AI e produttività: il 40% dei guadagni svanisce nella rielaborazione

C’è un paradosso al cuore dell’adozione dell’intelligenza artificiale nelle organizzazioni. Le aziende investono in strumenti AI per guadagnare tempo, e in molti casi ci riescono. Ma una quota significativa di quel tempo viene immediatamente riassorbita da un’attività che nessuno ha pianificato: correggere, riscrivere, verificare. È quello che Workday chiama “AI tax”, una tassa silenziosa sulla produttività che erode il valore prima ancora che diventi visibile nei risultati.

Questi sono i dati centrali del report globale Beyond Productivity: Measuring the Real Value of AI, presentato da Workday in occasione dell’inaugurazione del suo primo Innovation Lab italiano a Milano. La ricerca, condotta da Hanover Research nel novembre 2025 su 3.200 rispondenti tra leader e dipendenti in Nord America, EMEA e APAC, offre una delle letture più complete e scomode dello stato reale dell’AI in azienda.

Velocità senza qualità: il meccanismo della produttività illusoria

Il punto di partenza della ricerca è una constatazione che molte organizzazioni fanno fatica ad ammettere: i guadagni lordi di produttività – le ore risparmiate grazie all’AI – non corrispondono ai guadagni netti. A livello globale, circa il 37% del tempo risparmiato viene perso in attività di rielaborazione: correzione di errori, riscrittura di contenuti, verifica di output generati da strumenti AI generalisti. In termini concreti, per ogni dieci ore guadagnate, quasi quattro vengono restituite al ciclo di correzione. I dipendenti più intensamente coinvolti nell’uso dell’AI perdono in questo modo circa una settimana e mezza di lavoro all’anno.

Il risultato è che solo il 14% dei dipendenti ottiene risultati netti chiaramente positivi dall’uso dell’AI in modo costante. Gli altri si trovano in una zona grigia dove la percezione di efficienza non corrisponde a un effettivo miglioramento degli output o delle decisioni. Questo non accade perché i dipendenti usano male l’AI. Accade perché le organizzazioni hanno introdotto strumenti nuovi senza aggiornare i sistemi che li circondano: le competenze, i ruoli, i processi, le aspettative. Come scrive il report, i lavoratori si trovano ad usare strumenti del 2025 all’interno di strutture lavorative del 2015.

Il dato italiano: più tempo risparmiato, ma anche più correzioni

In Italia il quadro è per certi versi più accentuato. Il 94% dei lavoratori italiani dichiara di risparmiare tra una e sette ore a settimana grazie all’AI, un dato superiore alla media globale dell’85%. Il 42% risparmia tra quattro e sette ore, quasi un giorno lavorativo. Un lavoratore su tre usa strumenti AI almeno una volta al giorno, e il 92% si dichiara più produttivo rispetto ai dodici mesi precedenti. Eppure, un lavoratore italiano su due dedica tipicamente tra una e due ore a settimana a chiarire, correggere o riscrivere risultati di scarsa qualità. Il tempo risparmiato e il tempo perso coesistono, e spesso si bilanciano in modi che le metriche tradizionali di produttività non riescono a catturare.

Sul fronte del reinvestimento, l’Italia mostra segnali relativamente incoraggianti: il 59% dei dirigenti italiani dichiara che la propria organizzazione ha dato priorità al reinvestimento dei guadagni AI nella formazione e nello sviluppo delle competenze. Tuttavia, solo il 54% dei dipendenti ha effettivamente riscontrato un aumento degli investimenti in quest’area — un divario che, anche se più contenuto rispetto alla media globale, resta significativo e segnala la distanza tra intenzioni dichiarate e realtà vissuta.

Chi paga il prezzo più alto

Una delle parti più originali della ricerca è la costruzione di una matrice di produttività netta che segmenta i dipendenti in quattro profili, incrociando il tempo risparmiato grazie all’AI con il tempo speso a correggerne gli output.

Gli Augmented Strategists sono il gruppo che funziona meglio: usano l’AI per identificare pattern e supportare decisioni, non come sostituto del ragionamento. Il 93% la tratta come uno strumento di amplificazione cognitiva. Sono perlopiù professionisti tra i 35 e i 44 anni, concentrati in IT e marketing, e ricevono il doppio della formazione rispetto agli altri gruppi.

All’estremo opposto si trovano i Low-Return Optimists: gli utenti più entusiasti e più oberati. Sono prevalentemente giovani tra i 25 e i 34 anni, concentrati nelle funzioni HR. Il 62% usa l’AI ogni giorno, il 56% la utilizza per fare più cose anziché cose migliori, e il 77% controlla l’output AI con lo stesso o maggiore rigore con cui verificherebbe il lavoro di un collega umano, aggiungendo un livello nascosto di lavoro invece di eliminarne uno. Paradossalmente, ricevono meno formazione di qualsiasi altro gruppo (37%), nonostante siano i più esposti al rischio di rework.

I Misaligned Middle sono i dipendenti che usano l’AI ma con scarso ritorno: l’effort necessario per rendere l’output utilizzabile supera spesso i benefici. L’89% lavora in organizzazioni in cui meno della metà dei ruoli è stata aggiornata per includere competenze AI. Il 17% teme che la dipendenza dall’AI stia indebolendo le proprie capacità cognitive. Solo il 72% intende restare nel proprio ruolo nei prossimi dodici mesi.

Gli Observers, infine, non perdono tempo a correggere output AI perché non usano ancora l’AI in modo significativo. Lavorano in organizzazioni a bassa maturità tecnologica e rappresentano l’opportunità di attivazione più immediata, con barriere relativamente basse all’ingresso.

La trappola del burnout silenzioso

C’è una dinamica psicologica che il report mette a fuoco con precisione. I dipendenti più esposti al rework, i Low-Return Optimists, sono anche i più ottimisti: oltre il 90% ritiene che l’AI li aiuterà ad avere successo nei ruoli futuri. Questa fiducia, però, coesiste con un carico operativo crescente che le organizzazioni non stanno compensando con supporto adeguato. Il 95% di questi dipendenti intende restare nel proprio ruolo il prossimo anno, ma solo il 56% sceglierebbe di nuovo lo stesso lavoro. I benefit e la flessibilità trattengono le persone, ma il costo cumulativo del rework erode l’engagement nel tempo. Il burnout nell’era AI, suggerisce la ricerca, non è resistenza al cambiamento: è esposizione prolungata a output di bassa qualità senza supporto organizzativo adeguato. Il problema è aggravato da investimenti mal indirizzati. Le organizzazioni tendono a rispondere alla fatica con iniziative di wellbeing e flessibilità.  Intervengono sui sintomi e investono poco  nella formazione e nel ridisegno dei ruoli, che sarebbero gli interventi capaci di ridurre la necessità di rielaborazione alla fonte.

Reinvestire nelle persone: la differenza che cambia i risultati

La ricerca identifica con chiarezza cosa distingue le organizzazioni che trasformano i guadagni AI in valore duraturo da quelle che rimangono intrappolate nel ciclo della produttività illusoria: le prime reinvestono nelle persone, non solo in tecnologia.

Tra gli Augmented Strategists, il 79% ha ricevuto una formazione più sostanziale e il 57% lavora in organizzazioni che hanno aumentato gli investimenti nella connessione e nella collaborazione di team. Il 98% di questi dipendenti raccomanderebbe la propria organizzazione come luogo di lavoro, un indicatore di engagement difficile da ignorare. Eppure, guardando all’allocazione reale delle risorse, le organizzazioni continuano a preferire la tecnologia alle persone: il 39% dei risparmi generati dall’AI viene reinvestito in tecnologia e infrastrutture, solo il 30% in sviluppo della forza lavoro. Il tempo risparmiato viene perlopiù reindirizzato verso maggiore volume di lavoro (32%) e attività strategiche (53%), mentre l’upskilling raccoglie solo il 29% delle priorità dichiarate dai leader. Quattro in cinque leader concordano che le organizzazioni che reinvestono i guadagni AI nello sviluppo della forza lavoro saranno più competitive e resilienti nel lungo termine. Ma le azioni, per ora, non seguono le intenzioni.

Le implicazioni per chi progetta l’esperienza organizzativa

Per chi si occupa di customer experience, questo report ha una rilevanza che va oltre la gestione dell’AI interna. Parla di come le organizzazioni misurano il valore e di quanto le metriche sbagliate possano creare una percezione di progresso che nasconde un’erosione reale di qualità e capacità. La distinzione tra produttività lorda e produttività netta che Workday propone è applicabile ben oltre l’uso degli strumenti AI: è un invito a misurare gli outcome reali invece degli output apparenti. In HR, significa privilegiare la qualità dell’assunzione rispetto al tempo per assumerla. In operations, il first-pass yield rispetto al volume totale. In finance, l’accuratezza delle previsioni rispetto alla velocità delle transazioni.

E poi c’è la questione dei ruoli. Il report documenta che in quasi nove organizzazioni su dieci, meno della metà dei ruoli è stata aggiornata per includere competenze AI. Questo significa che il ridisegno dell’esperienza del dipendente (l’employee experience) è ancora in larghissima parte da fare. E che le organizzazioni che lo faranno prima, con chiarezza su dove l’AI deve assistere e dove il giudizio umano resta insostituibile, avranno un vantaggio strutturale su chi si limita ad aggiungere strumenti senza cambiare i sistemi.

Può interessarti anche:

AI nella CX: più valore per il cliente, più responsabilità per i brand AI Act: l’intelligenza artificiale entra nei processi, cambia la governance 2026: “anno della verità” per l’intelligenza artificiale Lavoro e Customer Experience: la svolta dell’organizzazione intenzionale Journey, dati e relazione: il racconto di CXO 2026