Quando l’uso dell’IA porta al “brain fry”

IL GIORNO DI CAPODANNO, il programmatore Steve Yegge ha lanciato Gas Town, una piattaforma open source che consente agli utenti di orchestrare contemporaneamente sciami di agenti Claude Code, assemblando software a una velocità incredibile. I risultati sono stati impressionanti, ma anche vertiginosi. “Ci sono davvero troppe cose in ballo per poterle comprendere ragionevolmente”, ha scritto uno dei primi utenti. "Guardarlo mi ha provocato un senso di stress palpabile. Gas Town era troppo veloce per me".

Gas Town illustra una tensione crescente: l’IA promette di agire come un amplificatore che aumenterà l’efficienza e renderà il lavoro più facile, ma i lavoratori che utilizzano questi strumenti di IA riferiscono che intensificano il lavoro invece di semplificarlo.

Questo problema sta diventando sempre più comune. Le aziende incentivano i dipendenti a creare e supervisionare team complessi di agenti, ad esempio misurando e premiando il consumo di token come indicatore delle prestazioni. Meta, ad esempio, include il numero di righe di codice generate dall’IA come parametro di valutazione delle prestazioni degli ingegneri. Man mano che le aziende utilizzano sempre più sistemi multi-agente, i dipendenti si trovano a passare da uno strumento all’altro. Contrariamente alla promessa di avere più tempo per concentrarsi su lavori significativi, destreggiarsi tra più attività e il multitasking possono diventare le caratteristiche definitive del lavoro con l’IA.

Non sorprende che i lavoratori si trovino di fronte ai limiti delle loro capacità cognitive quando lavorano in questo modo. Nelle ultime settimane, gli utenti dell’IA online hanno descritto un aumento del carico cognitivo, un’attenzione “satura” e un affaticamento mentale nei post sui social media. L’ingegnere Francesco Bonacci, fondatore di Cua AI, ha scritto un popolare post su X intitolato “Vibe Coding Paralysis: When Infinite Productivity Breaks Your Brain” (Paralisi da programmazione: quando la produttività infinita ti “frigge” il cervello) in cui si lamentava: “Finisco ogni giornata esausto, non per il lavoro in sé, ma per la gestione del lavoro. Sei alberi di lavoro aperti, quattro funzioni scritte a metà, due “soluzioni rapide” che hanno generato un labirinto di problemi e la crescente sensazione di stare perdendo completamente il filo”.

Come gruppo di ricerca che studia le tendenze emergenti della forza lavoro e dell’IA, questi segnali hanno attirato la nostra attenzione. La letteratura è piena di segnali contrastanti sul rapporto tra IA e burnout dei lavoratori. (Il burnout è uno stato di stress cronico sul posto di lavoro che consiste in esaurimento, sentimenti negativi nei confronti del lavoro e diminuzione dell’efficacia sul lavoro stesso). Alcuni studi suggeriscono che l’uso dell’IA per sostituire compiti faticosi allevia l’esaurimento; altri studi, a volte condotti sulle stesse popolazioni, mostrano che l’uso dell’IA peggiora i risultati del burnout. L’emergere di un affaticamento mentale acuto e opprimente con un’intensa supervisione dell’IA, distinto dal burnout, aggiunge una nuova complessità al quadro.

Per capire cosa stesse succedendo, abbiamo condotto uno studio su 1.488 lavoratori a tempo pieno con sede negli Stati Uniti (48% uomini e 52% donne; 58% collaboratori indipendenti e 41% leader) presso grandi aziende di diversi settori, ruoli e livelli. Abbiamo chiesto loro informazioni sui modelli e sulla quantità di utilizzo dell’IA, sulle esperienze lavorative, sulla cognizione e sulle emozioni.

Abbiamo scoperto che il fenomeno descritto in questi post, ovvero l’esaurimento cognitivo dovuto alla supervisione intensiva degli agenti IA, è reale e significativo. Lo chiamiamo “AI brain fry” (“friggere il cervello con l’IA”) e lo definiamo come affaticamento mentale dovuto all’uso eccessivo o alla supervisione di strumenti di IA al di là delle proprie capacità cognitive. I partecipanti hanno descritto una sensazione di “ronzio” o di annebbiamento mentale con difficoltà di concentrazione, rallentamento nel processo decisionale e mal di testa. Questo stress mentale associato all’IA comporta costi significativi sotto forma di aumento degli errori dei dipendenti, affaticamento decisionale e intenzione di dimettersi.

Tuttavia, c’è una sfumatura. Abbiamo anche scoperto che quando l’IA viene utilizzata per sostituire compiti routinari o ripetitivi, i punteggi relativi al burnout, ma non quelli relativi all’affaticamento mentale, sono più bassi. Ciò evidenzia la sottile ma importante distinzione tra i tipi di stress che l’IA può alleviare e quelli che può aggravare.

I nostri risultati sono sia una guida che un avvertimento. Se utilizzati con attenzione, questi dati possono aiutare a progettare flussi di lavoro basati sull’IA per ridurre il burnout. Essi indicano anche pratiche specifiche per manager, team e organizzazioni per evitare l’affaticamento mentale anche quando il lavoro dell’IA si intensifica.

Quando l’uso dell’IA predice l’affaticamento mentale

Oggi esiste un’ampia varietà di modi in cui i lavoratori utilizzano l’IA. Esistono variazioni nel numero di strumenti utilizzati contemporaneamente, nel grado in cui l’IA sostituisce il lavoro rispetto a quello in cui lo potenzia, nel livello di supervisione richiesto e nel fatto che l’IA abbia aumentato o diminuito il carico di lavoro complessivo delle persone. Possono utilizzare agenti di ricerca, agenti di analisi dei dati, strumenti di generazione di immagini o di progettazione, o agenti di codifica. Abbiamo esaminato l’intera gamma di modelli di coinvolgimento, insieme alle misure cognitive, al fine di comprendere gli impatti mentali dei diversi tipi di utilizzo dell’IA.

Abbiamo appreso alcune cose importanti.

In primo luogo, abbiamo scoperto che la forma di coinvolgimento dell’IA più impegnativa dal punto di vista mentale era la supervisione, ovvero la misura in cui gli strumenti di IA richiedevano il monitoraggio diretto da parte del lavoratore. I lavoratori del nostro studio che hanno riferito che il loro lavoro con l’IA richiedeva un grado di supervisione elevato piuttosto che basso hanno impiegato il 14% in più di sforzo mentale sul lavoro. Un elevato grado di supervisione dell’IA ha anche previsto un aumento del 12% dell’affaticamento mentale per i partecipanti. Infine, una supervisione più intensiva dell’IA ha anche previsto un sovraccarico di informazioni maggiore del 19%, ovvero l’esperienza di sentirsi sopraffatti dalla quantità di informazioni che si devono elaborare sul lavoro.

Un secondo importante fattore predittivo relativo all’IA, sia per il carico cognitivo che per l’affaticamento mentale, era la misura in cui un dipendente riferiva che la presenza di strumenti di IA aveva aumentato il proprio carico di lavoro. Questi due fattori insieme, la supervisione dell’IA e l’aumento del carico di lavoro, aumentano la sfera di responsabilità dei dipendenti, richiedendo loro di prestare attenzione a più risultati per più strumenti nello stesso lasso di tempo. È logico che il carico cognitivo sia aumentato e, con esso, il loro esaurimento mentale.

Abbiamo anche scoperto una relazione affascinante tra il numero di strumenti di IA utilizzati contemporaneamente e l’aumento della produttività percepita. Quando i dipendenti passano dall’uso di uno strumento di IA all’uso simultaneo di due, sperimentano un aumento significativo della produttività. Quando incorporano un terzo strumento, la produttività aumenta nuovamente, ma a un ritmo inferiore. Dopo tre strumenti, tuttavia, i punteggi di produttività calano. Il multitasking è notoriamente improduttivo, eppure ne siamo continuamente attratti.

Mentre l’uso dell’IA, però, spesso predicava l’affaticamento mentale, non sembrava predire un aumento del burnout. Infatti, l’uso dell’IA per sostituire compiti ripetitivi predicava una diminuzione del burnout.

Questo può sembrare controintuitivo, ma c’è una logica. Esiste un precedente nella letteratura per questa separazione tra burnout e risultati cognitivi acuti. Le misure del burnout si concentrano tipicamente sulle dimensioni fisiche ed emotive del disagio. (Ad esempio, “Il tuo lavoro è emotivamente estenuante?”) L’affaticamento mentale acuto, d’altra parte, è causato dal concentrare l’attenzione, la memoria di lavoro e il controllo esecutivo oltre la capacità limitata di questi sistemi. Questo è esattamente ciò che richiede un’intensa supervisione dell’IA.

Introduzione all’“AI brain fry”

Alla fine del nostro studio, abbiamo chiesto ai partecipanti se avessero mai sperimentato “affaticamento mentale derivante da un uso eccessivo, dall’interazione e/o dalla supervisione di strumenti di IA oltre la propria capacità cognitiva”. In altre parole, il brain fry dovuto all’IA. (Abbiamo posto questa domanda alla fine per evitare effetti di priming. Tutti i punti precedenti avevano separato l’uso dell’IA dai risultati di interesse). Il 14% dei partecipanti al nostro studio che utilizzano l’IA per lavoro ha confermato di aver sperimentato il brain fry.

La prevalenza sembrava variare notevolmente a seconda del ruolo delle persone. All’estremità inferiore, solo il 6% di coloro che ricoprono ruoli legali ha riferito di averlo sperimentato, rispetto al 26% di coloro che ricoprono ruoli di marketing. Dopo il marketing, le funzioni con la più alta prevalenza di brain fry erano le risorse umane, le operations, l’ingegneria, la finanza e l’IT.

Ma cos’è l’AI brain fry? Molti partecipanti hanno usato le parole “nebbia” o “ronzio”. Hanno descritto un intenso scambio con gli strumenti, seguito da un’incapacità di pensare chiaramente, come postumi mentali caratterizzati da difficoltà di concentrazione, rallentamento del processo decisionale e mal di testa, che hanno costretto molti ad allontanarsi fisicamente dal computer per “resettarsi”.

Consideriamo la descrizione di un senior engineering manager: "Avevo uno strumento che mi aiutava a valutare le decisioni tecniche e un altro che produceva bozze e sintesi, e continuavo a passare da uno all’altro, ricontrollando ogni piccola cosa. Ma invece di andare più veloce, il mio cervello ha iniziato a sentirsi confuso. Non fisicamente stanco, solo... affollato. Era come se avessi una dozzina di schede del browser aperte nella mia testa, tutte in lotta per attirare la mia attenzione. Mi sono ritrovato a rileggere le stesse cose, a ripensarci molto più del solito e a diventare stranamente impaziente. Il mio pensiero non era interrotto, solo rumoroso, come un’interferenza mentale. Ciò che alla fine mi ha fatto uscire da questo stato è stata la consapevolezza che stavo lavorando più duramente per gestire gli strumenti che per risolvere effettivamente il problema".

Un direttore finanziario ha scritto: “Avevo continuato a rielaborare idee, sintetizzare dati, formare e organizzare il flusso di pilastri e lavoro... Non riuscivo nemmeno a capire se quello che avevo creato avesse senso... non riuscivo a fare nient’altro e ho dovuto riprovarci il giorno dopo, quando ero in grado di pensare”.

Entrambe queste descrizioni sono rappresentative di ciò che abbiamo sentito da altri partecipanti. Dal punto di vista qualitativo, indicano il sovraccarico di informazioni e il cambio di attività come fattori importanti nel brain fry causato dall’IA. Dal punto di vista quantitativo, abbiamo riscontrato una forte correlazione tra il brain fry e il sovraccarico di informazioni, ma una relazione meno diretta con gli elementi relativi al cambio di attività.

Il costo aziendale dell’AI brain fry

L’AI brain fry è più di un semplice disagio. I nostri dati rivelano che lo sforzo cognitivo creato dall’uso intensivo dell’IA comporta anche diversi costi aziendali di importanza critica.

Il primo è l’affaticamento decisionale. Forse non sorprende che, quando esauriamo il nostro cervello con il carico cognitivo di un intenso lavoro con l’IA, abbiamo meno risorse mentali disponibili per prendere decisioni di alta qualità. I lavoratori del nostro studio che hanno provato il brain fry sperimentano un affaticamento decisionale superiore del 33% rispetto a quelli che non l’hanno fatto. Uno studio del 2018 ha stimato il costo di un processo decisionale non ottimale per un’azienda con un fatturato di 5 miliardi di dollari a 150 milioni di dollari all’anno. Un aumento del 33% dell’affaticamento decisionale dei lavoratori potrebbe aumentare tale costo di milioni di dollari all’anno.

Probabilmente a causa di un meccanismo simile, abbiamo riscontrato relazioni predittive coerenti tra il brain fry dell’IA e le autovalutazioni di errori sia gravi che lievi sul lavoro. Abbiamo definito gli errori minori come “piccoli errori facili da individuare o correggere, come errori di codifica o di formattazione” e gli errori gravi come “errori con conseguenze più serie, come quelli che potrebbero influire sulla sicurezza, sui risultati o su decisioni importanti”. Tra i partecipanti che utilizzavano l’IA sul lavoro, quelli che sperimentavano il brain fry hanno riferito di commettere errori con una frequenza significativamente maggiore (rispettivamente dell’11% e del 39% in più nelle misure di frequenza degli errori minori e gravi) rispetto a quelli che non lo sperimentavano.

In molti casi, i dipendenti che utilizzano l’IA con elevata intensità sono le superstar di oggi, talenti che l’azienda deve trattenere. Tuttavia, il brain fry dell’IA è un indicatore positivo dell’intenzione di un dipendente di lasciare il lavoro. Tra i lavoratori che non hanno segnalato il brain fry causato dall’IA, il 25% ha mostrato un’intenzione attiva di lasciare il lavoro. Tra coloro che hanno segnalato il brain fry causato dall’IA, tale percentuale è salita al 34%. Ciò rappresenta un aumento del 39% dell’intenzione attiva dei lavoratori di lasciare il lavoro tra i principali utenti dell’IA.

Meno fatica, meno burnout

Tuttavia, non tutti gli utilizzi dell’IA provocano un sovraccarico mentale. Eravamo altrettanto interessati a capire in che modo l’IA potesse alleviare lo stress dei lavoratori. Abbiamo scoperto che quando i partecipanti utilizzavano l’IA per ridurre in modo sostanziale il tempo dedicato a compiti routinari o ripetitivi, riportavano punteggi di burnout significativamente più bassi, inferiori del 15% rispetto a quelli che non utilizzavano l’IA in questo modo.

Anche in questo caso, la logica è intuitiva. I compiti ripetitivi e poco piacevoli, definiti dai nostri colleghi “fatica”, costituiscono obiettivi ideali per l’utilizzo dell’IA. Se riusciamo a scaricare tali compiti spiacevoli sull’IA, avremo più tempo per attività più piacevoli e creative. Questo è ciò che sembrano aver fatto i dipendenti del nostro studio, che hanno riportato punteggi più alti in termini di impegno e motivazione sul lavoro, associazioni emotive più positive con l’IA e meno associazioni emotive negative rispetto agli altri. Questi partecipanti hanno riportato anche un grado più elevato di connessione sociale con i colleghi, forse perché avevano più tempo da dedicare ad attività “lontane dalla tastiera”.

Questa serie di risultati rafforza la distinzione tra il burnout come deficit più emotivo da un lato e l’affaticamento mentale causato dall’IA come sforzo cognitivo più acuto dall’altro. L’IA può aiutare ad alleviare l’esaurimento emotivo quando il suo utilizzo sostituisce alcune attività, consentendoci di dedicarci ad attività rigeneranti e positive. Quando, al contrario, il nostro uso dell’IA comporta un’intensa supervisione mentale, il nostro studio suggerisce che l’uso degli strumenti di IA può causare l’esaurimento mentale stesso.

Pratiche manageriali, di squadra e organizzative che fanno la differenza

L’esperienza dei dipendenti con l’IA non è solo una questione di scelte individuali. Abbiamo scoperto che le pratiche di squadra, manageriali e organizzative hanno un’influenza importante. Ma quali sono le più importanti per l’affaticamento mentale causato dall’IA?

A livello manageriale, i lavoratori i cui manager si prendono il tempo di rispondere alle loro domande sull’IA hanno ottenuto punteggi di affaticamento mentale inferiori del 15% rispetto a quelli i cui manager non lo fanno. Al contrario, quando i manager si aspettano che i dipendenti capiscano da soli come utilizzare l’IA, i loro subordinati ottengono punteggi di affaticamento mentale superiori del 5%: un piccolo ma misurabile costo dell’IA.

Per quanto riguarda i team, quando i dipendenti sentono la pressione del team a utilizzare l’IA, osserviamo un corrispondente aumento dell’affaticamento mentale. Osserviamo la stessa relazione quando c’è una variazione significativa nell’uso dell’IA all’interno del team. D’altra parte, quando i team hanno organizzato l’integrazione dell’IA nei loro processi, i membri sperimentano uno stress mentale significativamente inferiore. Tale integrazione può rappresentare l’eliminazione efficace dei compiti ripetitivi come collettivo. Le norme di gruppo possono rafforzare le relazioni produttive con i nuovi strumenti proprio come possono esercitare pressione su quelle negative.

A livello organizzativo, in linea di massima, pratiche come fornire una strategia chiara sull’IA e offrire formazione sembravano essere d’aiuto. Al contrario, quando le aziende non comunicavano chiaramente il ruolo dell’IA, i punteggi di affaticamento mentale erano più alti. Allo stesso modo, quando i dipendenti sentivano che la loro organizzazione si aspettava che svolgessero più lavoro grazie all’IA, i punteggi di affaticamento mentale erano più alti del 12%.

Si tratta di una scoperta fondamentale, perché la maggior parte dei messaggi organizzativi sul rapporto tra carico di lavoro e IA sono impliciti piuttosto che espliciti. Ad esempio, i riferimenti all’aumento della produttività grazie all’IA possono segnalare un’intensificazione del lavoro. Etichettare gli IC come “manager” degli agenti denota indirettamente un aumento del livello di responsabilità.

In questo contesto, diventa sempre più essenziale per le organizzazioni bilanciare i messaggi sull’efficienza potenziata dall’IA con la comunicazione sul benessere mentale dei lavoratori. I dipendenti del nostro studio che ritengono che le loro organizzazioni valorizzino l’equilibrio tra vita lavorativa e vita privata hanno ottenuto punteggi di affaticamento mentale inferiori del 28% rispetto agli altri. Anche questi segnali sono importanti, enormemente importanti.

Lezioni per i leader

L’IA può aiutare i dipendenti a lavorare più velocemente, a pensare in grande e a innovare di più. Nel processo, stiamo vedendo che può produrre un sovraccarico cognitivo, con le relative conseguenze personali e aziendali. I nostri risultati suggeriscono che la differenza tra i due non sta nella quantità di IA utilizzata da un individuo, ma nel modo in cui i lavoratori, i team, i leader e le organizzazioni ne modellano l’uso. Alcune lezioni per i leader:

Riprogettare i compiti, il lavoro e gli strumenti in modo olistico per la collaborazione umani + IA. La supervisione dell’IA non può semplicemente essere sovrapposta alla supervisione umana, né gli agenti IA possono essere accumulati su un utente all’infinito. Proprio come abbiamo norme per gli ambiti di controllo per la gestione degli esseri umani, così anche per la supervisione umana + agente e per gli agenti da soli devono essere definiti dei limiti. La nostra ricerca suggerisce un calo della produttività dopo l’uso di tre agenti IA contemporaneamente. Al contrario, quando i team integrano profondamente l’IA nei loro flussi di lavoro e trattano la tecnologia come una capacità collettiva piuttosto che come un fattore di differenziazione individuale, il carico cognitivo diminuisce. Inoltre, chi progetta nuovi strumenti di IA dovrebbe farlo tenendo presente la neurobiologia. Gli strumenti che richiedono un’attenzione o una memoria di lavoro meno intense, che invece supportano la creatività, favoriscono l’impegno sociale o sostengono lo sviluppo delle competenze, possono produrre un valore aziendale ancora maggiore, ma in modo sostenibile, incoraggiando l’innovazione, favorendo la crescita e suscitando gioia negli utenti.

Stabilire aspettative esplicite sull’IA e sul carico di lavoro. Quando le organizzazioni celebrano i “guadagni di produttività” senza chiarire le implicazioni sul carico di lavoro, i dipendenti lo interpretano come un’intensificazione del lavoro. Questa ambiguità da sola può aumentare lo stress. I leader riducono la tensione quando definiscono chiaramente lo scopo dell’IA nell’organizzazione, articolando come essa rimodella l’ambito dei ruoli, stabilendo linee guida sulla supervisione e chiarendo come evolverà il carico di lavoro. Il 70% degli sforzi di trasformazione dell’IA dovrebbe essere dedicato alle persone e ai processi, fornendo la giusta chiarezza affinché i dipendenti possano prosperare.

Spostare le metriche da attività e intensità a impatto. Incentivare la quantità di utilizzo porterà a sprechi, lavoro di bassa qualità e inutile stress mentale. Partite da un obiettivo aziendale chiaro e strategico, con risultati misurabili. Siate cauti nel rispondere all’innovazione in termini di efficienza. Non affrettatevi a sostituire il lavoro recentemente automatizzato da un lavoratore ingegnoso; farlo immediatamente sembrerà punitivo e disincentiverà ulteriori innovazioni.

Sviluppare le competenze dei lavoratori relative alla gestione del carico di lavoro dell’IA. Come indica il senior engineering manager sopra, alcune persone “lavorano più duramente per gestire gli strumenti che per risolvere effettivamente il problema”. Nel nostro lavoro con gli sviluppatori di software, abbiamo scoperto che quelli più avanzati nell’uso dell’IA iniziano a sentirsi bloccati nel loro progresso a meno che non riescano a sviluppare nuove competenze fondamentali come la definizione dei problemi, la pianificazione dell’analisi e la definizione delle priorità strategiche. Questi tipi di competenze possono essere sviluppati attraverso il miglioramento delle competenze dei lavoratori come mezzo per ridurre una pletora di nuovi e inutili lavori di IA. Solo perché un lavoratore può continuare a iterare con l’IA a un costo marginale basso non significa che debba farlo.

Impiegare strategicamente l’attenzione umana come risorsa limitata. Alcune delle competenze umane più preziose oggi, tra cui il discernimento, il processo decisionale e la pianificazione strategica, richiedono un’attenzione mirata. Mentre il burnout è diventato un motivo di preoccupazione in molti luoghi di lavoro, l’affaticamento mentale è più difficile da individuare nelle attuali indagini sul posto di lavoro. Le organizzazioni dovrebbero sviluppare misure di analisi delle persone per monitorare il carico cognitivo complessivo e proteggersi dall’affaticamento mentale causato dall’uso dell’IA come nuovo rischio legato al lavoro. Le culture, i team e i leader che danno priorità allo sviluppo cognitivo possono aspettarsi giudizi migliori, meno errori e tassi di fidelizzazione più elevati per i migliori talenti.

Il brain fry dell’IA rivela quanto velocemente e in modo potente i nuovi strumenti possono influenzare il nostro cervello mentre li utilizziamo. Successivamente, dobbiamo imparare come applicare lo stesso potere per ottenere risultati positivi sia per le persone che per le aziende.

Julie Bedard è amministratore delegato e partner presso Boston Consulting Group, membro dei team globali People & Organization e AI leadership dell’azienda e membro del BCG Henderson Institute. Fornisce consulenza ai leader di diversi settori industriali in materia di strategia IA e trasformazione delle risorse umane. Matthew Kropp è amministratore delegato e senior partner presso Boston Consulting Group, CTO di BCG X e membro del BCG Henderson Institute. Il suo lavoro e la sua ricerca si concentrano sull’implementazione dell’intelligenza artificiale nelle imprese e sulla definizione del rapporto tra agenti ed esseri umani sul posto di lavoro. Megan Hsu è project leader presso Boston Consulting Group e ambasciatrice presso il BCG Henderson Institute. La sua ricerca si concentra su come l’intelligenza artificiale e gli agenti stanno ridefinendo la natura del lavoro e la creazione di valore. Olivia T. Karaman è dottoranda presso l’Università della California, Riverside, dove studia le aspettative, l’attesa, l’incertezza e il benessere emotivo. È anche assistente di ricerca presso il Boston Consulting Group. Jason Hawes è dottorando presso l’Università della California, Riverside, dove studia l’impazienza come emozione e il ruolo della consapevolezza e del flusso nel benessere. È anche assistente di ricerca presso il Boston Consulting Group. Gabriella Rosen Kellerman è Expert Partner e Director presso il Boston Consulting Group e coautrice, insieme al professor Martin Seligman, di Tomorrowmind. Psichiatra di formazione, Kellerman ha concentrato la sua ricerca sulle prestazioni organizzative in condizioni di incertezza e sulla leadership nell’era dell’intelligenza artificiale generativa.

Gli autori desiderano ringraziare Caitlyn Jin, Venessa Arellano e Blake Elliott per il loro aiuto in questo studio.