L’adozione dell’IA: un equilibrio necessario
Il Productivity Lab di ActivTrak ha monitorato 120.620 dipendenti per tre trimestri, rivelando un dato sorprendente: il livello ottimale di maturità nell’adozione dell’intelligenza artificiale (IA) per la maggior parte dei lavoratori si colloca in una fascia intermedia, tra un utilizzo superficiale dell’IA e l’automazione totale.
Molti leader tendono a sviluppare le loro strategie di adozione dell’IA come se ogni dipendente dovesse diventare un super utente dell’IA. Si acquistano strumenti potenti, si spinge per una profonda integrazione e si assume che la produttività aumenterà vertiginosamente.
Tuttavia, i dati più recenti provenienti dal Productivity Lab di ActivTrak complicano questa visione. Le metriche di produttività e salute lavorativa aumentano quando i dipendenti passano da un utilizzo scarso o nullo dell’IA a un’adozione regolare a livello di compiti, con un utilizzo sano che raggiunge il picco del 75%. Tuttavia, una volta che l’IA è completamente integrata nei flussi di lavoro, l’utilizzo sano diminuisce di circa 5 punti percentuali, raggiungendo livelli statisticamente indistinguibili da quelli dei dipendenti che utilizzano l’IA in modo marginale.
Il livello adeguato di maturità nell’adozione dell’IA dipende dal tipo di lavoro svolto e dagli obiettivi aziendali che si intendono raggiungere.
Perché una maturità moderata dell’IA può essere sufficiente
Le metriche tradizionali per l’adozione dell’IA misurano licenze o accessi, che valutano il dispiegamento ma offrono scarsa chiarezza su come l’IA influisca sul lavoro svolto. I modelli tipici di maturità dell’IA misurano il progresso complessivo di un’organizzazione verso un’adozione più profonda. Il nostro Productivity Lab adotta un approccio diverso, utilizzando dati comportamentali per documentare come l’IA ha effettivamente cambiato il modo di lavorare delle persone, categorizzandole in tre fasi di maturità che riflettono una reale progressione operativa.
Il Lab ha monitorato gli stessi 120.620 dipendenti in 1.009 organizzazioni per tre trimestri consecutivi, dal quarto trimestre del 2025 al secondo trimestre del 2026. I dati hanno rivelato che il 27% dei dipendenti utilizza l’IA come un motore di ricerca per rispondere a domande e riassumere informazioni (Fase 1, Assistenza alla Ricerca). Il 14% utilizza l’IA per redigere contenuti, generare idee e completare compiti di routine che poi convalidano e finalizzano (Fase 2, Esecuzione dei Compiti). Solo il 2% ha raggiunto la fase in cui l’IA diventa parte integrante dei flussi di lavoro quotidiani (Fase 3, Integrazione nei Flussi di Lavoro). In generale, gli utenti di IA rimangono una minoranza, rappresentando il 43% dei dipendenti analizzati.
La Fase 2 è quella in cui l’IA elimina il lavoro ripetitivo, ad esempio permettendo a un rappresentante di vendita di generare un preventivo da cinque sistemi con un’unica richiesta, invece di compilare manualmente le informazioni. È qui che l’utilizzo sano raggiunge il picco e dove la maggior parte delle organizzazioni dovrebbe concentrare i propri sforzi.
Il consumo dell’IA non equivale alla maturità dell’IA
La maggior parte dei modelli di maturità dell’IA è stata costruita per premiare il consumo. Si propone di misurare qualitativamente quanto, non quanto bene. Di conseguenza, tendono a rafforzare la percezione che “la maggior parte” dell’utilizzo sia la migliore opzione. Tale assunzione comporta due rischi specifici.
In primo luogo, le organizzazioni possono perdere di vista i costi esorbitanti. Un utilizzo più maturo implica modelli più potenti, più token, più infrastruttura. Se il compito o il ruolo non lo richiedono, si sta semplicemente spendendo denaro che potrebbe essere investito altrove.
In secondo luogo, le organizzazioni possono inavvertitamente alimentare un disallineamento operativo. I dipendenti che avanzano rapidamente possono generare flussi di lavoro sofisticati che ottimizzano compiti individuali, ma senza migliorare i processi più ampi. Se il flusso di lavoro non è stato riprogettato attorno agli obiettivi aziendali, ciò che si ottiene è solo una maggiore produzione di "spazzatura" generata dall’IA, più rapidamente.
In entrambi i casi, la soluzione è aumentare la visibilità su come l’IA trasforma il lavoro all’interno dell’organizzazione.
Perché molte organizzazioni sono bloccate in un’alta adozione e una bassa maturità
- Le organizzazioni implementano strumenti di IA senza investire in modo equo nella formazione dei dipendenti.
Un esempio da ActivTrak: quando il nostro team operativo ha notato l’aumento dei costi di Anthropic, ha analizzato i dati per capire il motivo. Hanno scoperto che i dipendenti utilizzavano regolarmente il modello più recente e potente per riscrivere le email ai clienti — un compito che non richiedeva quel livello di sofisticazione. Questo ci ha portato a creare un riferimento interno per aiutare i dipendenti a abbinare il modello giusto al compito giusto. Il problema non era l’output; si trattava di defaultare al modello più potente per ogni attività — l’equivalente dell’assumere una superstar per un lavoro che non la richiedeva.
- Le organizzazioni si affrettano a testare l’IA senza prima prendersi il tempo per comprendere come fluisca attualmente il lavoro.
Prima di implementare strumenti di IA, è fondamentale mappare i flussi di lavoro — in modo che gli investimenti siano fatti nei posti giusti. È importante considerare come avviene il lavoro attualmente e cosa cambierebbe se l’IA svolgesse quella funzione. I principi aziendali tradizionali continuano ad applicarsi: ognuno ricopre un ruolo e ha punti di forza e debolezza.
È importante resistere all’impulso di implementare un’iniziativa massiccia a livello di dipartimento, a favore di piccole correzioni nei flussi di lavoro. Costruire, misurare e imparare per trovare il punto dolce ottimale è essenziale.
La scoperta della durabilità — perché la decisione sui target è cruciale
Definire i target di maturità è una responsabilità dei leader, poiché l’adozione dell’IA rappresenta un cambiamento duraturo. I dati del Productivity Lab mostrano che l’82% dei dipendenti che ha adottato l’IA continua a utilizzarla. Tuttavia, una volta che le persone superano l’uso occasionale, continuano ad utilizzarla trimestre dopo trimestre, e quasi nessuno che approfondisce mai torna indietro.
Il livello di adozione verso cui spingo il mio team è quello che probabilmente manterranno. Se quindi spingo tutti verso il livello più profondo, potrei legarli a un utilizzo in cui i guadagni di produttività stagnano e i costi superano i benefici.
La questione non è solo come aumentare il 2% di chi integra l’IA nei flussi di lavoro, ma anche come guidare il 27% di utenti principianti verso una maggiore fluidità nell’assistenza ai compiti.
La soluzione — strumento giusto, ruolo giusto, fase giusta
È necessario superare il rumore presente nel mercato attuale per arrivare a una comprensione più equilibrata dei problemi che intendiamo risolvere. Nessun singolo modello di maturità o strumento di IA dovrebbe definire la strategia sull’IA. La strategia dipende dalla composizione della tua azienda, dal tipo di lavoro che stai svolgendo e dagli obiettivi che desideri raggiungere. Un’azienda snella e nativa dell’IA potrebbe necessitare che la maggior parte delle persone operi insieme a flussi di lavoro e agenti IA integrati, mentre un’azienda consolidata potrebbe scoprire che l’assistenza ai compiti dell’IA è più che sufficiente come vantaggio competitivo e richiede meno interruzioni operative.
La disciplina è fondamentale. Senza intenzionalità, la maturità porta spesso a costi non gestiti, flussi di lavoro disallineati e comportamenti bloccati che sono raramente reversibili. Il modello che le aziende desiderano che tu consumi è il maggior numero possibile di IA. Il nostro compito come leader è non ignorare il fatto che l’IA può essere un vantaggio competitivo, perché lo è assolutamente. Ma è un vantaggio competitivo solo se si sa come investire e utilizzare correttamente gli strumenti giusti per svolgere i compiti appropriati.
