Analisi · Metodo di lavoro

AI Brain Fry: cosa mostra lo studio e come gestire più esecuzioni di IA a ritmo

AI Brain Fry è il nome che uno studio HBR del marzo 2026 dà all'affaticamento mentale dovuto all'uso eccessivo o alla supervisione di strumenti di IA. Questo articolo inquadra i numeri, spiega perché i cambi di contesto e la supervisione costano tanta attenzione e descrive un ritmo di lavoro per più esecuzioni di IA in parallelo.

In breve
  • Termine: lo studio HBR di ricercatori della società di consulenza BCG (5 marzo 2026) chiama "AI Brain Fry" l'affaticamento mentale dovuto all'uso eccessivo o alla supervisione di strumenti di IA. Non è una diagnosi medica.
  • Diffusione: il 14 % degli utenti di IA nelle grandi aziende statunitensi l'ha già vissuto (1.488 intervistati, autodichiarazione). Non è il 14 % di tutti i dipendenti, e la domanda era se l'avessero «mai vissuto».
  • Valori percentuali: i valori su supervisione, stanchezza, affaticamento decisionale, errori e burnout sono differenze relative di valori di scala, non quote di persone. Esempio: chi supervisiona molta IA indica in media il 14 % di sforzo mentale in più.
  • Cambi di contesto: che i cambi abbiano un costo è provato in laboratorio (Monsell 2003, Rubinstein et al. 2001). Nello studio il legame con le domande sul cambio di compito è meno chiaro di quello con il sovraccarico di informazioni.
  • Controparte: meno lavoro di routine grazie all'IA era associato a valori di burnout inferiori del 15 %. Uno studio sul campo ha rilevato in media il 15 % di casi risolti in più all'ora (Brynjolfsson et al. 2025).
  • Ritmo di lavoro: avvio, concentrazione, raccolta, leggere i messaggi solo durante la raccolta e solo tante esecuzioni quante ne riesci a controllare. Per i singoli elementi esistono indizi da altri ambiti (Fitz 2019 sui messaggi raggruppati, Masicampo e Baumeister 2011), per la supervisione dell'IA nessuno è verificato.

In certi giorni ho 5 o 6 esecuzioni di IA contemporaneamente. L'avvio richiede minuti. Poi i risultati arrivano uno dopo l'altro e ognuno va controllato, corretto o approvato. Salto tra testi, ricerche e bozze. Se questo sia già AI Brain Fry non so dirlo, perché non esiste una diagnosi.

Chi usa agenti IA o introduce l'IA in azienda prima o poi gestisce più esecuzioni contemporaneamente e si trova davanti alla stessa domanda: quante riesco ancora a controllare in modo sensato? Questo articolo distingue ciò che lo studio sull'AI Brain Fry dimostra, cita la ricerca sui cambi di contesto, mostra il punto di vista opposto e descrive il mio ritmo di lavoro.

AI Brain Fry: definizione e differenza rispetto al burnout

Il termine "AI Brain Fry" è introdotto da Bedard, Kropp, Hsu, Karaman, Hawes e Rosen Kellerman nell'articolo HBR "When Using AI Leads to 'Brain Fry'" del 5 marzo 2026. Lavorano tutti per la società di consulenza BCG, 2 di loro stanno inoltre facendo un dottorato alla University of California, Riverside. La loro definizione, tradotta a senso: affaticamento mentale dovuto all'uso eccessivo o alla supervisione di strumenti di IA oltre la propria capacità cognitiva. In tedesco non si è affermata alcuna parola. I media scrivono di "esaurimento da IA", "burnout da IA" o "AI Fatigue", un portale specializzato titola "cervello fritto".

AI Brain Fry non va equiparato al burnout. Gli autori descrivono il burnout come stress lavorativo cronico con esaurimento emotivo. Il brain fry, secondo la loro lettura, è un sovraccarico acuto di attenzione, memoria di lavoro e controllo del proprio pensiero. Non è una diagnosi medica.

Una nota sull'origine: BCG vende essa stessa consulenza sull'introduzione dell'IA. L'articolo raccomanda di investire il 70 % dello sforzo per i progetti di IA in persone e processi. Questo non rende sbagliati i numeri, ma mostra un interesse proprio sul tema.

I numeri dello studio e come leggerli

Sono stati intervistati 1.488 dipendenti a tempo pieno di grandi aziende statunitensi, una sola volta e tramite autovalutazione. Non ho trovato un questionario né un working paper con la metodologia. Per ogni numero è importante cosa misura in realtà:

Risultato dello studioCome leggere il numero
Il 14 % degli utenti di IA ha risposto di aver già vissuto il Brain FryQuota di persone, ma solo tra gli utenti di IA nelle grandi aziende statunitensi, e la domanda era "mai vissuto". Sarebbe sbagliato dire: "1 persona su 7 ne soffre."
Supervisione alta invece che bassa sull'IA: 14 % di sforzo mentale in più, 12 % di affaticamento mentale in più, 19 % di sovraccarico di informazioni in piùDifferenze relative di valori di scala dall'autovalutazione tra 2 gruppi, non quote di persone.
Con brain fry: 33 % di affaticamento decisionale in più, 11 % di errori piccoli in più e 39 % di errori grandi in piùAnche questi sono valori di scala basati su autovalutazioni, non errori contati. «Il brain fry causa il 39 % di errori gravi in più» sarebbe sbagliato.
Intenzione di dimissioni: 25 % senza, 34 % con brain fryQuote di persone a confronto. Il numero relativo che HBR riporta non riesco a ricalcolarlo dai valori riportati, per questo qui non compare.
Per funzione: il 26 % dei dipendenti nelle funzioni di marketing, il 6 % nelle funzioni legali ha dichiarato di aver vissuto il brain fryFunzioni di grandi aziende statunitensi, non settori.
Strumenti di IA usati contemporaneamente: la produttività percepita aumenta nettamente passando da 1 a 2, poi più debolmente, e cala leggermente dal quartoSi misura la produttività percepita. Se siano stati contati strumenti o agenti non è chiaro. Da qui non deriva un limite per gli agenti.

Nella pratica 2 risultati contano più di qualsiasi percentuale. Il primo: a carico e affaticamento mentale era associata soprattutto la supervisione continua sugli output dell'IA, insieme a un volume di lavoro aumentato a causa dell'IA. Al centro dello studio c'è la supervisione. Il secondo riguarda i cambi di contesto: le risposte libere citano il sovraccarico di informazioni e il cambio di attività come fattori importanti. La correlazione statistica con le domande sul cambio di attività è però meno chiara di quella con il sovraccarico di informazioni. In questo studio il cambio di contesto non basta a essere indicato come «causa principale».

Ancora una riserva: gli autori scrivono che l'uso dell'IA «may be causing» l'esaurimento e che la supervisione lo «predicted». Sono parole prudenti, con buone ragioni. In una sezione trasversale è pensabile anche la direzione opposta: chi è già sovraccarico forse vive la supervisione come più gravosa.

Cambi di contesto e supervisione: perché richiedono così tanta attenzione

Che i cambi di compito costino tempo e precisione, la psicologia lo studia da decenni, ma non sul lavoro con l'IA. Le informazioni provengono dai riassunti degli studi, per Mark dai saggi.

  • Costi del cambio: dopo un cambio di compito, in laboratorio le persone rispondono più lentamente e di solito sbagliano di più. La preparazione riduce i costi, ma non li elimina (Monsell 2003, rassegna su compiti semplici). Aumentano con la complessità delle regole, diminuiscono con gli stimoli di richiamo e sono più alti con compiti non familiari (Rubinstein, Meyer, Evans 2001).
  • Residui di attenzione: l'attenzione fa fatica a staccarsi dai compiti non finiti, e la prestazione nel compito successivo ne risente. Il termine tecnico è «Attention Residue» (Leroy 2009, 2 esperimenti).
  • Interruzioni: tra 24 dipendenti di un'azienda (osservati 3,5 giorni ciascuno, durata dello studio 13 mesi) il 57 % delle unità di lavoro è stato interrotto. Al lavoro interrotto sono tornati lo stesso giorno in media dopo 25 min 26 s. La dispersione è enorme (deviazione standard 54 min 48 s), e il 77 % è stato ripreso lo stesso giorno (Mark, Gonzalez, Harris 2005). In laboratorio chi veniva interrotto lavorava più in fretta, ma con più stress e fatica (Mark, Gudith, Klocke 2008, 48 partecipanti, per lo più studenti).
  • Supervisione dell'automazione: chi sorveglia un sistema automatizzato, sotto un carico multiplo controlla meno (complacency) e segue i suggerimenti troppo in fretta anche da esperto (automation bias). L'addestramento non lo impedisce (Parasuraman e Manzey 2010, rassegna).

La mia lettura: chi gestisce 5 esecuzioni passa tra 5 compiti e intanto controlla di continuo i risultati di altri. Le due cose insieme sono coerenti con ciò che descrivono lo studio e questa ricerca. Per il lavoro con l'IA non è dimostrato. Gli studi di laboratorio e d'ufficio risalgono a prima degli agenti IA, e gli studi sulle interruzioni hanno campioni piccoli.

È provato che i cambi costano. Per la supervisione dell'IA non è verificato alcun rimedio.

Il rovescio: delegare la routine alleggerisce

Lo stesso studio contiene un secondo messaggio che, accanto ai dati sul carico, passa facilmente in secondo piano. I dipendenti che grazie all'IA avevano meno lavoro di routine hanno indicato valori di burnout inferiori del 15 %. I valori di affaticamento mentale non erano più bassi. Anche qui si tratta di una correlazione basata su autovalutazioni, ma va contro l'idea di leggere l'uso dell'IA in blocco come un carico. Con meno affaticamento erano inoltre associati il fatto che i dirigenti rispondessero alle domande sull'IA (15 % in meno) e l'impressione dei dipendenti che la loro azienda tenga all'equilibrio tra lavoro e vita privata (28 % in meno).

Uno studio sul campo fornisce indicazioni nella stessa direzione. Brynjolfsson, Li e Raymond hanno analizzato in «Generative AI at Work» (pubblicato nel 2025) i dati di 5.172 addetti al supporto, presso i quali nel 2020 e nel 2021 è stato introdotto gradualmente un assistente IA. In media risolvevano il 15 % di casi in più all'ora. I meno esperti e i meno qualificati ne hanno beneficiato di più; per i più esperti, i guadagni di velocità e le perdite di qualità sono stati piccoli. Il benessere dei dipendenti non è stato misurato direttamente, e il supporto con un assistente del 2020 è una cosa diversa dal guidare più agenti.

Nei dati, carico e sollievo stanno uno accanto all'altro. La mia lettura: dipende da quanta supervisione rientra nella propria capacità. Non ne segue che serva meno IA.

Nei dati, carico e sollievo stanno uno accanto all'altro.

Ritmo di lavoro: avvio, concentrazione, raccolta

Da qui descrivo il mio modo di lavorare. È l'esperienza di un singolo imprenditore individuale e non un metodo verificato. Dove per un elemento esistono prove da altri ambiti, lo indico. Se questi elementi funzionino allo stesso modo nella supervisione dell'IA, è una questione aperta.

L'idea di base: limito i miei punti di contatto con l'IA e lascio aperta la durata delle esecuzioni. Possono durare a lungo, finché io do un'occhiata solo a orari fissi. Ne nascono 3 blocchi:

BloccoCosa succedeDurata
AvvioInviare tutti gli incarichi uno dopo l'altro, ciascuno con un risultato chiaroda 15 a 30 min
FocusUn compito a sé che solo io posso risolvere. Non leggere risultati, non guardare le esecuzionida 90 a 120 min
RaccoltoControllare i risultati, approvarli, avviare le correzioni come nuovi incarichi (che è anche il prossimo avvio)da 30 a 45 min
Avvio, concentrazione, raccolto: guardi le esecuzioni solo a orari fissi.

Avvio: incarichi dello stesso tipo in batch

All'avvio conta un incarico pulito. I compiti dello stesso tipo li mando in lotto, 5 o 6 in parallelo. Ciò che non rientra nel lotto aspetta il prossimo avvio. Preparazione e segnali di richiamo riducono i costi del cambio (Rubinstein, Monsell). Per questo vale la pena inserire nell'incarico una frase su come riconosci il risultato finito e cosa intendi farne. È un'estrapolazione dal laboratorio.

Focus: leggere le notifiche solo nel raccolto

Nel blocco di focus non leggo risultati e non guardo le esecuzioni. Le notifiche possono arrivare, ma vengono lette solo nel raccolto. È meno che raggruppare: continuano ad arrivare una per una, io le lascio semplicemente lì.

Per il raggruppamento esiste un esperimento sul campo con lo smartphone. Fitz e colleghi (2019) hanno fatto ricevere a 237 persone le notifiche come al solito, raggruppate 3 volte al giorno oppure per niente. Il gruppo con notifiche raggruppate ha riferito più attenzione, umore migliore e meno stress. Il gruppo senza alcuna notifica ha avuto pochi vantaggi, ma più ansia e più timore di perdersi qualcosa. Raggruppare era quindi meglio che disattivare. Chi vuole sostenere così il blocco di focus fa recapitare le notifiche in modo raccolto. Se basti già lasciarle da parte, lo studio non lo dice. Le impostazioni per iPhone e Pixel sono nell'articolo sulla reperibilità costante.

Raccolto: controllare, approvare, annotare i cambi

Nel raccolto controllo i risultati uno dopo l'altro, approvo e avvio le correzioni come nuovi incarichi. Allo stesso tempo comincia il prossimo avvio. Chi passa tra 2 risultati o torna al proprio compito può annotare in 1 frase dove e come riprende. Masicampo e Baumeister hanno mostrato nel 2011 in esperimenti di laboratorio che un piano concreto su quando e come portare a termine un obiettivo elimina l'effetto di disturbo di un obiettivo non completato. Se questo valga per i risultati dell'IA rimasti in sospeso, non ho trovato nessuno studio.

Dopo il raccolto e il nuovo avvio, prima che inizi il blocco di concentrazione successivo, aiuta una vera pausa. Una metanalisi (22 campioni, 2.335 persone) ha rilevato che le micropause aumentano la vitalità e riducono la stanchezza, entrambe in misura lieve (Albulescu et al. 2022). Per il rendimento nel lavoro impegnativo l'effetto non è accertato, la raccomandazione si basa sul benessere.

Tante esecuzioni quante ne riesci a controllare

Il collo di bottiglia è il controllo, non l'avvio. Una giornata è piena quando la raccolta non entra più nell'orario di lavoro. Corrisponde ai resoconti di esperienza. Addy Osmani lega il numero di agenti al suo tasso di revisione e scrive che per la maggior parte è un numero a una cifra bassa (The Orchestration Tax, 2026). Simon Willison, per sua stessa ammissione, riesce a concentrarsi solo sul controllo e sull'accettazione di una modifica più grande alla volta (2025).

La soglia dello studio HBR a 3 strumenti non serve come misura per le esecuzioni, perché non è chiaro cosa sia stato contato. Come test basta una regola semplice: avvia solo tante esecuzioni quante ne controlli a fondo nel prossimo blocco di raccolta. Dopo una settimana guarda quanti risultati sono rimasti in sospeso.

Limiti della base di studi

Lo studio sul Brain Fry si basa sull'autovalutazione e su una sezione trasversale, proviene dagli Stati Uniti e da grandi aziende ed è uscito in una rivista di management senza revisione tra pari. La domanda sul Brain Fry è un singolo item sì/no con "mai", non un questionario validato. Il 33 % in più di affaticamento decisionale è un valore di scala. Il meccanismo alla base (ego depletion) non si è potuto dimostrare in modo solido in 2 grandi studi di replica (Hagger et al. 2016, Vohs et al. 2021).

Per i rimedi il quadro è più debole. Fitz, Masicampo e Albulescu hanno studiato smartphone, compiti di laboratorio e pause, non la supervisione dell'IA. Sui lavoratori autonomi con più agenti non ho trovato nessuno studio. La mia esperienza è un singolo dato. Chi conduce esecuzioni simili può provare il ritmo come ipotesi e misurarlo sul proprio raccolto.

Come gestisco le esecuzioni dell'IA nella vita di tutti i giorni e cosa va storto lo mostro nella newsletter AI Sync, che esce ogni domenica.

Farlo da soloHai tutto ciò che ti serve.

Tutto ciò che c'è in questa pagina si può mettere in pratica senza di me. Nuovi strumenti e modifiche li aggiungo qui, ogni domenica ne trovi un consiglio nella newsletter.

Vai ad AI Sync
Fai realizzareProcessi di IA che consegnano in blocco per l'approvazione

Configuro con te processi di IA che consegnano i risultati raccolti a orari fissi per l'approvazione, e stabilisco con te chi controlla cosa. In presenza da Eisenstadt a Mattersburg e Wiener Neustadt, online in tutta l'area di lingua tedesca.

Scopri di più

Domande frequenti

Che cos'è l'AI Brain Fry?

AI Brain Fry è un termine tratto da uno studio HBR di ricercatori della società di consulenza BCG (5 marzo 2026). Indica l'affaticamento mentale dovuto all'uso eccessivo o alla supervisione di strumenti di IA oltre la propria capacità. Il termine non è una diagnosi medica. Lo studio si basa sull'autovalutazione di 1.488 dipendenti di grandi aziende statunitensi.

Quanto è diffuso l'AI Brain Fry?

Nello studio il 14 % degli utenti di IA ha risposto di sì alla domanda se l'avesse già vissuto. Questo vale per gli utenti di IA nelle grandi aziende statunitensi, e la domanda era se l'avessero «mai vissuto». A seconda della funzione il valore variava molto: 26 % dei dipendenti nelle funzioni di marketing, 6 % nelle funzioni legali. Per i lavoratori autonomi o le PMI in Austria non conosco alcun dato.

L'AI Brain Fry è la stessa cosa del burnout?

No. Gli autori descrivono il burnout come stress lavorativo cronico con esaurimento emotivo, il brain fry come sovraccarico acuto di attenzione e memoria di lavoro. Nello studio, meno lavoro di routine grazie all'IA era associato a valori di burnout più bassi del 15 %, mentre i valori di affaticamento mentale non erano più bassi. I media però scrivono spesso di «burnout da IA».

Quanti strumenti o agenti IA contemporaneamente sono troppi?

Un numero fisso non l'ho trovato in nessuno studio. Nello studio la produttività percepita è aumentata nettamente passando da 1 a 2 strumenti usati contemporaneamente, poi in modo più debole, e calava leggermente dal quarto. Non è chiaro cosa sia stato contato esattamente. Lo sviluppatore Addy Osmani collega il numero di agenti alla propria capacità di controllo e per la maggior parte delle persone indica un numero basso, a una cifra. È un valore empirico.

Cosa aiuta contro l'AI Brain Fry?

Per la supervisione sull'IA non esiste una misura verificata. Da altri ambiti arrivano indicazioni per notifiche raggruppate, 3 volte al giorno (Fitz et al. 2019, 237 persone), un piano concreto per ciò che è in sospeso (Masicampo e Baumeister 2011) e brevi pause contro la stanchezza (Albulescu et al. 2022). Lo studio stesso cita delegare la routine e fissare limiti alla supervisione. Se funzioni anche per la supervisione dell'IA, è aperto.

L'IA stanca o alleggerisce?

Entrambe le cose compaiono nei dati. Una supervisione dell'IA alta anziché bassa era associata a un 12 % in più di affaticamento mentale (differenza relativa nell'autovalutazione). Meno lavoro di routine era associato a valori di burnout inferiori del 15 %. In uno studio sul campo con 5.172 addetti all'assistenza, chi usava un assistente IA risolveva in media il 15 % di casi in più all'ora (Brynjolfsson et al. 2025).

Modifiche a questo articolo

  • 10 novembre 2026Prima stesura.
Christoph Harrison
Christoph HarrisonConsulente IA e tecnico di rete, Eisenstadt

Fondatore di Harrison Networks e Lumen Media. Usa l'IA ogni giorno nella propria azienda e la applica nella consulenza sull'IA con le PMI.

Contatto

Scrivimi in tedesco o in inglese, per favore.

Christoph Harrisondisponibile per nuovi progetti