Non il lavoro ma la mente: il vero rischio dell’AI è la dipendenza

È ormai chiaro a tutti come l’Intelligenza Artificiale stia modificando in profondità il funzionamento delle organizzazioni. Tuttavia, rimangono ancora aperti numerosi interrogativi sulle forme concrete attraverso cui questa trasformazione prende corpo e viene governata. Per approfondire queste e altre questioni, il centro di ricerca ITIR dell’Università di Pavia ha realizzato la ricerca “Oltre la linea rossa? Governo e diffusione dell’intelligenza artificiale”, basata su 5.294 osservazioni relative a dipendenti di imprese italiane di medio-grande dimensione, appartenenti a diversi livelli gerarchici e inseriti in un campione cross-settoriale bilanciato.

Lo studio rappresenta uno dei primi contributi quantitativi su larga scala a distinguere in modo esplicito tra AI convenzionale, generativa e agentica. Sebbene si tratti di categorie tecnologicamente non sempre nettamente separate, questa tripartizione assume rilievo sul piano manageriale, poiché ciascuna famiglia di soluzioni presenta logiche di adozione e impatti differenti. L’AI convenzionale comprende sistemi orientati alla previsione, alla classificazione e all’ottimizzazione; l’AI generativa consente di produrre contenuti testuali, visivi, audio o video con elevata versatilità; l’AI agentica identifica invece sistemi caratterizzati da maggiore autonomia operativa, capaci di pianificare ed eseguire sequenze articolate di azioni su piattaforme e sistemi esterni.

Questo articolo rappresenta il terzo contributo di una serie pubblicata su Agendadigitale, pensata per presentare una selezione dei risultati più significativi emersi dallo studio sopra richiamato. Dopo un primo contributo dedicato a come cambia il lavoro con l’AI nelle imprese italiane e una seconda uscita sui principali benefici percepiti, questo terzo articolo entra nel merito di come le nuove forme generative e agentiche dell’AI stiano facendo evolvere la percezione dei principali rischi associati a questa rivoluzione.

Il nuovo identikit della preoccupazione: dalla perdita del lavoro alla dipendenza cognitiva

Le Tabelle 1 e 2 presentano un quadro dei risultati emersi con riferimento alle principali preoccupazioni relative all’impatto dell’AI sul lavoro, considerando il profilo individuale, la distinzione tra imprese più e meno performanti e i macro-settori industriali.

Emerge un trend che induce a riflettere: la preoccupazione predominante – collocata al primo posto e trasversale alle diverse casistiche considerate – non è più il timore di perdere il posto di lavoro, come accadeva fino a non molto tempo fa. Il “nuovo” timore riguarda piuttosto il rischio di sviluppare una marcata dipendenza dalla tecnologia, associata alla possibile perdita di competenze e, quindi, a una progressiva passivizzazione cognitiva. Tale timore è ritenuto molto rilevante dal 61,6% dell’intero campione. Si tratta di un dato particolarmente significativo, che raggiunge livelli ancora più elevati tra i più giovani (65,8%) e tra coloro che operano nella manifattura a bassa innovazione (70,1%).

L’elevata incidenza di questa preoccupazione tra i profili più giovani è significativa. Pur trattandosi del segmento più incline all’innovazione e più propenso all’utilizzo dell’AI, esso manifesta al contempo una certa consapevolezza dei rischi connessi a un impiego improprio della tecnologia. In altri termini, la maggiore esposizione all’AI non genera soltanto entusiasmo o apertura, ma anche una più chiara percezione delle sue possibili controindicazioni.

Competenze e relazione uomo-AI: il ruolo decisivo del giudizio critico

È inoltre interessante osservare come i profili più esperti (“Expert”) mostrino, sotto questo profilo, un livello di preoccupazione inferiore (52,1%), suggerendo che una maggiore competenza specifica e un uso più strategico dell’AI possano ridurre il timore di dipendenza. Tale evidenza porta a ritenere che il rischio non risieda tanto nell’AI in sé, quanto piuttosto nelle modalità con cui essa viene incorporata nelle pratiche di lavoro.

L’intelligenza artificiale sembrerebbe quindi generare effetti maggiormente positivi quando viene utilizzata da soggetti dotati delle competenze necessarie per governarla criticamente, orientarla e valorizzarla in chiave aumentativa e trasformativa; viceversa, in assenza di adeguate competenze, il pericolo è che essa operi in chiave sostitutiva, indebolendo – anziché rafforzare – le capacità individuali e rallentando i processi di apprendimento.

Il tema della “dipendenza dall’AI” assume così una valenza ancora più profonda: la preoccupazione non è solo quella di utilizzare uno strumento in modo eccessivo, quanto di delegare progressivamente a un “collega virtuale” quote crescenti di attenzione, memoria, analisi e – aspetto ancor più rischioso – giudizio e decisione. In questa prospettiva, il nodo centrale diventa la qualità della relazione uomo-AI: virtuosa quando l’AI potenzia competenze esistenti e libera risorse cognitive per attività a maggior valore; più problematica quando, al contrario, sostituisce processi cognitivi di apprendimento, pensiero critico e decisione, che dovrebbero restare presidio della componente umana.

Tabella 1. Preoccupazioni rispetto all’impatto dell’AI sul proprio lavoro (profilo individuale e contesto aziendale)

Tabella 2. Preoccupazioni rispetto all’impatto dell’AI sul proprio lavoro (macro-settori)

Cybersecurity, questioni etiche e bias: la complessità dell’AI scaling dopo la sperimentazione

Passando all’analisi complessiva delle diverse preoccupazioni percepite in tema di AI (si vedano sempre le Tabelle 1 e 2), si rileva come la sicurezza dei dati – cybersecurity – si collochi al secondo posto (56,2%). Da notare come l’incidenza più elevata si registri nei servizi a bassa innovazione (62,31%): contesti nei quali il dato rappresenta comunque una risorsa rilevante, ma dove sembra emergere una percezione di maggiore vulnerabilità rispetto ad altri ambiti. Ciò può dipendere dal fatto che tali organizzazioni, pur riconoscendo la centralità delle informazioni trattate, dispongano più spesso di minori competenze specialistiche, tipicamente presidi di governance meno strutturati e una più limitata esperienza nell’integrazione di tecnologie avanzate.

Le questioni etiche e morali (45,0%), insieme al tema dei bias nei modelli di intelligenza artificiale (40,8%), rappresentano ulteriori aree di preoccupazione percepite in modo rilevante. È interessante osservare – e il dato appare confortante – che i Top Manager italiani mostrano un livello di attenzione verso le implicazioni etiche dell’AI superiore alla media del campione (51,2% vs 45,0%). Tale evidenza suggerisce che, ai livelli apicali delle organizzazioni, stia maturando una crescente consapevolezza del fatto che l’adozione dell’AI non costituisca soltanto una questione di efficienza o di innovazione tecnologica, ma implichi anche attenzione verso criteri di equità, responsabilità e legittimità nelle scelte organizzative.

Solo dopo queste aree di preoccupazione – atrofizzazione cognitiva, sicurezza dei dati e questioni etiche/morali – si colloca il timore relativo a una possibile riduzione dei posti di lavoro (40,4%). Come già sopra accennato, si tratta di un’evidenza molto interessante, in quanto contribuisce in parte a ridimensionare una narrazione spesso dominante nel dibattito pubblico, secondo cui la paura principale associata all’AI riguarderebbe direttamente la sostituzione occupazionale. Come prevedibile, sotto questo profilo emerge una differenza marcata tra Top Manager (23,2%) e altri dipendenti (42,1%). Se il management tende a interpretare l’AI prevalentemente come fattore di trasformazione organizzativa, innovazione e ridefinizione dei processi, più che come leva diretta di sostituzione del lavoro umano, la base dei lavoratori manifesta invece una preoccupazione più concreta rispetto alla stabilità occupazionale.

È interessante rilevare come, in termini apparentemente controintuitivi, il timore di perdere il posto di lavoro a causa dell’AI risulti più contenuto nei settori manifatturieri a bassa intensità di innovazione (32,18%). Una possibile interpretazione è che, in tali contesti, il lavoro mantenga una forte componente fisica, percepita come difficilmente sostituibile nel breve da tecnologie come le nuove forme di AI. Si tratta, inoltre, di ambiti che hanno già attraversato precedenti ondate di automazione senza che ciò abbia determinato una piena sostituzione del contributo umano, alimentando così una maggiore familiarità con il cambiamento tecnologico e, forse, una minore percezione di minaccia. A ciò si aggiunge il fatto che l’AI, soprattutto nelle sue forme più visibili e attualmente diffuse, appare ancora associata soprattutto al lavoro d’ufficio e alle professioni cognitive, risultando quindi percepita come più distante da molte attività manifatturiere tradizionali.

La nuova mappa delle preoccupazioni sembra segnalare uno spostamento della complessità dalle fasi iniziali di sperimentazione a quelle di AI scaling. Temi come sicurezza dei dati, bias, implicazioni etiche e governance sono spesso poco considerati — se non ignorati — quando si realizzano pilot, PoC o sperimentazioni circoscritte. Diventano invece veri e propri ostacoli, e alimentano dibattiti accesi, quando l’obiettivo è estendere l’adozione all’intera organizzazione, integrando l’AI nei processi, nelle decisioni e nelle responsabilità operative.

Alcune riflessioni sui dati emersi

In particolare, il dato forse più interessante è che la paura predominante non appare più quella della sostituzione occupazionale diretta, quanto piuttosto il rischio di una progressiva dipendenza cognitiva dalla tecnologia. Tale dipendenza è percepita come possibile causa di perdita di competenze, riduzione dell’autonomia critica e rallentamento dei processi di apprendimento, soprattutto quando l’AI viene utilizzata in modo non consapevole e senza una piena comprensione di cosa sia realmente – e cosa non sia – l’intelligenza artificiale, specie nelle forme generativa ed agentica. In questa prospettiva, emerge anche una questione epistemica: l’AI produce risposte spesso fluide e convincenti, ma non necessariamente vere, complete o contestualmente appropriate. Diventa quindi cruciale preservare la capacità umana di valutare le fonti, verificare le informazioni, riconoscere possibili allucinazioni o bias e distinguere tra output plausibile e conoscenza effettivamente affidabile. L’uso competente ed efficace dell’AI richiede non solo abilità tecniche, ma anche giudizio critico e responsabilità nell’interpretazione degli output. Al tempo stesso, il peso assunto da temi come cybersecurity, bias, governance e implicazioni etiche sembra confermare che le principali difficoltà emergano soprattutto nelle fasi di AI scaling. Molte criticità possono infatti rimanere relativamente latenti durante sperimentazioni circoscritte o pilot limitati, per poi diventare centrali quando l’obiettivo è integrare l’AI su larga scala nei processi, nelle decisioni e nelle responsabilità operative dell’organizzazione.

Nel complesso, i dati sembrano quindi delineare una trasformazione nella quale la sfida non riguarda soltanto l’adozione tecnologica in senso stretto, ma sempre più la capacità delle organizzazioni di costruire modelli di utilizzo dell’AI sostenibili sotto il profilo organizzativo, cognitivo e comportamentale.

Il presente articolo si basa su una selezione di contenuti dal Report “Oltre la linea rossa? Governo e diffusione dell’intelligenza artificiale”, sviluppato da ITIR Università di Pavia e presentato nel corso di ITIR Summit 2026.