Il sondaggio Deloitte UK sulla spesa per l'AI rivela una frattura da 958 milioni di sterline nel mondo del lavoro

Deloitte afferma che i lavoratori britannici spendono oggi circa 958 milioni di sterline all'anno in strumenti di AI generativa utilizzati per il proprio lavoro. Il sondaggio Deloitte UK sulla spesa per l'AI mostra che i dipendenti adottano questa tecnologia più rapidamente di quanto molti datori di lavoro riescano a governarla, finanziarla o persino osservarla.

Il dato principale colpisce, ma il conflitto sottostante conta di più. I lavoratori considerano sempre più l'AI come software personale essenziale, mentre i datori di lavoro continuano a trattarla come un sistema aziendale controllato. I dipendenti acquistano accessi, scelgono strumenti e costruiscono flussi di lavoro prima che i processi formali di approvvigionamento e sicurezza riescano a tenere il passo.

Questa divisione ha creato una vasta economia di shadow AI nei luoghi di lavoro britannici. Per shadow AI si intende l'uso di servizi di AI generativa senza che il datore di lavoro ne sia a conoscenza o abbia dato l'approvazione. Il fenomeno segue precedenti ondate di software cloud non autorizzato, ma i prompt possono esporre dati sensibili e le risposte generate possono introdurre errori nascosti.

I risultati di Deloitte non dimostrano che tutta questa spesa produca un valore equivalente. La metà degli utenti intervistati non ha segnalato risparmi di tempo e gli utilizzi più comuni restano basilari. La vera storia non è quindi un entusiasmo senza limiti per l'AI. È un trasferimento di decisioni tecnologiche, costi e rischi dai datori di lavoro ai singoli lavoratori.

Il sondaggio Deloitte UK sulla spesa per l'AI rivela la portata del fenomeno

I dipendenti hanno già reso l'AI generativa parte del luogo di lavoro, indipendentemente dal fatto che le loro organizzazioni la supportino formalmente.

Deloitte ha pubblicato i risultati del suo primo GenAI Workforce Survey il 16 settembre 2026. Ipsos UK ha svolto il lavoro sul campo online tra il 7 maggio e il 10 giugno, raccogliendo le risposte di 25.000 lavoratori tra i 18 e i 70 anni.

Il campione comprendeva dipendenti e lavoratori autonomi di 22 settori e 24 ruoli. Deloitte ha applicato ponderazioni demografiche e occupazionali per riflettere la più ampia popolazione non online. L'azienda lo descrive come il più grande sondaggio nazionale sull'uso dell'AI generativa sul lavoro condotto finora.

Secondo il sondaggio sulla forza lavoro, il 63% degli intervistati ha dichiarato di aver consapevolmente usato l'AI generativa per lavoro. Questo gruppo rappresentava 16.749 persone del campione completo. Un ulteriore 34% non ha segnalato utilizzi lavorativi, mentre il 3% non lo sapeva.

L'adozione non era limitata a esperimenti occasionali. Deloitte ha dichiarato che il 24% di tutti i lavoratori britannici usava l'AI generativa per lavoro ogni giorno. Tuttavia, un'altra pagina del sondaggio indica un dato del 12% per l'uso quotidiano, apparentemente riferito a una categoria di risposta più ristretta. Questa differenza mostra perché le stime sulla frequenza richiedono una lettura attenta.

Anche l'accesso agli strumenti proveniva da più fonti. Tra gli utenti di AI generativa, il 46% usava servizi gratuiti, il 34% utilizzava strumenti esterni finanziati dal datore di lavoro e il 17% usava sistemi interni. Gli intervistati potevano utilizzare più di una categoria, quindi questi dati non devono essere sommati.

L'aspetto più importante è che il 17% pagava personalmente almeno uno strumento utilizzato al lavoro. Deloitte ha estrapolato questa spesa a 958 milioni di sterline annui sull'intera forza lavoro britannica. La stima coglie un mercato che i normali budget aziendali per il software potrebbero non rilevare.

Il sondaggio Deloitte sulla shadow AI aggiunge un altro dettaglio importante. Il sei percento degli utenti che si autofinanziano ha dichiarato di spendere più di 50 sterline al mese, di solito su più strumenti. Ciò suggerisce che alcuni dipendenti stiano assemblando stack AI personali invece di affidarsi a un unico assistente generico.

Questi stack possono includere servizi separati per scrittura, ricerca, programmazione, riepiloghi di riunioni, generazione di immagini o analisi dei documenti. Un lavoratore può considerare ciascun abbonamento una scorciatoia pratica. Un datore di lavoro vede una raccolta frammentata di account con condizioni di sicurezza e controlli sui dati diversi.

Il sondaggio Deloitte UK sulla spesa per l'AI misura quindi più della domanda di chatbot. Rivela quanto rapidamente i dipendenti possano creare un livello software non ufficiale attorno al proprio lavoro. Questo livello è finanziato tramite account personali e spesso resta fuori dalla visibilità aziendale.

I lavoratori finanziano gli strumenti che i datori di lavoro non hanno fornito

Il divario di spesa mette sotto pressione i datori di lavoro perché i lavoratori trattano l'accesso all'AI come un requisito anziché come un benefit aziendale.

Alcuni dipendenti sembrano pagare perché i servizi che preferiscono funzionano meglio delle alternative approvate. Tra gli intervistati che utilizzavano strumenti non approvati o pagavano personalmente, il 21% ha affermato che quei prodotti superavano gli strumenti aziendali. Un ulteriore 14% ha descritto i servizi come essenziali per il proprio lavoro, ma non finanziati dal datore di lavoro.

Anche gli incentivi di carriera influenzano la decisione. Deloitte ha rilevato che il 16% di questo gruppo riteneva che gli strumenti di AI scelti personalmente migliorassero le proprie prospettive di promozione. Acquistare software diventa un investimento informale nella performance individuale, anche quando il lavoro risultante avvantaggia l'organizzazione.

Questo crea un'insolita configurazione economica. I datori di lavoro ricevono bozze, sintesi, ricerche o codice prodotti con servizi che i dipendenti hanno scelto e finanziato autonomamente. L'organizzazione ottiene parte dell'output, accettando al contempo rischi che potrebbe non aver valutato.

I lavoratori possono comunque considerare vantaggiosa questa situazione. Se uno strumento elimina attività ripetitive o aiuta a superare un compito difficile, attendere mesi per l'approvazione dell'acquisto sembra costoso. I servizi di AI per consumatori possono essere aperti in pochi minuti, mentre le valutazioni aziendali richiedono revisioni di sicurezza, legali, finanziarie e informatiche.

Il modello di spesa per l'AI nei luoghi di lavoro del Regno Unito riflette inoltre le differenze tra accesso approvato e accesso preferito. Fornire un assistente interno non garantisce che i dipendenti smettano di usare servizi esterni. I lavoratori confrontano qualità dell'output, velocità, disponibilità dei modelli, integrazioni e familiarità.

I servizi finanziari dimostrano il problema. Deloitte ha rilevato che il 28% degli utenti di AI generativa nei settori finanza, banche e assicurazioni utilizzava strumenti interni, rispetto al 17% complessivo. Gli strumenti esterni finanziati dall'azienda raggiungevano inoltre il 41%, sopra il dato del 34% per tutti i settori.

Eppure il 19% degli utenti di AI generativa in quel settore pagava ancora i propri strumenti. Il dato superava il tasso intersettoriale nonostante la maggiore disponibilità di opzioni approvate. Una maggiore quantità di software aziendale non ha eliminato automaticamente gli abbonamenti personali.

Il risultato mette in discussione un'ipotesi comune alla base dell'implementazione aziendale. I datori di lavoro spesso si aspettano che un assistente approvato consolidi l'utilizzo. I dipendenti, invece, sembrano disposti a mantenere servizi separati quando tali prodotti si adattano meglio a flussi di lavoro specifici.

Questo non significa che ogni strumento preferito sia oggettivamente superiore. Gli utenti possono favorire interfacce che già conoscono o servizi che impongono meno restrizioni. Un sistema approvato può sembrare più debole proprio perché blocca azioni sensibili consentite da un account consumer.

I datori di lavoro affrontano ora una scelta obbligata. Possono rimborsare servizi selezionati, migliorare le alternative interne o limitare più aggressivamente l'uso esterno. Ogni risposta comporta costi, e un semplice divieto può spingere l'utilizzo ancora più in profondità nell'ombra.

Il sondaggio Deloitte UK sulla spesa per l'AI traduce questa scelta in termini finanziari. Quasi 1 miliardo di sterline di spesa personale segnala una forte domanda da parte dei dipendenti, ma non identifica quali strumenti meritino l'adozione aziendale. Le imprese hanno ancora bisogno di evidenze sull'utilizzo, sui rischi e sui rendimenti misurabili.

Il conflitto principale è tra domanda dei dipendenti e controllo dei datori di lavoro

I lavoratori vogliono accesso immediato a modelli utili, mentre i datori di lavoro hanno bisogno di regole coerenti per dati, accuratezza, responsabilità e spesa software.

Deloitte ha rilevato che il 31% degli utenti di AI generativa operava senza che il proprio datore di lavoro ne fosse a conoscenza. La sua analisi sulla shadow AI descrive un divario tra la policy formale e il comportamento effettivo dei dipendenti.

Non si tratta semplicemente di un fallimento della conformità da parte di lavoratori irresponsabili. Il sondaggio evidenzia anche carenze nella leadership e nella formazione. I dipendenti prendono decisioni in un ambiente in cui le linee guida ufficiali possono essere poco chiare, indisponibili o scollegate dal loro lavoro.

Solo il 28% degli utenti ha dichiarato che la propria organizzazione disponeva di una policy sull'AI generativa chiara, aggiornata, compresa e facile da trovare. Un ulteriore 34% ha affermato che il proprio datore di lavoro non aveva alcuna policy, mentre il 23% non sapeva se ne esistesse una.

Una policy che i dipendenti non riescono a trovare ha scarso valore pratico. Non risponderà alla domanda se qualcuno possa caricare note di riunioni, corrispondenza con i clienti, codice sorgente o una proposta riservata. I lavoratori che hanno una scadenza prenderanno le proprie decisioni.

La metà degli utenti di AI generativa non aveva ricevuto alcuna formazione formale. Solo il 20% ha riferito di aver ricevuto istruzioni obbligatorie. Questi dati significano che milioni di lavoratori imparano attraverso sperimentazione, consigli online e le interfacce fornite dalle aziende di AI.

Questa carenza formativa conta perché le interfacce conversazionali possono nascondere complessità tecniche. Un chatbot appare simile a un software di ricerca o messaggistica, eppure i dati inseriti possono essere archiviati, revisionati o elaborati secondo termini che variano in base al servizio e al tipo di account.

Anche il materiale generato richiede una valutazione. Una risposta fluida può contenere affermazioni false, ragionamenti incompleti, citazioni inventate o formulazioni inappropriate. I lavoratori hanno bisogno di conoscenza del settore e abitudini di verifica, non solo di tecniche di prompting.

I rischi aumentano quando un account personale entra a far parte di un flusso di lavoro professionale. Un'organizzazione potrebbe non sapere quale modello abbia prodotto un documento, quali informazioni siano entrate nel sistema o se un'altra persona abbia controllato l'output. Ciò indebolisce la verificabilità.

Esiste anche un problema di approvvigionamento. Account personali separati impediscono ai datori di lavoro di vedere la domanda totale e di negoziare l'accesso in base all'utilizzo reale. Nel frattempo, le licenze aziendali possono rimanere sottoutilizzate perché l'organizzazione ha scelto un prodotto senza comprendere le preferenze dei dipendenti.

Deloitte afferma che il 22% degli utenti operanti al di fuori della supervisione del datore di lavoro riteneva che la propria organizzazione avrebbe approvato se ne fosse stata a conoscenza. Questo gruppo potrebbe non considerarsi in violazione di una regola significativa. Interpreta il silenzio come un'autorizzazione implicita.

Il datore di lavoro può interpretare lo stesso comportamento in modo diverso, soprattutto nel lavoro regolamentato o riservato. Anche esperimenti innocui possono creare incertezza quando nessuno registra il servizio utilizzato, le informazioni fornite o la revisione applicata successivamente.

Il sondaggio Deloitte sulla shadow AI espone quindi un problema di governance creato da incentivi non allineati. I lavoratori beneficiano immediatamente quando uno strumento riduce lo sforzo necessario. I datori di lavoro sostengono rischi legali, di sicurezza, reputazionali e di qualità nel lungo periodo.

I controlli rigorosi da soli non risolveranno questo disallineamento. Bloccare i siti web sui dispositivi gestiti non copre telefoni personali, computer domestici o testo copiato. La sorveglianza può inoltre ridurre la fiducia senza rivelare perché i dipendenti abbiano rifiutato gli strumenti ufficiali.

Le organizzazioni hanno bisogno di un percorso praticabile per la sperimentazione approvata. Ciò include confini chiari, alternative accessibili e modalità per richiedere servizi aggiuntivi. Richiede inoltre che i dirigenti spieghino quali dati non debbano mai entrare in un modello esterno.

I lavoratori della conoscenza possono ridurre le copie non necessarie mantenendo il materiale di lavoro affidabile in una base di conoscenza personale controllata. Tuttavia, il sistema necessita comunque di policy adeguate alla sensibilità dei suoi contenuti.

La competizione centrale non è quindi tra un fornitore di AI e un altro. È tra l'adozione guidata dai dipendenti e il controllo guidato dai datori di lavoro. Il vincitore determinerà chi sceglie l'AI sul posto di lavoro e chi rimane responsabile quando fallisce.

Una spesa elevata non significa ancora alta produttività

La stima di 958 milioni di sterline indica una disponibilità a pagare, ma le evidenze di Deloitte descrivono un utilizzo diffuso e superficiale, non un cambiamento consolidato della produttività.

I lavoratori hanno dichiarato di risparmiare in media 70 minuti alla settimana grazie all'AI generativa. Secondo l'annuncio di Deloitte sui risultati del sondaggio, gran parte del tempo risparmiato veniva dedicata a ulteriore lavoro per lo stesso datore di lavoro.

Una media può nascondere esperienze molto diverse. I dettagliati risultati sulla produttività di Deloitte hanno rilevato che metà degli utenti non risparmiava tempo. Circa uno su otto dichiarava risparmi superiori a tre ore settimanali.

Nell'intera forza lavoro, il 7% ha affermato che l'AI faceva risparmiare almeno cinque ore a settimana. La quota saliva al 21% nel settore dell'informazione e delle comunicazioni, ma scendeva al 5% nella sanità e nell'assistenza sociale. Il contesto settoriale incide chiaramente sul valore che i lavoratori dichiarano.

Il sondaggio si è basato sui ricordi dei lavoratori, anziché su una misurazione diretta della produttività. Deloitte stessa osserva che la maggior parte delle persone non riesce a ricordare con precisione il tempo risparmiato. Le stime rilevano benefici percepiti, non prove controllate di una maggiore produzione o di un lavoro di qualità superiore.

Anche i casi d'uso più comuni erano modesti. La ricerca di informazioni e la stesura di email comparivano entrambe tra le attività del 43% degli utenti. La creazione di riassunti si collocava al terzo posto, con il 31%.

Queste attività possono essere importanti, soprattutto se ripetute su una vasta forza lavoro. Tuttavia, generare email più rapidamente può semplicemente aumentare la quantità di testo che i colleghi devono leggere. Un minuto risparmiato dal mittente può creare lavoro aggiuntivo per i destinatari.

Deloitte ha rilevato che il 31% di tutti gli intervistati aveva usato l'AI generativa al lavoro senza risparmiare tempo. La sua analisi della produttività afferma inoltre che il 52% degli utenti riteneva che perdere l'accesso non avrebbe reso il proprio lavoro più difficile. Un ulteriore 11% pensava che il lavoro sarebbe potuto diventare più facile.

Solo l'8% ha descritto l'AI generativa come abbastanza importante da rendere il proprio lavoro molto più difficile in caso di perdita dell'accesso. Si tratta di un gruppo significativo, ma molto più ristretto del 63% che aveva provato la tecnologia.

Questi risultati complicano il sondaggio di Deloitte UK sulla spesa per l'AI. I dipendenti stanno pagando per gli strumenti prima che la forza lavoro abbia dimostrato guadagni di produttività costanti. La spesa rivela valore di opzione percepito tanto quanto valore aziendale dimostrato.

Un abbonamento offre a un lavoratore un accesso continuativo a nuovi modelli e funzionalità. Può fungere da assicurazione per incarichi difficili, anche quando i benefici quotidiani restano limitati. Una persona può mantenere un servizio perché ha gestito bene un'attività urgente.

Il valore può anche essere psicologico. L'AI generativa offre un punto di partenza quando un documento vuoto o una domanda poco familiare rallenta i progressi. Il lavoratore può sentirsi più capace senza produrre un risultato che le misure tradizionali delle prestazioni riescano a isolare facilmente.

Quando si risparmia tempo, i datori di lavoro non ne acquisiscono tutto il beneficio. Deloitte ha rilevato che il 27% di chi risparmiava tempo utilizzava almeno una parte del guadagno per attività personali. Circa la metà usava il tempo risparmiato per completare una maggiore quantità dello stesso lavoro.

Questo risultato non è necessariamente uno spreco. Brevi pause possono ridurre l'affaticamento, mentre completare le attività più rapidamente può migliorare la soddisfazione lavorativa. Tuttavia, rende più difficile calcolare il rendimento finanziario basandosi soltanto sulle ore di lavoro.

I datori di lavoro dovrebbero quindi evitare di trattare i conteggi di adozione come metriche di produttività. Il numero di account, prompt o utenti attivi dice poco sul fatto che il lavoro sia migliorato. Una valutazione affidabile dovrebbe esaminare qualità dell'output, tempi di ciclo, tassi di errore ed esperienza dei dipendenti.

I risultati di Deloitte offrono una base utile, non un verdetto definitivo. Il suo ciclo di sondaggi semestrali previsto dovrebbe rivelare se la sperimentazione diventa dipendenza. Può anche mostrare se la formazione porta gli utenti oltre email, ricerca e riassunti.

Fino ad allora, la stima di 958 milioni di sterline non dovrebbe essere presentata come prova di un guadagno economico altrettanto grande. Misura una spesa dedotta da comportamenti auto-riferiti. Non calcola profitto, output o ritorno sull'investimento.

La segretezza aumenta quando i lavoratori temono la reazione dei manager

La shadow AI è in parte una questione di sicurezza, ma i dati di Deloitte la rendono anche una questione di fiducia sul luogo di lavoro.

Quasi un quarto dei lavoratori, il 23%, riteneva che usare l'AI generativa al lavoro fosse associato a uno stigma. Tra gli utenti settimanali, il 64% temeva che i manager potessero concludere che l'AI fosse in grado di svolgere il loro lavoro.

Questa preoccupazione dà ai dipendenti una ragione per nascondere flussi di lavoro efficaci. Un lavoratore che risparmia diverse ore può aspettarsi più incarichi, un ruolo rivisto o domande sull'organico. Condividere il vantaggio può sembrare personalmente rischioso.

La segretezza impedisce quindi all'organizzazione di apprendere quali flussi di lavoro producono valore. I manager non vedono né l'esperimento riuscito né i suoi limiti. Anche i team di sicurezza perdono l'opportunità di valutare la gestione dei dati prima che la pratica si diffonda.

Hayley McKelvey, Chief AI Officer di Deloitte UK, ha affermato che i lavoratori che si sentono stigmatizzati hanno maggiori probabilità di nascondere il proprio utilizzo. La sua argomentazione collega i segnali culturali alla gestione del rischio. Non si può pretendere che i dipendenti rendano noti gli esperimenti quando la divulgazione appare minacciosa.

La comunicazione della leadership resta debole. Secondo la ricerca sulla formazione di Deloitte, il 65% degli utenti non aveva sentito i leader discutere dell'AI generativa con una comprensione chiara.

Quel gruppo includeva sia persone che ricevevano messaggi incoerenti sia persone che non ricevevano alcun messaggio. In entrambi i casi, i dipendenti ricevono poco aiuto nel distinguere gli usi incoraggiati da quelli inaccettabili.

Il risultato è un luogo di lavoro contraddittorio. I leader possono richiedere pubblicamente l'adozione dell'AI, mentre i manager diffidano privatamente del lavoro assistito dall'AI. I dipendenti sentono che la tecnologia è strategica, ma non ricevono regole stabili per applicarla.

Le preoccupazioni sulla qualità possono rafforzare tale sfiducia. I manager possono imbattersi in lavori deboli generati dall'AI e reagire scoraggiando ogni utilizzo. Gli utenti più competenti diventano quindi meno inclini a spiegare come combinano modelli, fonti e revisione umana.

Una risposta migliore comincia separando l'assistenza dalla responsabilità. I lavoratori possono usare l'AI per generare opzioni, riorganizzare appunti, riassumere materiali o redigere testi. Restano responsabili della verifica del risultato e della protezione delle informazioni riservate.

Anche la divulgazione richiede regole proporzionate. Richiedere una relazione formale per ogni suggerimento ortografico creerebbe attriti inutili. Decisioni ad alto impatto, input riservati o affermazioni pubblicate esternamente meritano una documentazione più rigorosa.

La formazione dovrebbe utilizzare scenari di lavoro reali. Dimostrazioni generiche non spiegano a un recruiter, un ingegnere software, un professionista del marketing o un amministratore sanitario in che modo differiscano i rispettivi rischi. Le politiche diventano credibili quando i lavoratori possono applicarle alle attività effettive.

Deloitte ha rilevato che il 51% della forza lavoro più ampia ha dichiarato che la formazione incoraggerebbe un uso più frequente dell'AI. Solo il 20% degli utenti attuali si considerava altamente competente. Rimane quindi ampio spazio per un supporto strutturato senza imporre l'adozione.

I datori di lavoro possono anche rendere più semplice l'uso di sistemi approvati con le informazioni interne. Un flusso di lavoro frammentato spesso spinge i dipendenti a copiare materiali tra applicazioni e chatbot esterni. Un migliore knowledge blending può ridurre tale attrito preservando al contempo il contesto necessario per risposte utili.

Tuttavia, un sistema approvato non dovrebbe diventare un pretesto per monitorare ogni domanda. Un tracciamento eccessivo può riprodurre la stessa paura che ha alimentato l'uso nascosto. La governance richiede trasparenza su ciò che viene registrato, su chi può ispezionarlo e sul perché.

È qui che il dato sulla spesa personale diventa particolarmente rivelatore. I lavoratori non stanno solo portando il proprio software. Stanno usando denaro personale per preservare scelta e privacy rispetto al modo in cui svolgono il lavoro assegnato.

I datori di lavoro che rispondono solo con restrizioni rischiano di approfondire la divisione. Quelli che ignorano il comportamento accettano un'esposizione non gestita. La via di mezzo praticabile combina strumenti utili, limiti chiari, formazione concreta e una protezione credibile contro le ritorsioni.

Cosa non può dimostrare il sondaggio di Deloitte sulla shadow AI

Il sondaggio stabilisce un ampio modello di comportamento dichiarato, ma i suoi numeri più memorabili restano stime anziché transazioni osservate direttamente o registri di produttività.

La cifra di 958 milioni di sterline è stata estrapolata da un sondaggio online. Deloitte non ha esaminato registri bancari, note spese o ricavi dei fornitori. La stima dipende dal fatto che gli intervistati riportino con precisione la propria spesa e il proprio utilizzo sul lavoro.

Alcune persone possono abbonarsi principalmente per ragioni personali e usare occasionalmente lo stesso servizio anche al lavoro. Altre possono condividere account o alternare accesso gratuito e a pagamento. Queste situazioni rendono difficile attribuire ogni pagamento interamente all'occupazione.

Il sondaggio combina inoltre dipendenti e lavoratori autonomi nella sua definizione più ampia di forza lavoro. Un professionista autonomo che acquista software effettua un acquisto aziendale tramite un account personale, cosa diversa da un dipendente che sovvenziona un grande datore di lavoro.

Deloitte fornisce basi separate per alcune domande, ma le sintesi pubbliche non possono rispondere a ogni questione metodologica. La distribuzione della spesa mensile aiuterebbe a capire se il totale riflette pagamenti modesti diffusi o un gruppo più ristretto di utenti intensivi.

La ricerca ha misurato l'adozione auto-riferita. Gli intervistati potrebbero interpretare l'AI generativa in modo diverso, soprattutto quando le funzionalità sono integrate in motori di ricerca, suite per ufficio, telefoni o software specializzati. Deloitte ha incluso una breve definizione, ma i confini della categoria restano fluidi.

Allo stesso modo, usare uno strumento senza che il datore di lavoro ne sia a conoscenza non equivale sempre a usarlo contro la policy. Alcune organizzazioni potrebbero non avere alcuna policy, e alcuni manager potrebbero tollerare l'uso informale. La shadow AI comprende diverse situazioni di governance.

Un resoconto giornalistico separato ha riportato gli stessi risultati principali, osservando al contempo che i risparmi di tempo non sono stati misurati direttamente. Questa precisazione è importante quando si collega la spesa dei dipendenti alla produttività.

Il sondaggio è inoltre arrivato solo due giorni prima della data di pubblicazione di questo articolo. C'è stato poco tempo perché ricercatori indipendenti, gruppi di lavoratori, specialisti della sicurezza o datori di lavoro esaminassero le sue ipotesi e rispondessero.

Deloitte è sia un editore di ricerca sia un fornitore di servizi di consulenza sull'AI. Questo non invalida i risultati, e Ipsos ha condotto il lavoro sul campo. Significa però che i lettori dovrebbero distinguere i risultati del sondaggio sottostante dalle raccomandazioni in linea con il lavoro di consulenza.

Le affermazioni più solide restano ben supportate nel campione: l'uso è diffuso, esiste il pagamento personale, la formazione è disomogenea e la visibilità dei datori di lavoro è incompleta. Il totale preciso della spesa nazionale comporta maggiore incertezza rispetto a tali conclusioni direzionali.

I sondaggi di follow-up previsti renderanno la ricerca più utile. Una metodologia coerente può rivelare se la spesa personale dichiarata aumenta, diminuisce o si sposta verso accessi finanziati dai datori di lavoro. Un singolo sondaggio offre un'istantanea, mentre rilevazioni ripetute possono stabilire una tendenza.

Dati indipendenti sulle transazioni aggiungerebbero un ulteriore livello. Fornitori, elaboratori di pagamento e piattaforme di gestione delle spese possono osservare il comportamento relativo agli abbonamenti, anche se raramente sanno se un account personale supporta lavoro retribuito.

I datori di lavoro possono generare migliori evidenze interne combinando ricerche anonime sui lavoratori con l'utilizzo di strumenti approvati e gli esiti dei flussi di lavoro. Dovrebbero evitare di trattare i registri di sorveglianza come un quadro completo, poiché l'uso nascosto resterà difficile da rilevare.

Il sondaggio Deloitte sulla shadow AI è più prezioso come avvertimento sui punti ciechi organizzativi. Non dovrebbe diventare un pretesto per affermare che ogni abbonamento sia produttivo o che ogni prompt non approvato crei una violazione.

Tre segnali mostreranno se i datori di lavoro stanno recuperando terreno

La prossima fase sarà misurata in base a finanziamenti, formazione e valore dimostrato, non da un ulteriore aumento della sperimentazione informale.

Il primo segnale è l’equilibrio tra accesso personale e accesso finanziato dal datore di lavoro. La prossima rilevazione di Deloitte dovrebbe mostrare se il tasso del 17% di spesa a carico dei lavoratori diminuisce. Un calo accompagnato da un utilizzo stabile indicherebbe che le organizzazioni stanno assorbendo strumenti già ritenuti utili dai dipendenti.

Un calo causato da blocchi restrittivi significherebbe invece altro. I datori di lavoro devono confrontare l’uso dichiarato con la soddisfazione dei dipendenti e l’adozione di strumenti approvati. Altrimenti, una minore spesa visibile potrebbe semplicemente riflettere un occultamento più profondo.

Il secondo segnale riguarda il fatto che la formazione raggiunga i lavoratori prima che le policy diventino meccanismi di applicazione coercitiva. La metà degli utenti attuali ha dichiarato di non aver ricevuto alcuna formazione formale e solo il 28% ha descritto la policy del proprio datore di lavoro come chiara, aggiornata, conosciuta e accessibile.

Se questi indicatori migliorano, le aziende potrebbero ridurre l’esposizione accidentale dei dati ottenendo al contempo una sperimentazione più utile. Se la conoscenza delle policy aumenta senza formazione né accesso affidabile, la governance resterà un esercizio burocratico.

Il terzo segnale è il superamento delle attività di base, come redazione, ricerca e sintesi. I dati attuali di Deloitte descrivono un’adozione diffusa ma superficiale. La conferma più solida sarebbe un miglioramento misurabile dei flussi di lavoro completi, non semplicemente una maggiore quantità di testo generato.

Le imprese dovrebbero monitorare se l’AI riduce i tempi di completamento senza aumentare correzioni, oneri di revisione o confusione nelle fasi successive. Dovrebbero inoltre verificare se i benefici emergono trasversalmente nei vari ruoli o si concentrano tra lavoratori tecnici già qualificati.

Per i dipendenti, la domanda pratica è se un flusso di lavoro assistito dall’AI possa essere dichiarato in sicurezza. I lavoratori dovrebbero comprendere quali informazioni sono consentite, come debbano essere verificati gli output e se le alternative approvate corrispondano agli strumenti che già utilizzano.

Per i datori di lavoro, la questione non è più se l’AI generativa sia entrata nel luogo di lavoro. Il sondaggio di Deloitte UK sulla spesa per l’AI mostra che i lavoratori hanno già preso questa decisione attraverso migliaia di acquisti e sperimentazioni individuali.

La scelta restante riguarda chi plasmerà la fase successiva. Le organizzazioni finanzieranno strumenti efficaci e creeranno regole che i lavoratori possano seguire, oppure lasceranno i dipendenti a costruire da soli sistemi non ufficiali?

La risposta determinerà se quasi 1 miliardo di sterline di spesa personale diventerà un ponte verso un lavoro migliore o la prova di una divisione duratura. I datori di lavoro dovrebbero iniziare chiedendo ai lavoratori per quali strumenti pagano, quali problemi tali strumenti risolvono e cosa impedisce che lo stesso lavoro avvenga in sicurezza all’interno di sistemi approvati.