regolarmente chatbot basati su modelli linguistici di grandi dimensioni, come ChatGPT. In questo caso il divario nelle ore lavorate supera le tre ore settimanali.
Tre ore. Ogni settimana. Non in meno, ma in più.
È un paradosso che merita attenzione. Lo strumento nato per velocizzare la stesura di email, la sintesi di documenti, la generazione di codice e l'analisi di dati sembra produrre, almeno nella fase attuale, un effetto controintuitivo: non sottrae lavoro, ma ne genera di nuovo. O meglio, alza l'asticella di ciò che ci si aspetta venga prodotto nello stesso arco temporale — e quell'arco temporale finisce per espandersi.
Del resto, la corsa all'adozione di strumenti AI per semplificare i processi lavorativi non accenna a rallentare. Basti pensare a piattaforme come Manus, l'intelligenza artificiale cinese progettata proprio per alleggerire il carico lavorativo quotidiano: la promessa è sempre la stessa, ma i risultati sul campo restano ambigui.
Perché lavoriamo di più e non di meno {#perché-lavoriamo-di-più-e-non-di-meno}
Le spiegazioni possibili sono diverse, e probabilmente concorrono tutte.
La prima è strutturale: quando uno strumento rende più efficiente una singola attività, l'organizzazione non elimina il tempo risparmiato. Lo riempie. Con nuovi compiti, nuove richieste, nuovi obiettivi. È il meccanismo che gli economisti chiamano Jevons paradox — applicato originariamente al consumo di carbone nell'Inghilterra vittoriana, ma perfettamente calzante per descrivere cosa accade con l'efficienza tecnologica nel lavoro contemporaneo.
La seconda ragione è culturale. In molti contesti aziendali, soprattutto nel mondo anglosassone ma sempre più anche in Italia, la disponibilità di strumenti AI viene interpretata come un'opportunità per aumentare la produzione, non per ridurre l'impegno orario. Se prima servivano otto ore per preparare un report, e ora ne bastano quattro, la risposta del management non è "vai a casa alle 14", ma "prepara due report".
C'è poi una terza dimensione, più sottile. L'intelligenza artificiale generativa — ChatGPT in primis — ha abbassato drasticamente la soglia di accesso a competenze che prima richiedevano specializzazione. Questo significa che molti lavoratori si trovano a svolgere attività che prima non rientravano nel loro perimetro: analisi dati, produzione di contenuti, automazione di processi. Più cose sai fare (o credi di poter fare grazie all'AI), più cose ti vengono chieste.
Il nodo della produttività e le competenze che servono {#il-nodo-della-produttività-e-le-competenze-che-servono}
Resta aperta una questione di fondo: se lavoriamo di più, produciamo anche di più? E soprattutto: produciamo meglio?
I dati aggregati sulla produttività nelle economie avanzate non mostrano, almeno per ora, quel balzo trasformativo che l'hype sull'intelligenza artificiale lascerebbe presagire. I guadagni di efficienza esistono a livello micro — il singolo task completato più rapidamente — ma a livello macro il quadro è più sfumato. L'aumento delle ore lavorate potrebbe in parte compensare, o addirittura mascherare, i reali guadagni di produttività per unità di tempo.
Quello che emerge con chiarezza, invece, è che il mercato del lavoro sta ridisegnando la propria mappa delle competenze richieste. La capacità di utilizzare strumenti AI in modo efficace sta diventando un prerequisito trasversale, e non solo nei settori tecnologici. Una tendenza che, come già osservato, porta molti a chiedersi se le competenze digitali non stiano diventando più decisive della laurea stessa nel determinare le traiettorie professionali.
Per le università italiane e per il sistema formativo nel suo complesso, il messaggio è duplice. Da un lato, occorre aggiornare i curricula per includere l'alfabetizzazione AI come competenza trasversale. Dall'altro, serve formare professionisti capaci non solo di usare questi strumenti, ma di governarli — di capire quando l'efficienza apparente si traduce in un reale beneficio e quando, invece, alimenta soltanto un ciclo di sovraccarico.
Cosa aspettarsi nei prossimi anni {#cosa-aspettarsi-nei-prossimi-anni}
Sarebbe ingenuo trarre conclusioni definitive da uno studio, per quanto autorevole. L'intelligenza artificiale è ancora nelle fasi iniziali della sua penetrazione nel tessuto produttivo, e gli effetti di lungo periodo potrebbero divergere significativamente da quelli osservati oggi. La storia dell'innovazione tecnologica insegna che i benefici occupazionali e organizzativi tendono a materializzarsi con ritardi considerevoli rispetto all'adozione delle nuove tecnologie.
Ma i dati del CEPR suonano come un campanello d'allarme per chiunque — legislatori, sindacati, imprese, lavoratori — si fosse abituato all'idea che l'AI avrebbe automaticamente significato meno fatica. Per ora, significa più lavoro. Diverso, forse. Più qualificato, in parte. Ma non meno.
La questione, allora, non è se l'intelligenza artificiale cambierà il lavoro. Lo sta già facendo. La vera domanda è: a beneficio di chi? Se l'efficienza guadagnata si traduce sistematicamente in maggiore carico per i lavoratori anziché in maggiore tempo libero, il problema non è tecnologico. È politico. Ed è su questo piano che andrebbe affrontato.