L’intelligenza artificiale rappresenta una delle trasformazioni tecnologiche più rilevanti del nostro tempo. Non si tratta soltanto di un insieme di strumenti innovativi, ma di un fenomeno destinato a incidere in profondità sugli assetti economici, sull’organizzazione del lavoro, sulla distribuzione delle competenze e, più in generale, sugli equilibri sociali e geopolitici. Le sue implicazioni sono molteplici: riguardano il controllo della conoscenza, la gestione delle infrastrutture tecnologiche, l’utilizzo dei dati e la possibilità, per persone e organizzazioni, di accedere in modo equo ai benefici dell’innovazione.
Nel dibattito pubblico, l’adozione dell’intelligenza artificiale viene spesso rappresentata come un processo inevitabile, quasi una forza autonoma destinata a imporsi sui sistemi economici, sulle organizzazioni e sulla società. Tuttavia, pur riconoscendo la straordinaria capacità innovativa dei nuovi strumenti digitali basati sull’IA, è necessario mantenere uno sguardo critico e consapevole. Occorre interrogarsi non solo sulle sue potenzialità, ma anche sui suoi limiti, sui rischi che può generare e sulle condizioni politiche, organizzative ed etiche che dovrebbero orientarne lo sviluppo e l’adozione.
Nei contesti aziendali, l’introduzione dell’intelligenza artificiale viene spesso presentata come una promessa di semplificazione: meno attività ripetitive, maggiore efficienza, più tempo da dedicare ad attività ad alto valore aggiunto. Tuttavia, nella pratica quotidiana di molte organizzazioni, questa promessa non si traduce automaticamente in una riduzione del carico di lavoro. Al contrario, uno degli effetti oggi più evidenti sembra essere l’intensificazione del lavoro con l’imposizione di ritmi più rapidi, aspettative crescenti e più output da produrre.
Alcune evidenze iniziano a mettere in luce questa tensione. Secondo una ricerca pubblicata dalla Harvard Business Review, condotta per otto mesi su circa 200 dipendenti di un’azienda tecnologica statunitense, l’utilizzo volontario di strumenti di IA generativa è stato associato a un aumento del multitasking, a un’estensione delle ore lavorative e a un carico cognitivo più elevato. Questo dato si inserisce in un quadro più ampio, in cui le aspettative del management e l’esperienza concreta di lavoratori e lavoratrici non sempre coincidono: mentre una quota molto elevata di leader aziendali (96%) si attende dall’IA un incremento della produttività, una buona parte del personale dipendente (77%) dichiara che l’adozione di questi strumenti ha aumentato il carico di lavoro o ridotto la produttività in almeno una dimensione della propria attività. Tra le principali criticità emergono il tempo necessario per revisionare i contenuti generati dall’IA, l’apprendimento di nuove piattaforme e l’aumento delle richieste operative.
Il punto, dunque, non è esclusivamente tecnologico poiché l’intelligenza artificiale non porta automaticamente produttività: può abilitarla, ma solo se viene inserita in un disegno organizzativo chiaro, accompagnata da competenze adeguate e governata attraverso criteri coerenti. In assenza di questa cornice, il rischio è che gli strumenti di IA generino un effetto paradossale: invece di liberare tempo, producono nuovi cicli di revisione, controllo, correzione e validazione, trasferendo sulle persone ulteriori responsabilità e aumentando la complessità del lavoro quotidiano. Questo accade perché, in molti casi, l’adozione tecnologica procede più rapidamente dello sviluppo delle competenze. Le aziende introducono strumenti e soluzioni di intelligenza artificiale per innovare i processi e migliorare l’efficienza, ma non sempre investono con la stessa intensità nella formazione, nella ridefinizione dei ruoli e nella costruzione di un uso consapevole della tecnologia.
Accanto agli effetti sulla produttività, sull’organizzazione del lavoro e sull’occupazione, emerge una questione altrettanto centrale: l’equità dei sistemi di IA e le loro potenziali implicazioni sull’aumento delle disuguaglianze. Ogni trasformazione tecnologica ridefinisce opportunità, potere, accesso alle competenze e percorsi di carriera, per questo è necessario interrogarsi fin da subito su chi partecipa alla costruzione dell’IA, chi ne beneficia, chi rischia di esserne escluso e quali disuguaglianze possono essere amplificate.
Un primo elemento riguarda il rischio che le donne restino ai margini di questa trasformazione. È quanto emerge dal rapporto Gender Parity in the Intelligent Age del World Economic Forum che evidenzia quanto le donne siano ancora sottorappresentate nei percorsi e nei ruoli STEM e quanto siano più esposte ai ruoli soggetti a disruption (interruzione o trasformazione radicale) da IA: il 57% delle posizioni più vulnerabili alla trasformazione tecnologica è occupato da donne, contro il 43% degli uomini.
A questo si aggiunge la minor presenza nei luoghi in cui l’IA viene progettata, sviluppata e governata. Se le donne restano sottorappresentate nei ruoli tecnologici e apicali, la trasformazione rischia di essere guidata da gruppi poco rappresentativi delle esperienze e dei bisogni della popolazione. Il punto, dunque, non riguarda solo l’utilizzo dell’IA, ma la partecipazione alla sua progettazione, alla definizione delle regole, alla valutazione dei rischi e alla costruzione di criteri di equità.
Proprio per approfondire questi aspetti, insieme a SheTech abbiamo progettato la survey GenIA: Parità di genere e Intelligenza artificiale tra innovazione e inclusione, con l’obiettivo di esplorare percezioni, esperienze e opinioni sull’impatto crescente dell’intelligenza artificiale nei contesti lavorativi. L’indagine, condotta in forma anonima, si è concentra su tre dimensioni centrali, parità di genere, etica e inclusione, e ha coinvolto una prevalenza netta di donne tra i 30 e i 49 anni, residenti principalmente nel Nord e nel Centro Italia. Gli uomini, meno numerosi, risultano mediamente con un’età più elevata e più concentrati in ruoli apicali. Pur tenendo conto di queste caratteristiche, emerge un dato chiaro: l’uso dell’IA è ormai trasversale. Non si rilevano differenze sostanziali nella frequenza di utilizzo tra chi lavora in ambito STEM e chi no, anche se cambiano le modalità d’uso. In generale prevalgono strumenti di generazione di contenuti e automazione, mentre in ambito STEM l’IA risulta più legata ad applicazioni specifiche.
Un dato particolarmente interessante riguarda la fiducia. Chi utilizza l’IA quotidianamente tende a esprimere maggiore sicurezza rispetto all’equità e all’etica dei sistemi aziendali. La familiarità con la tecnologia sembra quindi ridurre, almeno in parte, la distanza percepita. Tuttavia, questa maggiore fiducia non elimina la necessità di presidiare criticamente i rischi, soprattutto quando gli strumenti incidono su processi che riguardano le persone.
Sul fronte delle competenze emergono criticità rilevanti. La formazione risulta spesso discontinua: molte persone hanno partecipato a webinar o corsi introduttivi, ma manca un aggiornamento strutturato e costante. Anche in ambito STEM, a una forte adesione iniziale può seguire un calo della formazione continua. È un aspetto cruciale, perché l’IA evolve rapidamente e non può essere gestita con interventi episodici. Servono percorsi permanenti, differenziati per ruolo e livello di responsabilità, capaci di integrare competenze tecniche, consapevolezza etica e capacità critica.
Un altro tema centrale riguarda la consapevolezza dei bias. Le persone rispondenti mostrano attenzione al rischio che gli algoritmi replichino distorsioni storiche presenti nei dati, in particolare nei processi di selezione, valutazione e sviluppo professionale. Se i dati del passato incorporano disuguaglianze, un sistema che li utilizza senza adeguate correzioni può renderle più efficienti, più opache e più difficili da contestare.
La survey evidenzia inoltre un gap di percezione nell’ambito STEM: il divario tra uomini e donne sulla capacità dell’IA di contrastare gli stereotipi supera i 20 punti percentuali. È un segnale da non sottovalutare, perché mostra come la fiducia nella tecnologia non sia distribuita in modo uniforme. Le donne, come gruppo storicamente meno rappresentato, possono percepire con maggiore intensità il rischio che l’IA non corregga le disuguaglianze, ma le renda più difficili da individuare.
Anche la governance dell’innovazione appare un’area critica. Le decisioni sull’adozione dell’IA seguono prevalentemente una logica top-down, guidata dall’Alta Direzione. Il coinvolgimento delle persone resta limitato e, nelle aree STEM, le risposte positive sulla partecipazione scendono dal 37,7% al 26,8%. Questa mancanza di coinvolgimento incide sulla trasparenza percepita, che tra le donne STEM cala di 8,6 punti percentuali, e sulla fiducia nell’integrazione dei temi DE&I, che scende dal 44,1% al 33,3%.
La conseguenza è anche emotiva: le emozioni negative associate all’IA risultano più intense tra la popolazione femminile, anche nei settori tecnologici. La principale preoccupazione riguarda la velocità di adozione, percepita come un fattore di pressione che può aumentare le aspettative aziendali a scapito della qualità del lavoro.
Affinché una tecnologia sia realmente utile deve essere comprensibile, verificabile e contestabile. Deve, inoltre, prevedere responsabilità chiare, criteri di trasparenza e meccanismi di controllo, soprattutto quando interviene su decisioni che riguardano le persone. In questa direzione si muove AEQUITAS, progetto di ricerca portato avanti da Period Think Tank, finanziato da Horizon Europe e coordinato dall’Università di Bologna, che punta a integrare equità e fiducia nei sistemi di intelligenza artificiale. Il progetto propone un ambiente di sperimentazione controllata per chi sviluppa IA per valutare bias, individuarne le cause nei dati, negli algoritmi e nell’interpretazione dei risultati, e fornire linee guida per mitigare o correggere tali distorsioni.
L’approccio promosso da AEQUITAS si basa sul principio della fairness-by-design: progettare sistemi equi fin dall’inizio attraverso pratiche e metodologie anticipatrici, incorporando dimensioni sociali, giuridiche ed etiche lungo l’intero ciclo di vita dell’IA. Questa prospettiva è essenziale anche per le organizzazioni, oltre che per il settore pubblico e nelle istituzioni. L’equità non può essere un controllo finale, da applicare quando il sistema è già stato costruito, ma deve diventare un principio progettuale, capace di orientare la scelta dei dati, la definizione degli obiettivi, la composizione dei team, la valutazione degli impatti, la formazione e la governance.
La sfida, dunque, non è scegliere tra tecnologia e inclusione. La vera sfida è comprendere che non può esistere una trasformazione digitale solida senza una trasformazione culturale e organizzativa altrettanto profonda. L’IA può migliorare i processi, aumentare la capacità analitica e supportare decisioni più rapide. Tuttavia, se viene adottata senza competenze, senza trasparenza e attenzione agli impatti sociali, rischia di intensificare il lavoro, rafforzare le disuguaglianze e ridurre la fiducia. Il futuro del lavoro non dipenderà solo da ciò che l’intelligenza artificiale sarà in grado di fare, ma da come sceglieremo di progettarla, adottarla e governarla.
