Di che cosa si tratta
Per ogni tipo di attività, confronti tre opzioni: una persona da sola, l’IA da sola, e una persona che lavora con l’IA. Poi scelga. Molte aziende considerano “l’IA con una persona che controlla” la scelta sicura per definizione. Le prove dicono che non è sempre l’organizzazione migliore.
Che cosa mostrano le prove
Uno studio che ha combinato i risultati di 106 esperimenti ha confrontato tutte e tre le opzioni. In media, una persona che lavorava con l’IA faceva peggio della migliore delle due da sola.
La media nasconde uno schema:
- Decisioni. Nelle attività come giudicare o classificare un caso, una persona che lavorava con l’IA faceva peggio.
- Creazione di contenuti. Nelle attività come scrivere una bozza, una persona che lavorava con l’IA faceva meglio.
- Chi è migliore da solo. Quando le persone da sole battevano l’IA, aggiungere l’IA aiutava. Quando l’IA da sola batteva le persone, aggiungere una persona peggiorava i risultati.
Un esperimento con 758 consulenti mostra la stessa divisione all’interno di un solo lavoro. In 18 attività che l’IA svolgeva bene, i consulenti che usavano l’IA completavano il 12,2% di attività in più e lavoravano il 25,1% più velocemente. In un’attività scelta perché l’IA la svolgeva male, avevano 19 punti percentuali di probabilità in meno di arrivare alla risposta corretta.
Studi più recenti aggiungono quattro punti:
- Consigli generici senza controllo possono fare danni. In una sperimentazione randomizzata con 640 titolari di piccole imprese in Kenya, un mentore d’impresa basato su GPT-4 non ha fatto differenza in media. I titolari che all’inizio andavano male hanno fatto quasi il 10% peggio con il mentore. Nessuno ha confrontato i consigli con un riferimento prima che li mettessero in pratica.
- L’IA con una via verso una persona può battere le persone da sole. In esperimenti randomizzati su una grande piattaforma di vendita online, un servizio di IA che passava a una persona le domande più difficili ha venduto l’11,5% in più degli addetti umani da soli.
- Le persone scelgono da sé le proprie attività. In due sperimentazioni randomizzate di assistenti di IA che scrivono le note cliniche, i medici che avevano ricevuto gli strumenti li hanno usati in circa un terzo del loro lavoro: nel 33,5% e nel 29,5% delle visite per i due strumenti in una sperimentazione, e per il 38% delle note nell’altra. L’organizzazione che lei sceglie non è sempre quella che le persone usano.
- La riuscita cala man mano che le attività si allungano. Nei dati d’uso dei propri clienti aziendali, Anthropic, che vende modelli di IA, stima che la riuscita sia scesa da circa il 60% per attività che una persona farebbe in meno di un’ora a circa il 45% per attività di cinque ore o più. A giudicare la riuscita è stato un modello.
Le persone possono imparare a dividere meglio il lavoro. In un esperimento, le persone a cui era stato spiegato come funziona l’IA affidavano più spesso all’IA le attività giuste, e i loro risultati miglioravano.
Come si fa
- Elenchi i tipi di attività del processo, non le qualifiche professionali.
- Per ogni tipo, prenda un campione di casi reali passati di cui conosce la risposta giusta o di cui può giudicare la qualità.
- Faccia passare il campione in tre modi: persona da sola, IA da sola, persona con l’IA.
- Confronti prima la qualità, poi il tempo.
- Dove l’IA da sola è chiaramente migliore, non aggiunga una revisione umana di routine. Usi invece controlli a campione.
- Dove le persone da sole sono migliori, lasci che usino l’IA come aiuto.
- Ripeta il test quando cambia il modello di IA o l’attività.
Che cosa misurare
- La qualità o la precisione di ciascuna delle tre organizzazioni, sugli stessi casi.
- Il tempo per caso.
- Quanto spesso chi revisiona trasforma una risposta corretta dell’IA in una sbagliata, e viceversa.
Dove non funziona
- Non si può verificare la qualità. Se nessuno sa dire che cos’è una buona risposta, non si può fare il confronto. Risolva prima questo.
- La legge o un obbligo professionale richiedono una persona. Alcune decisioni devono avere una persona che ne risponde, qualunque cosa mostri il test. Il test le dice allora quanto peso dare al suggerimento dell’IA.
- Ciò che l’IA fa bene continua a cambiare. Un risultato vale per un modello di IA in un certo momento. Nello studio sui consulenti, attività che sembravano ugualmente difficili cadevano su lati diversi della linea tra ciò che l’IA faceva bene e ciò che faceva male.
Per dimensione dell’azienda
- Micro e piccole imprese: non farà un test formale. Prenda 20 casi passati e li confronti a mano. Basta per scoprire le discordanze peggiori.
- Medio-grandi e grandi imprese: renda il test a tre vie un passo standard prima di estendere qualsiasi uso dell’IA.
Casi aziendali
Aziende che l’hanno fatto
- Ashurst Lo studio ha provato gli strumenti sul maggior numero possibile di tipi di attività. Ha visto che i risultati cambiavano molto da un’attività all’altra.
- Herges Stahl- und Blechbau Prima che il modello entrasse in uso, le sue previsioni sono state confrontate con le stime del personale esperto sugli stessi lavori.
- Procter & Gamble P&G ha messo alla prova quattro configurazioni su problemi di prodotto reali (da soli o in coppia, con e senza IA) e ha fatto valutare i risultati a giudici che non sapevano quale fosse quale.
- PSG Global Solutions L’azienda ha diviso il lavoro in due: l’IA raccoglie le informazioni, e una persona le giudica.
- Siemens La stessa attività di ispezione è stata svolta con due tipi di aiuto dell’IA e confrontata con l’IA da sola. Gli operai con il solo punteggio hanno fatto peggio dell’IA da sola. Quelli a cui si mostrava dove aveva guardato hanno fatto meglio.
Aziende che l’hanno adottata in seguito
Fonti
- Vaccaro, Almaatouq and Malone (2024). When combinations of humans and AI are useful: A systematic review and meta-analysis. Nature Human Behaviour, 8(12), 2293–2303. Cosa ha fatto e cosa ha trovato questo studio
- Dell’Acqua, McFowland, Mollick, Lifshitz-Assaf, Kellogg, Rajendran, Krayer, Candelon and Lakhani (2026). Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality. Organization Science, 37(2), 403–423. Cosa ha fatto e cosa ha trovato questo studio
- Pinski, Adam and Benlian (2023). AI Knowledge: Improving AI Delegation through Human Enablement. Proceedings of the 2023 CHI Conference on Human Factors in Computing Systems. Cosa ha fatto e cosa ha trovato questo studio
- Otis, Clarke, Delecourt, Holtz and Koning (2026). The Uneven Impact of Generative AI on Entrepreneurial Performance: Evidence from a Field Experiment in Kenya. Management Science (published 10 July 2026). Cosa ha fatto e cosa ha trovato questo studio
- Fang, Yuan, Zhang, Donati and Sarvary (2025). Generative AI and Sales Productivity: Field Experiments in Online Retail. arXiv 2510.12049, version 6 (29 June 2026). Cosa ha fatto e cosa ha trovato questo studio
- Lukac, Turner, Vangala, Chin, Khalili, Shih, Sarkisian, Cheng and Mafi (2025). Ambient AI Scribes in Clinical Practice: A Randomized Trial. NEJM AI, 2(12). Cosa ha fatto e cosa ha trovato questo studio
- Anthropic (January 2026). Anthropic Economic Index report: Economic primitives. Anthropic sells AI models; the figures come from its own customers' usage, classified by its own model. anthropic.com
Pratiche collegate
- Mappi le attività prima di decidere cosa automatizzare Scomponga i ruoli in attività ed esamini ciascuna. Esistono punteggi pubblicati che misurano quanta parte di una professione l’IA potrebbe svolgere: la sua “esposizione”. Tratti un punteggio alto come un punto da guardare, non come una decisione di automatizzare. Prima di tutto · Impegno: basso (giorni, una persona)
- Dia l’aiuto dell’IA prima ai dipendenti arrivati da poco Quando introduce un assistente di IA per un’attività ben definita, cominci dalle persone con meno esperienza. Gli studi trovano che sono loro a guadagnarci di più. Subito dopo · Impegno: basso (giorni, una persona)
- Conservi le attività di base su cui imparano i nuovi arrivati Prima di automatizzare un lavoro di routine, verifichi se è il modo in cui i più giovani imparano il mestiere. Se lo è, ne tenga una parte per loro, o sostituisca l’apprendimento in un altro modo. Più avanti · Impegno: medio (settimane, poche persone)