Il “workslop” generato dall’AI sta distruggendo la produttività

Nelle aziende che adottano strumenti di AI generativa si verificano fenomeni contraddittori: mentre i lavoratori seguono in gran parte le direttive di adottare questa tecnologia, pochi vedono che essa crei un valore reale. Si consideri, ad esempio, che il numero di aziende con processi completamente guidati dall’intelligenza artificiale è quasi raddoppiato nel 2024, mentre l’uso dell’intelligenza artificiale sul lavoro è raddoppiato dal 2023. Tuttavia, un recente rapporto del MIT Media Lab ha rilevato che il 95% delle organizzazioni non verifica alcun ritorno misurabile sul proprio investimento in queste tecnologie. Tanta attività, tanto entusiasmo, così poco ritorno. Perché?

In collaborazione con lo Stanford Social Media Lab, il nostro team di ricerca di BetterUp Labs ha individuato una possibile ragione: i dipendenti utilizzano gli strumenti di AI per effettuare lavori di scarsa qualità anche se con un aspetto accettabile, col risultato di andare a creare più lavoro ai loro colleghi. Sui social media, sempre più intasati da post di bassa qualità generati dall’AI, questi contenuti sono spesso definiti “AI slop”. Nel contesto lavorativo, ci riferiamo a questo fenomeno come “workslop”, che definiamo come i contenuti lavorativi generati dall’intelligenza artificiale che si mascherano da lavoro di qualità, ma che mancano della sostanza necessaria per portare avanti in modo significativo un determinato compito.

Ecco come avviene questo fenomeno. Man mano che gli strumenti di intelligenza artificiale diventano più accessibili, i lavoratori sono sempre più in grado di produrre rapidamente risultati apparentemente ben rifiniti: diapositive ben formattate, relazioni lunghe e strutturate, sintesi apparentemente ben articolate di articoli accademici da parte di non esperti e codice utilizzabile. Mentre alcuni dipendenti, però, utilizzano questa capacità per completare meglio un buon lavoro, altri la utilizzano per creare contenuti che in realtà sono inutili, incompleti o privi di un contesto cruciale per il progetto in questione. L’effetto insidioso del workslop è che sposta il peso del lavoro a valle, richiedendo al destinatario di interpretare, correggere o rifare il lavoro. In altre parole, trasferisce lo sforzo dal creatore al destinatario.

Se avete mai vissuto questa esperienza, ricorderete forse la sensazione di confusione dopo aver aperto un documento del genere, seguita da frustrazione - Aspetta, ma che cos’è esattamente? - prima di cominciare a chiedervi se il mittente abbia semplicemente utilizzato l’intelligenza artificiale per generare grandi blocchi di testo invece di riflettere attentamente. Se questo vi suona familiare, siete stati vittime del workslop.

Secondo un nostro recente sondaggio, si tratta di un problema significativo. Su 1.150 dipendenti a tempo pieno con sede negli Stati Uniti in diversi settori, il 40% riferisce di aver ricevuto workslop nell’ultimo mese. I dipendenti che lo hanno riscontrato stimano che, in media, il 15,4% dei contenuti che ricevono al lavoro rientri in questa categoria. Il fenomeno si verifica principalmente tra colleghi (40%), ma il workslop viene inviato anche ai manager dai loro diretti subordinati (18%). Nel 16% dei casi il workslop scende lungo la gerarchia, dai manager ai loro team, o addirittura da livelli ancora più alti. Il workslop si verifica in tutti i settori, ma abbiamo scoperto che i servizi professionali e la tecnologia ne sono colpiti in modo sproporzionato.

Ecco cosa devono sapere i leader sul workslop e come possono impedire che intralci il lavoro nella loro azienda.

La tassa del workslop

Il trasferimento cognitivo alle macchine non è un concetto nuovo, né lo sono le preoccupazioni relative al fatto che la tecnologia possa sostituirsi alle capacità cognitive. Nel 2006, ad esempio, il giornalista tecnologico Nicolas Carr ha pubblicato un saggio provocatorio su The Atlantic intitolato “Google ci sta rendendo stupidi?”. Il modello mentale prevalente per il trasferimento cognitivo, che risale alle preoccupazioni di Socrate sull’alfabeto, è che affidiamo il lavoro mentale più impegnativo a tecnologie come Google perché è più facile, ad esempio, cercare qualcosa online piuttosto che sforzarsi per ricordarlo.

A differenza di questo outsourcing mentale a una macchina, tuttavia, il workslop utilizza in modo unico le macchine per scaricare il lavoro cognitivo su altri esseri umani. Quando i colleghi ricevono il workslop, spesso sono tenuti ad assumersi l’onere di decodificare il contenuto, deducendo il contesto mancante o errato. Ne può seguire una cascata di processi decisionali complessi e faticosi, tra cui rielaborazioni e scambi scomodi con i colleghi.

Consideriamo alcuni esempi.

Alla domanda sulla sua esperienza con il workslop, un consulente nel settore finanziario ha descritto l’impatto di ricevere un lavoro generato dall’intelligenza artificiale: “Ha creato una situazione in cui ho dovuto decidere se riscriverlo io stesso, farlo riscrivere a lui o semplicemente considerarlo abbastanza buono. Sta promuovendo l’idea di creare una società mentalmente pigra e lenta nel pensiero, che diventerà completamente dipendente [sic] da forze esterne”.

In un altro caso, un manager di prima linea nel settore tecnologico ha descritto le reazioni nel team: “Eravamo parecchio confusi nel cercare di capire cosa stesse realmente succedendo nell’e-mail e cosa volesse realmente dire. Probabilmente ci sono volute un’ora o due solo per riunire tutti e ripetere le informazioni in modo chiaro e conciso”.

Un direttore nel settore della vendita al dettaglio ha dichiarato: “Ho dovuto perdere altro tempo per seguire le informazioni e verificarle con le mie ricerche. Ho poi dovuto perdere ancora più tempo per organizzare riunioni con altri supervisori per affrontare la questione. Poi ho continuato a perdere tempo rifacendo il lavoro da solo”.

Ogni episodio di workslop comporta costi reali per le aziende. I dipendenti hanno riferito di aver impiegato in media un’ora e 56 minuti per gestire ogni caso di workslop. Sulla base delle stime dei partecipanti relative al tempo impiegato e ai loro stipendi autodichiarati, abbiamo calcolato che questi casi comportano un costo invisibile di 186 dollari al mese. Per un’organizzazione di 10.000 lavoratori, data la prevalenza stimata del workslop (41%), ciò comporta una perdita di produttività di oltre 9 milioni di dollari all’anno.

Gli intervistati hanno anche segnalato i costi sociali ed emotivi del workslop, compreso il problema di capire come rispondere diplomaticamente quando lo si riceve, in particolare nei rapporti gerarchici. Quando abbiamo chiesto ai partecipanti al nostro studio come si sentono quando ricevono un workslop, il 53% ha dichiarato di essere infastidito, il 38% confuso e il 22% offeso.

Il costo più allarmante potrebbe essere quello interpersonale. Il lavoro generato dall’AI, poco impegnativo e inutile, sta avendo un impatto significativo sulla collaborazione sul lavoro. Circa la metà delle persone che abbiamo intervistato considerava i colleghi che inviavano lavori scadenti meno creativi, capaci e affidabili rispetto a prima di ricevere il risultato. Il 42% li considerava meno affidabili e il 37% meno intelligenti. Ciò potrebbe riflettere una recente ricerca sulla penalizzazione delle competenze per l’uso dell’AI sul lavoro, in cui gli ingegneri che presumibilmente utilizzavano l’AI per scrivere uno snippet di codice erano percepiti come meno competenti di quelli che non lo facevano (e le ingegnere donne erano penalizzate in modo sproporzionato).

Inoltre, il 34% delle persone che ricevono lavori scadenti ne informa i colleghi o i manager, minando potenzialmente la fiducia tra mittente e destinatario. Un terzo delle persone (32%) che hanno ricevuto lavori scadenti riferisce di essere meno propenso a voler lavorare di nuovo con il mittente in futuro.

Nel tempo, questo costo interpersonale dei lavori scadenti rischia di minare elementi critici della collaborazione che sono essenziali per il successo dell’adozione dell’AI sul posto di lavoro e della gestione del cambiamento.

Cosa possono fare i leader

In un certo senso, non è una novità. Il lavoro approssimativo è sempre esistito. Quando siamo stanchi, tendiamo a procrastinare, a prendere scorciatoie, a dedicarci a lavori futili invece di riflettere attentamente. L’intelligenza artificiale generativa ci offre una nuova tecnologia con cui assecondare le stesse vecchie cattive abitudini, ma ora con il costo aggiuntivo di creare più lavoro per i nostri colleghi e minare la collaborazione su larga scala.

Quindi, come possono le organizzazioni evitare questo risultato? Come possono invece ottimizzare l’utilizzo dell’AI da parte dei dipendenti in modo da ottenere un ritorno misurabile sul loro significativo investimento in questa tecnologia trasformativa? Qui offriamo alcuni principi chiave tratti dalla nostra ricerca originale e dall’esperienza maturata aiutando le aziende Fortune 500 ad adottare con successo l’AI in tutta la loro forza lavoro:

Regole indiscriminate portano a un uso indiscriminato.

Quando i leader organizzativi sostengono l’uso dell’AI ovunque e in ogni momento, danno l’esempio di una mancanza di discernimento su come applicare la tecnologia. È facile capire come questo si traduca in dipendenti che copiano e incollano senza riflettere le risposte dell’AI nei documenti, anche quando non è adatta al lavoro da svolgere. L’AI generativa non è adatta a tutte le attività, né è in grado di leggere nel pensiero. Certamente, può trasformare positivamente alcuni aspetti del lavoro, ma richiede comunque una guida attenta e un feedback da parte dei lavoratori per produrre risultati utili su lavori complessi o ambigui.

Inoltre, regole indiscriminate inducono il comportamento di scaricare la responsabilità sugli altri. Mentre i dipendenti dovrebbero essere dotati di autonomia in materia di AI, l’organizzazione dovrebbe lavorare attraverso le proprie politiche e raccomandazioni accurate sulle migliori pratiche, gli strumenti migliori e le norme. Se l’AI è compito di tutti, è anche, e soprattutto, compito dei leader organizzativi sviluppare una guida per i dipendenti per aiutarli a utilizzare questa nuova tecnologia in modi che meglio si allineano alla strategia, ai valori e alla visione dell’organizzazione.

La mentalità è importante.

I nostri laboratori hanno monitorato i fattori predittivi dell’adozione dell’AI generativa tra la forza lavoro dal 2023 e abbiamo scoperto che i lavoratori con un alto livello di iniziativa e ottimismo sono molto più propensi ad adottare l’AI generativa rispetto a quelli con un basso livello di iniziativa e ottimismo. Chiamiamo questi lavoratori “piloti”, in contrapposizione ai “passeggeri”. I piloti utilizzano l’intelligenza artificiale generativa il 75% in più sul lavoro rispetto ai passeggeri e il 95% in più al di fuori del lavoro.

Forse ancora più importante, però, alla luce di questi risultati sul workslop, è il modo in cui i piloti utilizzano l’intelligenza artificiale generativa. I piloti sono molto più propensi dei passeggeri a utilizzare l’AI per migliorare la propria creatività, ad esempio. I passeggeri, a loro volta, sono molto più propensi dei piloti a utilizzarla per evitare di lavorare. I piloti utilizzano l’AI in modo mirato per raggiungere i propri obiettivi.

Rinnovare l’impegno alla collaborazione.

Molte delle attività necessarie per lavorare bene con l’AI (dare suggerimenti, offrire feedback, descrivere il contesto) sono collaborative. Il lavoro odierno richiede sempre più collaborazione, non solo con gli esseri umani, ma anche, ora, con l’AI. La complessità della collaborazione si è solo accentuata. Il workslop è un eccellente esempio delle nuove dinamiche collaborative introdotte dall’AI che possono ridurre la produttività invece di migliorarla. Le nostre interazioni con l’AI hanno implicazioni per i nostri colleghi e i leader devono promuovere dinamiche uomo-AI che supportino la collaborazione.

Una collaborazione senza soluzione di continuità nel 2026 deve includere i modi in cui incorporiamo i prodotti del lavoro dell’AI nei nostri flussi di lavoro comuni, al servizio di risultati condivisi, piuttosto che come veicolo per eludere in modo sovversivo le responsabilità. Si tratta di una nuova frontiera critica dei comportamenti di cittadinanza organizzativa che distinguerà le aziende che massimizzano il valore dell’AI da quelle che svolgono attività di AI senza alcun impatto.

Il workslop può sembrare facile da creare, ma ha un costo per l’organizzazione. Quella che il mittente percepisce come una scappatoia diventa un buco da cui il destinatario deve uscire. I leader faranno del loro meglio per modellare un uso ponderato dell’AI che abbia uno scopo e un’intenzione. Stabilite regole chiare per i vostri team in merito alle norme e all’uso accettabile. Inquadrate l’AI come uno strumento di collaborazione, non come una scorciatoia. Adottate una mentalità pilota, con grande intraprendenza e ottimismo, utilizzando l’AI per accelerare risultati specifici con un uso specifico. E mantenete gli stessi standard di eccellenza per il lavoro svolto dai duo bionici uomo-AI e da quelli svolti solo dagli esseri umani.

Kate Niederhoffer è vicepresidente di BetterUp Labs e psicologa sociale. Gabriella Rosen Kellerman è medico, chief product officer e chief innovation officer presso BetterUp, piattaforma di coaching con sede a San Francisco. Angela Lee è dottoranda presso il Dipartimento di Comunicazione dell’Università di Stanford. Alex Liebscher è ricercatore presso BetterUp Labs. Kristina Rapuano è ricercatrice scientifica presso BetterUp Labs. Jeffrey T. Hancock è Professore di Comunicazione presso la Stanford University, direttore fondatore dello Stanford Social Media Lab e direttore del Cyber Policy Center di Stanford.