AI nel lavoro UX: il sondaggio NN/g mostra dove si risparmia tempo e dove no

Quasi tutti i professionisti UX che hanno risposto a un nuovo sondaggio di Nielsen Norman Group usano l'AI generativa al lavoro. Il risultato interessante però non è quanti la usano, ma per che cosa. Scrivere codice e fare desk research diventano più rapidi. Intervistare utenti e testarci i progetti molto meno, e in molti casi l'AI non viene usata affatto.

Lo studio, firmato da Maria Rosala e Rachel Banawa, è stato pubblicato il 23 ottobre 2026. Lo leggo con i suoi limiti, perché i numeri sono utili solo se si sa da che campione arrivano.

Come è stato fatto il sondaggio

NN/g ha raccolto risposte tra il 24 agosto e l'11 settembre 2026. Ne sono arrivate 2.814. Tolte quelle incomplete, quelle di bot (tutte provenienti da LinkedIn) e quelle di persone senza un lavoro attivo, ne restano 521: 246 designer, 145 ricercatori, 21 product manager e 109 altri ruoli, tra cui content designer, strategist e sviluppatori. Il campione è di convenienza, reclutato dal panel di professionisti di NN/g, dalla newsletter, da community Slack su invito e da annunci su LinkedIn. Quindi non rappresenta la categoria nel suo insieme, e lo studio stesso lo definisce una base di partenza che può cambiare con la maturazione degli strumenti.

Che cosa usano, e con quali vincoli

Oltre il 99% ha accesso a strumenti di AI generativa sul lavoro, ma la libertà di scelta è limitata: il 59% può usare solo un insieme di strumenti approvati e solo il 12% può usare qualsiasi strumento. Gli assistenti generali o i chatbot li usa il 96%, le funzioni AI dentro i tool di design il 65%. Il 66% ha usato almeno uno strumento agentico, cioè capace di eseguire attività in più passaggi, e il 47% usa strumenti agentici per scrivere codice o costruire app.

La diffusione cambia molto con il tipo di organizzazione: gli strumenti agentici sono usati dall'85% nelle startup e dal 36% in non profit e istruzione. Per ruolo, il 71% di chi fa design li usa, contro il 57% di chi fa ricerca e il 35% di chi si occupa di contenuti.

Le barriere citate più spesso sono la qualità dell'output (54%) e la sicurezza o privacy dei dati (50%). Seguono la mancanza di tempo per imparare (36%) e le preoccupazioni etiche o di sostenibilità (34%).

Dove l'AI accelera il lavoro

I compiti in cui l'AI è usata più spesso sono scrivere o modificare codice, la desk research e l'analisi dei propri dati di ricerca. Il 73% la usa spesso o sempre per il codice, il 69% per la desk research e il 67% per analizzare i dati. Circa nove persone su dieci tra quelle che la usano per questi tre compiti dicono che li rende più rapidi.

All'estremo opposto ci sono la revisione dei progetti, il test con utenti e le interviste. Il 61% non ha mai usato l'AI per intervistare e il 51% non l'ha mai usata per testare progetti con gli utenti. Solo l'11% usa intervistatori AI e l'11% utenti sintetici, tema che NN/g ha affrontato in un altro studio già trattato su questo sito.

Una nota di trasparenza: nell'articolo di NN/g la descrizione della scala del risparmio di tempo non coincide con le etichette dei grafici, e la media complessiva indicata non corrisponde ai valori mostrati. Per questo non riporto quella media e mi limito alla graduatoria tra i compiti, che nei grafici è chiara.

Il lato che i numeri di velocità non mostrano

Il sentiment medio sull'AI al lavoro è 3,57 su 5, sopra la neutralità ma di poco. Hanno scritto un commento 226 persone su 521, quindi il 43%, ed è una parte che tende ad avere opinioni più marcate. Tra chi ha commentato, il 41% è stato solo negativo, il 20% solo positivo e il 28% misto. Il 69% ha espresso almeno un aspetto negativo.

Le ragioni più frequenti tra i commenti negativi sono l'output inaffidabile con il costo della verifica (40 commenti), la perdita di competenze per delega del ragionamento (26), le questioni etiche o ambientali (25) e l'adozione imposta dall'alto (24). Seguono la svalutazione della professione, le aspettative e il carico di lavoro cresciuti e l'insicurezza sul proprio ruolo. Anche tra chi cita la velocità come vantaggio, 26 commenti su 61 contengono qualcosa di negativo.

Sul futuro del proprio ruolo, il 65% si aspetta che resti importante o cresca, il 18% che si riduca o scompaia. Tra i ricercatori la quota di chi prevede una riduzione è più alta che tra i designer (23% contro 12%).

La conclusione di NN/g, e cosa ne ricavo

NN/g sostiene che il tempo risparmiato sul singolo compito spesso non migliora né il lavoro né la soddisfazione di chi lo fa, perché viene assorbito da aspettative più alte o dal tempo speso a sistemare l'output generato da altri. Propone di giudicare l'AI a livello di sistema: tempo e fatica complessivi di tutte le persone coinvolte per arrivare a un risultato di qualità accettabile.

Questa parte che segue è una mia lettura, non un risultato dello studio. Se lavori in un team, un buon controllo è misurare quanto ci mette un lavoro ad arrivare agli utenti e con che qualità, invece di contare chi usa quale strumento. E se stai decidendo dove introdurre l'AI, i dati suggeriscono di partire da codice e ricerca di contesto, dove il guadagno è dichiarato dalla maggioranza, e di essere prudenti dove il lavoro passa dalle persone reali. Qui il campione piccolo di alcuni sottogruppi (21 product manager, 7 ingegneri) consiglia di non trarre conclusioni sui singoli ruoli.

Cosa non dice il sondaggio

Non dice quanto tempo si guadagna in ore, non confronta chi usa l'AI con chi non la usa e non dimostra cause. L'analisi del sentiment è stata fatta da due modelli AI, con controllo umano su un campione di 50 commenti e su tutti i casi di disaccordo. Va letto come una fotografia di un gruppo che segue NN/g, in un periodo preciso.

Fonti

1. Nielsen Norman Group, Maria Rosala e Rachel Banawa, “AI in UX: Work Is Faster, But Practitioners Have Mixed Feelings”, 23 ottobre 2026