Workslop: quando il lavoro con l’IA scarica la fatica su chi lo riceve

Un bel documento può essere un lavoro incompiuto

Uno specialista invia venti slide con titoli, grafici e conclusioni sintetiche. Il materiale ha un ottimo aspetto. Il problema emerge solo quando la direttrice vuole prendere una decisione: non si sa da dove vengano i numeri, a quale periodo si riferiscano i confronti né quali raccomandazioni siano importanti. Deve ricostruire da sola le basi dell’analisi. L’autore ha risparmiato tempo, ma chi ha ricevuto il materiale ha svolto la parte di lavoro mancante. È proprio questo scaricare il lavoro sul destinatario che oggi a volte viene chiamato workslop.

Non è una diagnosi scientifica di una persona né un sinonimo di qualsiasi contenuto generato dall’IA. Il problema esisteva anche prima dei chatbot: nei report pieni di fronzoli, nelle presentazioni troppo generiche o negli appunti privi di decisioni. L’IA può semplicemente rendere più facile produrre materiali del genere in serie. Per questo la qualità va valutata in base a quanto il destinatario può usare il risultato per un’azione concreta, non in base allo strumento con cui è stata preparata la prima versione.

Il tempo risparmiato dall’autore non è tempo risparmiato da tutto il team

Nell’esperimento di Noy e Zhang del 2023, i partecipanti che svolgevano determinati compiti di scrittura con ChatGPT lavoravano in media più velocemente e la qualità dei loro risultati riceveva valutazioni più alte rispetto al gruppo di controllo. È una prova importante del fatto che l’IA può essere d’aiuto. Non significa però che ogni presentazione aziendale faccia risparmiare automaticamente tempo a tutti i partecipanti successivi del processo. Lo studio riguardava compiti e condizioni sperimentali specifici, non un qualsiasi report strategico.

In azienda il costo nasce anche durante il passaggio, i controlli e le correzioni. Se chi crea il report finisce in venti minuti, ma tre destinatari passano un’ora a cercare le fonti, il risparmio di una persona può tradursi in lavoro aggiuntivo per tutto il team. Non si tratta quindi di scrivere ogni testo a mano. Si tratta di verificare la qualità nel punto in cui l’autore conosce meglio il contesto e può controllare il contenuto prima di caricarne il peso sugli altri.

Il più delle volte manca la risposta alla domanda: «Che cosa devo farci?»

Il workslop si manifesta spesso in tre punti. Primo, il materiale descrive l’argomento ma non risponde alla domanda del destinatario. Secondo, riporta numeri o affermazioni senza fonti verificabili. Terzo, presenta raccomandazioni senza criteri di scelta né una persona responsabile. In ogni caso il destinatario deve ricominciare da capo: definire il problema, verificare i fatti o precisare la decisione. Non è una piccola correzione di stile.

Un semplice test da fare prima dell’invio è: «Il destinatario sa quale decisione deve prendere sulla base del materiale, da dove provengono i dati e qual è il passo successivo?». Se la risposta non è chiara, il lavoro non è finito. Per esempio, un report su tre fornitori dovrebbe presentare gli stessi criteri di confronto, le lacune informative dichiarate apertamente e la motivazione della raccomandazione. Uno slogan elegante come «Scegli il partner del futuro» non sostituisce il prezzo, i rischi né le condizioni di implementazione.

Stabilisci che cosa significa «pronto all’uso» prima di iniziare a creare il materiale

Nel team conviene concordare che un materiale a supporto di una decisione contenga cinque elementi: obiettivo, destinatario, fonti, conclusioni verificate e la decisione raccomandata con i suoi limiti. Per i compiti semplici basta una versione più breve; per quelli più importanti sono necessari date, ambito dell’analisi e modalità di verifica dei dati. Non tutti i file richiedono un report di più pagine sull’uso dell’IA. Lo standard dovrebbe essere proporzionato alle conseguenze di un errore. I dati sensibili e le regole d’uso degli strumenti devono essere rispettati indipendentemente dalla qualità dello stile.

Funziona bene il principio di responsabilità: chi firma il materiale risponde del fatto di aver verificato le affermazioni chiave e di comprendere la propria raccomandazione. Se nel team lavorano più persone, stabilisci chi approva i numeri, chi il contenuto e chi il messaggio al cliente. Così non è possibile diluire la responsabilità con un «è uscito così dall’IA». La tecnologia può supportare la creazione dei contenuti, ma non cambia il fatto che qualcuno deve decidere di usarli.

Il feedback dovrebbe riguardare le lacune, non le etichette

Il responsabile legge un’analisi incompleta e dice: «Hai di nuovo incollato un testo dell’IA, non ti sei nemmeno preso la briga di pensare». Il collaboratore inizia a difendere il proprio modo di lavorare invece di integrare i dati. Meglio dire: «Nel report non vedo le fonti di due numeri e non capisco perché raccomandi l’opzione B. Mi servono queste informazioni prima di prendere una decisione». Un feedback così riguarda il problema reale, non le presunte intenzioni dell’autore.

Se il problema si ripete, stabilisci insieme alla persona uno standard minimo di consegna e una scadenza per la correzione. Puoi chiedere che cosa rende difficile all’autore un controllo accurato: tempi troppo stretti, mancanza di accesso ai dati, un obiettivo poco chiaro o la convinzione errata che conti soprattutto il volume. Una parte delle cause sta nella gestione, non nell’atteggiamento del singolo. Particolarmente distruttive sono le indicazioni del tipo «usate l’IA ovunque», quando allo stesso tempo l’azienda non spiega che cosa considera un risultato di buona qualità.

Verifica quanto lavoro aggiuntivo il materiale richiede al destinatario

Invece di contare solo le slide generate o i minuti di scrittura, verifica quante domande deve fare il destinatario prima di poter agire. Se ogni presentazione richiede una riunione di chiarimento a parte, il problema potrebbe stare nello standard di consegna. Dopo qualche settimana valuta se le correzioni riguardano lo stile, i dati, l’obiettivo o la logica della decisione. Non è un indicatore scientifico già pronto del workslop, ma uno strumento pratico per migliorare il processo.

Vale anche la pena distinguere una bozza dalla versione finale. Si può inviare consapevolmente una «struttura provvisoria da discutere» e chiedere di perfezionarla insieme. Il problema nasce quando una bozza del genere viene presentata come risultato finito. Indicare chiaramente la fase del lavoro riduce la tensione: i colleghi sanno se devono valutare la direzione del ragionamento o verificare una raccomandazione già pronta. L’IA può supportare entrambe le fasi, ma confonderle distrugge la fiducia.

Il workslop non nasce dal semplice uso dell’IA. Il problema è scaricare sugli altri un lavoro che dovrebbe fare l’autore. Un materiale che sembra pronto dovrebbe avere un obiettivo, basi verificate, una raccomandazione chiara e un autore responsabile. Prima di criticare la tecnologia o la persona, indica le lacune e concorda uno standard di consegna. Il vero risparmio di tempo si vede solo quando il destinatario può agire senza ricostruire l’intera analisi.

Come Empatyzer aiuta a parlare di workslop senza accuse

La responsabile del team riceve il terzo report del mese in cui un linguaggio accattivante non si traduce in una decisione verificabile. Invece di criticare pubblicamente il collaboratore per l’uso dell’IA, descrive a Em le lacune concrete: l’assenza di fonti, un criterio di scelta poco chiaro e le domande aggiuntive che ha dovuto porre. Chiede di preparare un feedback che mostri l’impatto del problema sul lavoro, senza giudicare le intenzioni dell’autore. Nel contesto di questa relazione, Em può tenere conto delle indicazioni su come comunicare le critiche, se disponibili. Poi la responsabile pianifica un breve incontro con il team su che cosa significhi «pronto all’uso» per un’analisi, una presentazione e un messaggio al cliente. Em la aiuta a formulare regole comprensibili per persone con stili di lavoro diversi e domande sugli ostacoli reali. La aiuta a definire chiaramente i requisiti, a fare osservazioni oggettive e a concordare come verificare le analisi. Così il tempo risparmiato dall’autore può tradursi in un vantaggio reale per tutti coloro che partecipano al lavoro.