Lavorare nel business o sul business: dove l’AI crea produttività vera

Un’azienda può essere molto impegnata senza essere realmente produttiva. Può produrre centinaia di email, documenti, riunioni, preventivi e aggiornamenti, mantenendo tutte le persone costantemente occupate, senza che questa attività si traduca necessariamente in più valore per il cliente, migliori margini o una maggiore capacità di crescere.

La distinzione tra lavorare nel business e lavorare sul business aiuta a comprendere questo problema.

Lavorare nel business significa svolgere le attività che permettono all’organizzazione di funzionare ogni giorno: rispondere alle richieste, preparare offerte, inserire dati, gestire ordini, organizzare appuntamenti, controllare documenti, produrre contenuti, risolvere imprevisti.

Lavorare sul business significa invece osservare il modo in cui quelle attività vengono svolte, individuare inefficienze, migliorare i processi, costruire strumenti, prendere decisioni, sviluppare competenze e creare nuove opportunità.

Entrambe le dimensioni sono necessarie. Il problema nasce quando il lavoro operativo assorbe quasi completamente il tempo disponibile, lasciando all’evoluzione dell’azienda soltanto gli spazi residuali.

La percentuale di lavoro nel business e sul business

Non esiste una percentuale valida per tutte le aziende. Un reparto amministrativo, un team commerciale, un responsabile di produzione e un imprenditore avranno distribuzioni differenti. Il valore della percentuale non sta quindi nel definire un modello universale, ma nel rendere visibile come viene utilizzato il tempo. Una persona potrebbe scoprire, per esempio, che l’85% della propria settimana è dedicato all’esecuzione, il 10% alla gestione degli imprevisti e appena il 5% al miglioramento del proprio lavoro. Un’altra potrebbe dedicare una quota maggiore all’analisi, alla pianificazione o alla costruzione di nuovi sistemi.

La domanda utile non è se tutti debbano arrivare al 50% di lavoro sul business. È capire se l’organizzazione sta riservando abbastanza tempo alle attività che possono renderla migliore domani.

Questo principio non riguarda soltanto imprenditori e dirigenti. Anche chi lavora in amministrazione, nelle vendite, nel marketing o nella produzione può lavorare sul business quando documenta una procedura, individua un errore ricorrente, migliora un passaggio, crea una base di conoscenza o propone un modo più semplice per svolgere un’attività.

In molte aziende, però, queste attività vengono considerate secondarie. Il miglioramento dovrebbe avvenire quando rimane tempo, ma il tempo non rimane quasi mai. L’urgenza quotidiana finisce così per conservare processi che tutti riconoscono come inefficienti.

Essere più veloci non significa essere più produttivi

L’intelligenza artificiale viene spesso introdotta con una promessa semplice: fare le stesse cose in meno tempo. È una promessa concreta, ma incompleta.

Se una persona impiegava due ore per preparare un documento e ora ne impiega trenta minuti, l’azienda ha ottenuto un miglioramento di efficienza.

Il risultato dipende da ciò che accade nei novanta minuti liberati.

Se vengono immediatamente riempiti con altri documenti, altre email e altre richieste, il volume aumenta, ma il sistema di lavoro rimane sostanzialmente identico. L’AI accelera il processo esistente senza modificarne la logica.

La produttività vera emerge quando quel tempo viene almeno in parte trasferito verso attività a maggiore valore: controllare meglio la qualità, comprendere un cliente, analizzare un problema, aggiornare una procedura, sviluppare una nuova proposta o eliminare definitivamente un passaggio inutile.

Le prime evidenze confermano che il rapporto tra AI e produttività è meno automatico di quanto venga spesso raccontato. Una sperimentazione condotta nel 2026 su lavoratori della conoscenza ha rilevato miglioramenti di efficienza nelle diverse attività osservate, ma effetti sulla qualità differenti a seconda del tipo di compito: positivi in alcuni casi e negativi in altri.

Anche l’OCSE invita alla cautela. Un’analisi su circa 12.000 imprese europee associa l’adozione dell’AI a un aumento di circa il 4% della produttività del lavoro nel breve periodo, ma le evidenze aggregate restano ancora disomogenee e non distribuite in modo uniforme tra settori e aziende.

Il punto non è quindi installare un assistente AI e attendere che la produttività aumenti. Il valore dipende dal compito scelto, dalla qualità dei dati, dalle competenze di chi utilizza il sistema e soprattutto da come viene riprogettato il processo.

Dove l’AI può spostare il lavoro verso attività di maggiore valore

Il primo campo di intervento è composto dalle attività ripetitive che consumano attenzione senza richiedere continuamente una nuova decisione.

Raccogliere informazioni da documenti, classificare richieste, preparare una prima bozza, aggiornare un CRM, trasformare una nota vocale in un report, confrontare versioni, compilare schede prodotto, riordinare dati o produrre un riepilogo sono esempi di lavoro nel business che può essere assistito o parzialmente eseguito dall’AI.

Non significa necessariamente eliminare l’intervento umano. Significa evitare che una persona debba ricominciare ogni volta da una pagina vuota o attraversare manualmente informazioni già disponibili.

Il secondo campo riguarda il recupero della conoscenza aziendale. Una parte consistente del tempo lavorativo viene persa cercando file, ricostruendo decisioni, chiedendo informazioni a colleghi o ripetendo analisi già svolte. Un sistema AI collegato alle fonti autorizzate può ridurre questa dispersione e rendere più facilmente accessibile ciò che l’organizzazione già conosce.

Il terzo campo è il supporto alle decisioni. L’AI può confrontare dati, evidenziare anomalie, sintetizzare scenari e preparare le informazioni necessarie a decidere. La responsabilità rimane umana, ma il tempo necessario per arrivare a una decisione consapevole può ridursi.

Il Work Trend Index 2026 di Microsoft, basato su segnali aggregati di Microsoft 365 e su una ricerca condotta tra 20.000 utilizzatori dell’AI in dieci Paesi, indica che il 49% degli utilizzi analizzati di Copilot supportava attività cognitive come analisi, valutazione, problem solving e pensiero creativo. Nella stessa ricerca, il 66% degli intervistati dichiarava di riuscire a dedicare più tempo ad attività ad alto valore grazie all’AI e il 58% affermava di produrre lavori che un anno prima non sarebbe stato in grado di realizzare. Si tratta di valutazioni dichiarate dagli utenti, non di una misurazione causale, ma mostrano quale dovrebbe essere la direzione del cambiamento.

I modelli AI-first più maturi cercano infatti di combinare talento umano, memoria aziendale, workflow strutturati e controllo della qualità, invece di limitarsi alla generazione automatica di contenuti.

Il tempo risparmiato deve avere una destinazione

Il rischio più concreto è che l’AI non riduca il carico di lavoro, ma aumenti semplicemente le aspettative. Più email, più presentazioni, più varianti, più analisi, più contenuti e più aggiornamenti possono essere prodotti nello stesso tempo. Ma quando la capacità produttiva cresce senza una chiara selezione delle priorità, aumenta anche il rumore interno.

Per evitare questo effetto, ogni progetto AI dovrebbe stabilire in anticipo che cosa fare del tempo liberato. Una parte potrà essere utilizzata per aumentare la capacità operativa, ma un’altra dovrebbe essere esplicitamente destinata al miglioramento.

Può significare dedicare due ore alla settimana alla revisione dei processi, affidare a una persona la manutenzione della conoscenza aziendale, organizzare momenti di formazione, analizzare gli errori ricorrenti o permettere ai team di sperimentare nuove modalità di lavoro.

La ricerca Microsoft del 2026 evidenzia che i fattori organizzativi, tra cui cultura, supporto dei manager e pratiche di gestione delle persone, risultano associati a un impatto dell’AI doppio rispetto allo sforzo individuale isolato. In altre parole, anche un lavoratore molto capace nell’uso dell’AI può produrre poco valore se opera dentro un’organizzazione che non modifica regole, responsabilità e processi.

Non basta quindi chiedere ai dipendenti di usare ChatGPT, Copilot, Claude o un altro strumento. Bisogna creare le condizioni perché ciò che imparano possa diventare un miglioramento condiviso.

Come misurare la produttività vera

Contare quante attività vengono completate è semplice. Valutare il valore generato è più difficile, ma anche più importante.

Una buona misurazione dovrebbe osservare almeno quattro dimensioni: tempo, qualità, risultato e capacità futura.

Il tempo riguarda la durata complessiva del processo, non soltanto la velocità del singolo compito. Automatizzare la preparazione di un documento serve poco se il documento rimane fermo per giorni in attesa di approvazione.

La qualità riguarda errori, rilavorazioni, coerenza e utilità dell’output. Produrre una prima bozza in pochi secondi non è un vantaggio se una persona deve impiegare più tempo di prima per verificarla e correggerla.

Il risultato riguarda ciò che cambia realmente per l’azienda o per il cliente: un ordine acquisito, una richiesta risolta, una decisione presa, un tempo di risposta ridotto, un margine migliorato.

La capacità futura misura invece se l’organizzazione sta imparando. Una procedura aggiornata, un dato reso accessibile, una nuova competenza o un workflow migliorato generano valore anche nelle attività successive.

Per questo la produttività non dovrebbe essere misurata soltanto attraverso il numero di output prodotti. È più utile osservare indicatori come:

• tempo totale dall’inizio alla conclusione del processo;
• percentuale di lavoro corretto al primo tentativo;
• ore dedicate a correzioni e rilavorazioni;
• tempo impiegato per recuperare informazioni;
• qualità e velocità delle decisioni;
• quota di tempo destinata al miglioramento;
• impatto finale sul cliente, sui ricavi o sui costi.

L’AI crea valore quando migliora una o più di queste dimensioni senza danneggiare le altre.

Dall’esecuzione all’evoluzione del lavoro

La trasformazione più interessante non consiste nel sostituire chi lavora, ma nel modificare ciò a cui le persone dedicano attenzione.

Una ricerca Anthropic del giugno 2026 ha rilevato che gli utilizzatori intervistati desideravano soprattutto una collaborazione capace di preservare il lavoro significativo e automatizzare le attività più ripetitive. Gli stessi ricercatori precisano che il campione, composto da utenti Claude frequenti e con una forte presenza di professioni tecnologiche e manageriali, non rappresenta l’intera popolazione lavorativa.

La direzione resta comunque significativa: utilizzare l’AI per ridurre la parte meccanica del lavoro e ampliare lo spazio dedicato al giudizio, alla relazione, alla creatività e alla responsabilità.

Questo passaggio richiede un nuovo patto organizzativo. Se una persona automatizza una parte delle proprie attività, non dovrebbe essere premiata soltanto con un volume maggiore dello stesso lavoro. Dovrebbe poter utilizzare parte della capacità liberata per migliorare il sistema, accrescere le proprie competenze e contribuire alle decisioni.

Lavorare nel business continuerà a essere indispensabile. Clienti, prodotti, ordini, documenti e problemi quotidiani non scompaiono. Ma un’azienda che non riesce mai a lavorare sul business finisce per dipendere dai propri automatismi, anche quando quegli automatismi non sono più efficienti.

L’intelligenza artificiale può cambiare questo equilibrio. Può assorbire parti dell’esecuzione, rendere accessibile la conoscenza e preparare meglio le decisioni. Il risultato, però, non dipenderà dal numero di tool adottati o di contenuti prodotti.

Dipenderà da quanto del tempo liberato verrà trasformato in qualità, apprendimento e capacità di costruire un’azienda migliore.