Il paradosso della settimana lavorativa dell’AI: più automazione, fino a 90 ore di lavoro
Google News ha portato alla luce un’evidente contraddizione l’11 agosto: i leader dell’AI promettono meno lavoro umano, mentre alcuni lavoratori del settore tecnologico riferiscono settimane che sfiorano le 90 ore. L’inchiesta della BBC descrive il divario crescente tra ciò che l’AI può automatizzare e il modo in cui i datori di lavoro utilizzano la capacità risultante.
Il conflitto centrale non riguarda il fatto che l’AI faccia risparmiare tempo nelle singole attività. Le prove mostrano sempre più chiaramente che può farlo. Il punto è chi riceve quel tempo risparmiato e se i datori di lavoro trasformano l’efficienza in tempo libero, maggiore produzione o team più piccoli.
La questione ora va oltre alcune startup particolarmente intense. I dirigenti di Meta stanno dicendo ai dipendenti di reinvestire in lavoro aggiuntivo il tempo reso disponibile dall’AI. Nel frattempo, aziende di tutto il settore stanno alzando le aspettative sulle prestazioni, mentre i lavoratori assorbono nuove mansioni legate alla supervisione, alla verifica e alla correzione dell’AI.
Il risultato è un’inversione scomoda. Una tecnologia promossa come via di fuga dal lavoro di routine sta anche contribuendo a normalizzare obiettivi di produzione più elevati e orari più lunghi. La macchina lavora più velocemente, ma la giornata lavorativa umana non si accorcia automaticamente.
Cosa ha effettivamente cambiato il rapporto di Google News
Le ultime notizie trasformano un dibattito astratto sul futuro del lavoro in un attuale conflitto gestionale.
Per anni, i leader tecnologici hanno descritto l’intelligenza artificiale come un modo per eliminare le attività ripetitive. La ricompensa prevista sembrava semplice: le persone avrebbero dedicato meno tempo a scrivere email, cercare documenti o produrre codice di routine.
Quella promessa non era del tutto immaginaria. L’AI generativa può riassumere messaggi, produrre prime bozze, recuperare informazioni e suggerire modifiche al software. Queste capacità riducono il tempo necessario per attività specifiche, soprattutto quando il compito ha input chiari e un output facilmente verificabile.
Eppure, l’efficienza delle attività non equivale a una settimana lavorativa più breve. Un datore di lavoro può reagire a un’attività più veloce riducendo le ore, aumentando la produzione, tagliando il personale o assegnando lavoro più complesso. La tecnologia non sceglie tra questi esiti.
Il rapporto della BBC, distribuito tramite Google News, pone questa distinzione al centro della storia. Alcuni dipendenti dell’economia dell’AI descrivono orari che vanno dal già gravoso modello “996” di 72 ore a settimane vicine alle 90 ore.
Il termine 996 indica il lavoro dalle 9:00 alle 21:00, sei giorni a settimana. Questo orario totalizza 72 ore prima di considerare spostamenti, messaggi notturni o ulteriore lavoro nel fine settimana.
La Silicon Valley un tempo considerava il 996 un tratto allarmante della cultura tecnologica cinese. Nel 2021, le autorità cinesi hanno dichiarato illegali le versioni obbligatorie di questo orario. Da allora, startup statunitensi dell’AI hanno adottato il termine come segnale di velocità, ambizione e dedizione da fondatori.
La pratica non è universale nelle aziende tecnologiche. Né ogni orario lungo rappresenta un obbligo formale imposto dal datore di lavoro. Alcuni fondatori lavorano volontariamente per un numero estremo di ore perché possiedono quote rilevanti dell’azienda e si aspettano un importante ritorno finanziario.
La differenza cruciale emerge quando quell’accordo da fondatore diventa un requisito per i dipendenti. I lavoratori stipendiati possono sostenere lo stesso carico senza un controllo equivalente, partecipazioni azionarie o protezione dal licenziamento.
Le notizie sulla tendenza mostrano che gli orari lunghi possono entrare in gioco attraverso annunci di lavoro, colloqui di selezione, norme sulle prestazioni ed esempi dati dai dirigenti. Un orario può essere di fatto obbligatorio anche quando nessuna politica usa quella parola.
Questo rende l’attuale dibattito più significativo di un’altra discussione sulla cultura delle startup. L’AI sta cambiando la giustificazione economica del superlavoro. I manager possono ora sostenere che ogni dipendente abbia acquisito capacità aggiuntiva, anche quando il reale guadagno di produttività resta incerto.
Questo è il cambiamento che i lettori dovrebbero ricordare. La promessa dell’automazione è passata dall’essere un beneficio offerto ai lavoratori a un parametro usato per valutarli.
L’AI fa risparmiare tempo sulle attività, non intere giornate lavorative
Un guadagno di produttività diventa tempo libero solo quando un’organizzazione protegge deliberatamente quel tempo.
Uno degli studi più solidi sull’AI generativa al lavoro ha coinvolto migliaia di lavoratori della conoscenza che utilizzavano Microsoft 365 Copilot. I ricercatori hanno esaminato come l’accesso allo strumento abbia modificato il comportamento relativo a email, documenti e riunioni.
Lo studio sui modelli di lavoro, randomizzato, ha rilevato che gli utenti attivi trascorrevano oltre tre ore in meno alla settimana sulle email. Sembravano inoltre completare più rapidamente i documenti.
Tuttavia, i ricercatori non hanno rilevato alcuna riduzione significativa del tempo dedicato alle riunioni. I lavoratori potevano modificare le proprie abitudini personali relative alle email, ma non potevano riprogettare autonomamente un calendario condiviso con colleghi e manager.
Questa differenza spiega gran parte del paradosso attuale. L’AI opera a livello delle attività, mentre l’orario di lavoro nasce da un sistema organizzativo. Una redazione più veloce non può accorciare la settimana quando riunioni, approvazioni, obiettivi e organico restano invariati.
La stessa distinzione emerge nella ricerca 2026 di Boston Consulting Group. Il suo sondaggio globale ha coinvolto 11.749 lavoratori in 14 mercati e diversi settori.
Tra gli utenti regolari dell’AI in prima linea, il 42% ha dichiarato di risparmiare almeno un’intera giornata lavorativa ogni settimana. Eppure, il 66% ha ricevuto indicazioni limitate o nessuna indicazione su cosa fare del tempo risparmiato.
Più della metà non ha reindirizzato quel tempo verso il lavoro strategico. I risultati suggeriscono che molti datori di lavoro abbiano implementato gli strumenti senza riprogettare i ruoli né decidere come distribuire i guadagni di produttività.
Le conclusioni di BCG mostrano inoltre che il 67% degli intervistati ha affermato che l’AI si era fatta carico delle attività più semplici. Questo ha lasciato ai dipendenti una quota maggiore di lavoro complesso.
Eliminare il lavoro semplice può migliorare un impiego, ma rimuove anche le pause naturali. Una persona può passare direttamente da un’attività che richiede molto giudizio a un’altra, con meno momenti di minore richiesta cognitiva.
Il quarantuno per cento degli intervistati ha segnalato un maggiore affaticamento mentale associato all’AI. Quasi la metà ha dichiarato di dedicare più tempo a rivedere, correggere, gestire o dirigere l’output dell’AI.
Questo onere di verifica viene talvolta chiamato botsitting. Un lavoratore riceve una bozza rapida, ne controlla le affermazioni, corregge gli errori, la riconcilia con gli standard interni e si assume la responsabilità del risultato finale.
Il processo può comunque far risparmiare tempo. Può anche rendere più impegnativo ogni minuto rimanente. Misurare soltanto il tempo necessario a generare una bozza ignora la concentrazione richiesta per convalidarla.
Gli strumenti di AI creano un altro problema di misurazione. I manager possono facilmente contare codice, documenti, ticket o varianti di marketing generati. Hanno più difficoltà a misurare il giudizio, la manutenzione, la prevenzione dei rischi e il costo della correzione di output deboli.
Questo squilibrio incoraggia le aziende a premiare il volume visibile. I lavoratori rispondono producendo di più, revisionando di più e restando disponibili più a lungo.
Il singolo dipendente non può risolvere il problema soltanto migliorando la qualità dei prompt. Una settimana più breve richiede cambiamenti coordinati nelle scadenze, nelle strutture delle riunioni, nell’organico e nella valutazione delle prestazioni.
Senza questi cambiamenti, i minuti risparmiati diventano spazio vuoto in un piano di capacità. Il management riempie presto quello spazio con un’altra attività.
Il ritorno del 996 nella Silicon Valley alza la posta in gioco
La corsa all’AI sta trasformando la disponibilità estrema in un filtro di assunzione, non soltanto in una risposta temporanea alle emergenze.
Il lavoro intenso è sempre esistito intorno ai lanci di prodotto, agli incidenti di sicurezza e ai sistemi in difficoltà. Il modello più recente è diverso perché alcune startup pubblicizzano il superlavoro continuativo come normale modello operativo.
Un orario 996 richiede 12 ore al giorno per sei giorni. Alcuni resoconti descrivono dipendenti che lavorano sette giorni su sette o che estendono i propri orari oltre le 72 ore.
Un’inchiesta sulla Silicon Valley ha individuato startup dell’AI che abbracciavano apertamente il modello. Secondo quanto riferito, Rilla, che sviluppa software di analisi delle conversazioni per appaltatori di servizi domestici, ha dichiarato che quasi tutti i suoi circa 80 dipendenti seguivano il 996.
I sostenitori di questo orario sostengono che una breve finestra di mercato giustifichi un’intensità insolita. I modelli fondazionali cambiano rapidamente, gli operatori storici investono pesantemente e i prodotti concorrenti possono copiare funzionalità visibili nel giro di pochi mesi.
Questa pressione è reale. Una piccola azienda può ritenere di dover distribuire prodotti più rapidamente di un rivale più grande, con maggiori risorse di calcolo, distribuzione e capitale.
Tuttavia, la spiegazione legata all’AI può nascondere una decisione convenzionale sull’organico. Un’azienda potrebbe assumere abbastanza persone per un carico di lavoro sostenibile, oppure potrebbe assumerne meno e aspettarsi che ciascuna copra un ambito più ampio.
L’AI rende più facile presentare la seconda opzione come progresso tecnico. I dirigenti possono descrivere un team più piccolo come “AI-native”, anche quando il suo output dipende da un ampio ricorso agli straordinari umani.
Il mercato del lavoro rafforza questa pressione. I licenziamenti nel settore tecnologico hanno ridotto il senso di sicurezza dei dipendenti, mentre la domanda per un ristretto gruppo di ricercatori AI esperti resta intensa.
I lavoratori esterni a quel gruppo privilegiato affrontano un calcolo difficile. Rifiutare un orario estremo può apparire come mancanza di dedizione quando altri candidati lo accettano.
Gli annunci di lavoro e le chiamate di selezione possono rendere esplicita l’aspettativa. La cultura interna può ottenere lo stesso risultato attraverso promozioni, elogi pubblici, monitoraggio dei tempi di risposta o dirigenti senior che restano online ogni sera.
Il problema va oltre il numero totale di ore. Gli orari lunghi riducono il tempo disponibile per l’apprendimento, le responsabilità familiari, le cure mediche e il recupero. Possono inoltre restringere la forza lavoro alle persone in grado di organizzare la propria vita attorno al lavoro.
Questo effetto di selezione comporta conseguenze aziendali. Un’azienda può perdere dipendenti esperti, persone con responsabilità di cura e candidati che riconoscono come una privazione del sonno prolungata finisca per compromettere il giudizio.
Lo sviluppo software è particolarmente vulnerabile. Più codice non significa sempre più progresso. Ogni funzionalità aggiunta crea obblighi di test, sicurezza, manutenzione e integrazione.
L’AI può generare rapidamente opzioni di implementazione, ma non elimina la responsabilità per i guasti in produzione. I team devono comunque decidere cosa costruire, convalidare il comportamento e gestire le conseguenze quando i sistemi falliscono.
Una settimana di 90 ore può quindi produrre un ingannevole picco di attività visibile. L’azienda registra più commit e lanci, mentre accumula difetti, responsabilità poco chiare e debito tecnico.
L’output a breve termine può sembrare impressionante. I costi differiti emergono più tardi, spesso dopo che le persone che hanno creato il sistema hanno esaurito le energie o se ne sono andate.
L’inversione centrale: l’efficienza ha alzato l’obiettivo di lavoro
L’effetto più immediato dell’AI sul luogo di lavoro è spesso un tetto più alto per le prestazioni, non un minore impegno di tempo.
Il dibattito interno a Meta illustra questo cambiamento. Secondo quanto riferito, il Chief Technology Officer Andrew Bosworth ha detto ai dipendenti che il tempo risparmiato con l’AI dovrebbe essere destinato a svolgere più lavoro per gli utenti.
Secondo la copertura della riunione del personale di Meta, Bosworth ha affermato di aver usato un’ora in più per produrre di più. In seguito si è scusato per aver risposto in modo troppo duro a un dipendente che aveva chiesto ulteriore tempo libero.
La sua risposta ha reso insolitamente visibile la logica manageriale. Quando l'AI crea un'ora, l'azienda vede nuova capacità produttiva. Il dipendente può invece vederla come un'opportunità per riposare o accorciare la giornata.
Nessuno dei due esiti deriva automaticamente dalla tecnologia. È l'organizzazione a scegliere quale rivendicazione abbia la priorità.
Questo è il conflitto principale alla base della storia di Google News: l'efficienza dell'AI ha innalzato le aspettative più rapidamente di quanto abbia modificato gli accordi di lavoro. I lavoratori restano responsabili delle mansioni precedenti, mentre assorbono nuovi obiettivi di produzione.
Il modello ricorda un vecchio effetto economico. Quando una risorsa diventa più economica o più efficiente, le organizzazioni spesso ne consumano di più anziché mantenere costante il consumo.
L'AI riduce il costo di produzione di una bozza, un prototipo o un'analisi. Le aziende rispondono richiedendo più bozze, più prototipi e più analisi.
Un addetto al marketing che prima creava tre concept di campagna può ora essere chiamato a produrne 20. Uno sviluppatore che prima implementava un solo approccio può generarne cinque alternative e poi confrontarle.
Un team di assistenza può rispondere a più ticket senza ridurre le proprie ore. I manager vedono una maggiore produttività, mentre i lavoratori sperimentano un ritmo operativo più intenso.
Gli strumenti possono anche ampliare ciò che viene considerato lavoro ragionevole. Attività prima scartate perché troppo dispendiose in termini di tempo entrano nel backlog quando l'AI rende economico un primo passaggio.
Ogni risparmio locale genera una nuova richiesta. Il carico di lavoro totale cresce anche quando ogni singola unità richiede meno tempo.
Questa dinamica indebolisce l'affermazione secondo cui l'AI produca naturalmente più tempo libero. Una maggiore produttività può sostenere orari più brevi, ma solo se i lavoratori ricevono una parte del beneficio.
Storicamente, questa distribuzione è dipesa dalla contrattazione, dalle norme sul lavoro, dalle condizioni competitive di assunzione e dalle scelte manageriali. Le nuove macchine da sole non hanno introdotto i fine settimana, le tutele sugli straordinari o le ferie retribuite.
Lo stesso principio vale per l'AI generativa. Un'azienda deve decidere se l'efficienza debba tradursi in retribuzioni più alte, orari ridotti, qualità migliore, maggiore produzione o riduzioni dell'organico.
La maggior parte delle organizzazioni combinerà questi esiti. La questione importante è in quale proporzione e se i dipendenti abbiano qualche influenza su di essa.
Le aziende affrontano anche una trappola di coordinamento. Un datore di lavoro può desiderare orari sostenibili, ma temere di perdere velocità rispetto a un rivale che richiede il 996.
Questa paura può creare un'escalation a livello di settore. Ogni azienda estende gli orari perché presume che i concorrenti stiano facendo lo stesso, anche quando il lavoro risultante è di qualità inferiore.
La corsa diventa particolarmente intensa quando gli investitori premiano una rapida crescita di utenti o ricavi. I costi di manutenzione a lungo termine rimangono meno visibili di un prodotto rilasciato in questo trimestre.
L'AI svolge quindi due ruoli. È l'oggetto della competizione e la motivazione per richiedere maggiore produzione alle persone che la costruiscono.
Cosa Non Dimostrano i Numeri sulla Produttività
Né le testimonianze dei lavoratori né l'entusiasmo dei dirigenti dimostrano che orari estremi producano un valore aziendale duraturo.
Le segnalazioni di settimane da 72 e 90 ore meritano attenzione, ma non descrivono ogni azienda AI. I dipendenti delle startup che parlano pubblicamente possono rappresentare realtà lavorative particolarmente dure.
Allo stesso modo, gli intervistati che dichiarano di risparmiare otto ore non dimostrano che i loro datori di lavoro abbiano guadagnato otto ore di produzione di valore. Il risparmio di tempo auto-riferito può differire dalla produttività osservata, dalla qualità o dai risultati finanziari.
Gli studi a livello di attività offrono prove più controllate, ma le loro conclusioni restano circoscritte. Copilot ha ridotto il tempo dedicato alle email per gli utenti attivi durante una prima implementazione. Non ha dimostrato che ogni lavoratore, strumento o azienda otterrà lo stesso risultato.
La ricerca ha anche mostrato perché i guadagni individuali potrebbero non trasformare l'intero lavoro. Le riunioni e i processi coordinati sono cambiati meno delle attività che i lavoratori controllavano autonomamente.
I dirigenti aziendali non dovrebbero quindi trattare una stima generale della produttività come una quota per ogni ruolo. Un ingegnere, un avvocato, un designer e un venditore affrontano costi di errore e flussi di lavoro diversi.
Le prestazioni dell'AI variano anche all'interno della stessa professione. Un modello può produrre una prima bozza utile per una funzione di routine, ma fallire su un sistema non familiare o un requisito ambiguo.
Il tempo di revisione aumenta quando l'output è plausibile ma errato. I lavoratori devono controllare i dettagli proprio perché un linguaggio fluente può nascondere gli errori.
Un volume più elevato amplifica questo rischio. Quando i team generano più materiale, devono rivederne di più. Un collo di bottiglia può spostarsi dalla creazione alla verifica senza scomparire.
C'è anche una differenza tra output e risultato. Più codice non crea necessariamente un prodotto più affidabile, così come più messaggi di vendita non garantiscono più clienti.
Il sondaggio BCG offre un utile avvertimento. Il sessanta per cento degli intervistati ha affermato che lo standard per un lavoro considerato sufficientemente buono era aumentato, mentre il 72% ha dichiarato che le competenze richieste erano cambiate.
Solo il 36% riteneva di aver ricevuto un aggiornamento delle competenze adeguato. Questo divario sottopone i lavoratori a nuove aspettative senza una preparazione corrispondente.
Complica anche le affermazioni sul superlavoro volontario. Un dipendente può scegliere formalmente orari lunghi mentre risponde a licenziamenti, standard incerti o timore di essere sostituito.
Orari estremi possono apparire consensuali in un contratto e coercitivi nella pratica. La distinzione dipende dal potere contrattuale, dalle opportunità di lavoro alternative e dalle conseguenze del rifiuto.
Nulla di tutto ciò dimostra che le culture di startup esigenti falliscano sempre. Piccoli team hanno costruito prodotti importanti durante periodi di lavoro intenso, e alcuni dipendenti accettano consapevolmente il rischio in cambio di equity ed esperienza.
Il salto non supportato avviene quando i leader trattano uno sforzo eccezionale come un sistema operativo permanente. Uno sprint ha un punto di arrivo. Una cultura dell'urgenza continua no.
Il superlavoro prolungato crea i propri punti ciechi. I team esausti possono smettere di mettere in discussione le priorità perché consegnare diventa l'unica misura accettata dell'impegno.
Possono anche diventare dipendenti dall'output dell'AI proprio quando la stanchezza rende più difficile una verifica accurata. Questa combinazione aumenta i rischi operativi, legali e di sicurezza.
La conclusione responsabile è più circoscritta dell'affermazione più forte di entrambe le parti. L'AI può far risparmiare tempo in modo significativo e alcuni lavoratori della tecnologia continuano a svolgere orari estremi.
Questi fatti possono coesistere perché produttività e tempo libero sono esiti distinti. A collegarli sono i sistemi di gestione, non il software.
Cosa Dovrebbero Osservare Lavoratori e Datori di Lavoro
Le prossime prove arriveranno dalla progettazione dei carichi di lavoro, dalla fidelizzazione e dalle metriche di qualità, non da un'altra spettacolare dimostrazione dell'AI.
Il primo segnale è se le aziende modificano le aspettative formali sulle prestazioni. I leader dovrebbero dichiarare se i risparmi ottenuti con l'AI riducono il personale, ampliano gli obiettivi di output o sostengono orari più brevi.
Una politica non deve garantire che ogni ora risparmiata diventi tempo libero. Dovrebbe spiegare come viene condiviso il beneficio e quali metriche impediranno che il lavoro nascosto scompaia.
La revisione dell'output del modello deve essere considerata lavoro. Lo stesso vale per la correzione del codice generato, la documentazione delle decisioni, la risoluzione di sforzi duplicati e la gestione dei cambi di contesto.
I lavoratori hanno bisogno di una registrazione di queste attività perché semplici misure di output possono rappresentare erroneamente il loro contributo. Una base di conoscenza ingegneristica ricercabile può conservare decisioni, correzioni e contesto tecnico senza trasformare ogni contributo in un conteggio del codice.
Il secondo segnale è la fidelizzazione. Se le organizzazioni AI-first perdono costantemente personale esperto, gli orari estremi probabilmente stanno consumando capacità più rapidamente di quanto ne creino.
Il turnover conta più delle storie eclatanti sui singoli fondatori. I dipendenti esperti portano conoscenza dei sistemi, contesto sui clienti e comprensione dei fallimenti precedenti.
Le aziende dovrebbero confrontare abbandoni, assenze per malattia, tassi di incidenti e accettazione delle assunzioni tra team con aspettative AI diverse. Questi confronti possono rivelare se l'output aggiuntivo sia sostenibile.
Anche i dipendenti dovrebbero esaminare attentamente le descrizioni delle posizioni. Espressioni come “alta intensità”, “mentalità da fondatore” e “sempre reperibile” possono comunicare requisiti di orario reali senza indicare un totale orario.
I candidati possono chiedere come i team gestiscono fine settimana, emergenze, revisione dell'AI e periodi successivi ai lanci importanti. Le risposte sono più informative di una generica promessa sull'equilibrio tra lavoro e vita privata.
Il terzo segnale è la produttività corretta per la qualità. Le aziende devono misurare se l'output assistito dall'AI supera la revisione, raggiunge i clienti e rimane manutenibile.
Indicatori utili includono difetti, rilavorazioni, incidenti di sicurezza, fidelizzazione dei clienti e tempo dedicato alla correzione del materiale generato. Un grande aumento dell'output significa poco se i team a valle lo scartano o lo riparano.
Lo stesso standard dovrebbe applicarsi alle affermazioni sulla riduzione del lavoro. Un tempo di redazione più breve non corrisponde a una settimana lavorativa più corta se il dipendente trascorre la differenza in riunioni o validazione.
I lavoratori della conoscenza possono proteggersi conservando prove del lavoro completato, delle decisioni riviste e del lavoro nascosto dietro gli output finali. Un workflow AI personale può aiutare a documentare questa traccia senza aggiungere un altro lungo rituale di rendicontazione.
Il quarto segnale è se i grandi datori di lavoro seguono l'impostazione di Meta. Se più dirigenti indirizzano esplicitamente i lavoratori a reinvestire tutto il tempo risparmiato, il dividendo di produttività continuerà a confluire nell'output.
Se i datori di lavoro iniziano a sperimentare orari ridotti monitorando al contempo servizio e qualità, la promessa della settimana lavorativa più corta acquisirà prove. Fino ad allora, resterà una proposta politica piuttosto che una conseguenza tecnica.
Il segnale finale è l'attenzione normativa. Le attuali regole su retribuzioni, straordinari, salute e sicurezza sul lavoro non sono state progettate attorno a obiettivi di capacità generati dall'AI.
Le autorità non hanno bisogno di una nuova definizione di intelligenza artificiale per esaminare il lavoro non retribuito o gli orari coercitivi. Hanno bisogno di registri affidabili che mostrino quando i dipendenti hanno lavorato e cosa i datori di lavoro si aspettavano.
Google News continuerà a pubblicare storie su modelli più veloci e stime di produttività più elevate. I lettori dovrebbero guardare oltre il numero nel titolo e chiedersi cosa sia accaduto al tempo risparmiato.
I dipendenti hanno lavorato meno ore, prodotto di più, supervisionato macchine o coperto posizioni scomparse? La qualità è migliorata dopo la revisione o l'azienda si è semplicemente mossa più velocemente?
Queste domande determinano se l'AI diventerà una vera tecnologia per risparmiare lavoro o un altro strumento per intensificarlo. La risposta non arriverà da un benchmark. Emergerà dagli orari, dalle scelte di personale e dalle tutele che le organizzazioni adottano ora.
