31/08/2026
Un gruppo di ricercatori di Stanford ha analizzato quasi 250.000 conversazioni reali fatte con Claude. Il 56% delle conversazioni esaminate contiene richieste con conseguenze concrete. Il 12% riguarda attività ad alto impatto, comprese questioni professionali, legali e finanziarie.
Tuttavia limitarsi a dire che un dipendente “usa l’AI” significa poco: può averle affidato l’intero compito o averle fornito soltanto qualche indicazione.
Sono situazioni molto diverse per qualità del lavoro, rischio e responsabilità e per questa ragione lo studio distingue cinque modi di lavorare con l’AI:
H1 – l’AI svolge il compito in autonomia
H2 – la persona interviene soltanto in alcuni passaggi
H3 – persona e AI contribuiscono in misura simile
H4 – la persona guida il lavoro e utilizza l’AI come supporto
H5 – il compito viene svolto interamente dalla persona
Il 72% delle conversazioni appartiene al modello H4. Almeno nella chat, la persona continua quindi a guidare la maggior parte delle attività. Il modello H2 merita particolare attenzione. La persona fornisce alcuni input e conserva la sensazione di aver diretto il lavoro, mentre l’AI svolge gran parte dell’analisi e costruisce il risultato finale.
Un manager può quindi ricevere un documento, una presentazione o un’analisi senza sapere quale dei cinque modelli sia stato seguito e quali controlli siano stati effettuati. I flussi di approvazione, però, sono spesso rimasti quelli del passato e oggi controllano un processo diverso da quello per cui erano stati progettati.
Lo studio di Stanford mostra anche che, quando aumenta il peso della decisione, gli utenti più attenti cambiano comportamento: allungano la conversazione, forniscono più informazioni, modificano le risposte e cercano di capire meglio il ragionamento seguito dall’AI.
Questo suggerisce una conseguenza evidente: chi conosce bene una materia può riconoscere un errore, mettere in dubbio una conclusione e usare l’AI per esplorare possibilità che da solo avrebbe impiegato più tempo a valutare. Chi invece possiede meno competenze tende più facilmente ad accettare il risultato o a seguire le istruzioni ricevute. Ottiene velocità immediata, ma rischia di ridurre progressivamente la propria capacità di giudizio.
La stessa tecnologia può quindi produrre due effetti opposti all’interno della stessa azienda: rendere le persone competenti ancora più capaci e rendere quelle meno preparate sempre più dipendenti dalle risposte della macchina.
Circa metà delle conversazioni analizzate presenta errori, incomprensioni, richieste ambigue o passaggi che richiedono ulteriori chiarimenti. Le persone riescono a migliorare il risultato soprattutto quando contestano il ragionamento dell’AI, correggono le informazioni sbagliate o chiedono una spiegazione più chiara. Ne deriva una regola semplice: chi utilizza l’AI per decisioni rilevanti deve possedere le competenze necessarie per riconoscere una risposta convincente ma sbagliata.
