Il sovraccarico da AI è una cosa reale. Ecco cosa succede nel tuo cervello.

Qualcosa è cambiato intorno al 2024. Il numero di persone che descrivono un tipo specifico di esaurimento cognitivo — non proprio burnout, non proprio sovraccarico di informazioni, ma qualcosa a cavallo tra i due — è aumentato rapidamente. Le descrizioni sono coerenti: una sensazione di saturazione mentale, difficoltà a pensare in autonomia, minore tolleranza all'incertezza e una dipendenza scomoda dagli strumenti di IA che, in qualche modo, fa sembrare il pensiero più difficile, non più facile.

Non si tratta di tecnofobia né di nostalgia. Riflette dinamiche neurologiche reali, prevedibili alla luce di ciò che sappiamo su come il cervello elabora le informazioni, mantiene le funzioni cognitive e reagisce a un supporto sempre disponibile. Ecco cosa sta succedendo — e cosa suggeriscono le prove su come affrontarlo.

Il nuovo ambiente cognitivo

Nel 2025, chi svolge lavori basati sulla conoscenza nella maggior parte dei settori interagisce con strumenti di IA — ChatGPT, Copilot, Gemini, Claude e decine di strumenti specializzati — più volte al giorno. L'utente medio invia decine di richieste ogni giorno. I contenuti generati dall'IA costituiscono ormai una quota consistente delle bozze di email, dei riassunti delle riunioni, del codice, dei documenti scritti e dei risultati di ricerca.

Questo è davvero un ambiente cognitivo nuovo. Per la prima volta nella storia, una grande parte del lavoro cognitivo che prima richiedeva uno sforzo prolungato — scrivere bozze, riassumere, cercare, pianificare, risolvere bug — può essere affidata quasi all'istante. La domanda è che effetto abbia sul cervello nel tempo.

La risposta, in base a ciò che sappiamo sulle funzioni cognitive e sul carico cognitivo, è più complessa sia della versione ottimista (l'IA estende le capacità umane) sia di quella pessimista (l'IA indebolisce le capacità umane). Entrambe le cose stanno accadendo, in modi diversi, per tipi diversi di pensiero.

Perché gli strumenti di IA possono aumentare il carico cognitivo invece di ridurlo

L'idea intuitiva è che affidare il lavoro all'IA riduca il carico cognitivo. In certi aspetti è così. Ma la ricerca sulla teoria del carico cognitivo (Sweller, 1988) distingue tra intrinsic load (la complessità del compito in sé), extraneous load (le richieste cognitive create dal modo in cui il compito viene presentato) e pertinent load (lo sforzo cognitivo che costruisce comprensione e abilità).

Gli strumenti di IA riducono soprattutto il carico intrinseco e quello pertinente: si occupano del lavoro che altrimenti richiederebbe impegno e favorirebbe l’apprendimento. Ma spesso aumentano il carico estraneo: valutare l’accuratezza dei risultati dell’IA, integrare più parti generate dall’IA in un lavoro coerente, gestire il contesto tra più strumenti, decidere cosa delegare e cosa fare in prima persona e mantenere la supervisione dei processi dell’IA. Sono nuove richieste cognitive che prima non esistevano.

Per molte persone il risultato è un paradosso: più produzione, più affaticamento cognitivo. Il lavoro sembra più leggero nei singoli momenti, ma più stancante nell'arco della giornata. Molte persone la descrivono come stanchezza decisionale: una lunga serie di piccole decisioni può sembrare faticosa quanto poche decisioni grandi. Il motivo per cui accade è discusso nella ricerca, ma l'esperienza di stanchezza mentale dopo ore di micro-decisioni continue è comune.

Il lavoro assistito dall'IA aumenta in modo significativo il numero di micro-decisioni: accetta questo suggerimento, rifiuta quell'altro, rivedi questo paragrafo, rilancia quel prompt. Ogni decisione è rapida, ma il carico complessivo di centinaia di micro-decisioni quotidiane è notevole.

Il paradosso dell'automazione e il calo delle abilità

Esiste un fenomeno ben documentato nella ricerca su ergonomia e fattori umani chiamato paradosso dell'automazione o ironie dell'automazione (Bainbridge, 1983): quando l'automazione si occupa del lavoro di routine, gli operatori umani fanno meno pratica nelle abilità necessarie per le situazioni non di routine. I piloti che si affidano al pilota automatico per gran parte del volo mostrano capacità di manovra manuale ridotte. I radiologi che usano strumenti diagnostici di IA mostrano tassi di rilevamento più bassi quando l'IA si lascia sfuggire qualcosa.

Lo stesso vale per il lavoro cognitivo. Scrivere, ragionare sui problemi, pianificare e fare sintesi creative sono abilità che si sviluppano con la pratica e che senza pratica si atrofizzano. Quando l'IA si occupa della prima bozza, della sintesi o del ragionamento strutturato, questi percorsi cognitivi fanno meno esercizio. La preoccupazione non è drammatica — non significa che le persone dimentichino come pensare — ma il graduale indebolimento delle abilità allenate produce nel tempo un cambiamento reale nelle capacità cognitive e nella sicurezza.

Questo è distinto dal semplice essere meno pratici nello scrivere a mano. Scrivere — cioè comporre davvero un testo, non dettarlo o modificarlo — attiva la memoria di lavoro, l'organizzazione concettuale e il pensiero riflessivo in modi che rivedere e modificare i risultati dell'IA non replica completamente. Il lavoro cognitivo della composizione è generativo; il lavoro cognitivo della revisione è valutativo. Entrambi hanno valore; non sono intercambiabili.

Il livello di frammentazione dell'attenzione

A parte il carico cognitivo e il calo delle abilità, gli strumenti di IA aggiungono un altro livello di frammentazione dell'attenzione a un ambiente già saturo di interruzioni. Ogni interfaccia di chat, assistente per la programmazione e strumento di scrittura è una potenziale fonte di interruzione — una richiesta da inviare, un risultato da controllare, un seguito da rifinire.

La corteccia prefrontale, che gestisce l'attenzione sostenuta e le funzioni esecutive, non fa distinzione tra interruzioni generate da persone e interruzioni generate dall'IA. Le ricerche sui costi del cambio di attività (Rubinstein et al., 2001) mostrano che passare da un compito all'altro — anche solo per poco — comporta un costo cognitivo che si accumula nel corso della giornata. Aggiungere più strumenti di IA a un ambiente di lavoro già frammentato peggiora la situazione senza che molte persone riconoscano la fonte della propria stanchezza.

L'ironia è che gli strumenti di IA vengono spesso adottati proprio per ridurre il carico cognitivo. Ma l'aggiunta di nuovi strumenti, nuove interfacce e nuovi punti decisionali spesso aumenta la richiesta cognitiva totale invece di ridurla — almeno finché questi strumenti non sono abbastanza integrati da poter essere gestiti in modo automatico anziché con attenzione deliberata.

Cosa fare davvero

Distinguere tra ridurre e scaricare altrove. Non tutta l'assistenza dell'IA ha lo stesso effetto cognitivo. Usare l'IA per occuparsi di compiti davvero a basso valore (formattazione, testo predefinito, ricerche ripetitive) riduce il carico senza un costo significativo per le abilità. Usare l'IA per il tipo di pensiero che vuoi mantenere allenato — scrittura complessa, analisi ragionata, problem solving creativo — riduce il carico al prezzo della capacità esercitata. Essere deliberati su quale categoria rientri ogni uso è il punto di partenza.

Proteggi il tempo per pensare senza aiuti esterni. Le capacità cognitive più a rischio quando deleghi all’AI sono proprio quelle più preziose da preservare: ragionamento indipendente, scrittura continuativa, pianificazione complessa. Allenare con intenzione queste abilità senza l’aiuto dell’AI — per periodi definiti, su attività che contano — non è tecnofobia; è la stessa logica di un chirurgo che si esercita con le tecniche manuali anche quando ha a disposizione strumenti robotici.

Riduci il numero di strumenti AI in uso attivo. Il costo cognitivo di gestire cinque interfacce AI diverse è più alto di quello di gestirne bene una sola, scelta con cura. La proliferazione degli strumenti AI crea lo stesso problema di frammentazione dell’attenzione della proliferazione di app e notifiche. Centralizzare riduce il carico cognitivo estraneo.

Applica gli stessi principi del benessere digitale generale. L’overload da AI è una forma specifica del problema più ampio che Unwire affronta: ambienti cognitivi che chiedono più di quanto restituiscano, frammentazione dell’attenzione che svuota senza ricaricare e uno stimolo sempre disponibile che fa sentire impossibile staccarsi. Gli interventi sono gli stessi: periodi definiti senza AI, progettazione dell’ambiente che limiti l’interazione con l’AI sullo sfondo e tempi di recupero regolari in cui il cervello non viene guidato.

La visione più ampia

L’integrazione dell’AI nel lavoro intellettuale non si fermerà. La domanda è come le persone si muovono in un ambiente che, per design, è orientato al massimo coinvolgimento e al minimo attrito — e cosa fa questo alla salute cognitiva nell’arco di anni, non di giorni.

La ricerca sul benessere digitale in senso più ampio suggerisce che le persone che si muovono meglio in ambienti ad alta tecnologia non sono quelle che usano più strumenti o meno strumenti, ma quelle che mantengono un controllo intenzionale sulle condizioni della propria attenzione: quando sono reperibili, quando non lo sono, cosa delegano e cosa proteggono.

Questa intenzionalità è più difficile da mantenere in un ambiente saturo di AI che in uno semplicemente saturo di smartphone. Ma il principio di fondo — proteggi la tua capacità di pensare in autonomia, fai recuperare al cervello il suo livello di base grazie a un vero riposo e progetta il tuo ambiente invece di reagire ad esso — resta lo stesso.

Sources

1. Sweller, J. (1988). Cognitive load during problem solving: effects on learning. Cognitive Science, 12(2), 257–285.
2. Bainbridge, L. (1983). Ironies of automation. Automatica, 19(6), 775–779.
3. Rubinstein, J.S., et al. (2001). Executive control of cognitive processes in task switching. Journal of Experimental Psychology: Human Perception and Performance, 27(4), 763–797.
4. Wiehler, A., et al. (2022). A neuro-metabolic account of why daylong cognitive work alters the control of economic decisions. Current Biology, 32(16), 3564–3575.
5. Baumeister, R.F., et al. (1998). Ego depletion: is the active self a limited resource? Journal of Personality and Social Psychology, 74(5), 1252–1265.

Come lo ricerchiamo e lo revisioniamo