Il tempo risparmiato a spese degli altri
«Facciamo una call, così ci spieghiamo.» La proposta può essere ragionevole. Ci sono questioni che una conversazione risolve meglio di una lunga corrispondenza, soprattutto quando bisogna confrontare interessi diversi, discutere un’incertezza o assumere una decisione. Diventa meno ragionevole quando la conversazione serve a leggere ad alta voce quello che qualcuno aveva già scritto con sufficiente chiarezza.
Immaginiamo una comunicazione di lavoro nella quale siano indicati il problema, le conseguenze, la scelta richiesta e la persona che deve compierla. Il destinatario la scorre, risponde che sarebbe meglio sentirsi e coinvolge altri colleghi. Mezz’ora dopo, sei persone hanno ascoltato una spiegazione che era già disponibile. Se dall’incontro non emerge altro, l’organizzazione ha impiegato tre ore di lavoro per supplire a una lettura mancata. Nel calendario di ciascuno compariranno soltanto trenta minuti. Il costo collettivo è più facile da perdere di vista.
La difficoltà comincia anche dall’altra parte. Chi scrive senza chiarire che cosa vuole dire lascia al destinatario il compito di ricostruire il ragionamento. Manca il soggetto di un’azione, una data sembra riferita a due consegne diverse, una proposta viene presentata come se fosse già stata concordata. Il testo parte, l’attività risulta svolta, la fatica prosegue sulla scrivania di qualcun altro. Chi riceve deve chiedere, interpretare, confrontare messaggi precedenti e sperare di avere capito bene.
Scrivere male e leggere male producono così un effetto comune: trasferiscono lavoro agli altri. Per scrivere bene intendo anzitutto rendere comprensibile ciò che una persona deve sapere per agire. La proprietà del linguaggio serve a questo. Una comunicazione può essere grammaticalmente corretta e lasciare del tutto oscuro chi debba fare che cosa. Può perfino essere elegante. L’eleganza, in questi casi, rende il problema più presentabile.
Mi viene da accostare questi comportamenti all’analfabetismo funzionale, ma l’espressione richiede misura. Una singola incomprensione dice poco sulle capacità di una persona. Occorre distinguere chi fatica a comprendere, chi non si prende il tempo necessario e chi lavora in condizioni che rendono quasi impossibile mantenere l’attenzione. Gli effetti possono somigliarsi, le responsabilità e i rimedi cambiano. Conviene partire da ciò che si può osservare: una condizione esplicita viene ignorata, una decisione viene confusa con un’ipotesi, una richiesta riceve una risposta che riguarda altro.
L’intelligenza artificiale interviene su entrambe le estremità di questo scambio. Chi deve scrivere può ottenere in pochi secondi un testo ordinato. Chi deve leggere può chiedere una sintesi. Sono possibilità utili, che possono risolvere difficoltà reali. Il rischio nasce quando ciascuno considera concluso il proprio compito prima di avere compreso ciò che sta mandando o ricevendo. Le frasi circolano regolarmente, mentre diventa difficile stabilire chi abbia esaminato davvero il loro contenuto.
Ho scritto altre volte che la pagina mi serve a capire se ho compreso. Nel tentativo di spiegare un fatto scopro un passaggio mancante, una parola usata con troppa disinvoltura, una conclusione che non segue dalle premesse. La scrittura mi obbliga a fermarmi dove, pensando soltanto fra me e me, avrei proseguito. Affidare a uno strumento la prima formulazione può aiutarmi a riconoscere questi punti, purché io torni a esaminarli. Se accetto il testo perché suona bene, ho ottenuto una risposta prima di avere chiarito la domanda.
Un esperimento di Matthias Stadler, Maria Bannert e Michael Sailer aiuta a precisare il rischio. Novantuno universitari sono stati assegnati all’uso di ChatGPT 3.5 oppure di Google per approfondire una questione scientifica e formulare raccomandazioni. Chi usava il modello linguistico riferiva un carico cognitivo inferiore, ma produceva ragionamenti e argomentazioni di qualità inferiore rispetto all’altro gruppo. È un risultato circoscritto a quel compito e a quelle condizioni. Mostra comunque che la minore fatica può accompagnarsi a una comprensione meno approfondita.[1]
Un secondo studio, condotto da Yizhou Fan e colleghi su 117 universitari, distingue ancora meglio il prodotto dall’apprendimento. Il gruppo assistito da ChatGPT migliorava maggiormente il punteggio dell’elaborato, senza mostrare differenze significative nei guadagni di conoscenza e nella capacità di trasferirla rispetto agli altri gruppi. Il documento migliorava più di quanto i risultati consentissero di affermare per l’apprendimento.[2]
Questi studi non descrivono direttamente un ufficio e non autorizzano a diagnosticare un declino delle capacità di chi usa l’IA. Suggeriscono però un problema per le organizzazioni che valutano le persone attraverso i documenti consegnati: una relazione più convincente può rendere meno visibile una comprensione ancora incerta. Il responsabile riceve un testo migliore e potrebbe attribuire al suo autore un’autonomia che deve ancora essere costruita.
La lettura delegata aggiunge un altro passaggio. Un riassunto seleziona, e ogni selezione lascia fuori qualcosa. Immaginiamo che una comunicazione autorizzi un’attività soltanto dopo il consenso del cliente. Se la sintesi conserva l’attività ed elimina la condizione, chi la consulta può credere di avere ricevuto il via libera. L’esempio è semplice, ma indica dove cercare il problema: nelle eccezioni, nei vincoli, nei dubbi e nei rapporti fra le azioni. Un «se» può governare il lavoro di un reparto intero.
Anche una sintesi fedele richiede un lettore capace di riconoscere quando deve tornare alla fonte. Può bastare per orientarsi, mentre per approvare una spesa, modificare una consegna o assumere un impegno occorre esaminare i passaggi pertinenti. Se il destinatario non possiede le conoscenze necessarie per distinguere questi usi, la comodità del riassunto può rafforzare una sicurezza ingiustificata. Sa che cosa rispondere, almeno in apparenza. Potrebbe non sapere ancora che cosa sta accettando.
Credo che il circuito più preoccupante si formi quando queste abitudini si alimentano a vicenda. Produrre comunicazioni diventa più facile, quindi può crescere la quantità di materiale inviato. I destinatari, già sovraccarichi, ricorrono a sintesi sempre più brevi. I dubbi rimasti aperti vengono rimandati alle riunioni. Le riunioni occupano il tempo che sarebbe servito a leggere, prepararsi e scrivere con maggiore attenzione. A quel punto l’IA appare indispensabile per reggere un carico che il suo impiego potrebbe avere contribuito ad aumentare.
Questa sequenza è un’ipotesi sul funzionamento organizzativo, da verificare nei casi concreti. Mi sembra più utile dello slogan secondo cui la tecnologia ci renderebbe tutti meno capaci, perché permette di cercare responsabilità e conseguenze precise. Si può osservare quanto materiale viene prodotto, quante richieste di chiarimento genera, quali errori richiedono correzioni e quanto tempo passa prima che le persone sappiano come procedere.
Esistono anche benefici documentati. Un esperimento sul campo di Eleanor Dillon e colleghi, condotto in 66 imprese su 7.137 lavoratori, ha rilevato risparmi di tempo nella gestione della posta elettronica e una riduzione del lavoro fuori orario tra gli utilizzatori dello strumento.[3] Sarebbe poco serio ignorarli. Il punto da verificare, nella pratica, è quanto del tempo risparmiato da una persona corrisponda a un vantaggio per il lavoro comune, dopo avere incluso controlli, chiarimenti e correzioni.
Il resoconto di Gergely Orosz su un gruppo di ingegneri offre un esempio concreto del rapporto fra scrittura e autonomia. Nel distribuire la guida dei progetti, Orosz introduce brevi aggiornamenti settimanali su avanzamento, rischi, ritardi e interventi previsti. Secondo la sua esperienza, prepararli aiuta i responsabili a considerare ciò che interessa ai destinatari. Racconta anche che aspettative sufficienti per persone esperte risultano troppo vaghe per chi guida un progetto per la prima volta: servono indicazioni più precise e affiancamento.[4]
Il caso precede la diffusione dell’IA generativa e rende visibile una funzione che rischiamo di trascurare. Preparare un aggiornamento può insegnare a riconoscere un rischio, spiegare un ritardo e distinguere un fatto da una previsione. Se automatizziamo la stesura, dobbiamo verificare che qualcuno continui a svolgere queste operazioni. Altrimenti il responsabile impara a consegnare il rapporto senza imparare a governare ciò che il rapporto descrive.
Nella mia riflessione sulla «terza riunione» ho raccontato un progetto nel quale le stesse informazioni tornavano in tre incontri quotidiani. I dati erano disponibili, mentre alcune difficoltà capaci di compromettere il progetto rimanevano ai margini. Quell’esperienza mi impedisce di attribuire ogni riunione superflua alla scarsa volontà di leggere. A volte le persone cercano una conferma perché le responsabilità sono incerte, oppure perché non dispongono dell’autorità necessaria per agire. Una comunicazione chiarissima può lasciare intatto questo ostacolo.
Bisogna anche proteggere chi chiede spiegazioni dopo avere letto con attenzione. In un altro articolo, Orosz racconta di avere chiesto il significato di un termine tecnico durante una riunione: approfondendo, era emerso che un requisito presentato come inderogabile ammetteva eccezioni.[5] Una domanda del genere migliora il lavoro. Scoraggiarla significa premiare chi annuisce senza capire e rendere più costoso, sul piano personale, il tentativo di comprendere.
La differenza si riconosce nella domanda. Chi indica il passaggio dubbio, spiega ciò che ha capito e mostra dove il ragionamento si interrompe ha già svolto una parte del lavoro. Chi chiede di ricominciare da capo senza avere esaminato il materiale chiede agli altri di svolgerla al suo posto. Naturalmente, anche l’autore deve essere disposto a scoprire che la chiarezza del proprio testo era soltanto presunta. Avere premuto «Invia» non gli conferisce ragione.
Una parte della responsabilità ricade su chi organizza il lavoro. Se ogni intervallo libero nel calendario può essere occupato da un incontro, leggere diventa un’attività da incastrare altrove. Se chi risponde subito viene considerato più affidabile di chi si prende il tempo per verificare, la fretta riceve una ricompensa. Se preparare un documento accurato è meno visibile che presentarlo in riunione, le persone imparano dove conviene investire le proprie energie. Anche chi possiede buone capacità può finire per esercitarle sempre meno.
Per questo considero insufficiente raccomandare ai singoli di usare meglio gli strumenti. Occorre riconoscere il tempo della lettura come tempo di lavoro, chiarire dove si consultano le decisioni e consentire alle persone di prepararsi prima di coinvolgere gli altri. Chi scrive dovrebbe rendere riconoscibili la richiesta, le condizioni e le informazioni ancora mancanti. Chi legge dovrebbe poter dire quale punto richiede davvero una conversazione. Chi convoca dovrebbe sapere quale esito giustifica l’impiego del tempo comune.
L’IA può aiutare in ciascuno di questi passaggi: individuare un’ambiguità, confrontare due versioni, suggerire un’obiezione, rendere più leggibile una spiegazione. Il suo uso diventa più affidabile quando la persona conserva la capacità di verificare il risultato e di risponderne. Chi invia una comunicazione deve sapere che cosa sta affermando. Chi la usa per decidere deve conoscere le condizioni da cui dipende la decisione. La rapidità dello strumento rende queste responsabilità ancora più importanti, perché permette di far circolare molto materiale prima che qualcuno ne riconosca un difetto.
Torniamo allora alla mezz’ora in calendario. Prima di convocare sei persone, sarebbe utile poter indicare ciò che serve ottenere insieme: risolvere una divergenza, esaminare un rischio, scegliere fra alternative, chiarire un passaggio che il testo lascia davvero aperto. Quando l’incontro serve soltanto a evitare una lettura, il conto è già stato trasferito. E qualcuno, uscendo da quella riunione, dirà che non ha avuto tempo di leggere.
Riferimenti
- Matthias Stadler, Maria Bannert e Michael Sailer, «Cognitive ease at a cost: LLMs reduce mental effort but compromise depth in student scientific inquiry», Computers in Human Behavior, 160, 2024, 108386. DOI: 10.1016/j.chb.2024.108386.
- Yizhou Fan e colleghi, «Beware of metacognitive laziness: Effects of generative artificial intelligence on learning motivation, processes, and performance», British Journal of Educational Technology, 56(2), 2025, pp. 489–530; pubblicazione online nel 2024. DOI: 10.1111/bjet.13544, versione su arXiv.
- Eleanor W. Dillon, Sonia Jaffe, Nicole Immorlica e Christopher T. Stanton, «Shifting Work Patterns with Generative AI», American Economic Review: Insights, indicato come di prossima pubblicazione nella scheda consultata il 24 ottobre 2026. Scheda e abstract.
- Gergely Orosz, «An Engineering Team where Everyone is a Leader», 24 novembre 2019, aggiornato il 10 giugno 2021. Articolo. Resoconto di esperienza professionale.
- Gergely Orosz, «Is Critical Thinking the Most Important Skill for Software Engineers?». Articolo. Riflessione professionale con episodio autobiografico dell’autore.