Nelle aziende moderne si sta aprendo una frattura invisibile ma profonda, che non ha nulla a che fare con stipendi, titoli di studio o anzianità. È un divario che riguarda l'uso dell'intelligenza artificiale sul posto di lavoro, e sta ridisegnando silenziosamente le gerarchie professionali. Secondo un nuovo rapporto di OpenAI basato sull'analisi di oltre un milione di clienti aziendali, i dipendenti che appartengono al 95° percentile nell'utilizzo dell'IA inviano sei volte più messaggi a ChatGPT rispetto alla media dei colleghi nella stessa azienda. Ma il dato più sorprendente emerge quando si analizzano compiti specifici: chi lavora intensamente con il coding invia 17 volte più richieste rispetto ai colleghi che svolgono mansioni simili.
Quello che rende questo fenomeno particolarmente interessante è che non si tratta di un problema di accesso alla tecnologia. ChatGPT Enterprise è ormai distribuito su oltre 7 milioni di postazioni di lavoro in tutto il mondo, nove volte di più rispetto a un anno fa. Gli strumenti sono identici per tutti, le funzionalità le stesse. Eppure l'utilizzo varia in modo esponenziale, creando quella che i ricercatori definiscono una nuova forma di stratificazione professionale.
L'elemento più rivelatore emerge dall'analisi degli utenti attivi mensilmente, cioè chi ha effettuato l'accesso almeno una volta negli ultimi 30 giorni. Tra questi, il 19 percento non ha mai provato la funzione di analisi dati, il 14 percento non ha mai utilizzato le capacità di ragionamento avanzato, il 12 percento non ha mai usato la ricerca. Non sono funzioni nascoste in sottomenu oscuri, ma strumenti centrali che OpenAI presenta come trasformativi per il lavoro intellettuale.
Il quadro si ribalta completamente quando si guardano gli utenti quotidiani. Solo il 3 percento di chi usa ChatGPT ogni giorno non ha mai provato l'analisi dati, appena l'1 percento non ha mai sperimentato il ragionamento o la ricerca. La conclusione è chiara: la divisione non è tra chi ha accesso e chi no, ma tra chi ha trasformato l'IA in un'abitudine quotidiana e chi la considera ancora una novità occasionale da esplorare quando capita.
Chi sperimenta di più ottiene vantaggi sproporzionati. I lavoratori che utilizzano l'intelligenza artificiale per circa sette diverse tipologie di attività – dall'analisi dati alla programmazione, dalla generazione di immagini alla traduzione, dalla scrittura ad altro ancora – riferiscono di risparmiare cinque volte più tempo rispetto a chi la usa solo per quattro compiti. I dipendenti che riportano un risparmio superiore alle 10 ore settimanali consumano otto volte più crediti IA rispetto a chi dichiara di non risparmiare tempo affatto.
Si innesca così una dinamica di accumulo: chi sperimenta ampiamente scopre più utilizzi possibili, più utilizzi portano a maggiori guadagni di produttività, e presumibilmente questi si traducono in valutazioni migliori, incarichi più interessanti e avanzamenti di carriera più rapidi. Tutto ciò offre ulteriori opportunità e incentivi per approfondire ancora l'uso dell'IA. Il 75 percento dei lavoratori intervistati riferisce di essere in grado di completare compiti che prima non sapeva svolgere, tra cui supporto alla programmazione, automazione di fogli di calcolo e risoluzione di problemi tecnici.
Questo divario individuale rispecchia un fenomeno più ampio identificato da uno studio separato del MIT, il Progetto NANDA. Nonostante investimenti tra i 30 e i 40 miliardi di dollari in iniziative di intelligenza artificiale generativa, solo il 5 percento delle organizzazioni sta ottenendo risultati trasformativi. I ricercatori del MIT chiamano questo fenomeno il "GenAI Divide", un gap che separa le poche organizzazioni capaci di trasformare i processi con sistemi IA adattivi dalla maggioranza che rimane bloccata in progetti pilota senza sbocco.
Lo studio del MIT ha rilevato che solo due dei nove principali settori economici – tecnologia e media – mostrano una trasformazione aziendale significativa derivante dall'uso dell'IA generativa. Le grandi aziende guidano per volume di progetti pilota ma restano indietro nell'implementazione effettiva. Il pattern è coerente in entrambi gli studi: organizzazioni e individui acquistano la tecnologia, lanciano progetti pilota, partecipano a sessioni di formazione, ma da qualche parte tra l'adozione e la trasformazione la maggioranza si blocca.
Emerge però un paradosso interessante. Mentre i progetti ufficiali di IA ristagnano, prospera una sorta di economia sommersa della tecnologia. Lo studio del MIT rivela una disconnessione sorprendente: mentre solo il 40 percento delle aziende ha acquistato abbonamenti ufficiali a modelli linguistici, i dipendenti in oltre il 90 percento delle aziende utilizzano regolarmente strumenti personali di IA per lavoro. Quasi tutti gli intervistati hanno dichiarato di usare modelli linguistici in qualche forma come parte del loro flusso di lavoro abituale.
Questa "IA ombra", secondo il Progetto NANDA del MIT, spesso offre un ritorno sull'investimento migliore rispetto alle iniziative formali e rivela cosa funziona davvero per colmare il divario. I dipendenti che prendono l'iniziativa – che sottoscrivono abbonamenti personali, sperimentano nel loro tempo libero, capiscono come integrare l'IA nei loro flussi di lavoro senza aspettare l'approvazione dell'IT – stanno superando i colleghi che attendono indicazioni ufficiali che potrebbero non arrivare mai.
I divari più ampi si manifestano in lavori tecnici che un tempo richiedevano specialisti. Le differenze relative maggiori tra lavoratori all'avanguardia e mediani emergono nel coding, nella scrittura e nell'analisi, esattamente le categorie in cui le capacità dell'IA sono avanzate più rapidamente. Chi sta in prima fila non sta semplicemente facendo lo stesso lavoro più velocemente, ma sembra fare lavori completamente diversi, espandendosi in domini tecnici che prima erano loro inaccessibili.
Tra gli utenti di ChatGPT Enterprise al di fuori dei reparti di ingegneria, IT e ricerca, i messaggi relativi alla programmazione sono cresciuti del 36 percento negli ultimi sei mesi. Una persona del marketing o delle risorse umane che impara a scrivere script e automatizzare flussi di lavoro diventa un dipendente categoricamente diverso rispetto a un collega che non l'ha fatto, anche se hanno lo stesso titolo e sono partiti con le stesse competenze.
Il divario non riguarda solo i singoli lavoratori ma interi gruppi aziendali. Le aziende all'avanguardia – quelle al 95° percentile per intensità di adozione – generano circa il doppio dei messaggi IA per dipendente rispetto all'impresa mediana. Per i messaggi inoltrati attraverso GPT personalizzati, strumenti costruiti su misura che automatizzano flussi di lavoro specifici, il divario si amplia a sette volte.
Questi numeri suggeriscono modelli operativi fondamentalmente diversi. Nelle aziende medie, l'IA può essere uno strumento di produttività che i lavoratori individuali utilizzano a loro discrezione. Nelle aziende d'avanguardia, l'IA sembra incorporata nell'infrastruttura centrale: flussi di lavoro standardizzati, strumenti personalizzati persistenti, integrazione sistematica con i sistemi dati interni. Il rapporto OpenAI nota che circa una azienda su quattro non ha ancora abilitato i connettori che danno all'IA accesso ai dati aziendali, un passo basilare che aumenta drasticamente l'utilità della tecnologia.
Per i dirigenti, questi dati presentano una sfida scomoda. La tecnologia non è più il vincolo. OpenAI rilascia una nuova funzionalità o capacità circa ogni tre giorni; i modelli avanzano più velocemente di quanto la maggior parte delle organizzazioni possa assorbire. Il collo di bottiglia si è spostato da cosa l'IA può fare a se le organizzazioni sono strutturate per trarne vantaggio. Come scrivono gli autori del MIT, la linea di demarcazione non è l'intelligenza: i problemi con l'IA aziendale riguardano memoria, adattabilità e capacità di apprendimento.
Le aziende leader, secondo il rapporto OpenAI, investono sistematicamente in sponsorizzazione esecutiva, preparazione dei dati, standardizzazione dei flussi di lavoro e gestione deliberata del cambiamento. Costruiscono culture in cui gli strumenti IA personalizzati vengono creati, condivisi e perfezionati tra i team. Tracciano le prestazioni ed eseguono valutazioni. Fanno dell'adozione dell'IA una priorità strategica piuttosto che una scelta individuale. Il resto lascia tutto al caso, sperando che i lavoratori scoprano gli strumenti da soli, sperimentino nel loro tempo libero e in qualche modo propaghino le migliori pratiche senza infrastruttura o incentivo.
La finestra per recuperare il ritardo si sta chiudendo più velocemente di quanto la maggior parte delle aziende realizzi. Con i contratti aziendali che si consolideranno nei prossimi 18 mesi, c'è una finestra sempre più stretta per fornitori e adottanti per superare il divario. Il GenAI Divide identificato dal MIT non durerà per sempre, ma le organizzazioni che troveranno un modo per attraversarlo per prime saranno quelle che definiranno la prossima era del business.
Entrambi i rapporti includono avvertenze metodologiche. I dati OpenAI provengono da un'azienda con un ovvio interesse a promuovere l'adozione dell'IA, le cifre di produttività sono auto-dichiarate da clienti che già pagano per il prodotto. Lo studio del MIT, sebbene indipendente, si basa su interviste e sondaggi piuttosto che su misurazioni dirette. Gli effetti a lungo termine di questa tecnologia su occupazione, salari e dinamiche del posto di lavoro rimangono incerti.
Tuttavia, il risultato è coerente con come le tecnologie precedenti si sono diffuse nell'economia: fogli di calcolo, email e internet hanno tutti creato divisioni simili prima di diventare universali. La domanda è quanto persisterà l'attuale divario, chi ne trarrà vantaggio durante la transizione e cosa succederà ai lavoratori che si trovano dalla parte sbagliata. Per ora, il 90 percento degli utenti ha dichiarato di preferire gli esseri umani per il "lavoro critico", mentre l'IA ha "vinto la guerra per il lavoro semplice". Chi sta tirando avanti non lo fa perché ha accesso a strumenti che i colleghi non hanno, ma perché ha deciso di usare ciò che tutti già possiedono, continuando fino a capire cosa può fare davvero.