Come usiamo la Gen AI nel 2026: sempre più manager di agenti, con il rischio del thinkslop

E tu, quanti agenti AI gestisci? È questa la domanda che i manager nelle aziende iniziano a farsi tra di loro. Non si tratta più (solo) di gestire persone: ma di orchestrare il lavoro autonomo che agenti AI sempre più evoluti fanno.  

Questo switch, che avviene già all’interno di aziende come OpenAI (la società di Sam Altman che ha sviluppato ChatGPT), è uno dei cambiamenti più evidenti nel modo in cui utilizziamo l’intelligenza artificiale generativa sul lavoro, come ha sottolineato recentemente nel suo blog Ethan Mollick, docente alla Wharton School della University of Pennsylvania e una delle figure più autorevoli nel campo dell’AI.  

Ma non è il solo: dal novembre 2022 – data in cui, con ChatGPT, la Gen AI ha fatto irruzione nel mercato “di massa e nell’opinione pubblica –, il modo in cui le persone utilizzano l’intelligenza artificiale, sia sul lavoro sia nella vita personale, si è trasformato, seguendo la parabola di evoluzione di una tecnologia che cambia in modo esponenziale.  

Uno tra gli studi più completi che delinea come le persone utilizzano la Gen AI è quello effettuato da  Marc Zao-Sanders e Sara Biuk, AI in the Wild, i cui risultati sono stati pubblicati recentemente sull’Harvard Business Review.  

Lo studio, giunto alla sua terza edizione, ha analizzato oltre 12.000 use case dell’AI sia nella vita di ogni giorno sia a livello lavorativo, evidenziando tre tendenze di fondo:  

• cresce l’ampiezza di “compiti” e la profondità di utilizzo di questa tecnologia, ma aumenta anche la paura che le persone possano delegarle sempre di più le proprie capacità cognitive: è il rischio che gli autori definiscono con un neologismo thinkslop;  

• considerato che l’AI è utilizzato principalmente come terapista o compagno, a livello psicologico, c’ è anche un rischio crescente che le persone si stiano affidando troppo alla tecnologia per il supporto emotivo; 

• infine, a livello lavorativo finora i benefici dell’AI sembrano ancora marginali (e individuali), piuttosto che legati a una vera trasformazione.      

In questo articolo ripercorriamo i principali insight di questo studio, incrociandoli con la riflessione di Mollick su quella che lui definisce la nuova era della “coesistenza” tra macchine ed esseri umani.  

La top ten degli use case  

Partiamo con la classifica dei 10 casi d’uso più diffusi dell’intelligenza artificiale: un dato che non risponde solo a semplice curiosità, ma che dice qualcosa di importante anche su come la società nel suo complesso sta interpretando questa tecnologia. 

Al primo posto, come lo scorso anno, c’è come abbiamo anticipato la voce therapy/companionship (supporto emotivo e compagnia), seguito da troubleshooting (ricerca e soluzione di problemi/bug). A chiudere il podio, l’utilizzo per divertimento e nonsense. Al quarto posto si posizionano gli use case legati a fan fiction e storytelling. Nelle altre posizioni seguono use case legati a un utilizzo tecnico del software, le operazioni agentiche autonome,  i consigli sentimentali, l’AI come compagna di lavoro, l’intelligenza artificiale come astrologa che legge i tarocchi (sì, c’è anche questo) e l’AI utilizzata per dare consigli generici.     

Cinque dei primi dieci use case riguardano il supporto personale e professionale, tre un ambito più tecnico e due aspetti legati alla creatività e al divertimento.    

Il thinkslop è il nuovo rischio: cos’è, perché succede e come evitarlo 

Come notano gli autori dello studio, con la diffusione di modelli AI sempre più bravi a replicare il pensiero umano – e ci sono studiosi che ricordano l’importanza di distinguere tra la plausibilità di ciò che producono e l’intenzionalità nel farlo – aumenta la tentazione, da parte delle persone, di delegare sempre di più l’attività cognitiva alle macchine.  

Già in passato un famoso studio apparso sul MIT aveva avvertito del rischio di sviluppare debito cognitivo. Adesso, gli autori dello studio paventano il rischio che si diffonda sempre di più il thinkslop. Cos’è? Un neologismo che riprende il termine slop e denota un pensiero pigro e sciatto. Un pensiero poco pensato, si potrebbe dire parafrasando un famoso detto.  

Il rischio si manifesta in quattro modi: 

• perdiamo di vista le nostre intenzioni. La barriera per ottenere un output è così bassa che si finisce per lanciare un prompt prima ancora di aver chiarito cosa si sta davvero cercando di ottenere. 

• deleghiamo il pensiero. Rivolgersi subito all’AI priva il cervello dell’occasione di affrontare il problema in autonomia, con il rischio di perdere idee che esistono solo nella propria memoria e immaginazione 

• smettiamo di scrivere. Incollare l’output dell’AI con modifiche minime produce contenuti apparentemente rifiniti ma vuoti di significato (il “workslop”), e ci priva della scrittura come processo di pensiero, non solo come sua trascrizione. 

• sviluppiamo un falso senso di rigore intellettuale. L’AI è ottimizzata per mantenerci coinvolti e tende a darci sempre ragione (il fenomeno chiamato sychophancy): quando elogia un’idea mediocre, siamo portati a smettere di affinarla troppo presto, cercando altra approvazione invece che un confronto critico. 

Come contrastare questo rischio? Due i consigli pratici:  

• non iniziare mai un compito di pensiero con l’AI, dandosi prima un margine di riflessione autonoma; 

• tracciare confini chiari, decidendo quali parti del proprio lavoro riservare a sé stessi e quali invece delegare sistematicamente.  

A questi ne aggiungiamo un altro: nelle sperimentazioni con l’AI si devono tenere persone deliberatamente fuori dal workflow AI. È una delle pratiche emergenti – cioè azioni concrete che funzionano – che la design company logotel ha osservato durante le sperimentazioni con l’AI realizzate insieme a CISCO, di cui parla la co-founder e Chief design officer di logotel Cristina Favini in questo articolo.  

Quali i benefici osservati? Tenere delle persone fuori dai workflow legati all‘AI permette ai team di rimanere ancorati al contesto reale ed evitare derive che non hanno reale impatto.  

L’AI e il mercato delle emozioni 

Come abbiamo visto, usare la Gen AI come terapia/compagnia è il caso d’uso più diffuso nel 2026, come lo era anche l’anno scorso.  

Questo e altri use case analoghi raccontano che l’intelligenza artificiale sta diventando un punto di riferimento per chi cerca aiuto per questioni emotive: consigli sentimentali, sulla vita amorosa, addirittura sull’interazione con persone defunte.  

Si assiste a un aumento dell’antropomorfizzazione dell’AI: profetico è stato il film Her, ma è un fenomeno descritto già negli anni ’60 quando fu creato ELIZA, il primo chatbot della storia.   

Questa tendenza desta qualche motivo di preoccupazione, anche perché il bisogno umano di connessione emotiva, di supporto, alimenta un mercato che può ingolosire chi sviluppa sistemi AI, come riporta un interessante articolo pubblicato dall’Ada Lovelace Institute e relativo al Regno Unito. Servono regole chiare per evitare che sistemi AI sempre più sofisticati massimizzino la dipendenza emotiva delle persone, a discapito del loro benessere.  

AI e lavoro: come cambia l’utilizzo 

Ben 63 dei primi 100 casi d’uso censiti sono esplicitamente legati al lavoro e si applicano sia a casa che in ufficio. 

Una delle principali novità della classifica dei principali use case della Gen AI è l’ingresso degli utilizzi legati all’operatività autonoma degli agenti AI. È il segno che questi sistemi avanzati che non si limitano a eseguire richieste, ma operano in autonomia su task più o meni complessi, sono usciti dalla fase di hype ed entrati nelle routine quotidiane di molte persone.  

Un’altra new entry tra gli use case legati al lavoro è il vibe coding, cioè la possibilità di far scrivere ai sistemi AI codice software attraverso prompt in linguaggio naturale. Un modo per far sì che anche i non programmatori possano scrivere codice, prospettiva che entusiasma alcuni e preoccupa altri. 

Sia l’operatività agentica autonoma sia il vibe coding segnano un cambio di paradigma: sono legati a un’AI che non si limita più a rispondere, ma agisce e produce in autonomia. 

Dalla co-intelligenza alla coesistenza: cosa dice Ethan Mollick 

Per il professor Ethan Mollick, il fatto che le AI possano svolgere compiti sempre più lunghi e complessi grazie agli agenti sta modificando il modo in cui le persone le utilizzano.  

Finora ha prevalso il modello della “co-intelligenza”: si chiedeva un passaggio all’AI, si controllava il risultato, si procedeva al successivo, con l’essere umano sempre al centro del ciclo. 

Questo approccio resta utile, ma sta cedendo il passo a un altro modello che Mollick chiama co-esistenza (titolo del suo prossimo libro che uscirà a ottobre): in presenza di sistemi di AI a esecuzione prolungata e auto-correttivi, che non richiedono supervisione costante, il lavoro degli esseri umani sta diventando sempre più una questione di assegnare compiti ad agenti autonomi, piuttosto che collaborare passo dopo passo con un chatbot. 

Le persone diventano sempre più manager/orchestratori di agenti AI, come abbiamo già detto nell’introduzione.  

Quali restano i limiti dell’utilizzo dell’AI sul lavoro 

Nonostante il grande numero di use case legato al lavoro, restano però alcuni limiti che depotenziano gli impatti che la Gen AI potrebbe avere in questo ambito.  

Innanzitutto, l’uso dei tool di Gen AI sul lavoro è basato ancora per lo più su iniziative individuali, piuttosto che promosse a livello di organizzazioni o aziende. 

A livello aziendale, infatti, nonostante aumentino le spese per l’acquisto di licenze, le iniziative di formazione – in alcuni casi, vedi in Europa, spinte anche da normative come l’AI ACT – e l’incoraggiamento dei vertici, ci sono ancora grossi freni legati alla governance e ai timori legati all’utilizzo dell’AI. 

Tra i principali: rischi reputazionali, di policy e la paura per i dipendenti o di essere sostituiti dall’AI, oppure di essere percepiti come bari a causa del suo utilizzo. Per questo, in azienda è ancora molto diffuso lo shadow AI: l’intelligenza artificiale utilizzata nell’ombra, di nascosto.      

In generale, poi, persiste una concezione dell’AI intesa come strumento per migliorare l’efficienza di persone e team – automatizzare i task ripetitivi e noiosi, migliorare la produttività – e non come una grande opportunità per ripensare il modo in cui si fanno le cose, diventando il driver di una vera trasformazione.   

In conclusione 

Lo studio HBR guarda a cosa fanno oggi le persone con l’AI, e avverte che, quando la usiamo per pensare al posto nostro, rischiamo di impoverire proprio le capacità che ci rendono unici come specie. 

Il professor Mollick guarda a dove sta andando l’AI, e osserva che il salto di qualità richiederà competenze nuove, non tecniche ma manageriali: saper assegnare compiti, definire obiettivi, supervisionare risultati, proprio come un manager farebbe con le persone del proprio team. 

Per le organizzazioni, il messaggio è duplice. Da un lato serve costruire una cultura d’uso dell’AI che protegga il pensiero critico invece di sostituirlo, tracciando confini chiari su cosa delegare alla macchina e cosa riservare al giudizio umano. Dall’altro, occorre prepararsi a un cambio di competenze che riguarderà sempre più ruoli, non solo quelli tecnici: tutti, prima o poi, ci troveremo a orchestrare agenti invece che semplicemente interrogare chatbot.  

F.A.Q. – Usi della Gen AI nel 2026 

Cos’è il “thinkslop”? È un neologismo coniato dai ricercatori dello studio HBR “AI in the Wild” per descrivere il pensiero pigro e sciatto che un uso eccessivo dell’AI può indurre: si manifesta quando deleghiamo alle macchine attività cognitive che dovrebbero restare nostre, come definire un’intenzione, generare idee o affinare un ragionamento critico. 

Qual è il caso d’uso più diffuso dell’AI nel 2026? Secondo lo studio AI in the Wild pubblicato sulla HBR, per il secondo anno consecutivo il caso d’uso più diffuso è “therapy/companionship”, cioè l’uso dell’AI come supporto emotivo e compagnia, seguito da troubleshooting tecnico, intrattenimento e storytelling. 

Cosa significa “coesistenza” secondo Ethan Mollick? Ethan Mollick, docente alla Wharton School, descrive la coesistenza come il passaggio da un modello di “co-intelligenza”, in cui l’essere umano guida l’AI passo dopo passo, a uno scenario in cui gli agenti AI lavorano in autonomia su compiti prolungati, e le persone diventano sempre più manager e orchestratori del loro lavoro. 

Perché lo shadow AI è ancora così diffuso nelle aziende? Perché, nonostante l’aumento di licenze, formazione e incoraggiamento dai vertici, restano forti freni legati a governance, rischio reputazionale e timore che l’uso dell’AI venga percepito come una scorciatoia scorretta: molti dipendenti usano quindi l’AI di nascosto, senza dichiararlo.