Il venti percento degli adulti occupati negli Stati Uniti dichiara che l'AI svolge ormai almeno un compito che loro o il loro team affidavano in precedenza a un collega o a un fornitore esterno (Epoch AI, 2026). Non "con cui è stata assistita". Svolge.
Questa è una decisione di approvvigionamento — il tipo di decisione che la vostra organizzazione normalmente avvolge in una richiesta d'acquisto, una valutazione del fornitore e una voce di budget. È stata presa da singoli collaboratori, un compito alla volta, e non compare in nessun sistema di vostra proprietà. La delega dei task all'AI di questo tipo non si vede nell'organico, nelle previsioni di spesa per i fornitori, né in alcuna dashboard di adozione, perché quelle dashboard sono state costruite per contare l'uso degli strumenti, non la ridistribuzione del lavoro.
La parte scomoda non è che sia successo. È che il vostro modello di capacità ora è sbagliato, e sbagliato in una direzione che non potete vedere.
Che cosa ha misurato davvero l'indagine Epoch AI/Ipsos
L'indagine è stata condotta da Ipsos per conto di Epoch AI utilizzando il KnowledgePanel basato su campionamento probabilistico, somministrata dal 10 al 19 luglio 2026 su 1.106 adulti occupati negli Stati Uniti, con stime ponderate sulla popolazione occupata statunitense (Ipsos, 2026). Il campionamento probabilistico conta, qui: non si tratta di un panel ad adesione volontaria di entusiasti dell'AI che vi raccontano quanto siano trasformativi i loro strumenti.
Il dato di apertura è il 20%. La sostanza sta nella scomposizione per compito. I lavoratori hanno segnalato che l'AI subentra in lavoro prima delegato a esseri umani soprattutto nell'analisi dei dati (7,1%), nella lettura di documenti di lavoro (5,7%) e nella tenuta degli archivi (5,3%) (Epoch AI, 2026).
Rileggete quell'elenco con occhio operativo. Non sono compiti creativi né esperimenti di frontiera. Sono esattamente le categorie che un'azienda da 200 persone gira abitualmente a un analista junior, a un interinale, a un team offshore o a un ricercatore freelance. Sono anche, quasi senza eccezione, compiti il cui output serve a qualcun altro a valle.
Un altro dato dalla stessa indagine, ed è quello che dovrebbe trattenere la vostra attenzione: sull'insieme dei compiti assistiti dall'AI, il 66% degli output è stato utilizzato invariato o con sole modifiche minori, contro un 5% rilavorato in modo sostanziale o rifatto da capo.
Una decisione make-or-buy senza alcuna richiesta d'acquisto
Ogni organizzazione ha un processo per decidere se il lavoro si fa dentro o si compra fuori. È lento per una ragione. Qualcuno definisce il perimetro, qualcuno lo prezza, qualcuno verifica se il fornitore vale qualcosa, e qualcuno risponde del risultato.
Quello che i dati di Epoch descrivono è la stessa decisione, presa a livello individuale, nel tempo che serve ad aprire una finestra di chat.
Il dipendente non sta facendo nulla di sbagliato. Dal suo punto di vista questa è iniziativa: il report che richiedeva quattro giorni di scambi con un fornitore ora richiede un pomeriggio. Viene premiato esattamente per questo. Nessuna policy gli ha detto che riassegnare un compito da un essere umano a un modello è una categoria di decisione diversa dallo scegliere un modo più rapido di svolgere il proprio lavoro.
Ma è una categoria diversa, per una ragione strutturale. Quando delegate a una persona, ottenete una seconda mente sul problema, che l'abbiate chiesta o no. I fornitori fanno domande di chiarimento. Gli analisti junior segnalano i dati che sembrano sbagliati. I colleghi obiettano quando una richiesta non ha senso. Quell'attrito non è un difetto della delega umana — è un meccanismo di controllo qualità non prezzato che arrivava incluso.
Delegate lo stesso compito a un modello e l'attrito sparisce. Il modello non chiede perché la richiesta sia strana. Risponde.
Il controllo è sparito nello stesso momento in cui si è spostato il lavoro
Mettete il 20% e il 66% l'uno accanto all'altro e il rischio diventa concreto. Il lavoro si sta spostando dagli esseri umani ai modelli nello stesso momento in cui due terzi dell'output dei modelli viene consegnato senza revisione significativa. Il compito ha cambiato mani e la fase di ispezione se n'è andata con il proprietario precedente.
Non è un danno ipotetico. Lo studio 2026 di Adaptavist su 2.500 knowledge worker ha rilevato che il 52% corregge regolarmente lavoro generato dall'AI prodotto da colleghi (Adaptavist, 2026). La correzione avviene — si è semplicemente spostata da un punto di passaggio definito a chiunque abbia la sfortuna di trovarsi a valle.
Una ricerca di BetterUp Labs e dello Stanford Social Media Lab ha quantificato quello spostamento: circa il 40% degli impiegati d'ufficio statunitensi ha dichiarato di aver ricevuto "workslop" generato dall'AI nel mese precedente, con circa due ore necessarie a risolvere ogni episodio, che i ricercatori hanno valorizzato in circa 186 dollari per lavoratore al mese (BetterUp Labs, 2026).
Due ore per episodio, assorbite da un collega, registrate da nessuna parte.
C'è una piega distributiva che vale la pena nominare. Le tre categorie di compiti in cui il fenomeno emerge di più — analisi dei dati, lettura di documenti, tenuta degli archivi — sono concentrate esattamente nelle funzioni che un'operation di fascia media tende a tenere più scarne: supporto amministrativo-finanziario, coordinamento operativo, gestione della compliance. Sono i ruoli in cui una sola persona spesso è il processo, e in cui un fornitore esterno era storicamente la valvola di sfogo. Quando la valvola di sfogo viene sostituita da un modello e nessuno ridefinisce chi revisiona l'output, il guasto non si annuncia gradualmente. Si annuncia sotto forma di un singolo numero sbagliato in un documento per il consiglio.
Questa è la forma del problema. I risparmi sono catturati dalla persona che ha delegato al modello e sono visibili a lei. Il costo è pagato da chi riceve l'output ed è invisibile a tutti. La produttività netta può essere piatta o negativa mentre ogni singola persona coinvolta riferisce onestamente di essere più veloce.
Perché il vostro modello di capacità ora è sbagliato in una direzione non registrata
Qui la faccenda smette di essere una questione di governance e diventa un problema operativo.
Se una quota significativa del vostro team ha silenziosamente dirottato compiti lontano da fornitori e colleghi, diversi dei vostri input di pianificazione stanno ora misurando qualcosa di diverso da ciò che credete.
Una spesa per fornitori in calo si legge come disciplina. Può essere disciplina. Può anche essere sostituzione di lavoro non revisionato. Le due cose hanno firme identiche nel conto economico e implicazioni opposte sul rischio.
Il volume dei passaggi interni cala. Meno ticket, meno richieste tra team, tempi di ciclo più rapidi sulla carta. Una parte è reale. Una parte è lavoro che ha smesso di essere passato di mano perché ha smesso di essere controllato.
I modelli di organico slittano. Se pianificate le assunzioni del prossimo anno sul carico di lavoro osservato quest'anno, e il carico di lavoro osservato quest'anno è stato silenziosamente assorbito da modelli con un tasso del 66% di consegna invariata, state estrapolando da una linea di base che contiene già debito di qualità non misurato.
Tra i 50 e i 500 dipendenti questo morde più forte che su scala enterprise. Una grande organizzazione ha presidi di procurement, una funzione di vendor management e abbastanza strumentazione di processo perché uno spostamento nel modo in cui il lavoro viene approvvigionato prima o poi emerga nel report di qualcuno. Un'operation di fascia media ha un Head of Operations, un responsabile finance e una serie di fogli di calcolo costruiti sul presupposto che il lavoro sia svolto dalle persone presenti nell'organigramma.
Nessuno sta facendo nulla di visibilmente sbagliato. È esattamente per questo che il fenomeno persiste.
Che cosa questi dati non dicono
Tre limiti, dichiarati con chiarezza, perché un piano costruito su una sovrainterpretazione di questi numeri fallirà.
Venti percento non è il venti percento del vostro carico di lavoro. Il dato è la quota di lavoratori che segnalano almeno un compito di questo tipo, non la quota di compiti o di ore spostate. I numeri per singolo compito — 7,1%, 5,7%, 5,3% — sono la guida migliore sui volumi, e sono a una cifra.
Consegnato invariato non equivale a sbagliato. Il dato del 66% vi dice che l'intensità di revisione è calata, non che l'output sia difettoso. Per un aggiornamento di routine di un archivio, invariato può essere del tutto corretto. Il problema è che il tasso di revisione è ora uniforme su tipologie di compito in cui il costo dell'errore è tutt'altro che uniforme.
L'autodichiarazione ha limiti noti. I lavoratori potrebbero non ricordare con precisione se un compito sarebbe in precedenza andato a un fornitore. Il campionamento probabilistico controlla chi è stato interpellato, non quanto bene le persone ricordino gli scenari controfattuali.
Nulla di tutto ciò cambia la conclusione operativa. Anche nella lettura più prudente, il lavoro viene approvvigionato attraverso un meccanismo che la vostra pianificazione della capacità non osserva, e il controllo qualità che prima era gratuito non c'è più.
Strumentare la delega dei task all'AI in questo trimestre
La soluzione è disciplina di misurazione, non una circolare. Quattro mosse, nessuna delle quali richiede nuova spesa.
Fate la domanda direttamente, una volta. Nella prossima revisione di team, chiedete a ogni funzione una sola cosa: quali compiti abbiamo smesso di mandare a un fornitore, a un servizio condiviso o a un altro team negli ultimi sei mesi, e dove sono finiti? Otterrete una risposta in un pomeriggio. I dati di Epoch dicono che circa una persona su cinque tra le vostre ne ha uno.
Strumentate la ridistribuzione, non i login. Le metriche di adozione che contano licenze e sessioni sono strutturalmente incapaci di rilevare tutto questo. Tracciate le grandezze che si muovono quando il lavoro viene riassegnato: volume delle fatture fornitori per categoria, numero di richieste tra team ed episodi di rilavorazione. Il Digital Economy Lab di Stanford porta avanti lo stesso argomento sulla misurazione dell'AI a livello di compito anziché a livello di strumento (Stanford Digital Economy Lab, 2026).
Riagganciate il controllo dove prima lo forniva la delega tra pari. È la voce a più alto valore e la più economica. Classificate i compiti in base al costo di un errore non rilevato, non in base al fatto che ci sia di mezzo l'AI. Per l'insieme ad alto costo, nominate esplicitamente un revisore. La delega umana forniva quel revisore gratis; la delega a un modello no, e va reintrodotta deliberatamente.
Rendete la riassegnazione di un compito un evento dichiarabile. Non un processo di approvazione — una comunicazione. Quando qualcuno sposta un compito ricorrente da una persona a un modello, la cosa viene annotata nello stesso posto in cui finirebbe una variazione di organico o di fornitore. Una riga, senza cerimonie. La visibilità è l'intero obiettivo.
La decisione che avete davanti in questo trimestre è stretta e binaria. O sapete nominare la delega dei task all'AI che è già avvenuta nella vostra operation — quale lavoro si è spostato da un essere umano a un modello, e chi lo controlla adesso — oppure no. Se non lo sapete, non state gestendo un'operation snella. Ne state gestendo una la cui reale struttura di costo ed esposizione qualitativa vengono definite, compito dopo compito, da persone a cui nessuno ha mai detto che stavano prendendo quella decisione.
