Il settantaquattro percento degli utenti abituali di AI oggi rivolge a un chatbot una domanda che in passato avrebbe rivolto a un collega. Il cinquantanove percento chiede un secondo parere ai colleghi meno spesso di prima. Il quarantasei percento dichiara di sapere meno su come ragionano i propri colleghi. Sono i dati di un'indagine su oltre 22.000 dipendenti in dieci aree geografiche, condotta a giugno e luglio 2026 dalla piattaforma di valutazione cognitiva MyIQ (FM Magazine, 2026).
Chiedere all'AI invece che ai colleghi è ormai il riflesso predefinito, ed ecco la parte che dovrebbe preoccupare un Head of Operations: niente di tutto questo compare nella tua dashboard. Le riunioni ci sono ancora. Il volume dei messaggi è stabile o in crescita. La collaborazione pianificata è intatta. Ciò che sta scomparendo è il confronto non pianificato — ed è esattamente lo strato su cui il tuo onboarding e la tua calibrazione delle promozioni funzionavano silenziosamente.
La metrica che stai osservando non può rilevarlo
Gran parte della misurazione della collaborazione nel mid-market è volumetrica: ore di riunione, conteggio dei messaggi su Slack o Teams, attività dei canali cross-team, densità del calendario. Quegli strumenti catturano l'interazione pianificata e semi-pianificata, perché è quella che lascia una traccia strutturata.
Il comportamento descritto dai dati MyIQ non lascia quasi traccia. È il voltarsi per trenta secondi verso la scrivania accanto. Il "controllo veloce prima di inviare". Il "come funziona davvero questo processo, perché la documentazione è sbagliata". Quegli scambi non erano mai in calendario e raramente in un canale. Quando migrano in una finestra di chat, la dashboard volumetrica non registra nulla — o, peggio, registra un miglioramento, perché lo stesso organico produce più output visibile con meno interruzioni.
È un fallimento di misurazione con una forma precisa: le tue metriche di collaborazione sono diventate insensibili esattamente dove il cambiamento sta avvenendo. Numeri stabili non sono più prova di un team sano. Sono prova che stai misurando la parte che non si è mossa.
Cosa cambia quando le persone chiedono all'AI invece che ai colleghi
I dati dell'indagine si dispongono in un quadro coerente, non in una dispersione di lamentele (MyIQ / Cooperative Agency, 2026):
- 74% rivolge a un chatbot domande che prima avrebbe posto a un collega
- 59% chiede ai colleghi un secondo parere meno spesso
- 48% riporta meno conversazioni spontanee durante la giornata di lavoro
- 46% sa meno su come i colleghi pensano e affrontano i problemi
- 43% trova più difficile leggere professionalmente i propri pari
- 38% afferma che i nuovi arrivati hanno meno occasioni naturali per costruire relazioni
Leggi la sequenza come una catena causale, non come sei statistiche separate. Meno domande poste (74%) producono meno conversazioni spontanee (48%), che producono minore esposizione al modo in cui i colleghi ragionano (46%), che produce una ridotta capacità di leggerli professionalmente (43%). L'ultimo dato non è una lamentela sulla cultura aziendale. È un degrado della materia prima di cui sono fatti sia l'apprendistato sia il giudizio sulle promozioni.
Gli stessi rispondenti riportano anche guadagni reali: il 71% si sente più autosufficiente e il 62% più sicuro nel decidere in autonomia. Non è un errore di arrotondamento, ed è il motivo per cui la cosa non emergerà come problema in nessuna survey di engagement. Le persone vivono il cambiamento come competenza. Il costo ricade sul sistema, non sull'individuo — ed è esattamente la classe di costi che una funzione operations esiste per intercettare.
Un'avvertenza onesta prima di agire
Si tratta di un'indagine di un fornitore, una società di valutazione cognitiva, con dati auto-riportati, diffusa tramite ufficio stampa, senza metodologia pubblicata oltre a numerosità, geografia e finestra di rilevazione. Il comunicato stesso afferma che i risultati non dimostrano che l'uso dell'AI indebolisca direttamente le relazioni sul lavoro — solo che i dipendenti associano un maggiore ricorso all'AI a un cambiamento nella frequenza con cui si consultano e imparano informalmente gli uni dagli altri.
Quindi dimensiona l'effetto con questi dati e appoggia il peso causale sulla letteratura di psicologia organizzativa, che è molto più antica e molto meglio identificata. È la sezione che segue.
Il sistema che si sta degradando ha già un nome
Ciò che si assottiglia quando le persone smettono di farsi domande a vicenda è il sistema di memoria transattiva del team — la directory condivisa di chi sa cosa, formalizzata per la prima volta da Wegner e sviluppata in tre decenni di ricerca sui team. Si mantiene con l'uso. Ogni volta che qualcuno pone una domanda a un collega accadono due cose: chi chiede ottiene una risposta, ed entrambi aggiornano la mappa delle competenze. Togli la domanda e conservi la conoscenza individuale, ma perdi l'indice.
Quell'indice non è decorativo. Una meta-analisi di 76 studi empirici su 6.869 unità campionarie ha rilevato un'associazione solida tra sistemi di memoria transattiva e performance del team, con un'intensità dell'effetto che varia in base al contesto, mentre l'associazione in sé non è in discussione (Bachrach et al., 2019). I team che sanno dove risiede la competenza superano quelli che non lo sanno, a parità di capacità individuali.
Un assistente AI è un ottimo sostituto della risposta. Non è un sostituto dell'indice. Quando risponde il tuo analista senior di operations, l'organizzazione impara qualcosa sul tuo analista senior di operations. Quando risponde Claude o ChatGPT, l'organizzazione non impara nulla.
La contro-evidenza, e cosa dice davvero
Esiste ricerca credibile che punta nella direzione opposta, e merita ascolto. La Global Workplace Survey 2026 di Gensler, su oltre 16.400 impiegati in 16 Paesi, ha rilevato che il 30% classificabile come AI power user passa meno tempo a lavorare da solo (37% della settimana lavorativa contro il 42% di chi adotta tardi), più tempo ad apprendere (12% contro 8%) e più tempo a socializzare (11% contro 9%), con relazioni di team riportate come più solide (Gensler, 2026).
Entrambe le evidenze possono essere vere, e credo lo siano. L'AI assorbe la domanda informativa a bassa posta — quella che comunque non porta valore relazionale — e libera tempo che gli utenti intensivi reindirizzano su apprendimento e contatto sociale. Il bilancio complessivo del tempo migliora. Ciò che i dati Gensler non ti dicono è chi beneficia di quella redistribuzione.
Il dato MyIQ che risponde è il 38%: i nuovi arrivati hanno meno occasioni naturali di costruire relazioni. Il tempo sociale riallocato va a chi ha già una rete in cui spenderlo. Un neoassunto al secondo mese non ce l'ha, e le interazioni che gliel'avrebbero costruita erano proprio quelle domande informative a bassa posta che oggi finiscono a un chatbot. La ricerca 2026 di Workday è coerente con questa asimmetria: i dipendenti della Gen Z hanno una probabilità 12 volte maggiore rispetto alla Gen X di dichiararsi completamente scollegati dai colleghi, e più di uno su cinque afferma che gli strumenti di AI hanno peggiorato le relazioni con i pari (Workday, 2026).
L'effetto netto non è "l'AI isola tutti". È più circoscritto e più azionabile: il beneficio si concentra su chi è già inserito, il costo su chi è appena arrivato. È un problema distributivo, e i problemi distributivi si risolvono con il design, non con il sentimento.
Onboarding: la localizzazione delle competenze deve diventare un artefatto
Se la consultazione ambientale era il tuo meccanismo di apprendistato, oggi è parzialmente definanziata e nessuno l'ha definanziata deliberatamente.
Per un'organizzazione da 50–500 FTE, la soluzione non è un programma di mentoring con una presentazione di lancio. È rendere esplicita la localizzazione delle competenze, perché non può più essere emergente:
- Pubblica la directory che le domande costruivano. Una mappa mantenuta di chi presidia quale processo, sistema, percorso di eccezione e segmento di clientela — con nomi, non caselle di team. È un artefatto di una pagina per funzione, rivisto ogni trimestre. Nella maggior parte delle organizzazioni mid-market questa informazione è distribuita nella testa di quattro persone e scritta da nessuna parte.
- Rendi i primi novanta giorni dipendenti da persone con nome e cognome. Struttura il ramp attorno a deliverable che non si possono completare senza consultare tre colleghi specifici. Non "conosci il team" — un compito con una dipendenza.
- Misura la cosa giusta. Smetti di leggere il volume dei messaggi come connessione. Chiedi direttamente ai nuovi assunti, al giorno 30 e al giorno 90: a chi ti rivolgeresti per X? Traccia quanti nomi sanno produrre e con quale velocità quel numero cresce. È un proxy misurabile della memoria transattiva, e costa un campo di survey.
La versione più economica è una sessione settimanale di quindici minuti in cui un neoassunto deve portare una domanda che ha risolto con l'AI e riformularla a una persona. Il punto non è la risposta. Il punto è la presentazione.
Calibrazione delle promozioni: il tuo segnale tra pari sta perdendo validità
Il dato del 43% — colleghi più difficili da leggere professionalmente — è un problema di misurazione travestito da problema culturale.
Le decisioni di promozione nel mid-market si appoggiano molto sull'impressione dei pari: ciò che la stanza di calibrazione crede sul giudizio di una persona, sulla base dell'averla osservata ragionare in momenti non strutturati. Quei momenti si stanno assottigliando. L'input si degrada mentre il processo che lo consuma resta identico, il che significa che la fiducia nella calibrazione resta alta su un segnale più debole. È esattamente la condizione in cui il bias si espande, perché quando l'osservazione si assottiglia, familiarità e visibilità riempiono il vuoto.
Il rimedio è ben documentato e poco affascinante. La valutazione strutturata — competenze definite, requisiti di evidenza coerenti, le stesse domande per ogni candidato — mostra da tempo una validità predittiva nettamente superiore al giudizio non strutturato. La rianalisi 2022 di Sackett e colleghi sulla validità della selezione del personale, che ha corretto decenni di sovracorrezione sistematica nella letteratura meta-analitica e in generale ha abbassato le stime pubblicate, colloca comunque i colloqui strutturati tra i predittori utilizzabili più solidi, con una validità operativa intorno a .42 (Sackett et al., 2022). L'impressione non strutturata non regge il confronto nemmeno quando le condizioni di osservazione sono buone — e le tue stanno peggiorando.
In concreto: richiedi evidenza scritta del giudizio per ogni caso di promozione — una decisione presa, il trade-off valutato, l'esito. Se nessuno riesce a produrre quell'evidenza per un candidato, è un dato sulle tue condizioni di osservazione, non sul candidato.
La decisione di questo trimestre
Non invertirai quel 74%. Chiedere all'AI invece che ai colleghi è più rapido, è privo di giudizio e fa sentire le persone più capaci — il 71% lo dichiara. Il comportamento è razionale a livello individuale e non risponderà a una policy che invita a parlarsi di più.
Ciò che puoi decidere questo trimestre è se i due sistemi che giravano silenziosamente sulla consultazione informale riceveranno una sostituzione esplicita. Entrambe le mosse costano poco. Pubblica una mappa delle competenze per funzione. Aggiungi un requisito di evidenza scritta ai casi di promozione. Nessuna delle due richiede approvazione di budget, ed entrambe smettono di funzionare nel momento in cui dai per scontato che la versione ambientale sia ancora attiva.
La tua dashboard di collaborazione continuerà ad apparire in ordine. È tutto il problema.
