Botsitting: perché l'AI sta aggiungendo 6 ore di lavoro invisibile a settimana

Un nuovo costo nascosto nell'adozione dell'AI

Quando le aziende introducono strumenti di intelligenza artificiale, l'obiettivo dichiarato è quasi sempre lo stesso: liberare tempo, ridurre il carico operativo, aumentare l'output. I numeri di una ricerca recente del Work AI Institute di Glean, realizzata con il contributo di Notre Dame, Stanford e UC Berkeley su un campione di 6.000 lavoratori a tempo pieno in Stati Uniti, Regno Unito e Australia, raccontano però una storia più complessa.

I cosiddetti knowledge worker — manager, analisti, professionisti amministrativi — trascorrono in media 6,4 ore a settimana in attività di supervisione diretta dei sistemi AI. Gli autori del rapporto hanno chiamato questo fenomeno 'botsitting': un lavoro spesso invisibile, non riconosciuto e non incentivato, che include la verifica degli output generati, l'inserimento di contesto per i modelli, la correzione degli errori e la pulizia dei dati.

Il paradosso della produttività: benefici individuali, stagnazione aziendale

I dati mostrano un divario strutturale tra percezione individuale e impatto organizzativo. L'87% dei dipendenti intervistati dichiara di utilizzare l'AI nel proprio lavoro quotidiano e il 75% si sente personalmente più produttivo. Tuttavia, solo il 13% percepisce un miglioramento significativo delle performance complessive dell'organizzazione in cui opera.

Questo scarto non è casuale. Buona parte del tempo impiegato con l'AI viene assorbita da attività di raccordo tra sistemi che non comunicano efficacemente tra loro: i lavoratori finiscono per fungere da ponte umano tra tecnologie disconnesse, spostando informazioni, correggendo incongruenze e fornendo il contesto che gli strumenti non riescono ancora a gestire autonomamente.

Impatto su morale, engagement e retention

Il problema non è solo di efficienza. Il rapporto evidenzia che i dipendenti con un carico sproporzionato di botsitting sono il 73% più propensi a cercare attivamente un nuovo impiego. Un dato che dovrebbe preoccupare chi gestisce organizzazioni in settori già sotto pressione sul fronte della retention dei talenti.

Rebecca Hinds, responsabile del Work AI Institute di Glean, ha descritto il botsitting come un lavoro noioso, estenuante e sistematicamente non tracciato né valorizzato all'interno delle aziende. Ma la questione va oltre la semplice fatica: in molti casi, ai lavoratori viene chiesto di automatizzare proprio le parti del loro lavoro che trovano più significative. Un esempio citato nel rapporto riguarda i team di customer service, sempre più chiamati a supervisionare agenti AI piuttosto che gestire relazioni umane dirette — attività che rappresentava per molti la fonte principale di soddisfazione professionale.

La risposta non è più AI, ma AI meglio integrata

Lo studio non suggerisce di rallentare l'adozione dell'intelligenza artificiale. Al contrario, indica che le organizzazioni che ottengono i risultati migliori sono quelle che investono nel cosiddetto 'lavoro attorno all'AI': aiutare i dipendenti ad accedere al contesto appropriato, formarli sull'uso efficace degli strumenti e stabilire standard chiari per valutare la qualità del lavoro assistito dall'AI.

La differenza, secondo gli autori, non sta nella quantità di tempo trascorso con i sistemi AI, ma nella qualità di quell'interazione. Le aziende più avanzate non aumentano semplicemente il volume di utilizzo: definiscono cosa costituisce un buon output, affinano il giudizio umano necessario per valutarlo e decidono deliberatamente quali attività non devono mai essere delegate a un modello.

Cosa devono fare i manager adesso

Per chi ha responsabilità operative o di people management, il rapporto suggerisce alcune direzioni concrete. Prima di tutto, mappare dove si concentra realmente il tempo speso con l'AI all'interno dei team: quante ore vengono dedicate a correggere, verificare e raccordare output, rispetto a quante vengono impiegate in attività a valore aggiunto. Questo audit è il punto di partenza per capire se l'adozione degli strumenti sta generando efficienza o semplicemente ridistribuendo il carico.

In secondo luogo, occorre valutare l'integrazione tra i sistemi. Uno dei driver principali del botsitting è la frammentazione tecnologica: quando i tool AI non comunicano tra loro, il collegamento viene delegato all'utente. Ridurre questa frammentazione — attraverso piattaforme più integrate o flussi di lavoro ridisegnati — è uno degli interventi con il più alto potenziale di impatto.

Infine, il tema del significato nel lavoro non va sottovalutato. Automatizzare le componenti routinarie ha senso; automatizzare quelle relazionali o creative senza una strategia chiara rischia di generare disaffezione. Le organizzazioni che stanno ottenendo i risultati migliori sono quelle che hanno ridefinito il ruolo umano in un contesto AI-augmented, non quelle che hanno semplicemente aggiunto strumenti sopra processi invariati.

Conclusione: il botsitting è un segnale di sistema, non un problema individuale

Il fenomeno del botsitting non nasce dall'incapacità dei singoli dipendenti di usare bene l'AI. È il sintomo di un'adozione tecnologica che si è fermata all'implementazione degli strumenti senza ripensare i processi, la formazione e l'architettura informativa sottostante. I 6,4 ore settimanali perse per dipendente non sono un costo marginale: moltiplicati per la dimensione di un'organizzazione media, rappresentano un volume significativo di capacità lavorativa drenata da attività a basso valore. La priorità per i decision maker non è decidere se adottare l'AI, ma come integrarla in modo che smetta di creare lavoro nascosto e inizi a eliminarlo davvero.