AI e FOMO: come smettere di rincorrere ogni novità

La AI FOMO è la paura di restare indietro mentre gli altri sembrano usare l’intelligenza artificiale meglio, prima e più di noi. Può spingerci a provare strumenti interessanti, ma anche a collezionare abbonamenti, tutorial e sensi di colpa. Il mio suggerimento è partire da un problema concreto, scegliere un esperimento e misurarne il risultato.

Apri LinkedIn. Qualcuno ha automatizzato un reparto. Un altro ha costruito un agente durante la pausa pranzo. Un terzo ti spiega che, se usi ancora lo strumento di ieri, sei praticamente un reperto archeologico. Tu volevi soltanto scrivere una mail.

Questa scena, volutamente caricaturale, descrive bene il tema. L’AI promette di farci risparmiare tempo. Rincorrere tutto quello che viene raccontato sull’AI può diventare un secondo lavoro. Non retribuito, naturalmente.

AI e FOMO: che cosa significa avere paura di restare indietro

FOMO è l’acronimo di Fear of Missing Out, la paura di perdersi qualcosa. Nel paper Motivational, emotional, and behavioral correlates of fear of missing out, pubblicato nel 2013 su Computers in Human Behavior, Andrew K. Przybylski, Kou Murayama, Cody R. DeHaan e Valerie Gladwell studiano il timore che altri stiano vivendo esperienze gratificanti da cui siamo esclusi, insieme al desiderio di restare continuamente connessi a ciò che fanno.

Quella ricerca riguardava la FOMO in generale, non l’attuale generazione di chatbot. Applicarla all’AI richiede quindi un passaggio interpretativo: l’esperienza che temiamo di perderci può essere una competenza, un vantaggio professionale, un’opportunità.

Ne avevo già parlato nell’articolo su FOMO e nomofobia. Qui il centro della riflessione è il lavoro: «E se tutti avessero già imparato a fare in dieci minuti quello che a me richiede un pomeriggio?».

Uso l’espressione AI FOMO per descrivere questo fenomeno, senza trasformare il disagio di fronte a una novità in un’etichetta clinica.

Il paper sulla AI FoMO nel lavoro

Il collegamento fra intelligenza artificiale e paura di restare indietro è diventato anche un oggetto di ricerca esplicito. Mariano Méndez-Suárez, Maja Ćukušić e Ivana Ninčević-Pašalić hanno firmato AI FoMO (fear of missing out) in the workplace, apparso online nel 2025 e nel volume 84 di Technology in Society del 2026, DOI 10.1016/j.techsoc.2025.103052.

Lo studio utilizza dati dell’OCSE sull’AI nei luoghi di lavoro. L’abstract descrive combinazioni di fattori legati alla FOMO: la percezione che le proprie competenze perdano valore, la riduzione dell’autonomia e le preoccupazioni per la supervisione tramite AI. Gli autori richiamano comunicazione trasparente, formazione continua e coinvolgimento dei lavoratori.

È una prospettiva utile perché amplia il problema oltre il nuovo chatbot. Una persona può domandarsi se la sua esperienza conterà ancora o se avrà voce nelle decisioni. Qui riassumo quanto verificabile dall’abstract: non lo presento come una prova sperimentale che uno specifico strumento provochi ansia, né come una misura della diffusione della FOMO in Italia.

Quando l’aggiornamento diventa una corsa senza traguardo

Per riconoscere la differenza tra esplorazione e rincorsa, propongo alcune domande. Sono uno strumento di riflessione, non un test psicologico.

Sto cercando una soluzione o una rassicurazione? Voglio migliorare un’attività, oppure sentirmi al passo?
Ho applicato ciò che ho imparato? Ho completato un lavoro con lo strumento precedente prima di passare al successivo?
So spiegare il vantaggio? Riesco a indicare un miglioramento concreto, oltre all’effetto sorpresa?
Sto confrontando condizioni equivalenti? Una demo preparata e il mio lavoro quotidiano hanno davvero gli stessi vincoli?
Posso rimandare? Questa novità cambierebbe qualcosa nella mia settimana, se la studiassi oggi?

Un criterio che trovo utile: se dopo un’ora di aggiornamento ho soltanto altre venti schede aperte, mi manca ancora il passaggio dalla raccolta all’applicazione.

Il catalogo mentale dei tool può crescere senza che cresca la capacità di usarli. Sapere che esiste un agente capace di organizzare documenti non equivale a saper definire quali documenti, con quali permessi e con quale verifica finale.

Che cosa dicono gli altri studi: autonomia e pensiero critico

Le indagini OCSE: benefici e timori possono convivere

Il rapporto di Marguerita Lane, Morgan Williams e Stijn Broecke, The impact of AI on the workplace: Main findings from the OECD AI surveys of employers and workers (2023), esamina le esperienze di imprese e lavoratori. Le indagini del 2022 riguardano manifattura e finanza in sette Paesi: il perimetro è specifico e precede l’attuale diffusione della GenAI.

L’OCSE segnala possibili benefici, ma anche preoccupazioni legate al lavoro. Nella sintesi dell’Employment Outlook 2023 emerge la distanza tra valutazioni dell’uso attuale e paure per il futuro, insieme a rischi su privacy, intensità del lavoro e bias.

La mia lettura operativa: se una persona teme di perdere controllo, aggiungere un’altra licenza non basta. Occorre chiarire che cosa cambierà nel suo lavoro e quali decisioni continuerà a prendere.

Lo studio sul pensiero critico: attenzione alla fiducia automatica

La ricerca The Impact of Generative AI on Critical Thinking, presentata a CHI 2025 e firmata da Hao-Ping Lee e colleghi, raccoglie le risposte di 319 lavoratori della conoscenza e 936 esempi d’uso della GenAI.

Una maggiore fiducia nell’AI risulta associata a un minore sforzo di pensiero critico dichiarato. Sono autoriferimenti: lo studio non dimostra che i chatbot abbiano ridotto l’intelligenza dei partecipanti. Richiama però l’attenzione sulla verifica dei risultati e sulla fiducia che accordiamo allo strumento.

Non è uno studio sulla FOMO. Il collegamento che propongo è pratico: quando sperimentiamo per paura di essere superati, dovremmo proteggere proprio il tempo dedicato ai controlli. La velocità ha valore se il risultato regge.

Due video per ragionare meglio su scelte e AI

Ho scelto due interventi complementari. Sono contenuti divulgativi, da tenere distinti dalle evidenze dei paper.

Patrick McGinnis: How to make faster decisions

Nel video TED di Patrick McGinnis il tema è la FOBO, Fear of Better Options: il timore che esista un’opzione migliore, capace di bloccare una decisione. È un concetto vicino alla FOMO, ma diverso.

La domanda con cui guardarlo: sto ancora confrontando strumenti perché mi manca un’informazione decisiva, oppure perché vorrei la certezza di aver scelto il migliore in assoluto? Applicato all’AI, il rischio è rimandare continuamente l’esperimento in attesa del prossimo modello.

▶ Guarda il video sul sito TED

Sal Khan: How AI could save (not destroy) education

Nel TED Talk del 2023 di Sal Khan, il fondatore di Khan Academy presenta possibili applicazioni dell’AI come tutor per gli studenti e assistente per gli insegnanti. Il video include dimostrazioni di Khanmigo ed esprime una visione ottimista; non è una valutazione indipendente dell’efficacia del prodotto.

La domanda con cui guardarlo: quale attività di apprendimento voglio migliorare e come saprò se ci sono riuscito? È un cambio di prospettiva utile anche fuori dalla scuola: scegliere un bisogno rende la sperimentazione più concreta.

▶ Guarda il video sul sito TED

Un metodo pratico contro la AI FOMO: un problema, un esperimento, una verifica

Propongo un piccolo protocollo di lavoro. È una mia indicazione operativa, non un metodo clinico validato. Puoi provarlo per due settimane e adattarlo al tuo ruolo.

1. Scrivi il problema prima del nome del tool

«Voglio imparare l’ultimo agente» è un’intenzione vaga. «Voglio confrontare tre preventivi e individuare le voci mancanti» è un compito. Nel secondo caso puoi stabilire quali dati servono e verificare se il risultato è corretto.

2. Parti da uno strumento già disponibile

Prima di aprire un nuovo account, verifica se una soluzione già autorizzata e accessibile copre il bisogno. Un nuovo servizio può essere utile, ma dovrebbe risolvere una carenza riconoscibile. Familiarità, compatibilità con i documenti e possibilità di controllo contano quanto la brillantezza della demo.

3. Definisci il confronto

Annota come svolgi oggi il lavoro e quanto tempo richiede. Poi prova la procedura assistita. Nel tempo totale includi preparazione, istruzioni, verifica e correzione. Se il risultato arriva subito ma va rifatto, il cronometro deve continuare a girare.

Dimensione	Che cosa osservare
Tempo	Minuti complessivi fino a un risultato utilizzabile
Qualità	Errori, omissioni e correzioni necessarie
Controllo	Possibilità di ricostruire fonti e passaggi
Ripetibilità	Utilità su altri compiti analoghi
Costo	Licenza, apprendimento e manutenzione della procedura

4. Crea una lista delle novità da valutare

Quando incontri un nuovo strumento, registra tre cose: che cosa promette, per quale tuo problema potrebbe servire e quale prova ti convincerebbe. Poi torna al lavoro in corso. Dedica alla lista un momento programmato: l’orario serve a proteggere l’attenzione, non è una prescrizione universale.

5. Decidi che cosa smettere di fare

Alla fine dell’esperimento scegli: adottare, approfondire oppure archiviare. Anche scoprire che uno strumento non ti serve è un risultato. Puoi smettere di inseguirlo senza dover dimostrare che sia inutile per tutti.

Un prompt per scegliere che cosa imparare

Puoi usare questo prompt per strutturare il ragionamento. Inserisci solo informazioni che puoi condividere con lo strumento scelto.

Agisci come un tutor di apprendimento professionale. Il mio ruolo è [ruolo]. Le attività che mi occupano più tempo sono [elenco]. Gli strumenti già disponibili sono [elenco]. Ho [tempo] alla settimana per sperimentare.

Aiutami a scegliere una sola attività su cui fare una prova con l’AI. Prima fammi le domande necessarie a capire frequenza, difficoltà, dati coinvolti e risultato atteso. Poi proponi un esperimento di due settimane con criteri di successo, controlli umani e condizioni per interromperlo.

Non proporre nuovi abbonamenti senza spiegare quale limite degli strumenti disponibili risolverebbero. Distingui informazioni verificate, ipotesi e informazioni mancanti. Se non conosci le funzioni attuali di uno strumento, dichiaralo. Concludi indicando quali novità posso ragionevolmente rimandare.

Che cosa dovrebbero fare aziende e formatori

Ai responsabili aziendali suggerisco di rendere esplicite le aspettative. Quali competenze servono davvero? Quali strumenti sono approvati? Quanto tempo è disponibile per imparare? Chi aiuta a valutare un risultato sbagliato?

Una frase come «dovete usare di più l’AI» lascia aperte troppe domande. Una consegna più utile potrebbe essere: «Scegliamo una procedura ricorrente, proviamo a migliorarla e condividiamo risultati ed errori». È un esempio di impostazione, non il resoconto di un caso aziendale.

Anche chi fa formazione dovrebbe interrogarsi sul linguaggio. Annunciare che domani saremo tutti obsoleti può catturare attenzione; preferisco aiutare le persone a individuare il prossimo passo che sono in grado di compiere e verificare.

Domande frequenti su AI e FOMO

Devo conoscere tutti gli strumenti di intelligenza artificiale?

Per lavorare con metodo puoi scegliere quelli coerenti con i tuoi compiti e imparare competenze trasferibili: definire obiettivi, fornire contesto, valutare risposte, controllare fonti e stabilire quando serve un intervento umano.

Ignorare le novità è una soluzione?

Propongo un aggiornamento selettivo: seguire le novità pertinenti e riservare tempo per metterle alla prova. Una buona domanda è: «Quale cambiamento merita un esperimento nel mio lavoro?».

Come capisco se sto imparando davvero?

Prova a documentare un’attività che ora sai svolgere meglio, gli errori che sai riconoscere e i limiti che sai spiegare. È una verifica più concreta del numero di strumenti che hai aperto.

La prossima volta che un post ti farà sentire in ritardo, chiudi per un momento il catalogo delle meraviglie e apri un tuo lavoro reale. Parti da lì. La competenza si vede anche dalla capacità di scegliere che cosa merita attenzione.

Fonti e approfondimenti

I collegamenti ai paper, ai rapporti e ai video sono distribuiti nei paragrafi pertinenti. Riferimenti bibliografici principali: Przybylski et al. (2013), Computers in Human Behavior, DOI 10.1016/j.chb.2013.02.014; Méndez-Suárez et al. (online 2025, volume 2026), Technology in Society, DOI 10.1016/j.techsoc.2025.103052; Lane, Williams e Broecke (2023), OECD Working Paper 288; Lee et al. (2025), CHI. I video di McGinnis e Khan sono approfondimenti divulgativi.

Vuoi costruire un percorso di formazione sull’AI che parta dalle attività delle persone? Scrivimi per progettare un corso o un workshop.

Scrivimi per organizzare un evento o un corso sull’intelligenza artificiale generativa

Mandami un WhatsApp al 339.6325418 per organizzare un corso o una conferenza sull’A.I. generativa.