Introduzione

L’intelligenza artificiale sta trasformando il modo di lavorare, ma i vantaggi non sono distribuiti uniformemente all’interno delle organizzazioni. Il Workforce 2026 Global Insights Report, pubblicato da Korn Ferry, mette in luce una distanza crescente tra i benefici percepiti dai vertici aziendali e quelli sperimentati dai dipendenti operativi.

Dati principali dell’indagine

La ricerca, giunta alla terza edizione, ha raccolto le risposte di oltre 16 000 professionisti di tutti i livelli, in undici mercati: Stati Uniti, Regno Unito, Australia, Brasile, Francia, Germania, India, Giappone, Arabia Saudita, Singapore ed Emirati Arabi Uniti. L’Italia non è stata inclusa nel campione, ma i risultati risultano rilevanti per le imprese italiane.

    • 79 % dei CEO intervistati afferma che l’AI ha migliorato la propria efficienza.
    • Tra gli “individual contributor”, la percentuale scende al 51 %.
    • Il 52 % degli intervistati segnala un aumento del numero di compiti legati al proprio ruolo grazie all’AI.
    • Contemporaneamente, il 63 % rileva un incremento dell’efficienza su singole attività.
    • Il 62 % dichiara un aumento significativo del carico di lavoro negli ultimi due anni.
    • Il 45 % si sente troppo impegnato per produrre risultati che contribuiscano alla crescita dell’organizzazione.
    • Il 52 % ritiene di aver ricevuto una formazione adeguata sull’AI.
    • Il 61 % svolge responsabilità di più di una posizione, fenomeno definito “lavoro doppio”.
    • Il 58 % si sente adeguatamente ricompensato per le nuove responsabilità; il 40 % no.
    • La motivazione è scesa dal 71 % nel 2024 al 61 % nel 2026.
    • Il 42 % segnala una riduzione del numero di manager nell’ultimo anno.
    • Tra i manager rimasti, il 55 % dichiara di sentirsi esausto.
    • Il 64 % percepisce un orientamento aziendale più focalizzato sul contenimento dei costi che sulla creazione di valore.

Come l’AI viene impiegata ai diversi livelli

Per i dirigenti, gli strumenti di AI servono principalmente a syntetizzare documenti, dati e informazioni che in passato richiedevano ore di lettura. Questo utilizzo genera un beneficio immediato senza la necessità di ristrutturare processi esistenti.

Al contrario, i dipendenti operativi devono integrare l’AI in attività già definite, spesso senza una revisione dei flussi di lavoro. L’AI si aggiunge a compiti di analisi, redazione di report o produzione di contenuti, aumentando la quantità complessiva di lavoro richiesto.

Efficienza vs. carico di lavoro

Il paradosso evidenziato dall’indagine è che un aumento dell’efficienza su singole attività non si traduce automaticamente in una diminuzione del carico totale. Le organizzazioni tendono a chiedere più risultati nello stesso arco temporale, a introdurre attività di verifica dei risultati generati dall’AI e a considerare il tempo necessario per apprendere il nuovo strumento.

Di conseguenza, il lavoro doppio diventa la norma: il 61 % dei rispondenti svolge responsabilità di più ruoli, senza un adeguato riconoscimento o una revisione contrattuale.

Riorganizzazione dei ruoli e impatto sui dipendenti

Quando una posizione viene ridotta o sostituita dall’AI, il lavoro non scompare completamente. L’AI assorbe alcune attività specifiche, ma il resto viene redistribuito tra le persone rimaste, generando sovraccarichi.

Questa dinamica è particolarmente evidente tra i giovani professionisti: i carichi più pesanti ricadono sulle generazioni più recenti, contribuendo al calo della motivazione complessiva.

Il ruolo dei manager nella transizione

I manager, tradizionalmente ponte tra le decisioni strategiche e l’esecuzione operativa, vedono ridotto il proprio numero (42 % delle organizzazioni ha diminuito i manager nell’ultimo anno). I manager rimasti affrontano una duplice pressione: richieste di risultati più ampi con risorse minori dall’alto e team sovraccarichi dall’alto.

Il 55 % dei manager si dichiara esausto, un segnale preoccupante per la capacità dell’organizzazione di adottare efficacemente l’AI. Inoltre, il 52 % dei dipendenti riconosce che il proprio responsabile incoraggia la sperimentazione di nuove idee e tecnologie, ma la riduzione del numero di figure intermedie indebolisce la capacità di supervisionare e orchestrare tali sperimentazioni.

La “Productivity J‑Curve” dell’AI

I risultati non indicano un fallimento della tecnologia, ma una fase tipica del suo ciclo di adozione, nota come curva a J della produttività. Inizialmente, i benefici sono limitati o addirittura negativi, per poi crescere una volta che i processi vengono riorganizzati.

Esempi storici includono l’elettrificazione delle fabbriche alla fine del XIX secolo e l’avvento dell’informatica negli anni ’80‑’90, entrambi caratterizzati da un periodo di inefficienze prima di generare incrementi di produttività sostenuti.

Una prospettiva teorica: l’AI come “Normal Technology”

Nel saggio “AI as Normal Technology”, gli autori Arvind Narayanan e Sayash Kapoor descrivono l’intelligenza artificiale come una tecnologia di uso generale, paragonabile all’elettricità, al computer e a Internet. Come per queste innovazioni, gli effetti dell’AI non sono immediati né automatici.

Nella fase iniziale, i costi di riorganizzazione, le inefficienze e la mancanza di formazione superano i potenziali vantaggi. Solo quando le imprese investono in formazione, ridisegnano i processi e preparano i dati, l’AI può tradursi in guadagni di produttività reali.

Implicazioni per le imprese italiane

Pur non essendo parte del campione, le aziende italiane devono fare i conti con le stesse dinamiche: investire nella formazione, ridisegnare i flussi operativi e riconoscere il valore aggiunto dei ruoli intermedi. Ignorare questi aspetti rischia di prolungare la fase di “curva a J”, con un aumento del carico di lavoro, una diminuzione