Perché l’IA non sta generando i guadagni di produttività che ci aspettavamo

David Rice: I dirigenti pensano che i loro dipendenti utilizzino circa trentacinque applicazioni. Il numero reale potrebbe sorprenderti. Questo divario di visibilità è al centro del motivo per cui gli investimenti in IA continuano a crescere mentre la produttività dei lavoratori continua a ristagnare. E Ofir Bloch di WalkMe pensa che siamo ormai oltre il punto di poter parlare di una semplice curva di adozione temporanea. Dobbiamo solo ammetterlo. Distribuire strumenti senza ridisegnare il lavoro non è una strategia.

Nella puntata di oggi, parlo con Bloch del Rapporto sullo Stato dell’Adozione Digitale di WalkMe e di cosa ci dicono cinque anni di dati su dove le organizzazioni stanno realmente sbagliando. Non è il modello. È tutto ciò che ruota attorno al modello: i sistemi frammentati, l’attrito, la distanza tra ciò che i dirigenti credono che stia accadendo e ciò che i dipendenti vivono realmente ogni giorno.

Le organizzazioni che in questo momento stanno ottenendo buoni risultati non sono quelle con l’IA più avanzata. Sono quelle che riducono l’attrito più velocemente. I lavoratori che ricevono supporto contestuale nel flusso di lavoro hanno quasi quattro volte più probabilità di dichiarare piena fiducia nel proprio lavoro, non perché abbiano ricevuto una formazione migliore, ma perché l’aiuto arriva nel momento in cui serve, non sei settimane prima.

Oggi esploriamo perché il divario tra i trentacinque applicativi e le centinaia di strumenti spiega la disconnessione tra dirigenti e dipendenti, perché la formazione tradizionale non riesce a stare al passo con il cambiamento in tempo reale, la differenza tra utilizzare uno strumento e sfruttarlo pienamente, e perché oggi l’orchestrazione conta più della sofisticazione del modello.

Sono David Rice. Questo è People Managing People. E se nella tua organizzazione misuri ancora il successo dell’IA tramite le licenze attivate, questa conversazione ti farà capire cosa ti stai davvero perdendo. Cominciamo.

Ofir, benvenuto. È un piacere averti qui.

Ofir Bloch: Grazie, David. Sono felice di essere qui.

David Rice: Da dove volevo iniziare la conversazione oggi riguarda una delle più grandi tensioni riscontrate nel report che avete pubblicato, cioè il fatto che gli investimenti in IA continuano ad aumentare mentre la produttività ed esperienza dei lavoratori sembra peggiorare.

E sono curioso di sapere quando smetteremo di considerarla una semplice curva di adozione temporanea e magari inizieremo ad ammettere che c’è qualcosa di fondamentalmente sbagliato nel modo in cui stiamo implementando l’IA?

Ofir Bloch: Onestamente, credo siamo già oltre quel punto. A tuo avviso, dobbiamo semplicemente riconoscerlo.

Dobbiamo solo dare un nome al problema e iniziare ad affrontarlo. Guarda, vediamo i numeri. Le aziende investono sempre più soldi nella tecnologia e ora in tutta questa mania per l’IA, ovviamente, e si raggiungono cifre record: 54 milioni di dollari lo scorso anno. Ma come sai, questi investimenti non si traducono realmente nei risultati che ci aspettavamo.

Abbiamo quindi un problema. I dati lo confermano. Il nostro rapporto mette in luce molti di questi aspetti e sono felice di essere qui oggi per parlarne.

David Rice: Sembra che diamo per scontato che l’IA creerà naturalmente produttività semplicemente esistendo. Solo per il fatto che è qui, tutti improvvisamente decuplicheranno la produttività o...

Ma l’adozione tecnologica e la trasformazione del flusso di lavoro sono due cose completamente diverse, e sembra che alcune aziende confondano l’attività con l’abilitazione. Distribuire strumenti senza ridisegnare il lavoro e il modo in cui avviene porta a questa sorta di situazione in cui non riusciamo a definire il ROI.

Ecco perché non riusciamo a capire cosa fare dopo. Credo ci sia anche una specie di psicologia del costo irrecuperabile: più le aziende spendono, più è difficile ammettere che l’implementazione non sta funzionando.

Ofir Bloch: Sì, è assolutamente vero. Questo problema ha molteplici livelli, giusto?

Chi è responsabile nell’indurre il cambiamento comportamentale? Chi assicura la vera adozione di questi nuovi strumenti? C’è un’errata convinzione: se lo realizzi, arriveranno. Se lo distribuisci, la gente lo userà. Ma in realtà è spesso l’opposto. Stiamo vedendo una crescente distanza di produttività o divario di adozione.

Il ritmo dell’innovazione è sbalorditivo. Ogni giorno c’è qualcosa di nuovo: ho appena sentito che Sonnet 5 esce domani e ci stavamo appena abituando a Opus 4.7 con Claude, e ogni giorno arriva un nuovo modello, e ciascuno è migliore del precedente. Ma, alla fine, quando le persone lo usano solo per riassumere email o svolgere compiti di base, non stanno davvero sfruttando questi strumenti o il loro pieno potenziale.

Quindi sì.

David Rice: Mi piace anche il riferimento a “Field of Dreams”, perché se guardi la sezione commenti su qualsiasi contenuto sull’IA, sembra più “field of screams”, ma il vostro report mette in luce un enorme divario di percezione tra dirigenti e lavoratori, vero? Credo che emerga se si ascolta abbastanza a lungo.

E non riguarda solo la fiducia. Si tratta di preparazione, formazione, se questi strumenti aiutano effettivamente le persone nel loro lavoro. Mi incuriosisce il tuo punto di vista su questo. È una domanda che faccio spesso: come fa la leadership a disconnettersi così tanto dalla realtà vissuta sul lavoro?

E poi, come fanno a ricollegarsi rapidamente a quella realtà?

Ofir Bloch: Sì, penso sia stata una delle osservazioni più chiare del rapporto. E, per inciso, è coerente: è il quinto report che pubblichiamo, giusto? Potrebbero esserci molte ragioni, ma una delle cose che il nostro rapporto ha evidenziato è proprio il grande divario tra il numero di applicazioni e lo stack tecnologico che i dirigenti pensano che la forza lavoro utilizzi e quello che avviene in realtà.

Se chiedi ai dirigenti quanti strumenti usa la loro forza lavoro, ti risponderebbero pochi, trenta, trentacinque applicazioni. Ma nella realtà, quando si guarda allo stack tecnologico reale di queste aziende, sono quasi settecento applicativi, giusto?

C’è quindi un enorme divario di visibilità tra ciò che pensano di avere e ciò che realmente usano. E ha senso, perché oggi è facilissimo acquistare strumenti. Basta prendere la carta di credito, venti dollari al mese, e hai lo strumento. Ancor più con il vibe coding, oggi chiunque può creare e costruire strumenti e molti di noi già lo fanno. Quindi davvero c’è questo grande divario di visibilità tra ciò che i dirigenti pensano di avere e ciò che effettivamente viene utilizzato. In parte perché non si hanno nemmeno strumenti per misurarlo davvero o vederlo.

Questa è una cosa risultata chiarissima dal report anno dopo anno. Per rispondere alla seconda domanda, cioè come possono avere il controllo, molto dipende dalla comunicazione. Ascoltare davvero le esigenze dei propri collaboratori.

Cosa usano? Cosa manca loro? Ma poi c’è anche una risposta tecnologica: esistono strumenti che permettono di vedere davvero cosa c’è nel tuo stack tecnologico e cosa usano le persone.

David Rice: Sì, il punto sull’ascolto mi sembra centrale, perché mentre riflettevo su come si manifesta questo problema, la disconnessione stessa è affascinante: entrambe le categorie tecnicamente vivono la stessa organizzazione, giusto?

Sì. Però i dirigenti spesso vedono le promesse, mentre i lavoratori vivono l’attrito. Molti leader sottovalutano la rapidità con cui si erode la fiducia quando i lavoratori sentono il peso della sperimentazione e devono portare risultati. È anche una questione di empatia da parte del vertice, giusto?

Quando le cose non funzionano, i leader pensano che sia un problema tecnologico. Quante volte lo leggiamo su LinkedIn, lo sentiamo in questo podcast, in altri: “Non è un problema di tecnologia, è un problema di persone”. Ma questa cosa non arriva ai leader, e non capisco il perché.

Ofir Bloch: Sì. C’è la nozione di empatia digitale. Oggi molte aziende parlano di esperienza dei dipendenti ma, al lavoro, soprattutto da quando si lavora da casa o in modelli ibridi, l’esperienza del dipendente è formata soprattutto da touchpoint digitali e dal modo in cui viviamo lo stack tecnologico e gli strumenti.

Quindi, quando parliamo di employee experience, molto dipende dall’attrito tecnologico, dal cambiare modalità operative o dall’imparare cose nuove. Hai ragione: quella disconnessione non aiuta. Se i dirigenti comprendessero quali strumenti usano le persone, l’attrito e la complessità dei flussi di lavoro che creiamo per loro, credo che quell’empatia digitale migliorerebbe la vita lavorativa e l’esperienza digitale dei dipendenti.

David Rice: Sì, sono d’accordo. Tu sostieni che la vera limitazione riguarda la capacità dell’IA, cioè il fatto che manca il contesto, e sembra un problema sistemico più profondo di quanto le organizzazioni realizzino. Perché il contesto sta diventando il vincolo determinante nell’IA nelle imprese?

Ofir Bloch: In parte dipende da come questi strumenti vengono implementati.

C’è stato un boom dell’IA. Ogni fornitore integra l’IA nei suoi strumenti. Ci sono co-pilot. La maggior parte si concentra su una sola applicazione o ecosistema, ma il lavoro, per fortuna o purtroppo, non vive in una singola app. I nostri flussi di lavoro attraversano molteplici applicazioni. I modelli di IA non hanno accesso a tutte queste app.

Alcuni modelli possono accedere ai dati tramite API o altri approcci programmatici, come MCP o A2A, ecc. Ma non tutte le applicazioni usate contengono questi protocolli. I dati mostrano che solo il ventinove percento dei flussi di lavoro è accessibile tramite questi approcci.

Il settantuno percento invece è inaccessibile a questi modelli. Parlando di contesto, molto di ciò che un lavoratore fa è sullo schermo. Come essere umano, davanti allo schermo colgo tanti dettagli a colpo d’occhio.

Un’IA non li vede. Ti faccio un esempio che credo sarà d’impatto: il tuo pubblico comprende professionisti HR, ecc. Supponiamo che voglia assegnarti un bonus una tantum di 5.000 dollari. Sembra giusto? Ecco, do a David un bonus spot di 5.000 dollari.

Quando entro in questi chatbot, co-pilot, assistenti IA, e dico “Voglio dare a David un bonus spot di 5.000 dollari”, ci sono così tante domande a cui rispondere prima che avvenga davvero. Nelle demo dei venditori sembra magia, ma nella realtà non è così.

Quale David? Quello di Londra o di San Francisco? È nel mio team? Posso davvero assegnare 5.000 dollari? Serve l’approvazione del CFO? E allora, anziché essere tu a istruire l’IA, l’IA inizia a chiedere informazioni—ma se accedi a qualsiasi HCM, vedi tutto a schermo.

L’interfaccia grafica raccoglie gran parte di quel contesto, ma i modelli IA non lo percepiscono, perché non possono “vedere” lo schermo. Questo è un altro problema che emerge dal sondaggio.

David Rice: Interessante, perché tanto del lavoro è profondamente contestuale e—come dicevi—questi sistemi non riescono a coglierlo.

Abbiamo passato gli ultimi due anni a parlare solo dell’intelligenza del modello. Non so se si parli abbastanza di intelligenza organizzativa e del collegare i puntini: l’IA può generare risultati straordinari, ma senza contesto, senza capire priorità, politica, storia, dipendenze—tutto ciò che rende un’organizzazione funzionante—è lì che risiede la sfida nel vedere il ROI, e spesso i risultati sembrano slegati da chi siamo e dagli obiettivi organizzativi.

Ofir Bloch: Ti aggiungo un’altra statistica: il trentasette percento dei lavoratori salta a piè pari l’IA. Neanche ci prova, perché devono rispondere a troppe domande, inserire troppe informazioni, magari non si fidano, quindi evitano del tutto.

Sì, hai perfettamente ragione.

David Rice: Mi chiedo se, visto che si parlava del tempo liberato, ciò che in realtà abbiamo fatto col tempo liberato sia solo produrre di più e riempire di altro la giornata. Forse sarebbe utile, specie in ambiti HR, usare quello spazio per conoscere meglio i sistemi e renderli più coerenti in azienda.

È in questa coerenza che c’è la grande opportunità di rendere la tecnologia davvero fruttuosa. Molte aziende inquadrano la “shadow AI” come problema di compliance o governance, ma il report suggerisce che spesso è il segnale che i sistemi non corrispondono più alla realtà del lavoro.

Mi chiedo: le aziende stanno diagnosticando male questo problema?

Ofir Bloch: Sì, nella maggior parte dei casi. Però lasciami dire che non amo il termine “shadow AI”. Preferisco parlare di IA guidata dal business: è quello che davvero è. La risposta tipica in azienda è: problema di sicurezza, strumenti non autorizzati, blocchiamo tutto.

Ha senso dal punto di vista del rischio, ma manca il punto: per questo non mi piace il termine shadow AI. Alla fine i tuoi collaboratori ti stanno dicendo “non sto ottenendo ciò di cui ho bisogno dagli strumenti che fornisci” Quindi il 45% dei lavoratori che abbiamo intervistato ha ammesso di usare strumenti non autorizzati, e il 36% li usa anche con dati riservati.

Non credo lo facciano per nuocere: cercano solo di lavorare meglio e forse gli strumenti istituzionali non sono adatti allo scopo. Magari preferisco usare Claude per scrivere, non ChatGPT. Forse Codex mi piace di più per la progettazione dei front-end rispetto a Claude.

Quindi userò lo strumento che mi fa lavorare meglio. Shadow AI non è un problema di comportamento: è ciò che accade quando lavorare dentro il sistema approvato è più difficile che lavorare fuori. È un segnale: “Ascoltateci, non state fornendo gli strumenti giusti”.

David Rice: Mi piace la tua reinterpretazione della shadow AI. Anche secondo me il termine non rende l’idea: fa pensare a Mission Impossible, Ethan Hunt che penetra i sistemi segreti. In realtà, molti la usano semplicemente per eliminare attriti, non per creare rischi.

Storicamente, i workaround emergono quando i sistemi non rappresentano più la realtà. Siamo al punto che invece di chiedersi perché i dipendenti rompano le regole, bisognerebbe chiedersi perché sentono che i sistemi ufficiali non li aiutano davvero.

Trovo interessante che i lavoratori spesso non rifiutino l’IA per resistenza alla tecnologia, ma per l’interruzione, la frammentazione, l’incertezza che genera. Secondo te i leader sottovalutano il carico cognitivo dell’IA nel lavoro moderno?

Ofir Bloch: Decisamente sì. I dati sono molto chiari: abbiamo intervistato entrambi i gruppi e l’81% dei dirigenti dice che l’IA ha migliorato la produttività, perché vedono solo i risultati. Ma i lavoratori rilevano molto attrito legato all’IA.

Ne abbiamo già parlato, ma solo il 9% dei lavoratori si fida dell’IA per i compiti complessi. In parte a causa delle allucinazioni dell’IA e del tempo speso a fare copia-incolla o a spostarsi tra sistemi. Come dicevamo, il lavoro non vive in una sola app.

Un commerciale, per esempio, segue un workflow “da lead a cash” che passa per decine di applicazioni e cinque reparti diversi: legale, vendite, marketing, ecc. Se devi sempre copiare e incollare i dati, e ogni app ha la sua IA o co-pilot, cresce l’attrito.

E poi devi pensare: sono conforme? Posso usare questo strumento? Posso caricare questo documento? L’output è un’allucinazione? Devo verificare la fonte? Tutto questo genera un carico cognitivo da parte dell’IA che i dirigenti non vedono.

Vedono solo il risultato finale.

David Rice: Alcuni leader che ho intervistato in realtà non usano proprio l’IA. In parte perché, come dicevi, la gente non si fida per lavori complessi. Dicono: “Ho provato, ma non mi è piaciuto l’output” o “non mi sono fidato” o “ci sono stati problemi”. Alla fine, la questione è: “Cosa hai inserito?”

Quindi c’è il problema che non si inseriscono le cose giuste, e l’output non è affidabile, e quindi non si instaura nessun rapporto di fiducia. C’è una sorta di overhead mentale ulteriore: non fai solo il tuo lavoro, ma gestisci un sistema che molti non capiscono.

Ofir Bloch: Sì, diventa lavoro sul lavoro. Alla fine, l’essere umano è abitudinario.

Cambiare comportamenti è difficile. Prendi i dirigenti come esempio: quante volte scarichi un’app sullo smartphone, non fa quello che vuoi o non funziona e la abbandoni definitivamente? Spesso non torni a vedere se è migliorata o aggiornata. Nei nostri processi mentali, se non dà il risultato, la lasciamo.

Con l’IA è così: negli ultimi anni i modelli sono migliorati di molto. Ma magari 12 mesi fa hai provato l’IA per creare una presentazione o un documento, il risultato non ti ha convinto e hai abbandonato. Per te, non ce la fa. Molti dirigenti hanno sperimentato, non sono stati soddisfatti e basta, non hanno più riprovato.

Con l’IA, vista la velocità dell’innovazione, bisogna sempre tornare, fare esperimenti, perché migliora costantemente, ma bisogna anche cambiare continuamente modo di lavorare.

David Rice: Anche solo il lavoro di validare gli output è un continuo cambio di contesto: non lavoriamo più come prima. Dico sempre alla mia squadra: “la mentalità dell’editor è diversa da quella dello scrittore”. Bisogna cambiare prospettiva.

Sì, tecnicamente facciamo le cose più velocemente, ma il carico cognitivo è più pesante. Abbiamo automatizzato, ma a fine giornata siamo comunque esausti, giusto?

Ofir Bloch: Perché fai di più. Stai solo cercando di raggiungere di più. Sì.

David Rice: Il report fa notare che la formazione tradizionale non regge perché il lavoro moderno cambia in tempo reale. Molti si riconoscono in questa cosa, ma resta la domanda: che fare? Come preparare le persone come faceva la formazione classica, ma per questo nuovo contesto?

Ofir Bloch: Molte aziende provano ancora a risolvere nuovi problemi con vecchi strumenti. L’istinto ancora oggi è: più formazione, più frequente, in aula, coi video. Ma non funziona più.

Questi approcci non funzionano nel 2026. È risaputo: le persone dimenticano ciò che imparano. Tu stesso hai parlato di sovraccarico cognitivo, che aumenta soprattutto con generazioni diverse e attenzione pari a zero.

Come tenersi aggiornati con tutte queste innovazioni e modelli che spuntano ogni giorno? Dal report è chiaro: quando il supporto viene inserito nel flusso di lavoro, invece di una tantum col tutorial o il video, e arriva esattamente quando serve, guidandoti nel processo o ricordandoti come fare qualcosa, allora si vedono veri aumenti di produttività.

Un paio di dati: chi riceve supporto contestuale inline ha probabilità da 1,9 a 3,7 volte superiore di sentirsi pienamente sicuro in ogni aspetto lavorativo. Avere supporto nel flusso di lavoro, al bisogno, è probabilmente il miglior approccio per adottare nuove tecnologie.

David Rice: Sì, adoro quest’idea del supporto contestuale nel momento. Ormai il lavoro è caotico: più vai avanti, più ogni giorno ti capita qualcosa di nuovo. La formazione classica presume un ambiente stabile e una partenza chiara.

Imparavi il software, imparavi il flusso e ripetevi. Ma con l’IA tutto cambia rapidamente: la conoscenza si decompone subito dopo acquisita. Lo diciamo sempre, e i dati lo confermano, che il futuro non è insegnare gli strumenti, ma costruire fiducia nell’adattamento e insegnare il continuo apprendimento in movimento.

Ofir Bloch: Sì, assolutamente.

David Rice: Tra le idee più sottili del rapporto c’è che i “vincitori” non saranno forse quelli con l’IA più avanzata, ma quelli che orchestrano meglio persone, sistemi, workflow, tutto il contesto. Siamo in un’epoca dove l’integrazione operativa conta più della sofisticazione del modello?

Ofir Bloch: Decisamente sì. C’è una grande differenza tra usare uno strumento e sfruttarlo pienamente. Magari vedi crescere le licenze, la gente entra ed esce dalle app, ma cosa fanno davvero? Se mi limito a fare domande base, a riassumere una mail o cambiare una frase, sto davvero sfruttando quel modello multimiliardario?

Probabilmente no. Le aziende che vedono reali risultati di produttività sono quelle che colmano il divario tra uomo e tecnologia. In azienda ci sono generazioni diverse, diversi livelli di destrezza digitale, resistenza al cambiamento, ecc. Se vuoi che tutti possano ottenere gli stessi risultati, occorre contestualizzare e personalizzare. Bisogna portare tecnologia alle persone e persone alla tecnologia, trovando un terreno comune.

Orchestrazione è la parola chiave su più livelli: l’orchestrazione dei lavoratori agli strumenti, ma anche come aiutare a capire quando e quali strumenti usare senza dover imparare l’intero catalogo. Come dipendente, non mi interessa come si fa la nota spese o qual è l’app per la gestione HR o il CRM.

Ho un obiettivo di business, un compito: se l’IA mi aiuta a completare il workflow senza passare da 12 strumenti o cercare il copilot giusto, bene. L’IA è davvero orchestrata sull’umano e si raggiunge l’outcome di business. Questo dovrebbe essere il focus delle aziende.

Piuttosto che deployare il modello più “smart”, bisogna colmare il gap tra esseri umani e modelli implementati.

David Rice: Sì, questo è un momento chiave per cambiare rotta. Nel mercato si parla sempre di guerra dei modelli, ma poco della realtà aziendale: i problemi non nascono perché il modello non è intelligente, ma perché i sistemi attorno sono frammentati e non portano tutti con sé nel cambiamento. E sembra che l’orchestrazione sia il termine in cui ci si riconosce, forse il più grande vantaggio competitivo, oggi, non è l’IA pura ma chi riduce attrito più velocemente.

Ofir Bloch: Esatto. Non avrei potuto dirlo meglio.

David Rice: Ofir, grazie per la chiacchierata. È stato un piacere averti qui.

Ofir Bloch: Grazie a te dell’invito. Sono sicuro che metterai il link nei commenti, ma per chi vuole leggere il report è “Stato dell’Adozione Digitale 2026” di WalkMe. Ci vediamo.

David Rice: Sì, davvero: scaricatelo, ne vale la pena. L’ho letto e lo segnalerò anche quando promuoverò questa puntata, ma andate a leggervi il report.

E ascoltatori, se non l’avete già fatto, andate su peoplemanagingpeople.com/iscriviti e registratevi alla newsletter. Riceverete questo podcast e tutto quello che produciamo direttamente nella vostra casella e-mail.

E fino alla prossima volta: contesto, contesto, contesto.