In circa 10.000 conference call sugli utili tra il 2021 e il 2025, i dirigenti che parlavano di AI erano uniformemente ottimisti — e quell'ottimismo non spiegava nulla della variazione di produttività delle loro aziende. Ciò che invece seguiva la produttività è la variabile che nessuno mette in una slide per il consiglio: il sentiment dei dipendenti sull'AI, estratto da milioni di recensioni Glassdoor delle stesse aziende negli stessi anni (Ding, Ma, Wu & Yang, SSRN, 2026).
Un segnale è rumoroso, gratuito e inutile. L'altro è silenzioso, non misurato nella maggior parte delle aziende mid-market, ed è l'unico con una relazione dimostrata con l'output.
Se state stimando il ritorno dell'AI sulla base della fiducia di chi ha approvato il budget, state leggendo lo strumento sbagliato.
Che cosa ha misurato davvero il panel di Pittsburgh
Il paper — Tracking Artificial Intelligence Sentiment in the U.S. Labor Market, working paper di 116 pagine firmato da ricercatori della Katz School di Pittsburgh e della Michigan State — costruisce un panel a livello aziendale a partire da quattro fonti di dati sul periodo 2021–2025: milioni di recensioni dei dipendenti su Glassdoor, circa 10.000 trascrizioni di earnings call, profili di carriera individuali su LinkedIn e annunci di lavoro a livello di impresa (Ding, Ma, Wu & Yang, SSRN, 2026).
Tre risultati contano per chi guida le operations.
Primo: i dipendenti sono misurabilmente più negativi sull'AI di quanto lo siano sul datore di lavoro in generale. Il divario è specifico dell'AI. Lo stesso recensore che valuta positivamente l'azienda valuta il programma AI al di sotto di quella soglia — quindi non si tratta di insoddisfazione generica che tracima nella domanda sull'AI.
Secondo: il sentiment dei dipendenti sull'AI mostra una forte associazione positiva con la produttività aziendale. Sentiment più alto, output più alto.
Terzo, e più utile per un Head of Operations che deve decidere che cosa strumentare: il sentiment del management sull'AI non spiega la produttività. È uniformemente ottimista sia nelle aziende che hanno poi performato bene sia in quelle che non l'hanno fatto, ed è esattamente questo a renderlo inutile come segnale. Una variabile senza varianza non può prevedere nulla.
Perché l'ottimismo dei vertici non ha varianza da offrire
Non è un'accusa di malafede ai dirigenti. È un'osservazione su ciò a cui serve il linguaggio delle earnings call.
Una earnings call è un esercizio di posizionamento con un ufficio legale attaccato. Il CEO che dice "il nostro investimento in AI non sta ancora rendendo" paga un prezzo immediato sul mercato per quella frase. Il risultato è un corpus in cui quasi tutti suonano sicuri, il che elimina proprio le differenze necessarie per distinguere un programma che funziona da uno fermo.
I dati survey mostrano la stessa compressione da un'altra angolazione. Il State of the Workforce 2026 di BambooHR, su oltre 1.200 tra dipendenti e leader aziendali in sei settori, ha rilevato che l'81% dei leader riporta un aumento di produttività grazie all'AI, mentre il 49% dei rispondenti afferma che l'AI non ha prodotto valore tangibile ed è sopravvalutata (BambooHR, 2026). Quei due numeri descrivono le stesse aziende. Il livello della leadership non osserva una realtà diversa — ne riporta una diversa.
C'è una ragione strutturale per cui la lettura dei vertici è più alta, e non è vanità. I leader vedono la demo del pilota, il benchmark del vendor e la dashboard aggregata. I dipendenti vedono il rework, il passaggio di verifica e il flusso di lavoro che non è mai stato ridisegnato attorno allo strumento. Entrambi guardano il programma AI. Solo uno guarda la parte da cui la produttività dovrebbe arrivare.
Se il vostro business case sull'AI è costruito su quanto è sicura la vostra leadership, è costruito sull'unica variabile del dataset priva di potere esplicativo.
La sicurezza del posto è il primo driver — e l'attribuzione dei licenziamenti è l'amplificatore
Il paper ordina i fattori che deprimono il sentiment dei dipendenti sull'AI. Il timore per la sicurezza del posto è il driver negativo più forte, davanti a formazione inadeguata, percorsi di reskilling sottili, leadership debole sull'AI e semplice scetticismo sul funzionamento degli strumenti (Ding, Ma, Wu & Yang, SSRN, 2026).
Poi arriva il risultato con la conseguenza operativa più diretta: gli annunci di licenziamenti attribuiti all'AI deprimono nettamente il sentiment dei dipendenti sull'AI nell'azienda che li annuncia — compensando i guadagni di adozione che quei tagli dovevano incassare. E la reazione del mercato a quegli annunci è stata negativa o vicina a zero in più della metà degli eventi studiati.
Leggetelo come un errore di pricing. Quando un'azienda inquadra una riduzione come "l'AI ha reso questi ruoli superflui", sceglie una narrazione che crede gratuita. Non lo è. Compra un calo misurabile della variabile di sentiment che correla con la produttività, in cambio di una reazione di mercato che, più della metà delle volte, non arriva.
I dati Forrester sull'altro lato di quella decisione non sono lusinghieri. Il 55% dei datori di lavoro dichiara di essersi pentito di aver licenziato per l'AI, e circa metà dei licenziamenti attribuiti all'AI dovrebbe essere silenziosamente riassorbita nel 2026 — con riassunzioni offshore o a salari sensibilmente più bassi (HR Executive su Forrester Predictions 2026). Quindi la sequenza per una quota rilevante di aziende è: tagliare, attribuire il taglio all'AI, assorbire il colpo di sentiment, non ottenere credito dal mercato, poi riassumere.
Il quadro macro dice che gran parte di quei tagli non era comunque giustificata dall'aritmetica aggregata degli organici. Il panel della CFO Survey della Fed — 603 risposte, più 145 supplementari, raccolte tra novembre 2025 e gennaio 2026 — ha rilevato un effetto trascurabile dell'AI sull'occupazione nel 2025 e un effetto atteso per il 2026 prossimo a zero in aggregato. Il movimento è compositivo: un calo atteso dello 0,76% della quota di lavoro impiegatizio di routine nel 2026, del 2,19% entro il 2028, parzialmente compensato dalla crescita di ruoli tecnici qualificati (NBER Working Paper 34984, 2026).
I cambiamenti di composizione non richiedono un annuncio. Richiedono un piano di assunzioni.
Il dato sulla retention che nessuno prezza
Un altro risultato del panel merita una riga a sé nel vostro modello di forza lavoro: le aziende con più dipendenti competenti sull'AI mostrano turnover più alto, tasso di assunzione più basso e crescita occupazionale più lenta. Gli autori hanno controllato la spiegazione alternativa più ovvia — le aziende che avevano assunto troppo nel post-COVID e stanno correggendo — e il risultato regge anche escludendole, quindi non è principalmente un artefatto di AI-washing (Ding, Ma, Wu & Yang, SSRN, 2026).
Accanto a questo: un premio salariale crescente e una mobilità verso l'alto più rapida per i lavoratori competenti sull'AI.
Mettete insieme i due dati e l'esposizione del mid-market diventa specifica. Le persone che avete formato nel 2025 fino alla fluidità sull'AI sono diventate più mobili in un mercato che ora le paga di più, dentro un'azienda che assume più lentamente. Il vostro programma di abilitazione all'AI ha un conto di retention allegato, e scade esattamente alla fascia di seniority in cui la sostituzione è più difficile.
La controbiezione che vale la pena prendere sul serio
Questo è un working paper, non una pubblicazione peer-reviewed, e le relazioni centrali sono osservazionali. Nessuno ha randomizzato il sentiment dei dipendenti. L'associazione tra sentiment e produttività è compatibile con una causazione inversa — le aziende produttive sono posti piacevoli in cui lavorare, e le persone ne scrivono recensioni migliori — e con un terzo fattore omesso, la qualità del management, che produce entrambe le cose.
L'obiezione è corretta, e non cambia ciò che dovreste fare.
Non vi si chiede di credere che migliorare il sentiment causi produttività. Vi si chiede di notare che una variabile misurabile si muove con la performance aziendale e un'altra no. Un indicatore anticipatore non deve essere causale per essere utile; deve essere informativo e disponibile presto. Il sentiment dei dipendenti sull'AI è entrambe le cose. Il sentiment dei dirigenti sull'AI, su questa evidenza, non è nessuna delle due.
La posizione difendibile non è "dobbiamo sistemare il morale per ottenere ritorni dall'AI". È "oggi stimiamo i nostri ritorni su un segnale con zero potere predittivo dimostrato, e il segnale alternativo costa quasi nulla da raccogliere".
Che cosa strumentare: il sentiment dei dipendenti sull'AI come indicatore anticipatore
Misurate il sentiment sull'AI separatamente dall'engagement
La vostra survey di engagement attuale non farà emergere questo dato. Il punto del risultato di Pittsburgh è proprio che il sentiment sull'AI sta sotto il sentiment generale verso l'azienda — aggregarli nasconde il divario. Aggiungete tre o quattro item specifici sull'AI allo strumento che già usate: gli strumenti stanno migliorando il vostro lavoro, avete la formazione per usarli, capite che cosa significano per il vostro ruolo. Tracciate il delta tra sentiment sull'AI e sentiment complessivo come numero a sé.
Segmentatelo per funzione e per anzianità, e leggete la dispersione
Una media a livello di organizzazione sembrerà accettabile e non vi dirà nulla. Il segnale sta in quali team sono andati in negativo — e, dato il risultato sul turnover, nel capire se a diventare negative siano proprio le persone più fluenti sull'AI. Quei due tagli sono il report.
Verificate come sono state attribuite le ristrutturazioni di quest'anno
Ripercorrete ogni riduzione degli ultimi dodici mesi e controllate che cosa è stato detto ai dipendenti sul perché. Se l'AI è stata indicata come causa dove non era il driver reale, avete pagato un costo di sentiment per una narrazione che non vi ha comprato nulla. Correggete il linguaggio d'ora in avanti: attribuite alla ragione di business, non alla tecnologia.
Sistemate i driver in ordine di rango, non quelli più facili da finanziare
La sicurezza del posto viene prima, davanti alla formazione. La maggior parte dei budget di abilitazione inverte questo ordine — pesanti su strumenti e workshop di prompting, silenziosi su che cosa succede al ruolo quando il flusso di lavoro cambia. Una dichiarazione chiara e specifica su che cosa l'AI significa e non significa per un dato lavoro non costa nulla e affronta il driver di primo rango. La formazione affronta il secondo. Compratele in quest'ordine.
Poi allargate i casi d'uso, non il numero di licenze
I dati Gallup del secondo trimestre 2026 mostrano che la quota di dipendenti che riporta un effetto positivo sulla produttività sale dal 45% tra chi ha uno o due casi d'uso AI al 90% tra chi ne ha sette o più (Gallup, 2026). Il sentiment migliora quando lo strumento aiuta davvero. È l'ampiezza dell'uso applicato, non il numero di licenze emesse, a muoverlo.
La decisione sulla vostra scrivania
Avete già una survey per i dipendenti. Avete già business review trimestrali in cui qualcuno presenta una slide sull'avanzamento AI costruita su benchmark dei vendor e sulla fiducia della leadership. Il cambiamento non è una nuova voce di budget — è quale dei due artefatti trattate come evidenza.
Prima della prossima review sugli investimenti in AI, mettete un numero davanti alla stanza: il sentiment dei dipendenti sull'AI, segmentato per funzione e anzianità, con il divario rispetto al sentiment complessivo. Se è più basso di quanto chiunque in quella stanza si aspettasse, non è un problema di morale da girare alle Risorse Umane. È la vostra previsione di produttività, arrivata abbastanza presto da poterci agire.
