L’AI non ha bisogno di aspettare, ma noi sì

Un task, una richiesta all’intelligenza artificiale, qualche minuto di attesa. Prima, in quel tempo, avremmo continuato a lavorare sulla stessa cosa; ora una parte del lavoro la fa qualcun altro e quei minuti si liberano.

La cosa che viene naturale fare è usarli.

Molte attività prima seguivano un ritmo lineare: decidere cosa fare, farlo, controllare il risultato, correggere e andare avanti. L’intelligenza artificiale comprime soprattutto la parte esecutiva. Il lavoro manuale diminuisce, mentre quello di analisi, scelta e controllo si concentra.

Il problema arriva quando proviamo a recuperare anche quel tempo. Mentre l’AI lavora su una cosa ne iniziamo un’altra, poi una terza. Nel frattempo la prima è pronta, quindi torniamo indietro, controlliamo, chiediamo una correzione e riprendiamo ciò che avevamo lasciato. Se le attività sono diverse, ogni passaggio richiede di ricostruire obiettivi, regole e vincoli diversi.

Non è una novità. Da anni sappiamo che cambiare continuamente attività ha un costo, che il multitasking funziona male e che le interruzioni rompono la concentrazione. Le cose lasciate a metà, inoltre, continuano a occupare attenzione: gli studi parlano di attention residue, il residuo di attenzione che rimane sul compito precedente quando passiamo al successivo.

Un esperimento sulle interruzioni mostra bene dove può finire il costo: le persone interrotte completavano il compito più velocemente e senza più errori, ma riportavano più stress, frustrazione, pressione del tempo e sforzo. La produttività apparente reggeva, mentre il costo si spostava sulla persona.

Con l’AI questo meccanismo accelera. La produzione continua mentre la nostra attenzione si distribuisce su più problemi e un agente può risolvere bene ciò che gli abbiamo chiesto senza conoscere un vincolo o una conseguenza che non gli abbiamo spiegato. Una piccola omissione può generare una soluzione plausibile, poi altre decisioni costruite sopra, fino a una cascata che scopriamo quando dobbiamo ricostruire cosa è successo.

Le contromisure sono note. Prima di lasciare un’attività, scrivere un piccolo passaggio di consegne, un handoff a noi stessi: dove siamo arrivati, cosa abbiamo deciso, cosa resta da verificare e qual è il prossimo passo. I ready-to-resume plan, studiati per le attività interrotte, riducono l’interferenza del lavoro lasciato aperto.

Serve anche limitare i lavori realmente in corso, il work in progress o WIP. Avere molte cose da fare non obbliga a tenerle tutte attive contemporaneamente. Le risposte degli agenti non devono diventare nuove interruzioni: possono aspettare fino al momento in cui decidiamo di occuparcene. E prima di delegare un problema complesso bisogna dare all’AI il contesto che serve: vincoli, dipendenze e conseguenze da controllare. Se non sono chiari, prima si ricostruisce il problema e poi si esegue.

Poi restano i fondamentali: ridurre le notifiche, fare una cosa per volta quando richiede concentrazione, fermarsi tra un blocco e l’altro, alzarsi e camminare. Le micro-pause riducono la fatica; sui compiti cognitivamente pesanti, però, pochi minuti non sempre bastano a recuperare la prestazione.

L’AI non ha inventato nuovi problemi del lavoro: ha cambiato gli equilibri di problemi che conoscevamo già. Togliendo tempo all’esecuzione, ha aumentato la pressione su attenzione, memoria e capacità di tenere insieme il contesto.

Il sistema umano è lo stesso di prima. Se togliamo attrito da una parte senza rimettere un limite da un’altra, il costo non sparisce: cambia semplicemente posto.