Una persona che lavora con l’AI generativa produce soluzioni di qualità pari a quella di una coppia di colleghi senza AI. Lo mostra la ricerca sul campo in Procter & Gamble su problemi di business reali.
Il problema: si decide sull’AI senza prove sul lavoro di squadra
Dove le persone possono lavorare supportate da tool AI la loro performance è il risultato di un sistema ibrido Human-AI. Gli autori dello studio si sono chiesti come l’introduzione dell’AI influenza i tre vantaggi che si attribuiscono al lavoro di squadra.
- Performance: i team risolvono problemi più complessi.
- Competenze: il team mette insieme saperi diversi.
- Socialità: lavorare con altre persone dà piacere e motivazione.
Sono temi su cui HR risponde ogni giorno: qualità del lavoro, accesso alle competenze, esperienza di chi lavora. Lo studio si intitola The Cybernetic Teammate del giugno 2026.
Lo studio: una giornata di lavoro vero in Procter & Gamble
Il contesto
Lo studio si è svolto in Procter & Gamble, su più di 700 professionisti delle Funzioni Commerciale e R&D. È stato messo a punto nell’arco di un anno con la direzione dell’azienda, per riprodurre le routine reali di sviluppo prodotto. I dirigenti segnalavano frizioni di coordinamento e differenze culturali tra le due Funzioni e volevano capire se l’AI potesse attenuarle.
Il compito era un workshop virtuale di una giornata su sfide di business vere delle rispettive unità: nuovi prodotti, packaging, comunicazione, esecuzione in punto vendita. Gli incentivi erano concreti, perché le proposte migliori sarebbero state presentate ai responsabili delle business unit, e le idee migliori sono entrate nella pipeline di innovazione. Ogni individuo o team generava cinque idee, ne sceglieva una e la sviluppava in un’unica soluzione dettagliata. Le soluzioni sono state valutate da esperti di business e tecnologia che non conoscevano né la condizione né il profilo di chi le aveva prodotte, con in media più di tre valutazioni indipendenti per soluzione.
| Condizione | Come si lavora | Sigla nello studio |
|---|---|---|
| Individuo senza AI | Una persona da sola, senza AI (gruppo di controllo) | Individual No AI |
| Team senza AI | Coppia R&D + commerciale, senza AI | Team No AI (T1) |
| Individuo con AI | Una persona da sola, con AI | Individual+AI (T2) |
| Team con AI | Coppia R&D + commerciale, con AI | Team+AI (T3) |
Risultati: qualità, competenze, scelta delle idee
Una persona con l’AI raggiunge il livello di un team
La qualità è stata misurata con un punteggio da 1 a 10 e standardizzata sul gruppo di controllo, quindi si legge in deviazioni standard.
Il team senza AI batte l’individuo senza AI (+0,24, p < 0,05), e questo conferma che i team producono davvero risultati migliori.
Il dato centrale è un altro: l’individuo con AI ottiene +0,37 (p < 0,01), un livello comparabile a quello del team senza AI.
Il team con AI arriva a +0,39 (p < 0,01).
Le competenze e i confini tra funzioni
Chi non ha lo sviluppo prodotto come attività principale ottiene, da solo e senza AI, risultati modesti, e anche in team migliora poco. Con l’AI queste persone raggiungono livelli paragonabili a quelli dei team in cui c’è almeno un esperto. L’AI sostituisce in parte la guida che di solito arriva da colleghi più esperti.
Senza AI ciascuno propone idee in linea con la propria provenienza: R&D soluzioni più tecniche, commerciali soluzioni più orientate al mercato. Con l’AI la differenza praticamente scompare, entrambi i gruppi generano un mix più equilibrato e la qualità non peggiora. Nei team, senza AI le soluzioni si dividono in due gruppi, tecnico e commerciale, probabilmente in base al membro più influente della coppia. Con l’AI la distribuzione è più uniforme, segno di minore dominanza di una prospettiva.
Le emozioni: l’AI cambia come ci si sente al lavoro
Il terzo vantaggio del lavoro di squadra è quello sociale, e qui lo studio dà il risultato forse più inatteso. Prima e dopo il compito i partecipanti hanno valutato le proprie emozioni positive (entusiasmo, energia, eccitazione) e negative (ansia, frustrazione, disagio). Il grafico riporta la variazione rispetto al gruppo di controllo.
Sia l’individuo che il team che usano l’AI riferiscono emozioni positive più intense, ed emozioni negative meno intense.
Senza AI, chi lavora da solo prova emozioni positive più deboli di chi lavora in team. Con l’AI l’individuo raggiunge o supera i livelli emotivi di chi lavora in team senza AI.
Gli autori ne deducono che l’AI può sostituire parte del beneficio emotivo del lavoro di squadra.
Per HR il dato ha un peso pratico: l’AI entra nel perimetro dell’esperienza di lavoro e non solo in quello della produttività.
Più idee di qualità, ma una scelta più debole
Scomponendo il processo, l’AI innalza la qualità media delle cinque idee iniziali in entrambe le condizioni con AI. L’intervallo tra l’idea migliore e la peggiore resta simile, quindi l’intera distribuzione sale senza schiacciarsi. Sulla selezione il quadro è diverso.
I team senza AI scelgono la propria idea migliore circa una volta su due. Con l’AI la quota scende a circa il 37%. L’idea selezionata resta comunque mediamente di qualità superiore, perché il miglioramento a monte compensa l’errore di scelta.
Gli autori propongono tre spiegazioni: la tendenza dei modelli linguistici ad assecondare l’utente, la minore frizione rispetto a un collega umano che dissente, un coinvolgimento personale più debole con idee sviluppate insieme all’AI. Va considerato anche che molti partecipanti potrebbero non aver usato l’AI per scegliere. L’AI amplifica la qualità del materiale di partenza, mentre la scelta dell’idea da sviluppare resta un ambito in cui il giudizio umano conserva un valore specifico.
I risultati eccezionali
Per le innovazioni di punta conta la coda alta della distribuzione, cioè il 10% delle soluzioni migliori tra quelle generate.
Il team con AI ha una probabilità di finire tra le soluzioni migliori più alta di 9,2 punti percentuali rispetto al controllo, che parte da 5,8%. Per l’individuo con AI l’effetto è positivo ma non significativo. AI e collaborazione umana insieme sembrano quindi particolarmente utili per i risultati eccezionali.
Oltre la semplice AI Adoption
Un piano di adozione dell’AI si regge spesso su tre strumenti:
- un corso su strumenti e prompting uguale per tutti;
- pilot in singoli reparti valutati con questionari di soddisfazione;
- un elenco di competenze AI valide per l’intera popolazione aziendale.
Sono passi ragionevoli. I dati dello studio mostrano però tre punti che non coprono.
- Lo stesso strumento si usa in modi molto diversi. Solo il 38% dei partecipanti ha usato i prompt suggeriti, senza differenze di performance rispetto a chi non l’ha fatto. In molti casi oltre il 75% delle frasi della soluzione finale proveniva dall’AI, mentre una quota non trascurabile di partecipanti non ne ha tenuta nessuna, usandola per fare brainstorming o per validare le proprie idee. Un corso sul prompting non dice quale comportamento avrà un collaboratore sul lavoro.
- La percezione di sé non coincide con il risultato. I partecipanti con l’AI hanno prodotto soluzioni di qualità oggettivamente più alta, ma si aspettavano meno spesso di collocarsi nel 10% migliore (9,2 punti percentuali in meno). Un questionario di autovalutazione o di gradimento misura un vissuto, non una performance.
- L’effetto dell’AI dipende da chi la usa. Chi parte con meno esperienza sul tema guadagna molto, R&D e commerciale convergono verso lo stesso mix di idee, la scelta dell’idea migliore peggiora. Un elenco di competenze uguale per tutti non registra queste differenze. Noi sosteniamo che i requisiti di competenza dipendono dal ruolo, dallo spazio di autonomia e dal perimetro di responsabilità di ciascuna persona, e vanno valutati in un contesto di lavoro che include l’AI.
Cosa facciamo in Base 9
Queste sono tre evidenze molto importanti pensando a contesti professionali dove la performance è generata dalla collaborazione Human-AI. Per decidere come introdurre l’AI, come disegnare i nuovi workflow e la relativa formazione, come comporre i team e i ruoli serve osservare come le persone lavorano con l’AI, e non limitarsi a chiederlo.
Partendo da presupposti simili a questo studio, già dal 2024 in Base 9 abbiamo realizzato la piattaforma AI Based Challenge© che attraverso 8 metriche rileva come le persone interagiscono con l’AI e la integrano nel task assegnato. Abbiamo ricavato evidenze di comportamento osservato riconducibili a 4 approcci differenti per:
- modalità di sviluppare consapevolezza e conoscenza del task e del contesto;
- efficacia nel reperire e generare contenuti e informazioni;
- stile cognitivo nella collaborazione con l’AI.
Questi diversi approcci sono alla base delle performance che le persone esprimono utilizzando l’AI e sono importanti per ridefinire i workflow e indirizzare la formazione in processi di AI Adoption.
Se volete approfondire come la collaborazione Human-AI interviene nelle Performance e nei processi di Talent Management contattaci.
Fonte: Dell’Acqua F., Ayoubi C., Lifshitz H., Sadun R., Mollick E., Mollick L., Han Y., Goldman J., Nair H., Taub S., Lakhani K.R., The Cybernetic Teammate: A Field Experiment on Generative AI and Teamwork. Organization Science. DOI: 10.1287/orsc.2025.20702