"

IA: l'illusione della produttività - Il problema del sovraccarico da coordinamento

Nell'articolo precedente di questa serie, IA: l'illusione della produttività, abbiamo parlato del problema dello stato di flow: revisionare codice generato dall'IA richiede un'attenzione più focalizzata di quella che serve per scriverlo, e il ritmo di un'interazione in chat rende quell'attenzione difficile da mantenere. Questa volta vediamo cosa succede quando quell'attrito si moltiplica. Far girare più agenti in parallelo aggiunge codice da revisionare, ma soprattutto modifica il tipo di lavoro: si passa da scrivere software a coordinarne la scrittura.

***

Se un singolo agente è già in grado di compromettere le condizioni necessarie per un lavoro di qualità, gestirne diversi in parallelo aggrava ogni problema descritto finora e ne aggiunge di propri. L'impostazione multi-agente non si limita a moltiplicare il tuo output, moltiplica prima di tutto il carico cognitivo. Se poi al carico segue anche un output effettivo dipende dalla capacità cognitiva alla fine di tutto il processo di coordinamento.

La memoria di lavoro ha un limite massimo: è la conclusione fondamentale della teoria del carico cognitivo di John Sweller. Se si supera, le prestazioni non degradano dolcemente ma collassano: l'accuratezza crolla, il ragionamento creativo si blocca, gli errori si moltiplicano. Gestire tre agenti, ciascuno con un output che richiede una valutazione contestuale, supera quella soglia più in fretta di quanto la maggior parte di noi si aspetti, perché siamo abituati a pensare alla "capacità" in termini di tempo disponibile, non di attenzione disponibile.

È una situazione che peggiora a ogni cambio di attività, non solo con ogni agente in più. La ricerca del 2009 di Sophie Leroy sul "residuo di attenzione" ha rilevato che quando le persone passano da un compito all'altro, parte della loro attenzione non le segue, resta indietro, aggrappata all’attività non finita, consumando silenziosamente capacità di elaborazione. Questo significa che tre agenti non comportano solo un carico cognitivo tre volte superiore a quello di uno solo, ma anche il residuo di attenzione che si genera dal passaggio da uno all'altroe si somma ai successivi.

Esistono dati empirici che confermano quanto appena sostenuto. Il report 2026 State of the Workplace di ActivTrak, basato su 443 milioni di ore di dati comportamentali su oltre mille organizzazioni, ha trovato che la durata media delle sessioni di lavoro focalizzate e ininterrotte è calata del 9%, proseguendo un trend discendente triennale, proprio mentre l'adozione dell'IA saliva all'80% della forza lavoro misurata. Quanti più strumenti IA si usano ogni giorno, tanto meno concentrazione profonda resta disponibile. Un sondaggio BCG su quasi 1.500 dipendenti a tempo pieno ha trovato che una quota significativa riferiva una genuina fatica cognitiva acuta legata specificamente alla gestione di più sistemi IA insieme: nebbia mentale, decisioni più lente, la sensazione percepita che il pensiero stesso fosse diventato affollato. Le persone hanno iniziato a chiamarlo “AI brain fry” (surriscaldamento cerebrale da IA), e il nome è davvero descrittivo.

Alla base di tutto questo c’è un cambiamento di ruolo che raramente viene riconosciuto con onestà. Quando coordini più agenti, non sei più un ingegnere, sei un manager, nella migliore delle ipotesi un revisore su larga scala, e nessuno dei due ruoli offre le condizioni cognitive che servono per svolgerli bene. Non è una promozione. Il management, fatto come si deve, è una disciplina a sé: decidere quale, tra diversi flussi di lavoro concorrenti, meriti la tua attenzione in quel momento, mantenere abbastanza contesto su ciascuno per prendere quella decisione correttamente, e ripriorizzare costantemente mano a mano che arrivano nuove informazioni da tutti contemporaneamente. Niente di tutto questo è gratuito, e non è la stessa abilità dello scrivere codice. Farlo su tre contesti problematici, simultanei e indipendenti, non è delega. È supervisione con qualche passaggio in più.

Si presume inoltre che i compiti distribuiti tra quegli agenti siano di tipo semplice, quelli che l'IA gestisce bene. Di solito non lo sono, proprio per le persone che con maggiore probabilità si trovano a dover gestire  più agenti insieme. Lo stesso studio condotto da METR, insieme ad altre ricerche correlate, conferma che gli strumenti di coding IA mostrano risultati drasticamente diversi a seconda del contesto: forti miglioramenti su task greenfield, ben delimitati e isolati; risultati deboli o negativi su codebase complesse e mature dove il vero collo di bottiglia è la conoscenza contestuale profonda. Gli sviluppatori senior e i tech lead che ricorrono all'assetto multi-agente sono, il più delle volte, proprio le persone che lavorano su questo secondo tipo di codebase.

È qui che trova posto il secondo attrito emerso  dal mio esperimento: il ciclo revisore-implementatore che non convergeva mai. Due ruoli, entrambi nominalmente "agenti", che si rimpallavano il lavoro senza arrivare a una risoluzione. È stato un piccolo caso concreto di questa stessa dinamica: un secondo livello introdotto per migliorare la qualità ha invece prodotto un pareggio che solo io potevo sciogliere, e potevo scioglierlo solo restando abbastanza vicino ai dettagli reali da accorgermi che il ciclo non si stava chiudendo. L'onere di supervisione che ha creato era l'esatto opposto della delega. Di tutto ciò che ho esposto in questo articolo, questa è la prova personale più chiara che ho del fatto che gli assetti multi-agente ridistribuiscono il carico cognitivo invece di eliminarlo.

C'è un fascino particolare in tutto questo, specificamente per sviluppatori senior e tech lead: la fantasia di operare sopra il codice, dirigendo invece di digitare. Capisco l’attrattiva l'ho provata anch'io, per un breve periodo, prima che i costi di coordinamento mi mettessero alle strette. Ma "al di sopra del codice", su problemi che richiedono davvero una comprensione a livello di codice, non è un vantaggio, è distanza. E la distanza da un problema di cui sei responsabile non è una buona posizione in cui trovarsi.

Tutti e tre i problemi descritti finora condividono un presupposto nascosto: che sviluppare più velocemente sia, in primo luogo, l’aspetto giusto da ottimizzare. Non credo che lo sia, di solito.

***

Questo è il terzo articolo della serie IA: l'illusione della produttività. La quarta e ultima parte uscirà il 22 Settembre: parleremo di cosa rallenta davvero lo sviluppo del software. Nella maggior parte delle organizzazioni il collo di bottiglia si trova a monte: sapere cosa costruire, perché, per chi, e se l'architettura regge quelle scelte. La velocità con cui si scrive codice conta poco, in confronto. Un'IA che scrive più in fretta non risolve questo problemama produce più output su specifiche poco chiare e architetture poco pensate, e rende più difficile individuare il vero limite.

***

We wrote this article with the support of AI. If you’re interested in how we use these tools as part of our writing process, you can read more here.

***

Linkography

Immagine di copertina:
Foto di Numan Ali su Unsplash

Post correlati