Novantadue operatori hanno eseguito la multi-attribute task battery della NASA su simulatori di volo. Quando il carico di lavoro è aumentato bruscamente, la loro accuratezza nel tracking è scesa dal 76% al 55%: hanno abbandonato il compito di monitoraggio continuo per proteggere quelli discreti (TechXplore, 2026). Fin qui nessuna sorpresa. È il secondo round quello che dovrebbe cambiare il modo in cui configurate gli agenti: quando al sistema è stato permesso di decidere da solo quando prendere in carico un compito e quando restituirlo, la performance è risultata migliore solo durante il picco acuto. In tutte le altre condizioni hanno fatto meglio le persone che sceglievano da sé quando delegare — e riportavano una fatica considerevolmente maggiore quando era il sistema a scegliere per loro (International Journal of Human–Computer Interaction, 2026).
Stesso agente. Stesse capacità. L'unica variabile era chi deteneva l'autorità di spostare il lavoro.
Ogni roadmap di AI agentica che vi hanno mostrato tratta l'autonomia come una scala di maturità: assistita, poi supervisionata, poi autonoma, con il passaggio adattivo di controllo come gradino premium. Questa evidenza dice che quella scala ha un gradino inchiodato al contrario. Il subentro dell'agente deciso dall'agente stesso è il design corretto per una fascia ristretta di condizioni e il default sbagliato ovunque altrove.
Che cosa ha misurato il simulatore, e che cosa no
Lo studio arriva dal Dipartimento di Psicologia della Lingnan University, guidato dal Professor Jie (Jay) Xu, pubblicato sull'International Journal of Human–Computer Interaction nell'agosto 2026 (IJHCI, 2026). I partecipanti eseguivano tre compiti simultanei sulla MATB della NASA: tracking con joystick, monitoraggio dei sistemi e gestione delle risorse — una struttura di carico deliberatamente più vicina a un turno di lavoro che a una singola decisione.
Il primo round ha stabilito la baseline. Sotto un picco di carico, l'accuratezza del tracking è crollata dal 76% al 55%, mentre i due compiti discreti sono rimasti sostanzialmente stabili. Sotto pressione, le persone abbandonano per prima la vigilanza continua. È esattamente il vuoto che un agente dovrebbe colmare.
Il secondo round ha confrontato due regimi per colmarlo:
- Human-led authority allocation (HLAA). È l'operatore a decidere quando passare un compito al sistema e quando riprenderlo.
- Shared authority allocation (ShAA). Il sistema monitora il carico e subentra — o restituisce il controllo — di propria iniziativa.
ShAA ha vinto durante i picchi acuti e le emergenze. Ha protetto proprio il compito che gli esseri umani lasciano cadere sotto carico. Fuori da quelle finestre ha vinto HLAA. Con ShAA gli operatori si allontanavano dal compito; quando il controllo tornava indietro non riuscivano a ricostruire abbastanza in fretta la consapevolezza situazionale, producendo un calo misurabile di performance. Nelle sessioni lunghe, i punteggi di fatica tardiva del gruppo ShAA erano considerevolmente più alti di quelli del gruppo a guida umana (TechXplore, 2026).
La lettura causale dei ricercatori conta più dei numeri. Il deficit non era di capacità. Era il trasferimento di autorità non spiegato. Tenere traccia di cosa sta facendo il sistema, perché è intervenuto e cosa farà dopo è a sua volta lavoro cognitivo — lavoro che non compare in nessun calcolo del tempo risparmiato.
Il punto di rottura è la restituzione, non il subentro
Quasi tutta l'attenzione progettuale sugli agenti va al momento della delega: cosa attiva l'agente, cosa gli è permesso fare, quali guardrail lo vincolano. Quasi nulla va al ritorno.
È l'ordine sbagliato. In questi dati, il subentro dell'agente sotto carico è la parte che ha funzionato. Il danno si è concentrato nel percorso di ritorno: il controllo che rientra da una persona rimasta fuori dal loop, senza spiegazione di cosa si sia mosso e perché, e un periodo di recupero durante il quale la performance è degradata e nessuno lo ha strumentato.
Considerate la versione mid-market. Un agente gestisce una coda durante la notte, fa escalation delle eccezioni che non riesce a risolvere e un coordinatore le raccoglie alle 8 del mattino. L'escalation appare pulita su una dashboard: dodici elementi gestiti, tre in escalation. Quello che la dashboard non vede sono i venti minuti che il coordinatore spende a ricostruire perché quei tre sono stati escalati e cosa l'agente aveva già provato. Moltiplicatelo per ogni restituzione della settimana e il costo di recupero comincia a rivaleggiare con il risparmio di gestione — su una voce di costo che nessuno ha creato.
È lo stesso problema strutturale che l'IBM Institute for Business Value ha trovato a livello esecutivo. In un'indagine su 2.000 CIO e CTO, due terzi si dichiaravano responsabili di sistemi di AI che non controllano pienamente, e il 77% affermava che l'adozione supera già la propria capacità di governance (IBM Institute for Business Value, 2026). Lo studio sul simulatore è quello stesso divario riprodotto alla scrivania, cronometro alla mano.
Perché l'autonomia adattiva viene venduta come funzione premium
Perché fa una demo bellissima. Un agente che si accorge che la coda si sta ingolfando e interviene senza che glielo si chieda è una dimostrazione da due minuti migliore di un agente che aspetta istruzioni. Ma la demo è una condizione di picco. Il picco è l'unico regime in cui l'evidenza dice che debba decidere l'agente.
Il pitch porta con sé anche un assunto mai esaminato: che togliere una decisione a una persona ne riduca il carico. Quello che mostrano i dati sulla fatica è che la decisione non è mai stata la parte costosa. La parte costosa è mantenere un modello di cosa sta facendo il sistema, e il passaggio autonomo di controllo la aumenta: ora dovete seguire sia il lavoro sia il giudizio dell'agente sul lavoro.
Il requisito di trasparenza non è un optional
Gli autori sono espliciti: in assenza di una spiegazione del perché il controllo si è spostato, si apre un divario cognitivo tra operatore e sistema. Non è una preferenza di UX. È il meccanismo che produce il calo di performance.
Ha anche un riflesso nei benchmark. La valutazione HANDBOOK.md di Surge AI ha sottoposto modelli di frontiera a 65 compiti agentici governati da veri manuali aziendali di 43 pagine; il pass@1 in senso stretto è rimasto sotto il 25% per ogni modello testato, e un maggiore sforzo di ragionamento non ha aiutato in modo affidabile (Surge AI, 2026). Se l'aderenza di un agente alle policy lungo un compito esteso è così fragile, a un operatore disingaggiato da due ore che riceve indietro il controllo senza una motivazione state consegnando un pacchetto che non ha modo efficiente di ispezionare.
Dove atterra tutto questo in un'organizzazione da 50 a 500 dipendenti
Tre punti, in ordine di rapidità con cui mordono.
Code di eccezioni e copertura fuori orario. Qualsiasi flusso in cui un agente lavora senza presidio e restituisce un sottoinsieme a un umano è un problema di restituzione travestito da instradamento. Se il ritorno non porta con sé una motivazione, state pagando il costo di recupero a ogni ciclo.
Ruoli di supervisione always-on. L'effetto fatica è comparso nelle sessioni lunghe, in fase avanzata. I pilot brevi non lo rilevano. Se avete qualcuno la cui giornata consiste nel sorvegliare agenti al lavoro, il vostro pilot di due settimane ha misurato la finestra sbagliata.
Soglie di escalation impostate dal vendor. Quasi tutte le piattaforme di agenti arrivano con una sensibilità di default su quando intervenire o fare escalation. Quel default è stato scelto da qualcuno che ottimizzava l'effetto della demo e il volume dei ticket di supporto, non la consapevolezza situazionale dei vostri operatori. È una decisione di configurazione attiva che quasi nessuno ha preso consapevolmente.
Sotto tutti e tre c'è un punto di org design che il Work Trend Index 2026 di Microsoft ha fatto dall'altra direzione: l'86% dei lavoratori tratta già l'output dell'AI come un punto di partenza e non come risposta definitiva, e i fattori organizzativi pesano più del doppio rispetto alla competenza individuale sull'AI — 67% contro 32% (Microsoft Work Trend Index, 2026). Le persone stanno già facendo il lavoro di verifica. Il design del passaggio di consegne decide se quel lavoro sia economico o costoso.
Che cosa questo studio non dice
Tre limiti, detti chiaramente, perché una policy costruita su una lettura eccessiva fallirà.
I partecipanti erano studenti universitari, non operatori di dominio. Professionisti esperti potrebbero ricostruire la consapevolezza situazionale più in fretta. La validità esterna verso il lavoro della conoscenza qualificato non è stabilita.
È un simulatore di volo, non un back office. La MATB è uno strumento di misura del carico, non un'approssimazione di una coda di eccezioni. Tradurre il risultato alla supervisione di agenti in operations è un'inferenza — ben motivata, ma un'inferenza.
N=92 su due round, con dimensioni dell'effetto non riportate nella copertura. La direzione è coerente; la magnitudine nel vostro contesto è ignota.
Ciò che sopravvive a tutti e tre è il meccanismo, ed è la parte trasferibile: un'autorità che si sposta senza spiegazione impone un costo di recupero all'essere umano che la riceve. Nulla di questo dipende dai joystick.
Rendere l'autorità di subentro una decisione di design in questo trimestre
Quattro mosse. Nessuna richiede nuova spesa, e tutte e quattro sono configurazione più che strategia.
Impostate l'escalation come iniziata dall'umano. Lasciate che sia l'operatore a decidere quando passare il lavoro. Riservate il subentro iniziato dal sistema a condizioni di picco definite per nome — volume sopra una soglia, un'interruzione definita, una specifica finestra oraria — non alla discrezione continua dell'agente.
Richiedete una motivazione a ogni restituzione. L'agente dichiara cosa ha fatto, cosa ha provato e perché sta restituendo l'elemento. È una modifica di prompt e template, non un programma di sviluppo, e colpisce esattamente il divario che lo studio ha identificato.
Fate pilot lunghi, non solo ampi. Se un ruolo comporta la supervisione di un agente always-on, provatelo per almeno un turno completo prima di valutarlo. Il costo della fatica emerge tardi per costruzione; un pilot di due settimane su giornate parziali è progettato per non vederlo.
Strumentate la finestra di recupero. Misurate il tempo tra una restituzione e la prima azione sostanziale dell'umano su quell'elemento. Quell'intervallo è il costo del vostro attuale design di handover, ed è oggi invisibile su ogni dashboard di agenti che abbia visto.
La domanda davanti a voi questo trimestre non è quanto autonomi debbano essere i vostri agenti. È più stretta e molto più rispondibile: chi decide oggi quando un agente prende il controllo nel vostro flusso a maggior volume — voi, o un default spedito da qualcun altro? In questo studio quella singola variabile ha mosso performance e fatica in direzioni opposte a tecnologia invariata. È la leva più economica sul vostro tavolo, ed è impostata di default nella posizione sbagliata.
