C’è un esperimento che racconta qualcosa di profondo su come funzioniamo. Nel 2012 tre ricercatori di Harvard, Yale e Duke hanno chiesto a un gruppo di persone di assemblare scatole di cartone, piegare origami e costruire modelli Lego. Poi hanno chiesto loro quanto valessero quei manufatti e il risultato è stato prevedibile e sorprendente allo stesso tempo: i partecipanti valutavano le proprie creazioni amatoriali alla pari di quelle realizzate da esperti, e si aspettavano che anche gli altri la pensassero così. Michael Norton, Daniel Mochon e Dan Ariely lo hanno chiamato, ed è diventato poi molto famoso, “effetto IKEA” (Norton, Mochon & Ariely, 2012).

A prima vista sembra un bias, un errore di valutazione, ma a guardarlo meglio è qualcosa di più: è il meccanismo con cui il cervello costruisce significato. La fatica investita genera un legame emotivo con il risultato. A voler essere pedanti potrebbe essere più una fallacia logica che un bias a tutto tondo. Più sforzo ci mettiamo, più il nostro cervello ha bisogno di giustificare quell’investimento, e lo fa attribuendo valore a ciò che abbiamo prodotto. Leon Festinger lo aveva intuito già nel 1957 nel quadro della dissonanza cognitiva: quando il costo di un’azione è alto, la mente riduce il disagio convincendosi che il risultato valeva la pena (Festinger, 1957). È il modo in cui trasformiamo lo sforzo in identità.

L’equazione invisibile

Albert Bandura ha aggiunto un pezzo fondamentale a questo quadro. Nel suo lavoro sull’autoefficacia ha dimostrato che il completamento riuscito di compiti impegnativi è il principale mezzo attraverso cui le persone costruiscono fiducia nelle proprie capacità (Bandura, 1977). Non è il risultato in sé a generare autoefficacia quanto il processo di averlo raggiunto attraverso lo sforzo. Un risultato ottenuto senza fatica non attiva questo circuito: il cervello lo registra, ma non lo integra nella percezione di sé.

Sforzo, attaccamento, competenza percepita, motivazione: un ciclo che si auto-alimenta e che funziona finché lo sforzo esiste. Toglilo, e il ciclo si interrompe.

Il tempo dello sforzo rimosso

Viviamo in un momento storico in cui, per la prima volta, una tecnologia è in grado di produrre in pochi secondi un output apparentemente intellettuale che avrebbe richiesto ore di lavoro. L’intelligenza artificiale generativa scrive testi, analizza dati, genera codice, costruisce presentazioni; con una qualità spesso sufficiente e a volte sorprendente.

Questo articolo non è contro quella tecnologia ma paradossalmente a favore. Pone una domanda che raramente viene formulata nel dibattito su come usarla: cosa succede alla persona quando lo sforzo viene rimosso dal lavoro?

L’effetto IKEA si inverte. Se il valore percepito è proporzionale alla fatica investita, allora un risultato ottenuto senza fatica viene percepito, prima di tutto da chi lo produce, come meno proprio o, per meglio dire, proprietario. Non perché sia oggettivamente peggiore, il meccanismo che trasforma il lavoro in significato è stato cortocircuitato.

Norton e colleghi hanno mostrato un dato ulteriore che illumina il punto: l’effetto IKEA svanisce quando le persone costruiscono qualcosa e poi lo distruggono, o quando non riescono a completare il compito. Il valore nasce solo dal completamento riuscito di un lavoro percepito come proprio. Quando il lavoro lo fa qualcun altro (o qualcos’altro) il completamento c’è, ma la percezione di proprietà svanisce.

Tre bisogni, due a rischio

Edward Deci e Richard Ryan, nella Self-Determination Theory, hanno identificato tre bisogni psicologici che sostengono la motivazione intrinseca: autonomia, competenza e relazionalità. Quando questi bisogni sono soddisfatti, le persone sono naturalmente coinvolte in ciò che fanno. Quando vengono frustrati, la ricerca della motivazione si sposta altrove o si spegne (Ryan & Deci, 2000). La rimozione sistematica dello sforzo mette sotto pressione almeno due di questi bisogni.

Il bisogno di competenza (sentirsi efficaci, padroneggiare ciò che si fa, crescere) si erode quando si delega la parte sfidante. Il paradosso è sottile: si produce di più, ma ci si sente capaci di meno. La competenza percepita non si costruisce osservando qualcuno che risolve il problema al posto nostro. Si costruisce risolvendo il problema, anche lentamente, anche con errori, anche imperfettamente.

Il bisogno di autonomia (sentirsi agenti delle proprie azioni, autori delle proprie scelte) si compromette quando lo strumento smette di essere uno strumento e diventa un surrogato. C’è una differenza tra usare una tecnologia per esplorare possibilità e poi scegliere, e usarla per generare un prodotto finito che viene consegnato così com’è. Nel primo caso siamo autori, nel secondo siamo intermediari.

Lo stato che stiamo perdendo

Mihaly Csikszentmihalyi ha dedicato la vita allo studio di quello che ha chiamato “flow”: lo stato di assorbimento totale che si verifica quando una persona è impegnata in un’attività che la sfida al limite delle sue competenze. Non troppo facile, non troppo difficile. Il flow, e con esso l’apprendimento più profondo e l’esperienza più gratificante, vive in quello spazio intermedio (Csikszentmihalyi, 1990).

Se rimuoviamo sistematicamente la sfida da ciò che facciamo, stiamo rimuovendo l’ingrediente che attiva il flow. Si va oltre la perdita di coinvolgimento emotivo, è una perdita di apprendimento, di crescita, di quel senso di competenza che si costruisce solo affrontando qualcosa di difficile.

È come un musicista che usa una traccia preregistrata al posto di suonare dal vivo. Il pubblico sente la musica, ma il musicista non sente più le proprie dita.

L’inflazione del significato

C’è una dimensione collettiva poi che va oltre l’individuo. Quando tutti possono produrre lo stesso tipo di risultato con lo stesso strumento, quel risultato perde valore. Valore percettivo prima ancora che economico. Ciò che ieri richiedeva competenza rara oggi è accessibile a chiunque. Il codice, il testo, l’analisi, la presentazione: prodotti che definivano l’identità professionale di chi li creava stanno diventando indistinguibili da quelli generati da chiunque altro con accesso alla stessa tecnologia.

Il fenomeno è più ampio di quanto sembri e non riguarda solo il mercato del lavoro. Riguarda il modo in cui le persone si raccontano chi sono. Se ciò che producevo con fatica oggi lo produce una macchina, cosa resta della mia definizione di me attraverso il lavoro?

Il valore si sposta dall’output al pensiero che c’è dietro, alla capacità di giudizio, alla profondità con cui si conosce il proprio campo, alla qualità delle domande che ci si pone prima di produrre. Ma queste competenze non si sviluppano delegando, si sviluppano esercitandole.

La superficie che sembra profondità

C’è un aspetto ulteriore che riguarda chi riceve il risultato del nostro lavoro. L’intelligenza artificiale generativa produce output che hanno una caratteristica insidiosa: sembrano completi. La struttura è giusta, il lessico appropriato, i connettivi logici al posto giusto. Tutto pronto per portare un lettore superficiale a una facile conclusione: sì, c’è qualità.

Ma la qualità di un contenuto dovrebbe stare (e sta) nella precisione delle informazioni, nella profondità dell’analisi, nella capacità di distinguere ciò che è rilevante da ciò che è solo plausibile. L’AI produce output statisticamente plausibili ma non necessariamente accurati. Questa differenza è invisibile a chi legge di fretta e nel tempo si accumula: i contenuti si assomigliano, le analisi restano in superficie e le conclusioni diventano prevedibili.

Chi non verifica, non approfondisce, non mette in discussione ciò che riceve da una macchina, contribuisce senza rendersene conto a un impoverimento collettivo della profondità con cui trattiamo le cose che contano.

Lo sforzo come porta

La soluzione non è rinunciare allo strumento, sarebbe come rifiutare il digitale quando è arrivato; qualcuno lo ha fatto, e non è andata bene. La soluzione è cambiare il tipo di relazione che abbiamo con esso.

L’intelligenza artificiale produce il suo massimo valore quando viene usata come interlocutore, non come sostituto. Questo significa un cambio nel modo in cui ci si approccia: non chiedere alla macchina di produrre il risultato, ma chiederle di sfidare il risultato che abbiamo prodotto noi. Non delegare la ricerca, ma usarla per verificare e arricchire la ricerca che abbiamo fatto.

Un esempio concreto sono le fonti. Un’AI produce citazioni e riferimenti con apparente sicurezza, verificarli è un processo che richiede sforzo. Ecco, proprio quello sforzo apre porte inaspettate. Una fonte porta a un’altra, un dato ne contraddice un altro, un autore sconosciuto offre una prospettiva che non avevamo considerato. La verifica non è un costo ma il momento in cui si impara qualcosa di nuovo. È la sfida che attiva il flow, il completamento che costruisce autoefficacia, lo sforzo che genera attaccamento al risultato.

Usare la tecnologia come sparring partner mantiene la sfida dove serve: nel pensiero critico, nella valutazione, nel giudizio. Mantiene intatto il meccanismo che trasforma il lavoro in significato.

La domanda che resta

Le persone si evolvono attraverso le sfide. Lo dice la ricerca sul flow, lo dice il lavoro sull’autoefficacia, lo dice la Self-Determination Theory, lo dice l’esperienza di chiunque abbia mai imparato qualcosa di difficile.

La gratificazione non sta nel risultato ma nel percorso.

Se deleghiamo il percorso, il risultato c’è ma la crescita no. Senza crescita, ciò che facciamo smette di raccontarci chi siamo.

L’intelligenza artificiale è uno strumento che amplifica, ma un amplificatore che si definisca tale, potenzia un segnale che esiste già. Se il segnale è forte l’amplificazione è straordinaria, se il segnale si indebolisce perché abbiamo smesso di esercitarlo l’amplificatore non crea nulla.
Amplificare il vuoto o il rumore di fondo raramente crea qualcosa di piacevole da vivere.

Il segnale siamo noi, tenerlo vivo è una scelta che nessuna tecnologia può fare al nostro posto.

Riferimenti

Norton, Michael I.; Mochon, Daniel; Ariely, Dan, “The IKEA Effect: When Labor Leads to Love”, in Journal of Consumer Psychology, vol. 22, Hoboken, 2012, pp. 453–460.

Festinger, Leon, A Theory of Cognitive Dissonance, Stanford, 1957.

Bandura, Albert, “Self-Efficacy: Toward a Unifying Theory of Behavioral Change”, in Psychological Review, vol. 84, Washington, 1977, pp. 191–215.

Ryan, Richard M.; Deci, Edward L., “Self-Determination Theory and the Facilitation of Intrinsic Motivation, Social Development, and Well-Being”, in American Psychologist, vol. 55, Washington, 2000, pp. 68–78.

Csikszentmihalyi, Mihaly, Flow: The Psychology of Optimal Experience, New York, 1990.

Draxler, Fiona; Werner, Anna; Lehmann, Florian; Hoppe, Matthias; Schmidt, Albrecht; Buschek, Daniel; Welsch, Robin, “The AI Ghostwriter Effect: When Users Do Not Perceive Ownership of AI-Generated Text but Self-Declare as Authors”, in ACM Transactions on Computer-Human Interaction, vol. 31, New York, 2024, pp. 1–40.