Lavorare con l’AI: cosa ci dice Stanford su come usiamo davvero l’intelligenza artificiale

Il 12 ottobre 2026 Stanford HAI ha presentato i risultati di una ricerca guidata da Diyi Yang, con Yijia Shao e Dora Zhao, accettata da Nature Human Behavior. In collaborazione con Anthropic, il team ha analizzato circa 250.000 conversazioni anonimizzate tra persone e il chatbot Claude, per capire che tipo di lavoro affidiamo all’AI, quanta iniziativa ci prendiamo noi e dove lo scambio si inceppa. Riprendiamo il filo del nostro articolo sugli agenti AI con un taglio educativo: cosa dicono i dati, cosa evitare e come rendere più utili le nostre interazioni.

Una premessa di trasparenza: ci basiamo sul resoconto pubblicato da Stanford HAI e non sul testo integrale della ricerca, e i dati riguardano conversazioni con un solo chatbot. I consigli pratici che trovi più avanti sono nostri: vanno nella direzione indicata dallo studio, ma non ne sono parte.

1. Cosa è stato studiato

I ricercatori si sono posti tre domande: il lavoro che portiamo all’AI è davvero importante? Quanta iniziativa (agency) ci prendiamo nelle conversazioni? Dove la collaborazione genera un «attrito», utile oppure paralizzante?

2. I dati positivi

• Il lavoro è spesso di peso. Il 56% delle collaborazioni è stato giudicato «consequenziale» o più. Gli esempi banali, come scrivere un’email, esistono, ma gli autori trovano molto più frequenti attività ad alta posta in gioco e difficili da annullare.
• Più alta la posta, più impegno. Le conversazioni sul lavoro più importante durano quasi il doppio di quelle su compiti ordinari.
• Spiegare, non solo produrre. In due interazioni su tre le persone chiedono all’AI di spiegare o insegnare, e non soltanto di generare contenuti. L’aiuto didattico è risultato più utile in ambiti come diritto, sviluppo software, ristrutturazione della casa e salute.
• L’attrito può far bene. Circa metà delle conversazioni contiene attrito, una tensione che gli autori collegano all’apprendimento. E quando l’attrito è negativo, in quasi l’80% dei casi l’utente prova a rimettere le cose in carreggiata.

In sintesi, secondo Yang la maggior parte degli utenti non tratta l’AI come un «pranzo gratis»: resta coinvolta e questo migliora il risultato.

3. Cosa evitare

• Delegare tutto e accettare ciò che arriva. È il rischio che i ricercatori sottolineano: scaricare il lavoro sull’AI senza scrutinio.
• La resa intellettuale. Tra le preoccupazioni emerse c’è quella di una forza lavoro «de-skillata», che perde competenze perché si affida passivamente.
• Lasciare che l’attrito negativo chiuda lo scambio. Quando l’AI contraddice o non capisce, serve saper riprendere il filo, non abbandonare.
• Allargare il divario. Gli autori temono che i benefici si concentrino nei settori della conoscenza ad alta posta, allargando la distanza con tutti gli altri.

4. Un potenziatore, non una bibbia

AI, agenti, chatbot, modelli linguistici, assistenti per la programmazione: per noi sono sempre potenziatori dell’intelligenza umana, mai sostituti e mai oracoli. Un potenziatore moltiplica ciò che trova. Chi è curioso, non si ferma alla prima risposta, la mette in dubbio, chiede il perché e prova alternative, ne esce più forte. Chi si accontenta, delega senza guardare e prende per buono ciò che legge, resta esposto al rischio di sbagliare e di non trovare soluzioni: moltiplicare la passività non porta a niente di buono.

Non è una questione di essere «intelligenti» o meno: è un atteggiamento, e si allena. Curiosità e spirito critico si coltivano, in noi e nei nostri team. Chi tratta l’AI come una bibbia, cioè come un testo da non discutere, sposta su di lei una responsabilità che resta nostra. È anche il timore espresso dai ricercatori di Stanford: la resa intellettuale e un divario crescente tra chi usa l’AI con spirito attivo e chi si affida e basta. E poiché gli utenti la usano anche per questioni legali, mediche e finanziarie, il punto pesa ancora di più.

5. L’errore più comune, in due parole: verifica critica

L’errore più frequente è scambiare la sicurezza con cui l’AI risponde per una garanzia che abbia ragione. Un testo fluido e sicuro di sé non è un testo verificato. Per evitarlo bastano due parole: verifica critica.

6. Tre consigli da portarsi a casa

• Chiedi motivi, alternative e spiegazioni. Non fermarti alla risposta: chiedi perché, quali altre strade esistono e che cosa cambierebbe nelle conclusioni. Serve a capire il problema, non solo a ottenere un testo.
• Dai un feedback preciso. Non «non mi convince»: indica che cosa non ti convince e perché. Un attrito specifico produce una correzione utile; uno vago, solo un’altra risposta sicura di sé.
• Proporziona verifica e prudenza alle conseguenze. Per una bozza di email basta una lettura attenta; per un parere legale, un dato sanitario o un impegno economico servono fonti, controlli indipendenti e una persona che ne risponde.

Un criterio pratico per misurare se hai capito: prova a spiegare a un collega perché quella soluzione ha senso. Se riesci a farlo con parole tue, e a dire che cosa la smentirebbe, l’hai fatta tua. Se no, la verifica non è finita.

7. Il prossimo passo: strumenti, non solo istruzioni

Tra i passi successivi indicati da Shao ci sono strumenti che aiutino le persone a capire quando una risposta richiede più scrutinio, quando accogliere l’attrito ed esercitare più iniziativa, e come rimettersi in carreggiata quando lo scambio si complica. Dora Zhao guarda invece alla personalizzazione e a sistemi che sostengano benefici di lungo periodo, come un maggiore coinvolgimento cognitivo.

È un buon punto per chiudere: non basta insegnare alle persone a usare meglio l’AI, bisogna anche costruire AI che le aiutino a esercitare la propria capacità di decidere, con segnali sul grado di affidabilità, alternative a portata di mano e conferma umana nei passaggi importanti.

8. Le conseguenze per chi usa l’AI al lavoro

• La posta in gioco è già alta. Se più della metà del lavoro svolto con l’AI è consequenziale, la verifica non può essere lasciata alla buona volontà del singolo: serve un metodo condiviso, con regole su cosa si controlla, chi lo fa e come si lascia traccia.
• L’attrito è una risorsa, non un difetto. I flussi di lavoro che eliminano ogni domanda e ogni conferma, in nome della velocità, tolgono anche il momento in cui si impara e si corregge.
• La formazione conta quanto lo strumento. Chi sa chiedere spiegazioni e riconoscere i limiti dell’AI ne ricava di più; per le persone, e per le aziende, il rischio di perdere competenze è reale.
• Le scelte di prodotto cambiano il comportamento. Quando valuti uno strumento AI, chiedi come ti aiuta a verificare: fonti, alternative, segnali di incertezza, conferma umana per le azioni sensibili.
• Il divario non riguarda solo l’accesso. Se i benefici rischiano di concentrarsi in pochi settori, curare il modo in cui si usa l’AI, con spirito critico e competenze aggiornate, è parte della risposta.

Vuoi introdurre l’AI in azienda con metodo e controlli adeguati? Prenota una call conoscitiva gratuita con FinGreenTech oppure scrivici a info@fingreentech.com.

Fonte: Stanford HAI, Andrew Myers, «Humans and AI Engage in Meaningful Collaborations» (12 ottobre 2026).

---

Nota sulla trasparenza. Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale e revisionato dal Team di FinGreenTech, che ne è responsabile editoriale.