Gusto ha seguito i dati reali di payroll di 1.593 piccole imprese che hanno adottato l'AI e di 669 che la conoscevano e hanno scelto di non adottarla, e ha rilevato che chi l'ha adottata ha fatto crescere l'organico di circa il 7% in più nell'anno successivo (Gusto, 2026). È il numero che è circolato come prova che l'AI crea posti di lavoro. La disaggregazione per dimensione che sta sotto è il numero che un responsabile delle operazioni dovrebbe leggere davvero: 10% nelle imprese con un dipendente, 11% da due a quattro, 11% da cinque a nove — e 0% nelle imprese tra 10 e 24 dipendenti.
Il dividendo non si riduce gradualmente con la scala. Scompare nel punto esatto in cui un'azienda inizia ad avere processi.
Non è un argomento per dire che l'AI smette di funzionare sopra i dieci dipendenti. È un argomento su dove va la capacità liberata dall'AI quando non le viene assegnata una destinazione — e la risposta, coerente su tre dataset indipendenti, è che finisce nel processo esistente e smette di essere visibile a chi finanzia il pilota.
Cosa mostrano davvero 2.262 storie di payroll
Il metodo è la ragione per cui questo studio vale più di un'ennesima survey sull'adozione. Gusto ha preso i rispondenti alla propria survey sull'AI di aprile 2025, li ha divisi in 1.593 adottanti dichiarati e 669 non adottanti consapevoli, e poi ha misurato cosa ha fatto il loro payroll — non quello che dicevano di aver fatto. Il gruppo di confronto è la parte accurata: imprese che conoscevano l'AI e l'hanno rifiutata, il che isola la scelta di adottare invece di confrontare utilizzatori con soggetti mai esposti.
Lo stimatore è un event study di Callaway e Sant'Anna, costruito per l'adozione sfalsata nel tempo, in cui ogni impresa è confrontata con quelle che non hanno ancora adottato e con quelle che non adotteranno mai, rispetto al trimestre precedente all'adozione. I percorsi occupazionali erano piatti e paralleli prima dell'adozione — il controllo che conta. L'effetto si è costruito gradualmente, da circa il 4,5% a circa il 6,8% nei quattro trimestri successivi all'adozione, il che esclude un picco di assunzioni una tantum. I salari non hanno mostrato un movimento corrispondente, coerentemente con imprese che aggiungono persone invece di cavalcare un aumento retributivo.
E i ruoli non erano ruoli AI. Chi ha adottato ha assunto terapisti, insegnanti, tecnici, cuochi — quelli che Gusto chiama do-ers, persone che producono più di ciò per cui il cliente è arrivato. Tra le imprese sotto i dieci dipendenti, la crescita dell'organico è stata dell'8% nella produzione di beni, dell'8% nei servizi alla persona, del 9% nei servizi professionali e del 19% nei servizi alla comunità, spinta da piccoli studi sanitari e di assistenza sociale che hanno assunto igienisti dentali e clinici.
È un risultato pulito con un meccanismo poco glamour: in un'azienda di cinque persone, le ore del titolare sono il vincolo stringente, e quelle ore vanno in scheduling, amministrazione, marketing e ricerca. L'AI assorbe quel lavoro, e le ore recuperate si convertono nella prossima assunzione.
Lo zero è il risultato
La spiegazione che Gusto dà della fascia 10-24 è la frase operativamente più utile dello studio. Le imprese di quella dimensione, osserva, "hanno già in gran parte questi processi in essere", e i loro guadagni di produttività "probabilmente emergono in luoghi diversi dall'organico, anche se i dipendenti sono liberati per concentrarsi sui propri compiti centrali" (Gusto, 2026).
Leggetela due volte, perché è l'intero problema pilota-budget enunciato da chi possiede i dati.
Con cinque dipendenti non c'è processo che possa assorbire le ore liberate, quindi emergono come una decisione osservabile: assumere qualcuno. Con quindici, il processo c'è — un sistema di scheduling, una catena di approvazioni, una cadenza di reporting, una coda di lavoro che si espande fino a occupare l'attenzione disponibile. Le ore vengono liberate comunque. Semplicemente vengono riassorbite dalla struttura che era già lì, e nessuna dashboard di adozione, metrica d'uso o survey di soddisfazione può dirvi dove sono finite.
Proiettate la cosa su 50-500 FTE e la struttura è più densa di un ordine di grandezza. L'assunzione che sta silenziosamente sotto la maggior parte dei business case AI per il 2027 — che la capacità troverà da sola il proprio miglior impiego — è esattamente l'assunzione che ha misurato zero a quindici dipendenti.
La Danimarca mostra dove è andata la capacità liberata
Se la capacità viene riassorbita invece che distrutta, qualcosa deve pur assorbirla. La migliore evidenza su cosa sia arriva da dati amministrativi e non da autodichiarazioni.
Humlum e Vestergaard hanno collegato survey su larga scala sull'adozione dell'AI ai registri amministrativi del lavoro danesi e hanno stimato effetti nulli e precisi su retribuzioni e ore registrate sia a livello di lavoratore sia a livello di luogo di lavoro, escludendo effetti superiori al 2% a due anni dal lancio di ChatGPT — e questo in un contesto in cui la maggior parte dei datori di lavoro nelle occupazioni esposte aveva avviato iniziative con chatbot e i lavoratori riportavano benefici di produttività (Humlum e Vestergaard, 2026).
Ciò che si è mosso è la struttura del lavoro. I datori di lavoro hanno assorbito l'AI attraverso la riorganizzazione dei compiti, e gli autori nominano esplicitamente i nuovi compiti: generazione di contenuti, supervisione dell'AI e integrazione dell'AI. Chi ha adottato si è anche spostato verso occupazioni più remunerate in cui i chatbot sono più rilevanti, pur restando troppo pochi per spostare le retribuzioni medie.
Quella è la destinazione, e non è quella scritta nel business case. Il tempo che lo strumento restituisce viene speso in misura sostanziale per supervisionare, verificare e collegare lo strumento stesso. Nessuno ha scritto quella riga nel budget, nessuno la possiede su un organigramma, e poiché è distribuita nella giornata di tutti in incrementi di dieci minuti, non appare mai come un costo — solo come un guadagno di produttività che in qualche modo non si è materializzato.
I guadagni sopra la soglia sono reali — e si pagano
Il contrappeso onesto allo zero di Gusto arriva da un panel di imprese molto più ampio. Usando dati EIBIS-ORBIS abbinati su oltre 12.000 imprese non finanziarie in UE e USA, e strumentando l'adozione UE con i tassi di adozione dei peer statunitensi, l'adozione dell'AI alza il livello della produttività del lavoro del 4%, attraverso l'approfondimento del capitale e non la sostituzione di lavoro, senza effetti occupazionali avversi a livello d'impresa (BIS, 2026).
Due dettagli contano più del titolo. Primo, i guadagni "si concentrano nelle imprese medie e grandi" — esattamente la fascia in cui l'effetto sull'organico rilevato da Gusto svanisce. Secondo, il paper è esplicito: sono gli investimenti complementari in software, dati e formazione della forza lavoro a sbloccarli.
Mettete i tre dataset su una riga e il quadro è coerente. Sotto i dieci dipendenti, la capacità liberata si converte da sola in organico perché non c'è nulla che si metta in mezzo. Nelle imprese medie e grandi si converte in produttività misurata — ma solo insieme ai complementi che la indirizzano. Nel mezzo, e in qualunque azienda che compri lo strumento senza i complementi, si converte in overhead di compiti senza proprietario.
Il dividendo non è morto a dieci dipendenti. Ha smesso di essere automatico.
I limiti, detti onestamente
Gusto è associativo, e lo dichiara. Le imprese scelgono se e quando adottare; il timing dell'adozione è autodichiarato; il campione è composto da clienti Gusto che hanno risposto a una survey, non da un'estrazione casuale di piccole imprese americane. Gli autori affermano chiaramente che le magnitudini esatte potrebbero non valere a livello di intera economia.
La fascia 5-9 porta un caveat degli autori. Quelle imprese stavano leggermente arretrando prima dell'adozione, quindi parte di quell'11% potrebbe essere recupero e non nuova assunzione.
Lo zero è stato misurato tra 10 e 24 dipendenti, non a 200. Nulla in questo dataset osserva un'organizzazione da 300 persone. Ciò che si trasferisce verso l'alto è il meccanismo — il processo assorbe la capacità non assegnata — non la stima puntuale. Chi cita "0% sopra i dieci dipendenti" come un risultato sul mid-market l'ha sovrainterpretato, incluso chiunque citi questo articolo.
La Danimarca è precoce, specifica sui chatbot e riguarda le medie. Un nullo preciso su retribuzioni e ore medie non è un nullo su un singolo ruolo, e la finestra sono i primi due anni di una tecnologia di uso generale.
La stima BIS identifica l'esposizione, non la vostra implementazione. Strumentare con i tassi di adozione dei peer statunitensi compra variazione causale pulita al prezzo di misurare l'effetto medio dell'essere adottante, non l'effetto di quanto bene abbiate implementato.
Cosa dovrebbe fare un Head of Operations prima che il prossimo pilota venga finanziato
Quattro mosse, e nessuna è una decisione di tooling.
1. Scrivete la destinazione delle ore prima di approvare la spesa. Una frase, nell'approvazione: la capacità che questo libera va a questo output, posseduto da questa persona, misurato in questo modo, entro questa data. Se l'unica risposta disponibile è "il team sarà più produttivo", avete appena finanziato la condizione dello 0% — un'ora liberata su cui nessuno ha un diritto nominato viene riassorbita dal processo che era già lì.
2. Mettete in budget il lavoro di supervisione e integrazione come lavoro. L'evidenza danese dice che i nuovi compiti sono supervisione, verifica e collegamento. Prezzateli nel business case come costo nominato a carico di un ruolo nominato, oppure verranno pagati con la stessa capacità che il pilota doveva liberare.
3. Cambiate la variabile dipendente che riportate. Alla vostra dimensione, l'organico è la lettura sbagliata e l'utilizzo è una metrica di vanità. Scegliete qualcosa che il processo non possa assorbire in silenzio: il tempo di ciclo su un flusso specifico, la coda smaltita, l'output per FTE in una funzione. Strumentatelo prima che il pilota parta, perché una baseline ricostruita dopo è un racconto.
4. Date alla supervisione un nome, non uno straripamento. La ragione per cui il lavoro di verifica scompare è che non ha una posizione. Un deployment governato lo rende strutturale: il modello Digital Employee di Scovai è confirm-first per default — ogni azione visibile all'esterno diventa una richiesta di approvazione con un nome umano sopra, l'autonomia si guadagna per tipo di azione da un registro tracciato, e il silenzio non è mai consenso. Qualunque stack scegliate, il test è lo stesso: potete indicare la persona che possiede la coda di approvazione, e potete vedere quanto le è costata?
I tre dataset non concordano sulle magnitudini e concordano sul meccanismo. La capacità liberata dall'AI che nessuno ha rivendicato non è risparmiata. È spesa in silenzio, dentro la struttura che avete già, su lavoro che nessuno ha deciso di fare.
Quindi prendete un pilota AI già in corso nella vostra organizzazione e provate a completare la frase della mossa uno. Se non riuscite a nominare destinazione, proprietario, misura e data entro questo trimestre, non avete un programma di produttività. Avete una riallocazione che non state guardando.
