Dove finisce il lavoro quando gli agenti lavorano sei volte più di noi

Il 16 ottobre l'Anthropic Institute ha pubblicato un rapporto firmato da Nathan Wilmers, Regina Catipon, Maxim Massenkoff e Peter McCrory su come l'AI ha cambiato il lavoro dentro Anthropic. Fa notizia perché racconta un'azienda che ha costruito i propri processi attorno agli agenti e che può quindi mostrare in anticipo problemi che altre organizzazioni incontreranno più tardi. È anche un'azienda che scrive di se stessa, e conviene tenerlo presente dall'inizio.

Il perimetro è questo. I dati sono interni e comprendono organico e assunzioni, uso dell'AI, indicatori di output, sondaggi ai dipendenti, traffico su Slack, calendari e schede dei colloqui, insieme a 17 interviste. Riguardano una sola società, che produce software ed è triplicata in un anno. Gli autori avvertono che molte pratiche di Anthropic non si possono replicare altrove. Il rapporto non misura l'effetto dell'AI sull'economia e non dice nulla sul mercato italiano.

Il primo dato riguarda il lavoro svolto dagli agenti. Contando le sessioni interattive guidate dai dipendenti, ad agosto le ore di lavoro degli agenti erano sei volte quelle umane, calcolate come organico per quaranta ore a settimana. L'output è cresciuto di pari passo. I commit di codice per ingegnere sono cinque volte quelli di sei mesi prima, e in altre funzioni risultano più contratti elaborati, più fatture gestite, più vendite chiuse. Gli autori confrontano chi adotta gli strumenti con chi non lo fa nello stesso mese e vedono l'output salire dopo l'adozione, ma ricordano che l'adozione non è casuale, perché chi si attrezza può farlo proprio perché sta per partire con un progetto grande. Ricordano anche che più codice non significa codice migliore. Confrontando lo stesso dipendente, nello stesso mese e nella stessa cartella, non trovano differenze nella quota di righe poi rimosse o annullate tra codice scritto da un agente e codice scritto a mano, che è un indicatore tra i tanti possibili.

La parte che ci interessa di più riguarda dove si accumula il lavoro. Con l'output degli agenti in crescita, il collo di bottiglia diventa l'attenzione umana. Nelle sessioni interattive circa l'80% del tempo è attesa di un intervento di una persona. Convertendo in parole i token prodotti e assumendo 250 parole lette al minuto, anche per i gruppi non tecnici leggere tutto ciò che producono i propri agenti occuperebbe più di metà della settimana lavorativa. È una stima costruita, che presuppone di leggere ogni parola, e va letta come misura del carico e non come descrizione di ciò che accade davvero.

La risposta dei dipendenti è un lavoro di altro tipo. Il meta-lavoro, cioè scrivere istruzioni, dashboard e controlli per altri agenti, è passato dal 10% delle sessioni interattive nell'autunno 2025 al 22% nella primavera 2026, e le istruzioni scritte in modo stabile per gli agenti sono salite da qualche centinaio a 8.500 in dodici mesi. Nel sondaggio di aprile il 20% di chi ha risposto alla domanda aperta ha descritto il proprio ruolo come passato dal fare il lavoro al gestire dei Claude. Il tempo in riunione del dipendente mediano è aumentato del 20% (del 16% per i tecnici che lavorano da soli) e gli intervistati parlano del confronto di persona come indispensabile, anche se una parte dell'aumento dipende dalla crescita dell'azienda e dal peso maggiore di ruoli ricchi di riunioni.

I limiti vanno portati dentro la lettura. Il rapporto è descrittivo e le cause si possono attribuire all'AI solo in parte, perché nello stesso periodo Anthropic ha avuto una crescita commerciale molto forte e vendere un buon modello rende più facile chiudere contratti. Il sondaggio sui processi di lavoro ha cambiato formulazione ad aprile, togliendo le parole "il più produttivi possibile", quindi le risposte di quel mese non sono confrontabili con quelle precedenti. Una parte dei dati viene da interviste a 17 persone.

Chi scrive ha provato qualcosa di simile su contratti, appunti di call, capitolati e regolamenti, chiedendo a un'AI di riassumerli. Il riassunto restituisce la visione d'insieme ma a volte lascia fuori aspetti che di solito attirano l'attenzione, e per recuperarli servono richieste di approfondimento mirate. In altri casi succede l'opposto e il riassunto fa emergere ciò che la noia della rilettura faceva saltare. Sono due esperienze personali e non misurano nulla, ma indicano che un riassunto può far perdere qualcosa e può anche far trovarla.

Questi numeri riguardano un'azienda con agenti ovunque e non si trasferiscono a organizzazioni che ne hanno pochi, mentre la domanda che sollevano si può verificare in qualunque reparto. Se produrre costa sempre meno e leggere costa uguale, la capacità di un'organizzazione dipenderà sempre di più da quanto sa leggere e decidere, e sempre meno da quanto sa produrre. Questa è una lettura nostra e il rapporto non la dimostra. Si può mettere alla prova guardando quanto di ciò che è stato prodotto in una settimana nel proprio team, con o senza AI, sia stato davvero letto da qualcuno prima di essere usato.