L’adozione dell’AI in azienda sta mostrando un effetto meno lineare rispetto alla narrazione più diffusa sull’efficienza. Un’analisi basata su 18 interviste condotte in due grandi società di consulenza indica che i benefici dell’automazione non si distribuiscono in modo uniforme lungo la gerarchia: i profili junior e i leader senior sembrano guadagnare spazio, mentre la fascia intermedia assorbe una parte crescente dei costi organizzativi.
Il dato chiave riguarda i middle manager. Mentre l’AI consente ai consulenti junior di accedere prima a lavori più complessi, come la partecipazione a conversazioni strategiche un tempo più presidiate dai senior, e permette ai vertici di ampliare il perimetro delle attività gestibili, i manager intermedi si trovano a fare da filtro, revisori e garanti della qualità. La promessa di liberare tempo per attività a maggiore valore rischia così di trasformarsi, per questa fascia, in un nuovo strato di lavoro.
Il nodo operativo è la gestione degli output generati dai sistemi di intelligenza artificiale. I manager devono validare i contenuti prodotti, intercettare errori o debolezze, guidare i team nell’uso degli strumenti e mantenere gli standard di consegna. Il problema non è solo tecnico: riguarda la responsabilità finale su materiali che possono apparire corretti, completi e professionali anche quando non lo sono.
In questo contesto emerge il concetto di workslop, cioè contenuto generato dall’AI che ha una forma convincente ma manca di sostanza. Per un’organizzazione di consulenza, dove analisi, sintesi e raccomandazioni devono reggere davanti al cliente, il controllo di qualità diventa una funzione critica. Se però ogni output richiede una verifica più attenta, il tempo risparmiato nella produzione può riapparire come tempo speso nella revisione.
La pressione si innesta su un quadro già fragile. I manager intermedi operano spesso dentro strutture più snelle, segnate da layoff, perimetri di responsabilità più ampi e minore supporto formale. L’AI aggiunge aspettative nuove senza necessariamente modificare scadenze, organici o metriche di performance. La conseguenza è un accumulo di compiti: consegnare, controllare, formare, correggere e al tempo stesso mantenere la produttività promessa dagli strumenti.
La dinamica incide anche sui percorsi di crescita. Se i manager dedicano più tempo a controllare il lavoro prodotto con l’AI, possono avere meno capacità per coaching, affiancamento e apprendistato professionale. È proprio quella fascia, nelle imprese di servizi ad alta intensità di conoscenza, a tradurre l’esperienza dei senior in competenze operative per i profili più giovani. Quando questa funzione si comprime, il rischio non riguarda solo il carico individuale, ma la costruzione della prossima generazione di leader.
Il campione osservato è ristretto e riguarda il mondo della consulenza, quindi non consente generalizzazioni automatiche a ogni settore. Offre però una lente utile per leggere l’adozione dell’AI dentro le imprese: non basta misurare quante persone usano gli strumenti o quante ore vengono risparmiate in teoria. Serve capire dove si spostano controllo, responsabilità e fatica cognitiva quando la produzione di contenuti accelera.
Per le aziende, la questione diventa organizzativa prima ancora che tecnologica. Il successo dell’adozione AI non può essere valutato solo attraverso indicatori di produttività immediata: deve includere il carico sui manager, la qualità del lavoro consegnato, la capacità di formazione interna e gli effetti indiretti sui team. Se l’AI eleva junior e senior ma comprime il livello intermedio, la trasformazione rischia di creare efficienza apparente e colli di bottiglia reali.