Leader di pensiero
La stanchezza da AI è reale. Ma non è quello che pensi

Punti chiaveL'affaticamento da IA è un'indolenzimento temporaneo dell'apprendimento di una nuova…
Vedi di più
- L'affaticamento da IA è un'indolenzimento temporaneo dell'apprendimento di una nuova abilità cognitiva, non una condizione permanente.
- L'esaurimento raggiunge il picco durante le fasi intermedie dell'adozione dell'IA, prima che si formino percorsi mentali efficienti.
- I leader devono gestire questo carico cognitivo come allenatori, non ritirarsi dall'adozione dell'IA.
In questo momento sta prendendo forma una narrazione che attira molta attenzione: l’AI ci prosciuga. Gli ingegneri rilasciano più codice che mai e si sentono peggio che mai. L’espressione «stanchezza da AI» circola sempre di più, mentre si moltiplicano le interpretazioni.
Un ingegnere del software scrive su Business Insider che l’ultimo trimestre è stato il suo più produttivo e più estenuante. Steve Yegge, che ha letteralmente scritto il libro sul vibe coding, racconta a The Pragmatic Engineer che fa dei sonnellini durante il giorno e limita a tre ore il vero lavoro assistito dall’AI. I fondatori di startup arrivano al limite alle due del pomeriggio. Uno dei post più condivisi di questo mese avverte che l’AI ha un «effetto vampirico» su chi la usa di più.
Ecco ciò che nessuno sembra notare: a segnalare la maggiore stanchezza non sono gli scettici. Sono i sostenitori più convinti.
Gli ingegneri fermi al primo livello della scala di adozione di Yegge, quelli che ignorano del tutto l’AI, stanno bene. Forse un po’ in ansia, ma non svuotati. A tornare a casa esausti sono quelli ai livelli cinque, sei e sette: si sono buttati a capofitto, fanno lavorare più agenti, orchestrano flussi complessi e rilasciano risultati a velocità mai immaginate.
Questo schema dovrebbe dirci qualcosa. Io credo ci dica che «stanchezza da AI» è una diagnosi completamente sbagliata.
Non hai un problema di stanchezza. Hai un problema di allenamento.
Pensa alla prima volta che hai fatto uno stacco da terra. Non con un peso particolarmente elevato: solo il movimento. La mattina dopo, tutto il corpo sembrava essere stato smontato e rimontato male. Le gambe facevano male, la schiena faceva male. Muscoli di cui ignoravi l’esistenza si manifestavano nel modo più sgradevole possibile.
Se qualcuno avesse misurato il tuo rendimento quel giorno, il risultato sarebbe apparso disastroso. Riuscivi a malapena a sederti senza fare una smorfia. Avresti potuto ragionevolmente concludere che gli stacchi non sono sostenibili, che il corpo umano non è fatto per questo e che il costo supera il beneficio.
Ma naturalmente, sei mesi dopo sollevi il doppio del peso e stai bene anche dopo. Il corpo ha costruito nuovi percorsi e si è adattato. Il movimento che richiedeva ogni briciolo di sforzo cosciente è diventato automatico. L’indolenzimento non significava che eri danneggiato. Significava che stavi costruendo qualcosa di nuovo.
È esattamente ciò che sta accadendo con il lavoro assistito dall’AI.
Il carico cognitivo di cui nessuno parla
Quando scrivi codice nel modo tradizionale, il cervello esegue un programma ben rodato. L’hai fatto migliaia di volte. Conosci le sequenze di tasti, gli schemi e il ritmo del debug. È come percorrere in auto il tragitto quotidiano verso il lavoro: tecnicamente complesso, ma così esercitato da poterlo fare pensando alla cena.
Il lavoro assistito dall’AI è un compito cognitivo fondamentalmente diverso. Non scrivi più codice. Dirigi, valuti, decidi, cambi contesto tra più agenti e rivedi risultati che non hai scritto tu. Mantieni in mente l’intento dell’architettura del sistema mentre l’AI compie scelte implementative che devi verificare in tempo reale.
Non è lo stesso lavoro svolto più velocemente, ma un lavoro del tutto diverso. E il cervello non ha ancora costruito i percorsi efficienti necessari.
Ogni decisione è ancora cosciente. Ogni revisione richiede uno sforzo attivo. Controlli la qualità, mantieni il contesto su flussi di lavoro paralleli e giudichi costantemente i risultati dell’AI. Per questo tre ore di tale lavoro possono lasciarti più esausto di otto ore di programmazione tradizionale. È l’equivalente cognitivo della tua prima settimana in palestra.
La curva di adozione è in realtà una curva di esaurimento
Il quadro a otto livelli di Yegge per l’adozione dell’AI si sovrappone quasi perfettamente a una curva di esaurimento, anche se non credo fosse questa la sua intenzione.
Ai livelli uno e due usi pochissimo l’AI. Un completamento automatico qui, una domanda là. Poco carico cognitivo. Poca stanchezza.
Ai livelli dal tre al sei sei in acque profonde. Hai dato più autonomia all’agente, rivedi meno riga per riga e più nel complesso, fai lavorare più agenti e ti muovi continuamente in un flusso di lavoro che diciotto mesi fa non esisteva. È qui che si consumano le energie. Questo è lo stacco da terra pesante.
Ai livelli sette e otto comincia qualcosa di interessante. Hai costruito sistemi di orchestrazione. L’AI lavora più autonomamente. Hai imparato di cosa fidarti e cosa controllare. Descrivi i risultati e ti allontani. Matt Shumer descrive proprio questo: dire all’AI cosa costruire, andarsene per quattro ore e tornare al lavoro finito. L’adattamento comincia a dare frutti.
L’esaurimento non è distribuito uniformemente. Tocca il picco a metà, proprio dove si trova ora la maggior parte dei primi utilizzatori. Ecco perché la stanchezza sembra universale: tra chi parla di AI più spesso, una quota sproporzionata si trova nella parte più difficile della curva di apprendimento.
Nessuno scrisse articoli sulla «stanchezza alla guida»
Ricordi quando imparavi a guidare? La prima volta che ti sei immesso in autostrada probabilmente stringevi il volante come se ne dipendesse la tua vita, il che, a dire il vero, era così. Tornavi a casa dopo mezz’ora completamente esausto. Il cervello lavorava al massimo: controllare gli specchietti, regolare la velocità, anticipare gli altri conducenti e interpretare i cartelli, tutto insieme e consapevolmente.
Ora guidi per un’ora ascoltando distrattamente un podcast e mangiando un panino. Il compito non è cambiato. Sei cambiato tu. Il cervello ha costruito percorsi neurali efficienti per la guida, comprimendo in processi in background ciò che prima richiedeva piena attenzione cosciente.
Nessuno scrisse riflessioni sulla «stanchezza alla guida» come crisi esistenziale. Nessuno suggerì che le auto avessero un «effetto vampirico» sui conducenti. Capivamo intuitivamente che l’esaurimento era temporaneo. Era il prezzo di imparare qualcosa di nuovo.
È questo che manca al dibattito attuale. La «stanchezza da AI» viene trattata come una condizione permanente, una caratteristica fondamentale della tecnologia, quando in realtà è un costo di transizione. È indolenzimento da allenamento, non una malattia cronica.
Perché conta più della comodità
La distinzione non è solo semantica. Il modo in cui diagnostichi il problema determina come lo affronti.
Se la stanchezza da AI è una caratteristica permanente della tecnologia, il limite di tre ore di Yegge resterà il tetto per sempre. Le aziende dovrebbero pianificare per ingegneri produttivi solo per una frazione della giornata. L’«effetto vampirico» sarebbe il prezzo d’ingresso con cui convivere.
Ma se è indolenzimento da allenamento, l’approccio cambia completamente. Gestisci il carico e costruisci gradualmente. Non salti la palestra perché hai i muscoli indolenziti. E soprattutto non presumi che il livello di esaurimento di oggi sia quello di domani.
Gli ingegneri che superano questa fase costruiscono i percorsi cognitivi per dirigere il lavoro dell’AI, rivederlo al giusto livello di dettaglio e mantenere l’intento architetturale nei flussi paralleli. Alla fine lo faranno con la naturalezza della guida. Il muro delle tre ore si sposterà a cinque, poi a sette. Non perché lavorino più duramente, ma perché il lavoro smette di richiedere lo stesso tipo di sforzo.
Nel frattempo, gli ingegneri che leggono della «stanchezza da AI» e decidono di restare al livello due, comodo e familiare, senza esaurirsi, si troveranno in una posizione molto peggiore.
Non perché non abbiano seguito una tendenza, ma perché non hanno mai iniziato l’allenamento che tutti gli altri avevano già superato.
Il vero rischio: confondere l’indolenzimento con un infortunio
Voglio chiarire un punto. C’è una differenza tra l’indolenzimento da allenamento e un vero infortunio, e vale anche qui.
Se fai vibe coding per quattordici ore al giorno, dormi quattro ore e vai avanti ad adrenalina perché la novità è inebriante, non è allenamento. È sovrallenamento. Come in palestra, il sovrallenamento non costruisce nulla. Ti logora.
L’osservazione di Yegge sulle tre ore è preziosa come segnale delle attuali esigenze di recupero, non come tetto permanente. All’inizio dell’allenamento serve più riposo tra le sessioni. Adattandoti, puoi sostenere un volume maggiore. A finire in burnout non è chi fa tre ore concentrate di lavoro assistito dall’AI, ma chi non riesce a fermarsi perché il circuito di feedback è troppo coinvolgente: esattamente la dinamica delle slot machine di cui ho già scritto.
La risposta non è evitare la palestra, ma allenarsi con criterio: sessioni intense, vero recupero e progressione graduale.
Una previsione che nessun altro sta facendo
Ecco cosa penso accadrà nei prossimi dodici-diciotto mesi.
La narrazione della «stanchezza da AI» raggiungerà il picco a un certo punto quest’anno. Ci saranno più articoli, più preoccupazioni e probabilmente alcuni ingegneri noti che annunceranno pubblicamente una «pausa dagli strumenti AI». Sembrerà una significativa reazione contraria.
Poi svanirà in silenzio. Non perché le persone avranno smesso di usare l’AI, ma perché i primi utilizzatori avranno finito di adattarsi. Il muro delle tre ore sembrerà un ricordo lontano a chi lo fa da un anno e mezzo. Dirigeranno i flussi dell’AI come un tempo scrivevano cicli for: senza pensarci.
Il divario tra chi ha superato l’indolenzimento e chi non lo ha fatto sarà enorme. Non perché le competenze AI siano rare, ma perché l’adattamento stesso, la capacità di pensare in termini di direzione, valutazione e orchestrazione anziché implementazione riga per riga, sarà diventato una seconda natura per un gruppo e resterà del tutto estraneo all’altro.
La risposta peggiore all’indolenzimento da allenamento è sempre stata la stessa: smettere di andare in palestra.
Cosa significa per i leader
Se dirigi un team di ingegneri in questo momento, comprendi cosa stai davvero osservando. I tuoi ingegneri più produttivi sono anche i più stanchi. Non è una contraddizione. È il segnale più chiaro a tua disposizione del fatto che l’adattamento è in corso.
Non reagire riducendo l’adozione dell’AI. Non fingere nemmeno che la stanchezza non sia reale. Agisci da buon allenatore: gestisci il carico di allenamento. Aspettati sessioni intense e concentrate di lavoro assistito dall’AI, seguite da vero recupero. Permetti alle persone di lavorare per quello che sembra un orario ridotto mentre costruiscono nuove capacità cognitive. La produzione sarà comunque molte volte quella precedente.
Le aziende che lo faranno bene avranno team adattati entro fine anno. Quelle che ignorano la stanchezza o si ritirano dall’AI in risposta a essa avranno il peggio di entrambi gli esiti: ingegneri esausti che non hanno mai superato il punto più difficile della curva.
Non stiamo vivendo gli effetti collaterali di una nuova tecnologia. Siamo nelle prime settimane di allenamento per un nuovo modo di lavorare. L’indolenzimento dimostra che sta funzionando. Accoglilo, gestiscilo e confida che il cervello, come ogni altro sistema adattivo in natura, farà ciò che ha sempre fatto.
Si adatterà.












