Sui task comparabili, gli agenti AI riducono il tempo di completamento da 269 minuti a 36 — circa l'87% di tempo in meno e il 94% di costo in meno rispetto a una persona che lavora con la sola ricerca (Yang et al., arXiv 2606.07489, 2026). È il numero che ha fatto il giro di tutti i titoli. È anche il numero che porterà un Head of Operations alla mossa sbagliata in questo trimestre. Letta da sola, una riduzione dei costi del 94% suona come una voce di organico pronta a cadere. Lo stesso studio, letto oltre l'abstract, dice l'opposto: il lavoro umano non svanisce. Si sposta. E il punto in cui si sposta — verso la verifica, l'orchestrazione e attraverso confini di ruolo che non sono mai esistiti su nessun organigramma — è esattamente il luogo che una definizione di ruolo ristretta non può raggiungere.
Questo è il risultato che merita la vostra attenzione, ed è sepolto sotto la cifra di costo. Gli agenti AI non sottraggono uno strato di persone. Ricollocano il lavoro umano residuo verso l'alto e lateralmente. Se i vostri ruoli sono dimensionati per il lavoro di prima, la ricollocazione non ha dove atterrare — e il valore creato dall'agente rifluisce verso l'esterno come attrito.
Il numero citato da tutti, e quello saltato
Lo studio si basa sui dati di produzione dei prodotti Search e Computer di Perplexity in una finestra di 90 giorni tra fine febbraio e fine maggio 2026, coautore un ricercatore della Harvard Business School insieme al team di Perplexity (MarkTechPost, 2026). Il contrasto del titolo è reale: una sessione con agente esegue circa 26 minuti di lavoro autonomo, contro i 33 secondi di una ricerca convenzionale. Compresso in un singolo confronto su task comparabili, è il crollo da 269 a 36 minuti.
Ecco la parte che non è diventata virale. Lo studio ha misurato cosa è successo all'essere umano accanto all'agente, e due segnali emergono. Primo, l'insoddisfazione per query è scesa di circa il 55% sul prodotto con agente — gli utenti non erano solo più veloci, ottenevano output di cui si fidavano abbastanza da costruirci sopra. Secondo, e più rilevante per come si compone un team, il lavoro di follow-up si è spostato verso l'alto. Una volta che l'agente gestiva l'esecuzione, le query residue dell'umano si concentravano sulla verifica e sull'estensione — controllare l'output dell'agente e spingerlo oltre — anziché sul fare il task da zero.
È un'affermazione diversa da "l'AI rende le persone più veloci". Dice che il contenuto del lavoro umano ha cambiato forma. I minuti restituiti dall'agente non sono tornati come capacità inattiva da tagliare. Sono stati reinvestiti in un'attività di ordine superiore che il lavoratore svolgeva a malapena prima: governare l'output della macchina ed estenderlo verso un lavoro di un livello più alto.
Dove va il lavoro residuo: verifica e ambito
Due ricollocazioni contano, e le operations le possiedono entrambe.
La prima è verticale. Quando un agente esegue, l'umano smette di essere l'esecutore e diventa il verificatore e l'orchestratore. Il lavoro sale lungo la catena del valore — dal produrre la bozza al giudicare se la bozza è corretta, dal fare l'analisi al decidere quale analisi fare e cosa farne. È lavoro qualificato, e non è la stessa competenza per cui il ruolo era stato assunto. Un team selezionato per eseguire non è automaticamente un team capace di verificare e dirigere.
La seconda è orizzontale. Lo studio ha rilevato che gli utenti degli agenti hanno iniziato a tentare task che attraversavano confini occupazionali — lavoro che raggruppava sottotask interdipendenti di ruoli diversi, richiedeva cognizione di ordine superiore e semplicemente non compariva nell'uso pre-agente. L'agente non ha solo accelerato il lavoro esistente; ha ampliato l'ambito di ciò che una persona avrebbe tentato, tirando dentro lavoro che prima richiedeva un secondo specialista o un passaggio a un'altra funzione.
Mettendo insieme le due cose, il quadro operativo si inverte. L'agente riduce il task. Allarga il ruolo. La persona alla scrivania ora deve verificare l'output della macchina e operare su una banda di lavoro più ampia di quanto la sua job description abbia mai nominato. Se il ruolo è ancora dimensionato sul task ristretto pre-agente, due cose si rompono: il lavoro di verifica resta non fatto (perché nessuno ne è responsabile) e il lavoro trasversale si blocca contro i vecchi muri dei silos (perché l'organigramma dice ancora che appartiene a qualcun altro).
Valutate onestamente il conflitto di interessi
Una lettura rigorosa deve segnalare l'ovvio: Perplexity ha coautorato uno studio che elogia il prodotto di Perplexity, e almeno una testata l'ha denunciato direttamente (PPC Land, 2026). Le grandezze di efficienza — 87%, 94% — provengono da un fornitore che ha un interesse commerciale nel fatto che quei numeri siano grandi, e meritano lo scetticismo che si dà a qualunque benchmark prodotto da un fornitore. Trattate le cifre precise come indicative, non come vangelo.
Ma notate quale parte del risultato il conflitto minaccia davvero. Un fornitore ha tutto l'incentivo a gonfiare il numero del risparmio di costo. Non ha alcun incentivo particolare a far emergere quello scomodo — che il suo strumento ricolloca il lavoro umano nella verifica e nell'ambito trasversale, il che è una complicazione per chi compra, non un argomento di vendita. Il risultato sulla ricollocazione va contro la narrativa pulita "l'AI sostituisce il lavoro" che vende gli agenti. Che compaia comunque lo rende più credibile, non meno. Potete scontare il 94% e prendere comunque sul serio l'affermazione strutturale: il lavoro umano residuo si sposta verso l'alto e verso l'esterno, indipendentemente dall'esatto multiplo di efficienza.
Perché l'architettura dei ruoli, non l'accesso allo strumento, è il vincolo determinante
Se il lavoro si ricolloca ma i ruoli no, la ricollocazione non ha dove andare. Ecco perché il vincolo determinante sul valore dell'AI non è quante licenze concedete o quanto bene le vostre persone scrivono i prompt — è se la vostra architettura dei ruoli può assorbire il lavoro che l'agente spinge verso l'alto e di lato.
L'evidenza più ampia dice già che la maggior parte delle organizzazioni è bloccata esattamente su questo. Lo studio PwC 2026 AI Performance su 1.217 dirigenti ha rilevato che il 74% del valore economico misurato dell'AI è catturato da appena il 20% delle aziende — e il tratto distintivo di quel quinto di testa non sono strumenti migliori ma il fatto che hanno il doppio delle probabilità di ridisegnare i flussi di lavoro attorno all'AI anziché applicare l'AI su quelli esistenti (PwC, 2026). Nell'impostazione di PwC, la tecnologia fornisce circa il 20% del valore di un'iniziativa; l'altro 80% viene dal ridisegnare il lavoro. Lo State of AI in the Enterprise 2026 di Deloitte mette un numero su quanto pochi l'abbiano fatto: la risposta più comune all'AI è stata la formazione dei dipendenti, non il ridisegno di ruoli o flussi, lasciando la grande maggioranza delle organizzazioni con strumenti AI sovrapposti a lavori immutati (Deloitte, 2026).
Il pattern è coerente in tutte e tre le fonti. L'accesso allo strumento non è più l'input scarso. Lo sono i ruoli ridisegnati. Le aziende che vincono sono quelle che ricostruiscono il lavoro attorno a ciò che l'agente ha cambiato; le aziende che aspettano sono quelle che hanno comprato lo strumento e tenuto il lavoro uguale.
L'esposizione del mid-market
Questo colpisce più duramente l'azienda da 100 a 500 dipendenti, e per ragioni strutturali. Le grandi imprese hanno margine: specialisti ridondanti, una funzione di org-design, lo spazio per lasciare che il lavoro attraversi i confini perché qualcuno, da qualche parte, possiede la giuntura. Il mid-market è snello. I ruoli sono strettamente dimensionati perché non c'è panchina, e i silos occupazionali sono rigidi perché ogni persona è portante in esattamente una corsia.
È la peggiore postura di partenza possibile per un lavoro che vuole ricollocarsi. Quando un agente comprime il lavoro esecutivo di un'operation da 200 dipendenti e spinge il residuo verso l'alto nella verifica e di lato verso ruoli adiacenti, non c'è un ruolo di margine a raccoglierlo né una funzione di org-design a ridisegnare il confine. Il lavoro di verifica cade nelle crepe, i task trasversali muoiono contro il muro del silo, e l'efficienza prodotta dall'agente si converte in lavoro senza proprietario anziché in valore catturato. Il mid-market è il segmento con più probabilità di comprare l'agente sulla forza della cifra del 94% e meno attrezzato, organizzativamente, a incassarla.
La mossa di ridisegno per questo trimestre
La mossa ad alta leva non è un'altra valutazione di strumenti. È ridisegnare una famiglia di ruoli attorno al lavoro che l'agente effettivamente ricolloca — e farlo deliberatamente, prima che la ricollocazione avvenga per caso e non atterri da nessuna parte.
Scegliete una famiglia di ruoli dove gli agenti sono già attivi. Mappate cosa fa ora l'umano dopo che l'agente ha girato. Troverete due cluster: verificare e correggere l'output dell'agente, e raggiungere un lavoro che apparteneva a un ruolo adiacente. Quel cluster è il nuovo lavoro. Mettetelo per iscritto come il ruolo, non come straordinario.
Rendete la verifica una responsabilità assegnata, non una lacuna. Se tre output di agente su dieci vengono spediti senza un controllo umano — l'ordine di grandezza che altri dati 2026 sulla forza lavoro continuano a far emergere — il ruolo di verificatore è il vostro controllo del rischio di errore, e in questo momento nella maggior parte dei team nessuno lo detiene. Nominate il responsabile, dategli il tempo che l'agente ha liberato e misurate il tasso di intercettazione.
Assumete e spostate le persone per giudizio e pensiero sistemico, non per volume di task. Il lavoro ricollocato premia la capacità di valutare l'output della macchina e operare attraverso i confini — capacità che un curriculum di esecuzione di task passati prevede a malapena. È qui che il segnale psicometrico oggettivo batte la proxy: selezionate per i tratti che il nuovo ruolo richiede, anziché per la fluidità nel vecchio task che l'agente ha appena assorbito.
Questo è il filo conduttore di come pensiamo alla talent e operations intelligence in Scovai: quando il lavoro cambia forma, la decisione su chi lo fa dovrebbe poggiare su un segnale oggettivo e tracciabile, non su una job description scritta per il lavoro che la macchina ha appena preso.
La decisione di questo trimestre
Ecco l'unica decisione da prendere prima della chiusura del trimestre. Prendete il vostro deployment di agenti AI più maturo e rispondete a una sola domanda: avete ridisegnato qualche ruolo attorno al lavoro che l'agente ha ricollocato, o le vostre persone portano ancora job description scritte per il task che l'agente ora svolge in 36 minuti? Se è la seconda, non state catturando il valore dell'agente — state guardando il valore disperdersi come verifica che nessuno possiede e lavoro trasversale che nessuno è autorizzato a fare. L'agente ha già ridotto il task. La vostra unica vera leva rimasta è se ridisegnate il lavoro prima che il lavoro ricollocato cada a terra.
