La promessa insita in quasi ogni strumento di produttività basato sull’IA è semplice: fare di più in meno tempo e recuperare le ore che prima perdevi in lavori ripetitivi. Quello che questa promessa tende a tralasciare è il costo per arrivarci e cosa succede al tempo una volta che viene risparmiato. Il racconto in prima persona di un imprenditore neurodivergente che sta costruendo una content pipeline basata sull’IA per un network di podcast offre uno sguardo raro e dettagliato su come quel divario si percepisca realmente dall’interno.
Il lavoro nascosto per far funzionare l’IA
Costruire una pipeline automatizzata per i social media per oltre 25 show non è un’impresa da poco. Il processo descritto nella fonte prevedeva il collegamento di più strumenti, tra cui Claude Code e NotebookLM, in un unico flusso di lavoro in grado di alimentare contemporaneamente contenuti per YouTube, Instagram e TikTok. La configurazione ha richiesto circa una settimana di sforzo concentrato. Una volta avviata, ha compresso un’intera giornata di lavoro manuale in un processo in background.
Sembra una vittoria netta. Il problema è che non ha continuato a funzionare. Quando il sistema si è rotto, ricostruirlo da zero ha consumato il tempo che era stato risparmiato. Un secondo agent, progettato per automatizzare i comunicati stampa per il lancio di nuovi show, ha dovuto essere messo in pausa a metà della costruzione. La sessione di lavoro si è protratta fino alle 3 del mattino prima di esaurire i crediti.
Questo è ciò che la maggior parte della copertura sulla produttività dell’IA tralascia. Le ore risparmiate da un’automazione funzionante sono reali. Lo sono anche le ore trascorse a costruire, fare il debug e ricostruire quell’automazione. Nessuna delle due parti di quel bilancio appare tipicamente in una metrica di dashboard.
La tassa dell’automazione e il problema del 79%
Esiste un nome utile per questa dinamica: la tassa dell’automazione. Si riferisce a tutto il lavoro extra necessario per far funzionare uno strumento di IA come pubblicizzato, oltre all’aspettativa implicita che, poiché l’output è ora più veloce, ogni ora di lavoro disponibile debba essere riempita con più output. La velocità aumenta. Il carico di lavoro non diminuisce.
Questo è importante in generale, ma ha un peso particolare per gli imprenditori neurodivergenti. Un rapporto pubblicato a giugno dal Lilac Centre del Regno Unito, basato su un sondaggio nazionale condotto su oltre 600 imprenditori neurodivergenti, ha rilevato che il 76% ha avviato la propria attività specificamente per creare condizioni di lavoro adatte a loro. Eppure il 79% segnala sfide di gestione del carico di lavoro o di burnout come risultato della gestione di tali attività. Lo stesso rapporto descrive l’IA e gli strumenti digitali come un‘“impalcatura di accessibilità”, una formulazione che coglie qualcosa di importante: per le persone che affrontano barriere legate alle funzioni esecutive, il valore dell’IA non riguarda puramente la velocità. Riguarda la capacità di iniziare i compiti, di convertire il pensiero frammentato in un output strutturato, di superare barriere cognitive che non hanno nulla a che fare con l’intelligenza o lo sforzo.
La tensione sta nel fatto che l’impalcatura stessa richiede manutenzione. Imparare dove ogni strumento tende a fallire, sapere cosa ricontrollare, gestire le connessioni tra i sistemi: nulla di tutto ciò appare in un calcolo delle “ore risparmiate per post”. La metrica sembra pulita. La realtà sottostante non lo è.
Ciò che il cronometro non può misurare
La cultura aziendale ha, come dice la fonte, un solo strumento per misurare l’IA: il cronometro. Minuti risparmiati, output moltiplicato, progetti completati. Ogni dashboard di produttività chiede quanto velocemente si sta muovendo l’organizzazione. Quasi nessuna chiede se le persone al suo interno stiano lavorando di meno.
Questo è un punto cieco strutturale. Quando l’IA comprime il tempo necessario per produrre una newsletter, la risposta razionale secondo la maggior parte delle logiche aziendali è produrne cinque. L’output sale. Lo stesso vale per il carico di lavoro, perché cinque newsletter richiedono comunque verifica dei fatti, pianificazione e responsabilità se qualcosa al loro interno è sbagliato. Il volume di decisioni, revisioni e potenziali errori scala con il volume dell’output. L’essere umano nel loop non scompare. Il loop diventa solo più grande.
La domanda più utile non è “quanto più velocemente questo strumento può rendermi?”, ma un insieme di tre: quale compito esatto scompare? Quale nuovo lavoro compare al suo posto? E il numero totale di cose da gestire diminuisce davvero o cambia solo forma?
Un piccolo strumento che rimuove il timore di fissare uno schermo vuoto prima di una scadenza può offrire un sollievo genuino anche se fa risparmiare solo cinque minuti. Uno strumento che moltiplica l’output di cinque volte può aumentare il carico cognitivo della gestione di quell’output di un fattore equivalente. La distinzione è importante ed è una di quelle che le metriche di produttività aggregata non sono progettate per catturare.
In breve
Gli strumenti di IA possono effettivamente ridurre l’attrito, rimuovere compiti specifici e aiutare le persone a lavorare in modi più adatti a loro. Ciò che non fanno automaticamente è ridurre il volume totale di lavoro. La tassa dell’automazione è reale: costruire, mantenere e gestire i sistemi di IA richiede tempo, e un output più veloce tende a riempie le ore disponibili anziché liberarle. La domanda più onesta da porsi prima di adottare qualsiasi strumento di IA non è quanto può produrre, ma se lascia meno cose da gestire alla fine della giornata, o semplicemente cose diverse.
Basato su un articolo di Fast Company - Work Life.