Paradosso della produttività AI: perché l’Intelligenza Artificiale non ci fa risparmiare tempo
Il lato nascosto dell’Intelligenza Artificiale
Abstract. L’AI non riduce il tempo dedicato al lavoro cognitivo; ma ne aumenta la densità, lo intensifica, comprimendo il presente. Eppure, grazie a quanto ci potenzia, è diventata un alleato di cui è difficile immaginare di fare a meno.
Questo breve articolo parte da lontano, da quando negli USA trovai un vecchio libro di Staffan Burenstam Linder (The Harried Leisure Class), e rimasi colpito da una tesi: certi beni che si acquistano (come gli elettrodomestici) non fanno risparmiare tempo, aumentano piuttosto la produttività, permettendo di compiere più attività nella stessa unità temporale.
Ripenso a questo, nel lavoro con l’Intelligenza Artificiale. Riusciamo a fare tante cose in meno tempo, ma non risparmiamo davvero tempo, perché siamo spinti a fare più cose nella stessa “unità di tempo”. A me è proprio questo che accade: sono spinto ad usare altri tool di AI, mentre aspetto i risultati di Gemini o di Perplexity. Riduco il costo temporale per una ricerca, ma l’attività stessa ne apre mille nuove, incentivandomi a produrne altre ancora.
Sul piano della ricerca è stato Hartmut Rosa in Social Acceleration (2013) ad analizzare il “paradosso dell’accelerazione tecnica”: nonostante la tecnologia acceleri i singoli processi, il ritmo della vita non rallenta. L’accelerazione genera un aumento del volume delle attività. Se l’AI dimezza il tempo per scrivere un articolo, la spinta cognitiva ci impone di scriverne due. Rosa chiama questo “contrazione del presente”.
Studi su Applied Ergonomics evidenziano come l’automazione porti al “Task Switching” compulsivo. L’AI innesca un loop: la percezione di riduzione dello sforzo libera risorse cognitive immediatamente reinvestite in nuovi sotto-obiettivi. Il risultato è un aumento della densità delle attività, non un risparmio temporale.
La ricerca accademica tra il 2023 e il 2026 conferma, e parla di “Modern AI Productivity Paradox”. Erik Brynjolfsson (Stanford) ha aggiornato la teoria della “Produttività a forma di J”: inizialmente l’AI può diminuire la produttività reale perché il tempo risparmiato viene riassorbito dall’aprire altri chatbot e gestire nuovi flussi.
Altre ricerche della Stanford University hanno coniato un neologismo, “Workslop”, per indicare il sovraccarico da molteplici strumenti AI: mentre un tool lavora, l’utente ne apre altri per “non sprecare tempo”.
Concludo questa breve rassegna citando Hartmut Rosa (2024) per il quale l’accelerazione tecnica porta alla “fame di tempo”. Poiché il quadro sociale richiede risposte rapide, l’individuo si sente più affannato.
Insomma l’Intelligenza Artificiale sta agendo come un “acceleratore di particelle” per le nostre curiosità e necessità lavorative: ogni risposta genera nuove domande, e la facilità di ottenere risposte ci spinge a non fermarci mai, confermando che la “classe affannata” di Linder, della quale leggevo tanti anni fa, neppure oggi riesce a “risparmiare tempo”.
Giancarlo Dall’Ara
Bibliografia
Linder, S. B. (1970). The Harried Leisure Class. Columbia University Press.
Acemoglu, D. (2024). The Paradox of Automation: Task Replacement vs. Task Creation. MIT Working Paper Series.
Brynjolfsson, E., Li, D., & Raymond, L. (2025). Generative AI at Work: Productivity J-Curves and Intangible Capital. Journal of Econometrics, 140, 889.
McElheran, K., et al. (2024). AI Adoption in America: Who, What, and Where. Journal of Economics & Management Strategy, 33(2), 375-415.
Rosa, H. (2024). Social Acceleration and the Digital Surge: Why AI Doesn’t Give Us More Time. In: Temporal Structures of Modernity.
Wajcman, J. (2025). Digital Technology, Work Extension and the Acceleration Society. In: Life in the Fast Lane? Towards a Sociology of Technology and Time. ResearchGate/LSE.