C’è una frase spesso attribuita a Linus Torvalds, padre di Linux, che vale più di molte lezioni sulla produttività: “L’intelligenza è la capacità di evitare di fare lavoro, ottenendo comunque il risultato” (“Intelligence is the ability to avoid doing work, yet getting the work done”). Non è un invito alla pigrizia: è un principio di gestione, tecnologia e finanza aziendale. Significa ridurre lo sforzo inutile, eliminare sprechi, automatizzare ciò che è ripetitivo e concentrare energie e risorse su ciò che crea valore.
Si parla spesso di come aumentare la competitività in UE, ma quasi mai di come farlo senza aumentare il lavoro in termini assoluti. La sfida vera non è lavorare di più: è creare più valore a parità di ore.
Nessun fraintendimento in chiave opportunistica: Torvalds parla di una cosa diversa. Evitare il lavoro inutile, non evitare il lavoro necessario.
Dal software all’impresa: vince chi riduce lo sforzo
Nel software è evidente: un programmatore bravo non è quello che scrive più righe di codice, ma quello che ne scrive meno perché progetta meglio, riduce gli errori perché standardizza, evita duplicazioni perché riusa componenti e automatizza i controlli. In azienda vale lo stesso: non vince chi “si ammazza di compiti”, ma chi converte risorse in risultato con il minor sforzo possibile.
Su questo punto è interessante anche un passaggio del discorso di Isabel Schnabel (BCE) dell’11 febbraio 2026[1]: una parte del divario tra UE e Stati Uniti, in termini di PIL pro capite, dipende dal fatto che in Europa si lavora meno ore, per scelte sociali e istituzionali. Ma il punto non è “spingere tutti a lavorare di più”: il nodo è rafforzare la crescita della produttività (output per ora), perché è quella che nel tempo finanzia welfare, servizi pubblici e qualità della vita.
In sintesi: non più ore per tutti, ma più produttività e – dove serve – più partecipazione al lavoro (riduzione di disoccupazione e inattività, rimozione di ostacoli a chi vuole lavorare, competenze, innovazione e scala del mercato), senza aumentare necessariamente l’orario medio europeo.
Quando “fare tanto” produce poco: l’azienda indaffarata non è l’azienda efficiente
Molte organizzazioni confondono attività con produttività: riunioni infinite, report ridondanti, approvazioni a catena, procedure nate per controllare e diventate col tempo una ragnatela. Il paradosso è che spesso si lavora tantissimo… per produrre poco valore. Si è molto attivi, ma non necessariamente efficaci. E “molto lavoro” non coincide automaticamente con il raggiungimento degli obiettivi.
L’equazione, in realtà, è semplice: più lavoro non equivale né a maggior profitto né a maggiore competitività. Anzi, spesso significa:
- costi operativi che crescono;
- tempi di consegna che si allungano;
- stress organizzativo e turnover;
- qualità che peggiora (perché si corre);
- clienti meno soddisfatti.
L’intelligenza manageriale sta nel porsi una domanda scomoda ma necessaria:
“Quanta parte di quello che facciamo serve davvero a ottenere il risultato?”
Ripensare il lavoro con l’AI: orchestrazione, non sostituzione
Come è stato ribadito anche nel dibattito internazionale sul futuro del lavoro (inclusi gli interventi al World Economic Forum 2026), oggi è indispensabile ripensare l’organizzazione del lavoro per team umani e AI[2]. A mano a mano che l’intelligenza artificiale entra nei processi, molti ruoli possono essere scomposti in attività che le macchine possono eseguire e attività che richiedono giudizio umano. Rendere esplicita questa distinzione è essenziale per far sì che il lavoro umano diventi più prezioso, non meno.
Cresce la domanda di profili come ingegneri dell’AI e specialisti dei dati, accanto a bisogni che restano centrali: leadership, pensiero analitico e competenze socio-emotive. Il risultato è uno spostamento verso team guidati dall’uomo e abilitati dall’AI, dove i guadagni di produttività arrivano dall’orchestrazione, più che dalla sostituzione.
Una riprogettazione efficace segue di solito tre principi:
- L’AI gestisce il lavoro ripetibile e ad alta intensità di dati, come estrazione di informazioni, prime bozze e supporto decisionale di routine.
- Le persone si concentrano su giudizio, relazioni e analisi costi-benefici, dove contano contesto, rendicontabilità e fiducia.
- Le “barriere di protezione” sono integrate nei flussi, con soglie di qualità, invece di una supervisione continua e manuale.
Per rendere tutto questo reale, contano gli ecosistemi tecnologici: non esperimenti isolati, ma piattaforme coordinate (cloud, dati, software, soluzioni di settore) che si possono replicare e scalare. La sfida per i leader è aumentare il ritmo di adozione dell’AI senza sovraccaricare l’organizzazione né erodere la responsabilità. Le organizzazioni più efficaci tendono a un approccio disciplinato: poche “missioni” di AI collegate direttamente a risultati di business, sostenute da basi ingegneristiche solide e partnership di ecosistema.
Fiducia “by design”: AI responsabile su larga scala
La fiducia determinerà fin dove e quanto velocemente l’AI potrà scalare. Dipendenti, clienti, regolatori e società giudicheranno i leader non solo per ciò che l’AI produce, ma per come viene implementata: trasparenza, responsabilità, qualità e governance.
Questa responsabilità va oltre le singole organizzazioni. Imprese, governi e istruzione dovranno allinearsi su framework di competenze, credenziali formative e principi per un’AI affidabile, in modo che talenti e innovazione possano muoversi tra settori e regioni.
Dal “si è sempre fatto così” a sistemi scalabili
Il principio di Torvalds applicato all’impresa è oggi quanto mai attuale: automatizzare il ripetitivo significa liberare energie e risparmiare ore su attività a basso valore aggiunto. È indispensabile spostare l’organizzazione del lavoro dal “si è sempre fatto così” verso una crescita scalabile e un aumento della capacità produttiva senza assumere in modo sproporzionato. Perché le abitudini, quando crescono, diventano costi fissi.
Le imprese che vinceranno nei prossimi anni non saranno le più indaffarate: saranno quelle capaci di costruire sistemi semplici, misurabili e automatizzabili, dove le persone non vengono consumate dall’operatività ma liberate per ciò che conta davvero.
Perché, alla fine, il risultato desiderato non è “fare”. È ottenere.
[1] “Made in Europe“, ECB blog, 12/02/2026, I. Schabel, componente ECB.
[2] “Young will suffer most when AI ‘tsunami’ hits jobs, says head of IMF“, K. Georgieva, Davos 2026, theguardian.com, 24/01/2026.
