Che cos’è il workslop?

Il workslop indica documenti e altri contenuti di lavoro generati con l’intelligenza artificiale che sembrano completi e professionali, ma non hanno la sostanza necessaria per far avanzare davvero le attività a cui sono destinati; chi li riceve deve quindi interpretarli, correggerli o rifarli e il lavoro che chi li ha prodotti sembra aver risparmiato si sposta su qualcun altro.

Il workslop può essere un report, una presentazione, un’analisi, un documento o un’email: a prima vista appare curato, con un testo scorrevole, una struttura ordinata e un linguaggio appropriato ma, quando qualcuno prova a “usarlo”, scopre che mancano dati, verifiche, indicazioni concrete o approfondimenti.

Il termine unisce work (lavoro) e slop (sbobba, brodaglia) ed è collegato all’AI Slop, l’espressione usata per indicare contenuti digitali di scarsa qualità prodotti con l’IA.

Il concetto è stato portato all’attenzione del pubblico dai ricercatori di BetterUp Labs e dello Stanford Social Media Lab con l’articolo “AI-Generated ‘Workslop’ Is Destroying Productivity”, pubblicato su Harvard Business Review.

Quali sono gli esempi più comuni di workslop?

Il workslop può comparire in qualsiasi attività aziendale in cui si producono e si scambiano documenti, analisi o comunicazioni. Alcuni esempi:

• Report senza informazioni utili: un documento di dieci pagine che descrive l’andamento del mercato con frasi generiche, senza dati, fonti o indicazioni applicabili all’azienda.
• Presentazioni apparentemente complete: slide ordinate e visivamente curate che ripetono concetti già noti, senza gli elementi necessari per prendere una decisione.
• Analisi superficiali: confronti tra prodotti, fornitori o concorrenti che sembrano approfonditi, ma non considerano i criteri davvero importanti per l’azienda.
• Email che non rispondono alla richiesta: messaggi lunghi e formalmente corretti che non chiariscono il problema, non danno le informazioni richieste e non indicano cosa fare.
• Documenti tecnici non verificati: procedure, istruzioni o specifiche generate con l’AI che contengono passaggi generici, riferimenti inesatti o informazioni non applicabili al contesto.

Perché il workslop si diffonde nelle aziende?

Il workslop si diffonde soprattutto perché l’IA generativa permette di produrre in pochi minuti documenti che hanno l’aspetto di un lavoro finito, anche quando manca l’analisi necessaria per realizzarli: preparare una presentazione o un report richiedeva tempo per raccogliere le informazioni, organizzarle e trasformarle in un documento; oggi un assistente di IA può produrne una prima versione anche partendo da istruzioni molto generiche.

La velocità dell’IA è un vantaggio quando serve ad accelerare attività che una persona sa comunque valutare e verificare ma diventa un problema quando la facilità di generare un documento viene scambiata per la capacità di svolgere il lavoro che quel documento dovrebbe rappresentare.

Contano anche fattori organizzativi: gli autori della ricerca pubblicata su Harvard Business Review invitano chi guida le aziende a chiedersi se non stia favorendo il fenomeno attraverso obblighi generalizzati di utilizzo dell’IA e indicazioni insufficienti sugli standard di qualità.

Se un’azienda promuove l’uso dell’IA valutando soprattutto il numero di attività completate o il tempo risparmiato, rischia di incentivare la produzione di documenti senza prestare sufficiente attenzione alla loro utilità.

Lo stesso può accadere quando si introducono strumenti di IA senza formazione, senza responsabilità definite e senza chiarire quali verifiche effettuare prima di condividere un risultato: il workslop, quindi, non è soltanto un problema tecnologico perché riguarda anche il modo in cui il lavoro viene organizzato, incentivato e valutato.

Quanto è diffuso il workslop?

Secondo l’indagine pubblicata su Harvard Business Review, il 40% dei 1.150 lavoratori statunitensi a tempo pieno intervistati ha dichiarato di aver ricevuto workslop nel mese precedente.

In media, chi lo aveva ricevuto ha stimato che il 15,4% dei contenuti di lavoro ricevuti rientrasse in questa categoria e, secondo quanto riferito dagli intervistati, gestire un singolo episodio di workslop richiedeva in media quasi due ore.

Partendo da questi dati i ricercatori hanno stimato un costo di circa 186 dollari al mese per dipendente, che potrebbe tradursi in circa 9 milioni di dollari all’anno per un’organizzazione di 10.000 persone: si tratta di stime finanziarie, non di costi misurati direttamente nei bilanci aziendali, ma aiutano a capire quanto possa pesare il lavoro aggiuntivo generato da documenti apparentemente pronti all’uso.

Il workslop ha anche un costo nei rapporti professionali: circa la metà delle persone intervistate ha dichiarato di considerare i colleghi che avevano inviato quei contenuti meno creativi, capaci e affidabili di prima.

Anche questi risultati vanno letti per quello che sono: risposte raccolte attraverso un sondaggio tra lavoratori statunitensi, non una misurazione oggettiva della diffusione del workslop in tutte le aziende, ma l’indagine evidenzia comunque un rischio concreto, ovvero che usare l’IA per chiudere più in fretta un’attività può generare costi nascosti per altre persone dell’organizzazione.

Che differenza c’è tra workslop e AI Slop?

Il workslop è un fenomeno collegato all’AI slop, ma riguarda specificamente i contenuti generati con l’IA e condivisi nei processi di lavoro.

L’AI Slop viene spesso associato ad articoli, immagini, video e post di scarsa qualità diffusi online; il workslop riguarda report, presentazioni, documenti, analisi ed email che altre persone devono utilizzare per svolgere le proprie attività.

La differenza principale sta nelle conseguenze: chi trova AI Slop online può generalmente scegliere di ignorarlo mentre chi riceve workslop da un collega, da un responsabile o da un fornitore spesso deve leggerlo, verificarlo e utilizzarlo per svolgere un’attività o prendere una decisione.

Per questo il workslop può trasformare un risparmio di tempo individuale in più lavoro per l’intera organizzazione.

Come può un’azienda evitare il workslop?

Per evitare il workslop, un’azienda dovrebbe usare l’IA per migliorare il lavoro, non soltanto per produrre più in fretta i documenti che lo rappresentano.

In pratica servono quattro accorgimenti.

1. Definire il risultato atteso: prima di chiedere a un assistente di IA di preparare un report bisogna sapere a quale domanda deve rispondere, quali informazioni deve contenere e come verrà utilizzato. Un documento ben scritto non è necessariamente un documento utile.
2. Fornire informazioni adeguate: un modello linguistico può organizzare dati, confrontare documenti e aiutare a individuare gli elementi rilevanti, ma non conosce automaticamente le informazioni interne dell’azienda né le circostanze di un progetto. Per ottenere un risultato pertinente, deve poter lavorare su informazioni affidabili e sufficienti, nel rispetto delle regole aziendali sulla riservatezza.
3. Verificare prima di condividere: la verifica riguarda l’accuratezza delle informazioni, ma anche la completezza e l’utilità del documento. Tre domande possono aiutare:
   1. Risponde davvero alla richiesta? Il documento permette di svolgere il compito per cui è stato preparato?
   2. È affidabile e completo? Dati, fonti e conclusioni sono verificabili? Mancano informazioni importanti?
   3. Fa risparmiare tempo anche a chi lo riceve? Oppure trasferisce ad altri il lavoro che avrebbe dovuto svolgere chi lo ha prodotto?
4. Formare le persone: chi usa l’IA deve sapere come formulare richieste efficaci, quali informazioni fornire, come riconoscere gli errori e quando intervenire. È uno degli obiettivi dell’alfabetizzazione all’intelligenza artificiale (AI literacy), che l’articolo 4 dell’AI Act chiede a fornitori e utilizzatori professionali di sistemi di IA di promuovere tra il personale e le altre persone che utilizzano i sistemi per loro conto.

Gli autori della ricerca pubblicata su Harvard Business Review indicano una direzione simile a chi guida le organizzazioni: dare l’esempio con un uso consapevole dell’IA, stabilire regole chiare e trattare l’intelligenza artificiale come uno strumento di collaborazione, non come una scorciatoia.

Non basta quindi insegnare alle persone a utilizzare meglio l’IA: bisogna anche evitare di premiare comportamenti che producono lavoro inutile.