Il tuo team passa 87 minuti al giorno dentro gli strumenti di AI. Di questi, il 42% va alla risoluzione di errori e all'iterazione dei prompt, contro il 35% dedicato al lavoro che fa davvero avanzare le attività (BambooHR, 2026). Il tempo speso a sistemare l'AI è oggi la singola categoria più ampia di tempo AI nella giornata lavorativa media — più ampia della categoria produttiva che quegli strumenti dovevano espandere.
Su base annua, gli 87 minuti equivalgono a circa 47 giornate lavorative da otto ore all'anno. Circa 20 di quelle giornate se ne vanno per convincere lo strumento a comportarsi come dovrebbe.
Non è un problema di adozione. L'adozione funziona. È un problema di misurazione: quasi tutte le dashboard che monitorano questo rollout contano gli 87 minuti e nessuna li scompone.
Lo studio da cui dovrebbe partire la conversazione sul rinnovo
Redesigning Work: AI's Performance Review di BambooHR ha intervistato 1.608 lavoratori statunitensi a stipendio fisso e a tempo pieno, incluso un sottogruppo di 520 professionisti HR, con rilevazione dal 26 giugno al 15 luglio 2026 a cura di Method Research e pubblicazione il 1° settembre (BambooHR, 2026). I rispondenti coprivano più di una dozzina di settori, equamente divisi per genere, con una distribuzione di fasce d'età e aree geografiche.
La ripartizione principale è il risultato chiave:
- 42% del tempo AI — risoluzione di errori e iterazione sui prompt
- 35% del tempo AI — lavoro produttivo che fa avanzare il carico di lavoro della persona
- 23% — tutto il resto
Tieni a mente il rapporto più che le percentuali. Per ogni tre minuti che il tuo team spende per ottenere valore da uno strumento di AI, ne spende quattro per convincere lo strumento a produrre qualcosa di utilizzabile. Quel rapporto ha un costo, ha una distribuzione, e nessuno dei due compare in un report sul numero di licenze.
Nel frattempo, il 63% delle organizzazioni ha già aumentato i budget per gli strumenti di AI. La spesa cresce su un denominatore che nessuno ha scomposto.
Il carico ribalta il tuo organigramma
Ecco la parte che dovrebbe cambiare dove guardi.
Minuti giornalieri negli strumenti di AI, per livello (BambooHR, 2026):
- VP e C-suite: 101 minuti
- Manager e director: 89 minuti
- Individual contributor: 54 minuti
I dirigenti passano quasi il doppio del tempo dentro questi strumenti rispetto alle persone che riportano a loro. Se la quota di troubleshooting regge anche solo approssimativamente tra le fasce, il maggior bacino di tempo AI improduttivo della tua azienda è generato dal lavoro più costoso che hai.
Applicalo alla scala mid-market. Un'azienda da 200 FTE con 15 persone a livello VP o superiore: 101 minuti al giorno, il 42% dei quali in troubleshooting, fanno circa 42 minuti per dirigente al giorno. Su 15 persone sono oltre 10 ore dirigenziali al giorno — più di un intero FTE senior aggiuntivo, speso interamente in iterazione sui prompt e correzione di errori, finanziato dalla voce più costosa del tuo libro paga.
Nessuno ha approvato quell'organico. È arrivato attraverso un budget di strumenti.
Perché la seniority concentra il costo
La direzione non sorprende, una volta che si guarda a cosa serve l'AI alle persone senior. Il loro lavoro è meno standardizzato, più denso di giudizio e più dipendente dal contesto — esattamente il profilo che produce più iterazioni, più correzioni e più output abbandonati. Le attività con la resa AI più pulita tendono a essere quelle strutturate, più in basso nell'organigramma.
C'è un riscontro coerente dall'area euro. La Consumer Expectations Survey della BCE ha rilevato che le attività con la maggiore resa oraria dell'AI sono ristrette e poco sfruttate — generazione di codice e debugging restituiscono quasi otto ore a settimana ma solo circa l'8% dei lavoratori applica lì l'AI — mentre gli usi più comuni, ricerca, raccolta di informazioni, scrittura ed editing, fanno risparmiare molto meno (BCE, 2026). Il lavoro ampio, non strutturato e ad alto contesto è quello in cui entrano più ore e da cui esce la resa minore. È una descrizione fedele della giornata di un dirigente.
Perché nessuno se n'è lamentato
Perché non sembra spreco. È questa la parte che tiene il problema invisibile per un intero ciclo di budget.
BambooHR ha rilevato che il 65% dei lavoratori si sente sicuro ed entusiasta nell'usare l'AI al lavoro, e il 58% indica il risparmio di tempo come motivazione principale — pur stando dentro quello stesso 42/35.
Il primo benchmark AI at Work di Culture Amp mostra lo stesso distacco su larga scala. Su circa 112.000 dipendenti e 343.000 risposte raccolte nei 12 mesi fino a luglio 2026, il 71% dei dipendenti ha detto che gli strumenti di AI li aiutano a sentirsi più produttivi, con una salita al 93% tra gli utilizzatori più intensi. Eppure, alla domanda se il loro carico di lavoro fosse ragionevole, i power user si sono fermati al 72% contro il 69% dei non utilizzatori — una differenza di tre punti (Culture Amp, 2026).
La produttività percepita sale di 22 punti con l'intensità d'uso. Il sollievo percepito sul carico di lavoro si muove di tre. Quelle due curve dovrebbero viaggiare insieme, e non lo fanno.
L'autovalutazione è lo strumento debole qui
Il divario tra effetto percepito e misurato è documentato, e va in una sola direzione. Il trial randomizzato di METR su sviluppatori open-source esperti ha rilevato che gli strumenti di AI di inizio 2025 li rendevano il 19% più lenti mentre i partecipanti credevano di aver accelerato; la successiva survey di METR su 349 lavoratori tecnici riporta che i partecipanti a quello studio hanno sovrastimato l'effetto dell'AI sui tempi di esecuzione di circa 40 punti percentuali (METR, 2026).
Le valutazioni del governo britannico mostrano la stessa compressione con un metodo migliore. L'esperimento intergovernativo su Microsoft 365 Copilot — 20.000 dipendenti pubblici — ha riportato un risparmio medio di 26 minuti al giorno, una cifra che i partecipanti hanno stimato da soli a partire da una serie di intervalli (GDS, 2025). Quando il DWP ha valutato la propria porzione di quel trial contro un gruppo di confronto di non utilizzatori, controllando per variabili demografiche, occupazionali e di propensione all'AI, la stima è scesa a 19 minuti al giorno su otto attività di routine (DWP, 2025).
Popolazioni diverse e perimetro di attività diverso, quindi non è un confronto prima-dopo pulito. Ma sono due misurazioni dello stesso rollout, e quella con un gruppo di confronto è la più bassa. Il report GDS è esplicito nelle conclusioni: "a causa di vincoli sperimentali non è stato possibile identificare come sia stato impiegato il tempo risparmiato".
L'entusiasmo del tuo team è reale. Non è una prova.
Il tempo speso a sistemare l'AI rompe le tue metriche di adozione
Numero di licenze, utilizzo delle licenze e tassi di login misurano tutti gli 87 minuti. Nessuno distingue il 42 dal 35. Una dashboard di adozione che mostra un utilizzo forte è, su queste evidenze, ugualmente compatibile con un team che ottiene leva sostanziale e con un team che combatte i propri strumenti per 20 giornate lavorative all'anno.
Peggio, la metrica premia il movimento sbagliato. L'aumento dei minuti nello strumento viene letto come successo. Se la quota di troubleshooting è stabile, i minuti in crescita sono per lo più rilavorazione in crescita.
Il risultato della BCE aggiunge la seconda correzione. L'utilizzatore AI mediano nell'area euro risparmia circa tre ore a settimana, all'incirca il 7,7% del tempo di lavoro — ma poiché solo il 48,8% dei lavoratori sia usa l'AI sia ci risparmia tempo, il guadagno a livello di sistema è circa il 3,8% (BCE, 2026). Le cifre per utente moltiplicate per l'organico sopravvalutano il ritorno di circa il doppio. Un business case costruito su "X minuti risparmiati × tutti" sbaglia due volte: una sulla partecipazione, una sulla quota di troubleshooting dentro i minuti che effettivamente conta.
L'obiezione onesta
Tre limiti, detti chiaramente.
Questo è uno studio di un vendor. BambooHR vende software HR a piccole e medie imprese e ha un interesse commerciale nell'argomento secondo cui i rollout di AI richiedono una gestione sul lato persone. La rilevazione è stata condotta da una società di ricerca indipendente, la metodologia è dichiarata e il campione è ragionevole — ma si tratta di una pubblicazione di survey, non di un paper sottoposto a revisione paritaria. Pesalo di conseguenza.
È autovalutazione, e lo è anche gran parte di ciò che la sostiene. La ripartizione 42/35 sono lavoratori che stimano la propria allocazione di tempo, esattamente lo strumento che METR ha mostrato essere inaffidabile in questo ambito. La lettura onesta: la direzione è ben corroborata tra BambooHR, Culture Amp e i trial britannici, mentre le grandezze sono morbide. Non citare il 42% come una costante misurata. Citalo come la ragione per misurare la tua.
La differenza per seniority è una correlazione, non un meccanismo. BambooHR riporta i minuti per fascia; non riporta la quota di troubleshooting per fascia. Il mio calcolo sopra assume che il 42% regga all'incirca costante tra i livelli. È un'ipotesi plausibile e non verificata — il lavoro senior potrebbe generare più iterazione, oppure gli utenti senior potrebbero essere più abili a evitarla. Tratta la cifra delle ore dirigenziali come un ordine di grandezza da andare a verificare, non come un numero da mettere in un board deck.
Cosa decidere questo trimestre
Quattro mosse. Nessuna richiede nuovo software.
- Scomponi il conteggio dei minuti prima del prossimo rinnovo. La tua metrica attuale sono i minuti nello strumento. Aggiungi una dimensione: quale quota di quel tempo produce output e quale produce un prompt utilizzabile. Un auto-log di due settimane su 20 persone ti dà un numero interno difendibile, ed è l'unica cifra in questo articolo che riguarda la tua azienda.
- Campiona per fascia di ruolo, non per media. Estrai la fascia senior separatamente. Se la forma rilevata da BambooHR regge nella tua organizzazione, il problema costoso è concentrato in quindici calendari, non in duecento — il che lo rende anche affrontabile.
- Rendi la quota di troubleshooting il KPI di adozione. Sostituisci il tasso di login con il rapporto. Un rollout in cui i minuti salgono e la quota di troubleshooting scende sta funzionando. Uno in cui salgono entrambi è una pipeline di rilavorazione travestita da dashboard di adozione.
- Dai una destinazione alle ore prima di contarle. Entrambe le valutazioni britanniche sapevano misurare il tempo risparmiato e nessuna sapeva dire dove fosse finito. Un numero di risparmio di tempo senza una destinazione dichiarata non è un input di ROI. Decidi cosa si ferma prima di incassare ciò che parte.
Il 63% che ha aumentato i budget AI quest'anno lo ha fatto su un numero che conta allo stesso modo il minuto speso a combattere e quello speso a lavorare.
Prima di approvare il prossimo incremento, scopri quale dei due stavi comprando. Le tue persone più senior hanno pagato la risposta per tutto l'anno — in tempo speso a sistemare l'AI che nessuno aveva messo a budget.
