Per secoli ci siamo raccontati che ogni nuova ondata tecnologica avrebbe ridotto i carichi di lavoro, permettendo agli esseri umani di riprendersi il proprio tempo. Nel saggio Possibilità economiche per i nostri nipoti, John Maynard Keynes prevedeva che entro il 2030 il progresso tecnologico e l’aumento della produttività avrebbero reso possibile una settimana lavorativa di 15 ore. L'economista immaginava questa trasformazione come la soluzione al cosiddetto “problema economico”: una volta soddisfatti i bisogni fondamentali, le persone avrebbero potuto dedicarsi al tempo libero e a una vita migliore. Era il 1930, e oggi il 2030 non è più così lontano.Da allora sono arrivati calcolatrici, sistemi operativi, fogli di calcolo, email e chatbot — tutti strumenti che, almeno nelle promesse, dovevano portarci nella stessa direzione: meno ore di lavoro, più tempo libero e un migliore equilibrio tra vita privata e professionale.Pensiero stupendoLe prime evidenze suggeriscono però che quella, almeno per ora, rimane un’utopia. Un’analisi pubblicata lo scorso anno dal Centre for Economic Policy Research indica che l’intelligenza artificiale non riduce la giornata lavorativa. Anzi, tende ad allungarla. Uno studio che mette in relazione i dati sull’uso del tempo con l’esposizione professionale all’AI mostra che i lavoratori impiegati in occupazioni più esposte a questa tecnologia hanno aumentato le ore settimanali lavorate rispetto a quelli meno esposti. Passare dal 25° al 75° percentile di esposizione all’AI è associato a circa 2,2 ore di lavoro in più a settimana. Dopo il lancio di ChatGPT, le professioni più esposte hanno lavorato circa 3,15 ore in più a settimana rispetto a quelle meno coinvolte.Questo andamento non smentisce l’aumento di produttività: ne è piuttosto una conseguenza. I professionisti sono chiamati a fare di più proprio perché le macchine permettono loro di lavorare più velocemente. Se usata con criterio, l’AI generativa può rendere alcuni lavoratori più efficienti. È successo con molte tecnologie nel corso della storia. Ma questa maggiore produttività si è sempre tradotta in meno ore di lavoro?Nei paesi più ricchi il numero annuale di ore lavorate è effettivamente diminuito nel corso del tempo. Ma questo cambiamento non è dipeso solo dalla tecnologia: hanno avuto un ruolo decisivo anche i sindacati e le leggi contro lo sfruttamento del lavoro. C’è poi un’altra questione: come viene misurato il tempo di lavoro. Molti “colletti bianchi" conoscono bene l’impatto del digitale sul tempo libero e come i dispositivi mobili abbiano allargato i confini della giornata lavorativa. Avete presente i messaggi di quel collega che vi arrivano alle nove di sera?Beta testing globaleI grandi modelli linguistici hanno aperto nuove frontiere nel mercato del lavoro. Professioni come il coding, il copywriting, l’analisi finanziaria e molte altre stanno cambiando rapidamente. In molti sensi stiamo vivendo una sorta di fase di beta test globale che ci porterà a capire come incorporare questa tecnologia. Ogni settimana leggiamo di migliaia di persone licenziate “a causa dell’AI”. Qualche mese dopo scopriamo che le stesse aziende stanno assumendo di nuovo per via di “problemi di implementazione”. L’impressione è che l’AI sia diventata il capro espiatorio anche per licenziamenti che sarebbero arrivati comunque per altre ragioni.Tra gli ingegneri informatici circola da tempo un meme che mostra il rapporto tra scrittura del codice e debugging prima e dopo ChatGPT. Il risultato è ironico ma significativo: il tempo totale speso su un progetto aumenta, perché si passa più tempo a testare, correggere e fare debug del codice generato dalle macchine. Quel meme è adesso confermato da diversi studi, che mostrano come venga richiesto anche più software, e quindi più lavoro. Un recente articolo del New York Times ha evidenziato un problema simile nella contabilità. Quando è stato chiesto a diversi chatbot di compilare dichiarazioni fiscali fittizie, Gemini, Claude, ChatGPT e Grok hanno commesso errori significativi, a volte sbagliando di migliaia di dollari. Il costo di questi errori si paga in termini di tempo, e di denaro.Il problema è anche strutturale. Stiamo chiedendo ai chatbot di fare tutto, anche compiti che potrebbero essere svolti meglio da tecnologie già esistenti. L’intelligenza artificiale e gli algoritmi esistevano da molto prima dei grandi modelli linguistici e dei chatbot conversazionali. Dovremmo aver imparato a conoscere le potenzialità — oltre che i limiti — della data science, del machine learning e degli algoritmi. Non tutta l’AI è LLM, e non tutti gli algoritmi sono forme di AI.Sembra che molti trovino più interessante sprecare tempo in conversazioni con chatbot compiacenti, piuttosto che usare strumenti specializzati per portare a termine il lavoro in modo corretto. Il costo della tanto discussa corsa verso l’AGI è una grande quantità di test, ed errori, nel mondo reale. I LLM, dopotutto, sono stati progettati per prevedere la parola successiva in una sequenza di testo. Perché dovremmo chiedere loro di svolgere compiti che potrebbero essere eseguiti meglio da altre tecnologie, come strumenti spesso già disponibili e più affidabili?Immaginate di acquistare una calcolatrice, o un foglio di calcolo, che restituisce risultati sbagliati. Vi fidereste? Se ogni risultato deve essere ricontrollato e rifatto, tanto vale farlo direttamente da soli. L’affidabilità resta quindi il nodo centrale. Se le macchine non sono completamente affidabili, i lavori non possono essere completamente automatizzati. Fino a quando questo non cambierà, continueremo a lavorare con le macchine, e per le macchine. Gli attuali modelli linguistici non possiedono un vero concetto di verità o correttezza: calcolano semplicemente quale sequenza di token o parole sia più probabile. Per migliorare hanno bisogno di persone che etichettino i dati, correggano gli errori e guidino il loro processo di apprendimento. Oltre ai programmatori e ai lavoratori sottopagati dell’industria dell’AI, ci sono milioni di persone che lavorano per le aziende produttrici semplicemente usando questa tecnologia. E pagando pure un abbonamento.Spostare continuamente l’asticellaLo scorso agosto la Harvard Business Review ha pubblicato un articolo intitolato Attenzione alla trappola della sperimentazione con l’AI. Il testo commentava l'ormai famoso rapporto del MIT Media Lab e del Project NANDA, secondo cui, nonostante 30–40 miliardi di dollari di investimenti, il 95% delle aziende che hanno testato l’integrazione dell’AI non ha registrato alcun ritorno economico. Un mese fa ne ha condiviso un altro, questa volta titolato L'AI non riduce il lavoro, lo rende più intenso. Il tempo e il carico cognitivo richiesto aumentano con il multi-tasking.Il rapporto concludeva che “questi strumenti migliorano principalmente la produttività individuale, non le performance economiche delle aziende”. Prendiamo il caso di un’agenzia creativa. I costi di produzione possono anche diminuire, ma se i clienti non vedono miglioramenti nei propri risultati economici difficilmente chiederanno più progetti. Oppure potrebbero chiederne di più, ma a prezzi più bassi. Nel frattempo però ci saranno più bozze da rivedere, e da correggere. E più aspettative di alta produttività da parte dei clienti. Anche quando l’AI è implementata correttamente e produce guadagni misurabili, emerge un altro problema. In un mondo di fortemente competitivo e in cui le economie mature crescono lentamente, “il 40% più veloce” raramente significa “prendetevi il venerdì pomeriggio libero”. Più spesso significa semplicemente “fate di più” per lo stesso stipendio. Vi ricordate quando si parlava della settimana lavorativa di quattro giorni? Al momento non sembra essere particolarmente di moda.Gli economisti hanno un nome per questo fenomeno: la chiamano domanda indotta. Quando la produttività aumenta, nuove attività tendono ad emergere per riempire il tempo disponibile. Già nel 2023, un'analisi dell’OCSE sui rapporti tra AI e mercato del lavoro spiegava che l’automazione può ridurre il lavoro necessario per alcune attività, ma i guadagni di produttività possono aumentare la domanda altrove. A livello aziendale, il “tempo risparmiato” diventa “capacità liberata”. E questa capacità, soprattutto quando è accompagnata da pressione competitiva, tende a essere riutilizzata.Nel rapporto del 2025, si legge che “molti ricercatori e responsabili politici sono ottimisti riguardo al potenziale dell’AI di rilanciare la crescita della produttività. Ma i benefici dell’AI potrebbero non essere distribuiti in modo uguale e molto dipende da come l’AI viene utilizzata”. L'obsolescenza del lavoro umano, e la settimana da 15 ore lavorative probabilmente non si materializzeranno nei tempi previsti da Keynes. Fino a che la ricchezza prodotta non sarà tangibile e distribuita, queste rimarranno utopie.L’AI può ridurre il costo di produrre email, analisi, presentazioni, risposte ai clienti, codice, testi di marketing o bozze legali. Ma le organizzazioni e le aziende reagiranno come hanno sempre fatto: alzando continuamente l’asticella. Per ora l’automazione completa non è all’orizzonte, e probabilmente non dovrebbe esserlo finché i problemi di affidabilità dell’AI non saranno risolti. Nel breve periodo lo scenario più realistico potrebbe essere molto più simile a più lavoro, per la stessa paga.