Organizzazione del lavoro: da Taylor all'Intelligenza Artificiale

Se il XX secolo è dominato dal taylorismo meccanico, tipico della catena di montaggio fordista, il XXI secolo trasferisce nel mondo dei servizi il modello, dando origine al taylorismo digitale. A cura di Giancarlo Sabbione, Orientatore Asnor e Career Coach.

Frederick Taylor

Frederick Taylor era un ingegnere americano che, come apprendista operaio, aveva già conosciuto le condizioni di lavoro nelle fabbriche dell’epoca.

Nel 1911 scrisse The Principles of Scientific Management (organizzazione scientifica del lavoro), un’opera destinata a offrire una diversa organizzazione nelle fabbriche, dando vita alla teoria che oggi chiamiamo “taylorismo”.

Secondo Taylor, per uscire dall’inefficienza diffusa nelle attività dell’epoca era necessaria una gestione sistemica (systemic management), basata su leggi, norme e rigore scientifico. Solo in questo modo sarebbe stato possibile produrre la massima prosperità (maximum prosperity) in senso ampio.

La teoria di Taylor prevedeva lo studio accurato e dettagliato:

• di tutte le fasi di una lavorazione, scomponendo il ciclo di lavoro in parti minime;
• dei movimenti del lavoratore per eseguire quella specifica operazione;
• dell’ottimizzazione dei tempi di esecuzione.

In questo modo era possibile arrivare all’one best way per compiere quel lavoro, codificando per iscritto tutte le istruzioni da seguire.

Utilizzando questo schema si creava una dissociazione tra processo lavorativo e competenze dei lavoratori, poiché era l’imprenditore a detenere la conoscenza tecnica. L’operaio, adeguatamente addestrato (training) secondo le schede di lavorazione, era in grado di eseguire l’attività con semplicità.

Si instaurava così una distinzione: chi pensa e progetta (management) e chi deve solo eseguire (operai o blue collars).

Dal taylorismo meccanico al taylorismo digitale

Se il XX secolo è dominato dal taylorismo meccanico, tipico della catena di montaggio fordista, il XXI secolo trasferisce nel mondo dei servizi il modello, dando origine al taylorismo digitale.

Negli anni Settanta, Harry Braverman, nel libro Lavoro e Capitale Monopolistico, affermava che gran parte del lavoro impiegatizio potesse essere standardizzato al pari del lavoro manuale.

Con la digitalizzazione, il “lavoro della conoscenza” (knowledge work) viene trasformato in “conoscenza operativa” (working knowledge) attraverso la codificazione delle competenze in prescrizioni software, manipolabili e trasmissibili a distanza.

Il taylorismo digitale applica i princìpi dell’organizzazione scientifica del lavoro:

• un ristretto gruppo di persone pensa e innova, scoraggiando il pensiero creativo di chi esegue compiti di routine;
• i lavoratori sovra-qualificati subiscono stress elevato, con conseguenze sulla salute mentale.

Un esempio concreto è rappresentato dai contact centre, le “fabbriche delle chiamate”: luoghi di lavoro intellettuale, ma standardizzati e monitorati da software che riducono l’autonomia operativa.

Leggi anche Guida pratica alla Legge sull'IA: cosa cambia per formazione, orientamento e lavoro intellettuale

I lavoratori della conoscenza

Alla fine degli anni Cinquanta, Peter Drucker introdusse il termine “lavoratore della conoscenza” (knowledge worker), figura autonoma basata sulla creazione, gestione e distribuzione della conoscenza.

Drucker sosteneva che i grandi cambiamenti futuri sarebbero derivati dall’informazione e che questi lavoratori avrebbero avuto un ruolo decisivo nelle performance aziendali e nel raggiungimento degli obiettivi.

Due approcci organizzativi: free-access approach e structured approach

Il taylorismo digitale, soprattutto con l’IA generativa, tende a trasformare l’innovazione in compiti di routine, strutturando rigidamente il lavoro e riducendo l’autonomia.

Thomas Davenport individua due strategie di gestione dei lavoratori della conoscenza:

• Free-access approach: presuppone che i lavoratori, in quanto esperti, sappiano quali informazioni cercare e gestire, favorendo innovazione, flessibilità e benessere.
• Structured approach: impone una gestione rigida dei compiti, con maggiore produttività ma anche alti rischi di stress da sorveglianza.

In Italia, il free access è tipico di società di consulenza o startup tecnologiche; lo structured approach prevale invece nelle grandi società di outsourcing e back office, dove il lavoro è parcellizzato e controllato digitalmente.

Cosa accade con l’IA

L’intelligenza artificiale, soprattutto generativa, accelera la standardizzazione e influisce sull’occupazione. Comporta:

• il replacement, cioè la sostituzione dei posti di lavoro o l’integrazione dell’IA;
• il bilanciamento tra efficienza produttiva e rispetto del lavoro umano.

A differenza dei sistemi meccanici, l’AI è statistico-stocastica (machine learning, deep learning, reti neurali): analizza dati, apprende e genera output probabilistici.

Può segmentare clienti, valutare rischi, misurare performance, generare testi, tradurre, creare immagini. Tuttavia, senza controllo dei dati e supervisione umana, i rischi organizzativi aumentano.

Se i dati sono incompleti o distorti, gli algoritmi rinforzano i pregiudizi invece di superarli, producendo output pericolosi per decisioni aziendali o personali.

Secondo l’indagine “Focus sull'utilizzo dell'IA generativa nelle PMI," condotta da Confindustria Servizi Innovativi e Tecnologici in collaborazione con la Vodafone Chair in Cybersecurity and Digital Transformation della Luiss, il 52% delle PMI italiane non dispone di misure per gestire i rischi legati all’uso dell’AI generativa, esponendosi a gravi vulnerabilità, come violazioni della privacy, compromissione della proprietà intellettuale e errori operativi dovuti a risposte inesatte generate dall'IA.

Orientamento professionale: l’IA è un rischio o un’opportunità?

L’impatto dell’IA tocca anche l’attività dell’Orientatore. Un ipotetico Agent AI specializzato non potrà mai sostituire il processo umano, che richiede:

• ascolto attivo ed empatia;
• pensiero critico e intelligenza emotiva;
• interpretazione di segnali relazionali e non verbali.

L’orientamento non si riduce a una chat, alla stesura di un CV o all’analisi di una job description: è un processo profondo, senza cronometro, che richiede relazione autentica.

Anche nell’uso dell’IA, l’iterazione del prompt deve essere guidata da conoscenza specifica. Vale il principio Garbage in, Garbage out: input di bassa qualità producono output altrettanto scadenti.

Un ulteriore rischio è la standardizzazione della conoscenza: i modelli linguistici tendono a ripetere idee dominanti, riducendo spazio all’innovazione e al pensiero autonomo.

Infine, la privacy del coachee resta un valore che solo l’Orientatore umano può garantire. Il coaching rimane una professione ad alta intensità relazionale, non replicabile da alcun algoritmo.