Il sentimento verso l'AI sul lavoro diventa negativo mentre si erode la fiducia nella leadership

Google News sta mettendo in evidenza una netta inversione nelle recensioni su Glassdoor: nel 2026 solo il 43% dei commenti sull'AI sul lavoro era positivo, in calo dall'81% del 2019. Il cambiamento avviene nonostante le aziende acquistino più strumenti di AI e chiedano a un numero crescente di dipendenti di usarli. I lavoratori non stanno semplicemente rifiutando una tecnologia sconosciuta. Si chiedono cosa intenda farne la leadership.

Glassdoor ha rilevato che le menzioni dell'AI nelle recensioni dei dipendenti negli Stati Uniti sono aumentate del 240% tra maggio 2025 e maggio 2026. Il volume segnala che l'AI è uscita dai team specialistici ed è entrata nelle preoccupazioni quotidiane legate al lavoro. Tuttavia, una maggiore esposizione ha prodotto più critiche, soprattutto riguardo a licenziamenti, adozione forzata, sorveglianza e distrazione dal lavoro essenziale.

Questo crea un'inversione per i dirigenti che avevano presentato l'adozione come una sfida di produttività. Le evidenze indicano sempre più un problema di fiducia organizzativa. Gallup, Microsoft, RSM e Catalyst hanno tutti rilevato divari tra l'entusiasmo dei dirigenti e l'esperienza dei dipendenti con l'AI sul lavoro.

Le recensioni Glassdoor rivelano un'inversione dell'AI sul lavoro

L'AI è diventata un tema molto più rilevante nelle recensioni dei dipendenti, ma il dibattito è diventato meno favorevole man mano che si ampliava.

L'evento alla base è una nuova analisi di Glassdoor sulle recensioni dei dipendenti che menzionano l'AI o i modelli linguistici di grandi dimensioni. I modelli linguistici di grandi dimensioni sono sistemi addestrati a generare e interpretare il linguaggio a partire da schemi presenti in vasti set di dati. L'analisi monitora come i dipendenti descrivono l'AI nelle recensioni dei propri datori di lavoro.

Secondo i dati delle recensioni dei dipendenti, le menzioni dell'AI sono aumentate del 240% da maggio 2025 a maggio 2026. Questa crescita non misura direttamente l'adozione. Mostra che l'AI è diventata abbastanza importante da influenzare il modo in cui i dipendenti valutano pubblicamente i propri luoghi di lavoro.

Il cambiamento di tono è ancora più rivelatore. Nel 2019, l'81% delle recensioni che menzionavano l'AI la descriveva positivamente. Nel 2026, il 43% era positivo, mentre il 53% era negativo o indicava l'AI come uno svantaggio.

Tra queste osservazioni intercorrono diversi anni e il contesto lavorativo è cambiato in modo sostanziale nel periodo. I commenti precedenti spesso trattavano l'AI come una capacità emergente o un interessante campo tecnico. Le recensioni recenti descrivono sempre più strumenti imposti, ristrutturazioni organizzative e ansia per ciò che l'automazione significa per l'occupazione.

I commenti positivi mostrano comunque una strada verso l'accettazione. Glassdoor ha rilevato che il 44% dei commenti positivi sull'AI parlava di un vantaggio commerciale per l'azienda. Un altro 41% menzionava strumenti utili, formazione o supporto del datore di lavoro.

Questi temi contano perché collegano l'adozione a un valore visibile. I dipendenti rispondono più favorevolmente quando possono vedere in che modo l'AI migliora il lavoro o rafforza l'impresa. Rispondono meglio anche quando i datori di lavoro forniscono le risorse necessarie per utilizzarla responsabilmente.

I commenti negativi mostrano un'esperienza diversa. La paura di essere sostituiti compariva nel 20% dei commenti critici sull'AI, diventando la preoccupazione più comune. Altre lamentele includevano l'uso obbligatorio degli strumenti, la sorveglianza sul posto di lavoro e l'AI che distrae i dirigenti dall'attività principale dell'azienda.

Le recensioni collegano inoltre le critiche all'AI a una più ampia tensione organizzativa. I dipendenti che esprimevano opinioni negative sull'AI avevano una probabilità 3,7 volte maggiore di menzionare burnout o insicurezza lavorativa. Avevano sei volte più probabilità di menzionare licenziamenti rispetto agli altri recensori.

Un quarto delle recensioni che indicavano l'AI come svantaggio faceva riferimento diretto anche ai licenziamenti. Questa associazione non dimostra che l'AI abbia causato tali licenziamenti. Mostra però che i dipendenti incontrano spesso questa tecnologia in un clima già esistente di incertezza.

Il sentimento positivo era associato anche al comportamento dei dipendenti. Glassdoor ha riferito che i recensori positivi avevano il 47% di probabilità in meno di candidarsi a un altro lavoro nel mese successivo. Anche in questo caso, il risultato è un'associazione e non la prova che l'entusiasmo per l'AI abbia impedito le uscite.

Il segnale pratico resta importante. Il sentimento verso l'AI sul lavoro sembra collegato al giudizio più ampio dei dipendenti su strategia, stabilità e credibilità della leadership. Il lancio di uno strumento non può essere separato da queste condizioni.

Per questo la storia va oltre un temporaneo picco su Google News. Le recensioni catturano lavoratori che discutono dell'AI dopo che la tecnologia è entrata nelle aspettative di performance, nei piani operativi e nelle decisioni sulla forza lavoro. Le loro critiche riguardano l'implementazione e le intenzioni, non soltanto la qualità dei modelli.

La pressione ricade su dirigenti e manager intermedi

I dirigenti definiscono il mandato sull'AI, ma i manager intermedi devono tradurlo in cambiamenti credibili per ruoli, flussi di lavoro e prestazioni.

I leader senior subiscono la pressione di investitori, consigli di amministrazione e concorrenti affinché mostrino ritorni misurabili dalla spesa per l'AI. Spesso rispondono con obiettivi di adozione, assistenti interni, programmi di automazione o implementazioni di agenti. I dipendenti incontrano poi queste ambizioni attraverso processi modificati e nuove aspettative.

I manager occupano lo spazio difficile tra questi gruppi. Devono incoraggiare la sperimentazione rispondendo al contempo a domande su sicurezza dei dati, accuratezza, carico di lavoro e conseguenze per la carriera. Devono inoltre decidere quando l'output dell'AI richiede una revisione umana.

La ricerca sul lavoro di Gallup dell'agosto 2026 illustra questo onere. In un sondaggio condotto durante una tavola rotonda tra 102 responsabili delle risorse umane, il 99% ha definito l'AI abbastanza o molto importante per la strategia organizzativa. Tuttavia, il 50% non aveva fiducia nella capacità dei manager di guidare l'uso dell'AI da parte dei dipendenti.

Solo il 57% di questi leader HR ha dichiarato che le proprie organizzazioni offrivano formazione sull'AI ai manager. Il sessantadue percento ha riferito di aver creato campioni interni dell'AI o centri di eccellenza. Questi investimenti sono significativi, ma da soli non risolvono aspettative lavorative poco chiare.

I manager supervisionano già assunzioni, performance, organico e benessere dei dipendenti. Aggiungere la responsabilità della governance dell'AI può produrre un ulteriore obbligo privo di finanziamento. Una breve sessione di formazione non può sostituire decisioni chiare su uso accettabile, responsabilità e progettazione dei ruoli.

La pressione è visibile nei modelli di adozione. Gallup ha intervistato 23.717 dipendenti negli Stati Uniti nel febbraio 2026. Tra i lavoratori i cui datori di lavoro offrivano AI, il 67% dei leader la usava frequentemente, rispetto al 46% dei collaboratori individuali.

Questa differenza riflette in parte la natura del lavoro di leadership. Gli attuali strumenti di AI sono adatti alla stesura di bozze, alla pianificazione, all'analisi e alla comunicazione. Molti ruoli operativi o specialistici non offrono la stessa evidente compatibilità.

Tuttavia, la disponibilità degli strumenti non spiega completamente il divario. I lavoratori devono sapere a quale punto di un processo inserire l'AI, a quali informazioni possa accedere e chi sia responsabile degli errori. Senza queste risposte, l'esitazione può essere una gestione razionale del rischio.

Gallup ha rilevato che il 78% dei dipendenti con manager fortemente di supporto usava frequentemente l'AI. La percentuale comparabile era del 44% tra i dipendenti che non erano pienamente d'accordo sul fatto che i loro manager ne sostenessero l'uso.

L'integrazione ha mostrato una relazione ancora più forte. Tra i dipendenti fermamente convinti che l'AI si adattasse ai loro sistemi e processi esistenti, l'88% la usava frequentemente. La quota scendeva al 55% tra chi non aveva la stessa fiducia.

Anche politiche chiare erano importanti. L'uso frequente raggiungeva il 68% tra i dipendenti pienamente d'accordo sul fatto che la propria organizzazione avesse politiche chiare sull'AI. La percentuale era del 47% tra i lavoratori che non erano pienamente d'accordo.

Questi risultati non significano che i leader debbano esercitare maggiore pressione sui dipendenti. Suggeriscono che i dipendenti usano l'AI quando le organizzazioni eliminano l'ambiguità pratica. Il supporto deve includere progettazione dei flussi di lavoro, confini delle autorizzazioni e una spiegazione credibile dei benefici attesi.

La risposta richiesta ai dirigenti è quindi più ampia del semplice aumento delle licenze o del monitoraggio dell'uso. Devono definire quale lavoro dovrebbe cambiare e quali decisioni umane restano protette. Devono inoltre spiegare in che modo i guadagni di produttività influenzino organico, valutazione e sviluppo della carriera.

La risposta per i manager è più immediata. Hanno bisogno di tempo per testare gli strumenti, identificare le modalità di errore e costruire pratiche specifiche per il team. Le aziende che saltano questo lavoro trasferiscono l'incertezza strategica a persone con un'autorità limitata.

Google News sta seguendo un divario di leadership, non una semplice resistenza all'AI

Il conflitto centrale è tra l'entusiasmo dei dirigenti e l'esperienza vissuta dai dipendenti, non tra l'innovazione e lavoratori che rifiutano di cambiare.

Definire resistenti i dipendenti critici è una spiegazione allettante perché protegge la strategia di implementazione. Attribuisce la responsabilità ad atteggiamenti, competenze o età individuali. Le evidenze più ampie indicano un fallimento organizzativo più complesso.

La ricerca di RSM sul middle market del 2026 ha intervistato leader senior sulle loro strategie di AI. L'ottantacinque percento ha concordato sul fatto che la leadership esecutiva fosse più entusiasta dell'AI rispetto ai dipendenti. Questa conclusione proveniva dai leader stessi, non da lavoratori che criticavano la gestione.

La stessa ricerca ha rilevato che il 61% degli intervistati si identificava con un approccio di leadership totalizzante. Il trenta percento preferiva un approccio più cauto, incentrato sull'investimento nelle persone. La differenza mostra quanto fortemente il pensiero dei dirigenti favorisca un'implementazione più rapida.

RSM ha inoltre riferito che l'88% si aspettava che dimensioni e composizione della propria forza lavoro apparissero fondamentalmente diverse entro due o tre anni. Il novantuno percento prevedeva che esseri umani e sistemi di AI avrebbero lavorato come team integrati in quel periodo.

Queste aspettative rendono comprensibili le preoccupazioni dei dipendenti. Ai lavoratori viene chiesto di adottare sistemi mentre i leader prevedono cambiamenti sostanziali nella forza lavoro. Rassicurazioni generiche non possono risolvere il conflitto quando il piano operativo continua a prevedere ristrutturazioni.

Il divario di leadership cambia anche il modo in cui i dipendenti interpretano la formazione. Un corso può rappresentare un investimento professionale quando i ruoli futuri sono chiari. Lo stesso corso può sembrare una preparazione a una riduzione dell'organico quando la leadership evita di discutere del personale.

Il Work Trend Index 2026 di Microsoft offre un'altra prospettiva. Il suo sondaggio globale ha coinvolto 20.000 lavoratori della conoscenza, dipendenti o autonomi, che già usavano l'AI. I ricercatori hanno testato 29 fattori associati alla segnalazione, da parte dei lavoratori, di un impatto significativo dell'AI.

I fattori organizzativi rappresentavano il 67% dell'impatto dell'AI riportato, rispetto al 32% attribuito a mentalità e comportamento individuali. I principali fattori organizzativi includevano cultura, supporto dei manager e pratiche di gestione dei talenti.

L'analisi dell'impatto dell'AI ha identificato associazioni, non prove di causalità. Microsoft rileva esplicitamente che le misure sono state auto-riferite nello stesso momento. Tuttavia, tre diversi modelli statistici hanno prodotto la stessa classifica delle categorie.

Il risultato mette in discussione l'idea che i dipendenti riluttanti abbiano semplicemente bisogno di migliori competenze di prompting. I lavoratori riferiscono più valore quando il loro ambiente sostiene una sperimentazione sicura e riflette l'AI nelle pratiche di sviluppo. L'entusiasmo individuale non può riparare un sistema contraddittorio.

Catalyst è giunta a una conclusione correlata in una ricerca incentrata sulla leadership durante le fasi di cambiamento. Solo il 16% dei dipendenti ha affermato che i leader sono rimasti fiduciosi e di supporto durante il cambiamento guidato dall'AI. Il trentatré percento ha percepito una mancanza di integrità nei leader durante le perturbazioni aziendali.

Quasi la metà, il 47%, era pessimista sul fatto che l'integrazione dell'AI nel lavoro quotidiano avrebbe migliorato la produttività. Il trentasette percento diffidava dell'AI riguardo alla condivisione dei dati. Questi risultati combinano preoccupazioni tecnologiche con giudizi sulla condotta della leadership.

Catalyst ha sostenuto che una formazione disomogenea e una partecipazione limitata dei dipendenti aggravano la sfiducia. I lavoratori che ricevono poche informazioni devono dedurre cosa significhi l’adozione per loro. Gli annunci di licenziamenti e gli obiettivi aggressivi di efficienza spesso colmano quel vuoto informativo.

Il conflitto è quindi tra promessa ed esperienza. I leader promettono lavoro a maggior valore aggiunto, maggiore creatività e sollievo dalle attività ripetitive. I dipendenti possono invece ritrovarsi con ulteriori attività di verifica, regole di valutazione poco chiare e segnali che l’automazione ridurrà il personale.

Un flusso di lavoro IA responsabile richiede una memoria istituzionale affidabile. I team hanno bisogno di accedere a policy approvate, materiali di fonte e decisioni precedenti quando valutano gli output generati. Una base di conoscenza consultabile può supportare questo lavoro, ma la tecnologia non può risolvere le politiche occupazionali.

La copertura di Google News amplifica questo ribaltamento perché mette in discussione una narrativa familiare sull’adozione. I lavoratori non stanno aspettando di scoprire l’IA. Molti l’hanno ormai incontrata e hanno maturato giudizi più critici sul modo in cui i datori di lavoro la utilizzano.

Cosa i dati delle recensioni non possono dimostrare

I risultati di Glassdoor sono un forte segnale d’allarme, ma non possono stabilire che l’IA abbia causato condizioni di lavoro negative.

Le recensioni dei dipendenti sono testimonianze osservazionali scritte da persone che scelgono di pubblicarle. Non rappresentano un campione casuale di tutti i lavoratori. Chi ha avuto esperienze insolitamente positive o negative può avere motivazioni più forti per inviare una recensione.

Anche la composizione dei recensori può cambiare nel tempo. Un dipendente che parlava di IA nel 2019 potrebbe aver ricoperto un ruolo tecnico presso un’azienda early adopter. Entro il 2026, le recensioni potrebbero includere una gamma più ampia di professioni e organizzazioni.

Questo cambiamento potrebbe spiegare parte del calo di sentiment. L’IA è passata dai team di ricerca alle assicurazioni, al servizio clienti, al recruiting, allo sviluppo software e all’amministrazione. Professioni diverse espongono i lavoratori a vantaggi e rischi diversi.

Anche le categorie di Glassdoor comprimono commenti complessi in raggruppamenti positivi e negativi. Un lavoratore può apprezzare un assistente IA e al tempo stesso criticare il piano aziendale sul personale. Un altro può opporsi alla sorveglianza ma sostenere l’automazione della documentazione ripetitiva.

La relazione tra commenti critici sull’IA e licenziamenti richiede particolare cautela. Le recensioni che menzionano entrambi gli aspetti non dimostrano che la tecnologia abbia eliminato quelle posizioni. Le aziende sottoposte a stress finanziario possono perseguire contemporaneamente licenziamenti e progetti di IA.

I dirigenti possono anche usare il linguaggio dell’IA per giustificare decisioni spinte da altre condizioni. Tagli dei costi, calo della domanda e consolidamento organizzativo possono accompagnare programmi di automazione. Le dichiarazioni pubbliche raramente forniscono dettagli sufficienti per separare queste cause.

La riduzione del 47% nelle successive candidature di lavoro tra i recensori positivi presenta limiti analoghi. Un sentiment positivo può riflettere una soddisfazione più ampia nei confronti del datore di lavoro. Non dimostra che un’esperienza favorevole con l’IA abbia indotto i lavoratori a rimanere.

Anche i risultati dei sondaggi di Microsoft e Gallup si basano in larga misura su percezioni auto-riferite. I dipendenti che apprezzano i propri manager possono valutare positivamente diversi fattori del luogo di lavoro. Questa percezione comune può rafforzare le correlazioni senza dimostrare che un fattore ne abbia causato un altro.

Questo non rende inutili le evidenze. Dataset indipendenti collegano ripetutamente il supporto dei manager, l’adeguatezza dei flussi di lavoro, la chiarezza delle policy e la cultura organizzativa a migliori esperienze dei dipendenti. La convergenza rende la leadership un fattore credibile che richiede attenzione.

Esistono inoltre evidenze che alcuni non utenti nutrono obiezioni non legate alla qualità della leadership. Gallup ha rilevato che il 43% dei non utenti era eticamente contrario all’IA. Il trentanove per cento non riteneva che potesse aiutarli nel lavoro.

Preoccupazioni per privacy, sicurezza e conformità sono state citate dal 43% dei non utenti e dal 38% degli utenti occasionali. Si tratta di questioni sostanziali. Una comunicazione migliore non le eliminerà quando le pratiche sui dati di un sistema restano inaccettabili.

Allo stesso modo, il 46% dei non utenti preferiva il proprio modo consolidato di lavorare. La familiarità può rallentare l’adozione anche quando un nuovo processo offre valore. Le organizzazioni devono comunque distinguere l’abitudine da una preoccupazione informata.

L’interpretazione scettica si presta quindi a entrambe le letture. I leader non dovrebbero presumere che ogni recensione negativa dimostri il fallimento della loro strategia IA. Ma non dovrebbero neppure liquidare un’inversione di sentiment di 38 punti come semplice paura del cambiamento.

La prova migliore è l’evidenza operativa. Le aziende dovrebbero confrontare qualità delle attività, tempi di completamento, rilavorazioni, carico di lavoro dei dipendenti e risultati per i clienti prima e dopo il deployment. Dovrebbero pubblicare internamente tali risultati, inclusi quelli che mettono in discussione la logica dell’investimento.

I dipendenti hanno inoltre bisogno di canali protetti per segnalare i fallimenti. Se le critiche incidono sulle valutazioni delle prestazioni, i lavoratori nasconderanno i problemi finché non raggiungeranno clienti o autorità di regolamentazione. La sicurezza psicologica è quindi parte del controllo qualità tecnico.

Un’implementazione credibile deve consentire di concludere che l’IA non è adatta a un’attività specifica. L’uso obbligatorio può creare un’adozione artificiale riducendo al contempo l’efficienza. I soli conteggi di utilizzo non possono dimostrare se lo strumento abbia migliorato il lavoro.

Il supporto dei manager cambia il modo in cui i lavoratori vivono l’IA

I manager non possono eliminare l’insicurezza lavorativa, ma il loro supporto può trasformare un mandato aziendale astratto in un flusso di lavoro verificabile e responsabile.

Gallup ha rilevato che i dipendenti con manager di supporto avevano maggiori probabilità di segnalare un miglioramento culturale. Tra i lavoratori fortemente d’accordo sul fatto che i manager sostenessero attivamente l’uso dell’IA, il 31% ha dichiarato che la cultura del luogo di lavoro era migliorata. La quota era del 21% tra chi non esprimeva tale forte accordo.

Il nove per cento del gruppo supportato ha dichiarato che la cultura era migliorata in modo sostanziale. Solo il 3% del gruppo di confronto ha riportato lo stesso grado di miglioramento. Questa differenza suggerisce che i manager influenzino più della sola frequenza di adozione.

L’effetto non riguarda discorsi motivazionali. Un supporto efficace inizia dal decidere dove l’IA sia utile. Un manager può individuare un’attività delimitata, definire input accettabili e stabilire un requisito di revisione umana.

Si consideri un team di assistenza clienti che utilizza l’IA per redigere risposte. I dipendenti devono sapere se le informazioni dei clienti possono essere inserite nel sistema. Hanno inoltre bisogno di regole di escalation per richieste mediche, legali, finanziarie o emotivamente sensibili.

Un team software necessita di controlli diversi. Il codice generato dall’IA richiede test, revisione della sicurezza e consapevolezza delle licenze. Misurare soltanto quante proposte gli sviluppatori accettano può premiare la velocità nascondendo i costi di manutenzione.

I team delle risorse umane affrontano un altro insieme di rischi. Redigere una descrizione di lavoro è diverso dal classificare candidati o valutare le prestazioni. Il secondo gruppo di attività può incidere sulle opportunità di lavoro e richiede controlli più rigorosi.

Un lancio utile tratta quindi l’IA come parte della progettazione del lavoro. La progettazione del lavoro definisce come vengono organizzati compiti, autorità, informazioni e responsabilità. Non può essere ridotta a credenziali di accesso e a una libreria di prompt.

I manager devono anche avere il permesso di segnalare che uno strumento funziona male. Se gli sponsor esecutivi si aspettano il successo, i manager intermedi possono filtrare i risultati negativi. I dipendenti vedono allora gli errori mentre i dashboard ufficiali mostrano progressi.

Questo divario di credibilità può intensificare il sentiment osservato da Glassdoor. È improbabile che i lavoratori si fidino di un programma di adozione che tratta le critiche come slealtà. Possono vedere quando il materiale generato richiede correzioni estese.

La leadership dovrebbe dichiarare se il risparmio di tempo ridurrà il carico di lavoro, aumenterà gli obiettivi di produzione o modificherà il personale. Ogni scelta ha conseguenze diverse. Il silenzio invita i dipendenti a presumere che ogni guadagno di efficienza minacci un posto di lavoro.

Anche la formazione deve corrispondere al ruolo. Le dimostrazioni generiche sottolineano di solito redazione, sintesi e brainstorming. Non affrontano i dati approvati, gli standard di revisione o le conseguenze rilevanti per un team specifico.

Lo studio di Gallup sull’adozione nei luoghi di lavoro ha rilevato che l’integrazione nei flussi di lavoro era strettamente associata a un uso frequente. Questo sostiene un’implementazione specifica per ruolo rispetto a un incoraggiamento generalizzato.

I manager hanno bisogno di soglie di qualità misurabili. Un team dovrebbe sapere quanto accurato debba essere un output e quali evidenze lo supportino. Per il lavoro ad alto rischio, un essere umano deve restare responsabile della decisione finale.

Anche i dipendenti dovrebbero contribuire alla selezione dei casi d’uso. Capiscono dove esistono attriti amministrativi e dove il contesto conta. La partecipazione trasforma l’adozione da una richiesta esterna in un processo di progettazione condiviso.

Questo coinvolgimento non garantisce l’approvazione. I lavoratori possono comunque opporsi a un sistema o temerne le conseguenze. Tuttavia, espone i problemi pratici prima che un’organizzazione li estenda su larga scala.

I dirigenti mantengono la responsabilità delle domande più difficili. I manager non possono promettere sicurezza del posto di lavoro senza autorità. Non possono risolvere incentivi contraddittori quando i sistemi di valutazione premiano l’adozione indipendentemente dall’esito.

Per questo la leadership resta parte del problema. Le aziende delegano spesso l’implementazione verso il basso mantenendo al vertice un’ambiguità strategica. I manager diventano messaggeri di decisioni che non hanno contribuito a definire e che non possono spiegare pienamente.

Il modello più credibile collega gli impegni dei dirigenti a garanzie operative. I leader definiscono principi occupazionali e responsabilità. I manager progettano i flussi di lavoro dei team. I dipendenti verificano se gli strumenti creano valore senza rischi inaccettabili.

Tre segnali mostreranno se la fiducia nell’IA si sta riprendendo

La prossima fase sarà misurata dai risultati per i dipendenti e dalle pratiche operative, non da un’altra ondata di annunci esecutivi sull’IA.

Il primo segnale sarà se il sentiment delle recensioni migliorerà mentre le menzioni dell’IA resteranno elevate. Un calo delle critiche accompagnato da una discussione continua suggerirebbe che l’implementazione sta diventando più utile o meno minacciosa. Il calo delle sole menzioni potrebbe invece indicare disimpegno, non fiducia ripristinata.

Le future pubblicazioni di Glassdoor potranno anche mostrare se i licenziamenti restano strettamente collegati ai commenti negativi sull’IA. Un’associazione più debole sosterrebbe l’idea che le aziende stiano separando il deployment tecnologico da una riduzione indiscriminata della forza lavoro.

Se il sentiment negativo continuerà a crescere, la spiegazione legata alla leadership diventerà più convincente. Suggerirebbe che l’esperienza dell’IA sul posto di lavoro non stia risolvendo le preoccupazioni dei lavoratori. Potrebbe invece confermare i timori sulla strategia e sull’occupazione.

Il secondo segnale sarà se le organizzazioni colmeranno il divario nel supporto dei manager. Gallup ha rilevato che metà dei CHRO intervistati non aveva fiducia nella capacità dei manager di guidare l’uso dell’IA. Solo il 57% ha riferito di offrire formazione ai manager.

I numeri della formazione da soli non bastano. Le aziende dovrebbero monitorare se i manager ricevono tempo, autorità, supporto nelle policy e assistenza tecnica. I sondaggi tra i dipendenti dovrebbero verificare se le aspettative siano diventate più chiare a livello di team.

Le conclusioni di Gallup sulla cultura forniscono utili parametri di riferimento. I dipendenti con manager attivamente di supporto hanno riportato risultati culturali migliori. Le ricerche future potranno verificare se tali differenze persistano con la maturazione dei deployment.

Un miglioramento rafforzerebbe l’ipotesi che le pratiche manageriali plasmino gli esiti dell’IA. Nessun miglioramento suggerirebbe che i programmi di supporto siano troppo superficiali o che timori occupazionali più ampi prevalgano sulla leadership locale.

Il terzo segnale sarà se le aziende divulgheranno misure di risultato oltre all’utilizzo. Misure utili includono tassi di errore, rilavorazioni, tempi di ciclo, carico di lavoro dei dipendenti, soddisfazione dei clienti e mobilità interna. Le variazioni dell’organico dovrebbero comparire accanto alle dichiarazioni sulla produttività.

Una simile divulgazione aiuterebbe i lavoratori a valutare se l’IA stia creando lavoro a maggior valore aggiunto. Metterebbe inoltre in luce i deployment che si limitano a spostare lo sforzo dalla produzione alla verifica.

Le conclusioni di RSM rendono questo aspetto particolarmente importante. La maggior parte dei leader intervistati prevedeva cambiamenti sostanziali nella composizione della forza lavoro e una diffusa collaborazione tra persone e AI. I dipendenti hanno bisogno di prove che mostrino quale sarà il ruolo delle persone in quel futuro.

La comunicazione pubblica potrebbe restare limitata, ma la trasparenza interna continua a contare. La leadership può condividere i risultati dei progetti pilota, i tassi di fallimento e le decisioni di interrompere progetti non adatti. Riconoscere i limiti può generare più fiducia che dichiarare un successo universale.

I lettori che seguono questa storia tramite Google News dovrebbero interpretare con cautela i numeri sull’adozione. Un maggior numero di licenze, prompt o utenti attivi non dimostra un’integrazione produttiva. L’attività obbligatoria può aumentare mentre la fiducia e la qualità del lavoro diminuiscono.

La domanda migliore è se i lavoratori acquisiscano chiarezza, controllo e percorsi di carriera credibili con l’espansione dell’uso dell’AI. Queste condizioni determineranno se le critiche si attenueranno o diventeranno un elemento duraturo del lavoro.

Per i knowledge worker, l’azione immediata è documentare dove l’AI fa risparmiare tempo e dove invece crea lavoro di verifica. Portate queste osservazioni nelle revisioni dei flussi di lavoro, nelle discussioni sulla sicurezza e nella pianificazione delle prestazioni. Chiedete chi rimane responsabile quando l’output generato fallisce. Per i manager, confrontate i benefici promessi con i risultati misurati dei team prima di ampliarne l’uso. Per i dirigenti, spiegate in che modo l’efficienza incide sui posti di lavoro, invece di lasciare che i dipendenti debbano dedurne la risposta. Il prossimo titolo di Google News dovrebbe essere valutato alla luce di questi segnali, non rispetto a un altro ambizioso obiettivo di adozione.