Nelle università americane sta accadendo qualcosa che fino a pochi anni fa sarebbe sembrato impensabile. Nei corsi di letteratura, alcuni docenti non riescono più a dare per scontato che gli studenti arrivino in aula dopo aver letto un libro intero. Alla Columbia University si alleggeriscono i programmi del corso sui classici. Alla Southern Methodist University, Jonathan Malesic ha raccontato di essere passato dai volumi completi a testi più brevi, perché la lettura lunga è diventata un ostacolo anche per studenti preparati. Il segnale arriva dagli atenei, ma riguarda l’ambiente mentale in cui ormai viviamo tutti.  Leggere un romanzo fino alla fine, seguire un ragionamento difficile, restare dentro un compito senza cercare subito un’uscita richiede una resistenza che si è fatta più rara.

Nel secondo episodio di *Scenari 2026*, il podcast di Linkiesta per Intesa Sanpaolo On Air, Andrea Fioravanti parte da questa frattura per capire che cosa sta succedendo alla concentrazione. La ricerca sull’attenzione collettiva mostra un’accelerazione evidente: le notizie raggiungono più in fretta il momento di massima visibilità e vengono sostituite prima di sedimentare.  Nel lavoro cognitivo, chat, riunioni e notifiche interrompono il ragionamento proprio nei momenti in cui servirebbe continuità. Secondo Microsoft, per i lavoratori più esposti le interruzioni nelle ore centrali della giornata arrivano in media ogni due minuti. E ogni volta è faticoso ricostruire il contesto mentale: dove eravamo rimasti e che cosa stavamo decidendo. Così il lavoro più serio scivola prima delle nove del mattino o dopo le diciotto, nelle fasce orarie in cui arrivano meno messaggi e ci sono meno riunioni.

Cal Newport propone di trattare la concentrazione come un’igiene della mente, una disciplina da proteggere con la stessa serietà con cui si protegge il corpo. L’attenzione non è scomparsa: è finita dentro sistemi costruiti per interromperla.

Puoi ascoltare l’episodio completo di Scenari 2026, il podcast di Linkiesta per Intesa Sanpaolo On Air, su Spotify: 

L'articolo L’attenzione è il nuovo lusso nell’economia della distrazione proviene da Linkiesta.it.

Per anni i cantori dell’intelligenza artificiale hanno annunciato l’avvento di una rivoluzione inevitabile e dirompente, destinata a migliorare la vita dei lavoratori e i rendimenti degli investitori. Da Sam Altman in giù, erano tutti convinti che la traversata nel deserto sarebbe stata più breve del previsto, descrivendoci una Terra promessa economica in cui sarebbe bastato inserire qualche algoritmo nei processi aziendali affinché il mondo del lavoro cambiasse per sempre. Più produttività, meno fatica, crescita economica accelerata. Macchine sempre più autonome avrebbero svolto la maggior parte delle attività cognitive oggi affidate agli esseri umani.

L’IA continua ad attirare investimenti enormi, ma l’entusiasmo iniziale si sta scontrando con la realtà che, come insegnava Giulio Andreotti, è sempre un po’ più complessa. La rivoluzione non è ancora arrivata, e la crescita men che meno. Il problema non è il funzionamento della tecnologia, anzi. Gli strumenti di intelligenza artificiale si sono diffusi rapidamente nelle aziende e nelle abitudini quotidiane dei lavoratori. I modelli generativi scrivono testi, analizzano dati, generano codici, producono immagini e simulazioni con una velocità che fino a poco tempo fa sembrava fantascienza. Il problema è un altro: l’economia, per ora, non se n’è accorta.

Negli Stati Uniti la produttività è cresciuta nel 2025 a un ritmo vicino alla media storica, intorno al due per cento annuo secondo i dati del Bureau of Labor Statistics, ben lontano dal balzo registrato negli anni Novanta durante la rivoluzione digitale. Alcuni economisti, tra cui Daron Acemoglu del MIT, stimano che il contributo diretto dell’intelligenza artificiale alla crescita della produttività sia finora limitato, nell’ordine di pochi centesimi di punto percentuale all’anno.

Un’indagine del National Bureau of Economic Research su circa seimila dirigenti mostra che il settanta per cento delle aziende usa strumenti di intelligenza artificiale, ma l’ottanta per cento non ha registrato alcun cambiamento significativo né nella produttività né nell’occupazione negli ultimi tre anni. Le ragioni sono meno tecnologiche di quanto si immagini: dati incompleti o disordinati, sistemi informatici incompatibili con i nuovi modelli, mancanza di competenze interne e, soprattutto, l’assenza di un problema aziendale preciso che l’intelligenza artificiale dovrebbe risolvere.

Sloan Management Review e Boston Consulting Group, il novantacinque per cento dei progetti di IA generativa resta fermo alla fase di sperimentazione o non produce benefici economici misurabili, rimanendo confinato a prototipi o test interni. E secondo la società di ricerca Gartner, entro la fine del 2026 molte organizzazioni potrebbero abbandonare fino al sessanta per cento delle iniziative di IA avviate senza dati adeguati, infrastrutture compatibili o una strategia chiara di implementazione.

Gli investimenti nell’intelligenza artificiale possono aumentare la produttività delle imprese, ma solo se ci sono degli asset complementari: dati di qualità, infrastrutture digitali e personale qualificato. In molti settori, soprattutto nei servizi, queste condizioni non sono ancora diffuse. La principale conseguenza è che l’adozione della tecnologia segue spesso una curva a “J”. Nelle prime fasi le aziende registrano addirittura un calo di produttività, dovuto ai costi di implementazione, alla formazione del personale e alla necessità di ripensare i processi. Solo dopo alcuni anni emergono i benefici.

Non è la prima volta che accade una cosa del genere. L’elettricità, per esempio, iniziò a entrare nelle fabbriche occidentali già negli anni Ottanta dell’Ottocento, ma impiegò decenni prima di produrre un aumento significativo della produttività industriale. In una prima fase gli imprenditori si limitarono a sostituire il motore a vapore con un grande motore elettrico centrale, mantenendo invariata la struttura della fabbrica ereditata dall’era del vapore: lunghi alberi di trasmissione che distribuivano la forza meccanica nell’intero edificio.

Il vero cambiamento arrivò solo quando le imprese iniziarono a sfruttare le caratteristiche specifiche dell’elettricità. Tra gli anni Venti e Trenta del Novecento le fabbriche vennero progressivamente riprogettate: piccoli motori elettrici furono installati direttamente sulle singole macchine utensili, eliminando i complessi sistemi di trasmissione meccanica e permettendo di ridisegnare completamente la disposizione degli impianti. Le linee produttive divennero più flessibili, gli spazi più efficienti e il lavoro più specializzato. Solo allora i benefici dell’elettrificazione, evidenti fin dal primo giorno, come maggiore velocità, minori costi e un sensibile aumento della produttività, iniziarono a comparire nelle statistiche economiche.

Una storia simile si è ripetuta con i computer. Già negli anni Settanta i grandi mainframe erano entrati nelle banche, nelle compagnie assicurative e nelle grandi imprese industriali per gestire contabilità, pagamenti e archivi amministrativi. Poi arrivò la seconda ondata: tra il 1980 e il 1990 il numero di computer installati nelle imprese statunitensi aumentò di oltre dieci volte e le aziende investirono centinaia di miliardi di dollari in hardware e software. Ma non abbastanza da rivoluzionare il mercato del lavoro. Nel 1987 l’economista e premio Nobel Robert Solow sintetizzò il paradosso con una frase diventata celebre: «Si vede l’era dei computer ovunque, tranne che nelle statistiche della produttività». Il boom arrivò solo negli anni Novanta, quando l’informatica iniziò a riorganizzare davvero il funzionamento delle imprese: software gestionali integrati, reti informatiche interne, internet commerciale, logistica digitale e supply chain informatizzate.

In entrambi i casi il problema non era la tecnologia in sé. Il ritardo dipendeva, e dipende, dal fatto che le innovazioni più profonde hanno bisogno di cambiamenti organizzativi, istituzionali e culturali. Le macchine possono essere installate rapidamente; ripensare il modo in cui un’economia lavora è un processo decisamente più lento. I modelli devono dialogare con sistemi informatici costruiti negli anni, con procedure interne, con vincoli legali e normativi. Devono essere addestrati su dati affidabili, e spesso quei dati non esistono o sono disordinati.

Un altro elemento che ha raffreddato l’entusiasmo riguarda il tipo di lavoro che l’IA produce. Per mesi si è parlato di automazione e sostituzione. In molti casi sta succedendo qualcosa di più complicato. L’intelligenza artificiale non elimina il lavoro umano: lo cambia e spesso lo aumenta, come afferma il 77 per cento dei dipendenti sentiti durante un sondaggio dell’Upwork Research Institute. Quasi quattro lavoratori su dieci dichiarano di passare più tempo a controllare o correggere contenuti generati automaticamente. Programmatori scrivono codici più rapidamente ma devono verificare quello generato dagli algoritmi. Analisti producono report più velocemente ma dedicano più tempo alla revisione. Questo fenomeno si chiama paradosso di Jevons e gli economisti lo conoscono da oltre un secolo: quando una tecnologia rende più efficiente l’uso di una risorsa, il consumo totale di quella risorsa può aumentare invece di diminuire.

Un’altra ragione per cui la rivoluzione promessa tarda ad arrivare riguarda la natura stessa della produttività. Nei modelli economici più semplici la produttività è un rapporto tra input e output: se una tecnologia permette di fare una certa attività più velocemente, ci si aspetta automaticamente un aumento della produzione. Ma in un’azienda il valore non nasce solo dalla velocità con cui si eseguono i compiti. Molto spesso dipende da elementi più difficili da standardizzare e quindi da automatizzare: il giudizio umano nelle decisioni complesse, la creatività nel risolvere problemi nuovi, la capacità di interpretare informazioni incomplete o ambigue, oppure di coordinare persone e relazioni all’interno di un’organizzazione. In questi ambiti l’intelligenza artificiale può aiutare, ma raramente sostituisce del tutto il contributo umano. Ed è proprio lì che spesso si genera la parte più importante del valore economico.

Negli uffici, l’impatto dell’intelligenza artificiale appare più sottile di quanto suggerisca il dibattito pubblico. Uno studio pubblicato quest’anno da ricercatori della Seoul National University basato su un sondaggio su oltre cinquemila lavoratori in Corea del Sud, mostra che più della metà utilizza già strumenti di IA generativa nel lavoro quotidiano. L’effetto medio è modesto: tra chi li usa, il tempo di lavoro si riduce in media di circa il 3,8 per cento. E soprattutto quel tempo risparmiato non si traduce quasi mai in più produzione. In molti casi viene assorbito in modi meno visibili. Per esempio: pause più lunghe, minore pressione mentale o uno spostamento verso attività percepite come più interessanti. Una parte dell’impatto dell’intelligenza artificiale sembra emergere più come miglioramento delle condizioni di lavoro che come aumento della produttività misurata.

Un altro risultato interessante riguarda l’esperienza professionale. I lavoratori meno esperti sembrano trarre i benefici maggiori dall’uso dell’IA. Gli strumenti generativi funzionano spesso come una sorta di tutor sempre disponibile: suggeriscono soluzioni, correggono errori e aiutano a completare compiti complessi. In questo modo riducono il divario tra chi ha molta esperienza e chi ne ha meno. Nelle prime fasi della sua diffusione l’intelligenza artificiale sembra agire più come una tecnologia che livella le competenze che come un semplice moltiplicatore della produttività.

L’intelligenza artificiale sta seguendo a menadito l’Hype Cycle elaborato dalla società di ricerca Gartner. Secondo questo modello, quasi tutte le tecnologie emergenti attraversano una prima fase di entusiasmo, il cosiddetto picco delle aspettative gonfiate, in cui promesse e previsioni superano di gran lunga le applicazioni reali. E questa fase l’abbiamo passata ascoltando le promesse di Altman, Elon Musk e altri pioneri dell’IA alla ricerca di ingenti investimenti. Se gli investimenti crescono troppo rapidamente rispetto alla capacità delle imprese di trasformare la tecnologia in valore economico reale, il risultato può essere una sequenza di boom e disillusioni, come quello che stiamo vivendo adesso. Dopo aver investito tanto, imprese e investitori iniziano a confrontarsi con i limiti tecnici della tecnologia, i costi di implementazione e benefici più modesti del previsto.

La fine dell’hype non segna necessariamente la fine della rivoluzione. Piuttosto ne rappresenta l’inizio vero. Quando l’entusiasmo si riduce, le tecnologie smettono di essere esperimenti spettacolari e diventano strumenti da integrare lentamente nelle strutture economiche e sociali. È un processo lento e spesso poco visibile, fatto di cambiamenti nei processi, nei modelli organizzativi e nelle competenze. Ma è proprio in questa fase, quando l’entusiasmo lascia spazio all’integrazione, che le innovazioni finiscono davvero per trasformare l’economia.

La conseguenza non sarà tanto un rallentamento, quanto uno spostamento degli investimenti. I capitali si allontaneranno dai progetti più generici, difficili da valutare e poco integrati nei processi, che saranno i primi a essere ridimensionati o chiusi. Si concentreranno invece sulle applicazioni in cui l’intelligenza artificiale produce risultati chiari e misurabili. Dovranno soddisfare tre criteri su tutti: l’automazione industriale, l’ottimizzazione operativa e la riduzione dei costi. Non basta che i modelli funzionino; devono produrre valore. Finirà la stagione dei prototipi acchiappa investitori e inizierà l’era dell’implementazione.

Il futuro dell’intelligenza artificiale dipenderà probabilmente meno dalla potenza degli algoritmi e più dalla capacità delle organizzazioni di reinventare il modo in cui lavorano. Come accadde con l’elettricità e con i computer, la tecnologia da sola non basta. Servono nuove idee su come usarla. Idee, non profezie.

Questo è un articolo del numero di Linkiesta Magazine 01/26 – “Super Mario per l’Europa”, ordinabile qui.

L'articolo Ora l’intelligenza artificiale deve dimostrare di saper cambiare l’economia reale proviene da Linkiesta.it.