Una presentazione si gioca nei primi istanti. È lì che il «workslop», il lavoro generato con l’AI che sembra buono ma non aggiunge valore, brucia credibilità prima che si dica la prima parola.
Comincio con una confessione. Lavoro ogni giorno con strumenti di AI generativa, in scrittura, in formazione, sul palco. Eppure, a oggi, non ho ancora portato in scena una sola slide generata con l’AI. Non per scelta ideologica. Per rispetto del pubblico. Quella slide, semplicemente, non sarebbe stata mia. E in una presentazione il pubblico non perdona la mancanza di presenza.
Quella slide profuma di ChatGPT
Da qualche tempo riconosciamo a colpo d’occhio un post o una slide generati con l’intelligenza artificiale. Stiamo affinando i nostri sensi. L’AI sta imparando a disegnare slide decenti, ma il nostro cervello sta già costruendo barriere cognitive. La grammatica visiva degli output di Claude, GPT e Copilot è oggi riconoscibile in pochi secondi: titoli costruiti in due parti, layout perfettamente simmetrici, icone basilari provenienti da poche librerie ricorrenti, slide tipografiche troppo piene di testo, l’assenza totale di typo ed infine la totale mancanza di personalità. È una pulizia che, paradossalmente, diventa il segnale. Manca l’imperfezione che il pubblico associa al pensiero di chi sta parlando. La generazione assistita non è un problema. Il problema è la generazione non governata, restituita in scena senza il filtro del discernimento umano.
Questa, nella letteratura più recente, ha un nome. Si chiama «workslop», il termine introdotto in Harvard Business Review nel settembre 2025 da Kate Niederhoffer, Jeffrey T. Hancock e colleghi di BetterUp Labs e dello Stanford Social Media Lab per descrivere il lavoro generato con l’AI «mascherato da lavoro buono ma privo della sostanza e del significato necessari per far avanzare il compito». Nasce dentro l’impresa, e fra i deliverable in cui si annida, le slide sono, a mio parere, fra i bersagli più esposti. È fra i pochi formati in cui il «workslop» viene proiettato davanti a un pubblico, in tempo reale, senza filtri di lettura privata ed è da tempo che le principali AI stanno sviluppando strumenti in grado di assisterci nel tedioso compito di realizzare presentazioni. Sarebbe enorme il tempo e la fatica risparmiata, anche se spesso, tempo e fatica investiti rappresentano il vero valore di una presentazione ed è ciò che motiva l’audience a prestare davvero attenzione.
«Workslop» nelle presentazioni: il prezzo che non si vede
I numeri dell’articolo HBR sono espliciti. Secondo l’indagine BetterUp/Stanford, il 40% dei knowledge worker ha ricevuto del «workslop» nell’ultimo mese; nel 16% dei casi a generarlo era un manager che lo aveva inviato al proprio team. Ogni episodio richiede in media quasi due ore di revisione, e per un’azienda da 10.000 persone gli autori stimano circa nove milioni di dollari l’anno di produttività persa. È fra le prime quantificazioni del danno causato dall’AI generativa dentro l’impresa, non sui social.
Sulle slide la metrica della produttività non basta. Esiste un secondo costo, invisibile, che la presentazione rende immediato: la reputazione di chi presenta. Quando il «workslop» arriva, chi lo riceve reagisce così: il 53% si sente infastidito, il 38% confuso, il 22% offeso. Un terzo dichiara di non voler più collaborare con il mittente. La firma dell’AI sul deliverable produce una caduta di stima misurabile: per circa metà del campione chi invia «workslop» è percepito come meno creativo, meno capace e meno affidabile; il 42% lo giudica anche meno degno di fiducia e il 37% meno intelligente. In un report letto in privato, quella stima si può recuperare nei giorni successivi. In una presentazione, no. La penalità arriva nel momento esatto in cui la slide compare sullo schermo, e da lì in poi recuperarla durante la stessa esposizione, nella mia esperienza, è raro.
Il pubblico decide prima di ascoltare
Una slide non è un documento qualsiasi. È un atto pubblico, sincrono, ad alta densità di attenzione, in cui la qualità percepita guida la decisione molto prima della qualità reale. La neuropsicologia della percezione visiva, da Mary Potter al MIT in poi, ha mostrato che il cervello riconosce il concetto di un’immagine in appena tredici millesimi di secondo. Un tempo brevissimo, dentro il quale, sul palco, il pubblico decide se ascoltare davvero o limitarsi a osservare.
Quando una slide tradisce la propria origine algoritmica, quella finestra collassa. La curva di attenzione, che già nelle presentazioni più coinvolgenti fatica a salire, si appiattisce. È un effetto difficilmente reversibile nel corso della stessa esposizione. Una volta persa la fiducia in scena, ricomporla nei minuti successivi è difficile, che si tratti di cinque persone in un board, cinquanta in una sala investitori o mille in una keynote.
Per questo, credo, le presentazioni amplificano il «workslop» più di altri deliverable. In un report il danno è privato e diluito; in una slide è pubblico e immediato. La prima impressione del pubblico non punisce solo le slide effettivamente generate dall’AI ma anche quelle che sembrano generate dall’AI. A mio parere il sospetto vale quanto la prova, perché la decisione del pubblico avviene prima di ogni verifica.
Quando la slide tradisce chi parla
In una presentazione, la slide non è il contenuto. È una co-firma. Il pubblico la legge come dichiarazione che chi sta parlando ha fatto il lavoro: ha scelto cosa dire e soprattutto cosa togliere. Il «workslop» invalida quella co-firma. Il contenuto può essere corretto, ma il gesto è spezzato, e il gesto è l’unica cosa che il pubblico coglie nei primi istanti.
Questo spiega un dato contrario all’intuizione comune. La metanalisi di Vaccaro e colleghi pubblicata nel 2024 su Nature Human Behaviour, basata su oltre cento studi sperimentali, mostra che la coppia umano + AI non batte automaticamente il migliore tra i due, e nei compiti di decisione può persino peggiorare. Funziona molto meglio nei compiti di creazione e generazione di contenuti, di cui la presentazione fa parte. A una condizione: che la collaborazione venga progettata. Sul palco, progettare la collaborazione significa che l’output del modello è una bozza che chiede di essere rifirmata da chi parla. Se la firma manca, la slide diventa «workslop», indipendentemente da quanto sia ben formattata.
La ricerca del 2025 di Project NANDA, il programma del MIT Media Lab, parla, su scala organizzativa, di un «learning gap»: il 95% delle iniziative aziendali di AI generativa non produce alcun ritorno misurabile, non perché la tecnologia non funzioni, ma perché manca il pezzo umano dell’integrazione. Sul palco quel gap diventa visibile in tempo reale. La slide arriva senza firma, e il pubblico lo percepisce prima ancora di leggerla.
Piloti e passeggeri: due culture, una sola scena
L’articolo HBR introduce una distinzione che, applicata al palco, smette di essere astratta. Esistono due profili di utenti dell’AI generativa: i piloti, che usano la tecnologia per espandere la propria creatività e velocità senza rinunciare al giudizio; e i passeggeri, che la usano per evitare di fare il lavoro, scaricando a valle l’onere della verifica. È una distinzione che fa pensare alla riflessione classica di Nicholas Carr sull’Atlantic del 2008, quando si chiedeva se Google ci stesse rendendo più stupidi. In quel caso, il cognitive offloading, ovvero la delega del carico cognitivo a uno strumento esterno, era confinato in una relazione fra umano e macchina, e il danno restava individuale.
Nel caso del lavoro non firmato il fenomeno è diverso. Non stiamo delegando la fatica a un algoritmo. La stiamo spostando, attraverso l’algoritmo, sul pubblico che dovrà ascoltare, decidere, e talvolta fingere di non aver visto. Il manager che inoltra al team uno slide deck appena uscito da Copilot, lo speaker che proietta in scena un materiale che non ha pensato, il fondatore che riempie il proprio pitch deck di sintesi generative: producono tutti lo stesso effetto sistemico, che si misura non in ore di revisione ma in perdita di autorità. È il punto in cui la cultura si scopre asimmetrica: alcuni lavorano con l’AI, altri lavorano per l’AI, e il prezzo lo paga chi ascolta.
Quando il pubblico riconosce un’origine generativa, coglie subito un’asimmetria difficile da accettare: chi parla pretende tempo e attenzione su un materiale in cui non ha investito le proprie risorse per primo. La domanda muta diventa: se non hai investito tu, perché dovrei farlo io?
Tre test pratici prima di salire sul palco
Prima che una slide salga sul palco, si può ricorrere a tre test di qualità. Sono test che un’AI non può superare al posto nostro. Il primo è il test della voce. Se rileggi ad alta voce ciò che la slide dice, è la tua voce, oppure è la cadenza pulita e prevedibile di un modello? Una slide pensata mantiene il ritmo di chi parla, anche a costo di apparire meno levigata. Il «workslop» fallisce qui per primo, perché un large language model tende a restituire una cadenza media e prevedibile, ben distinta dalla tua.
Il secondo è il test del taglio. Una slide generata tende ad aggiungere. Una slide pensata tende a togliere. Se dopo l’output del modello non hai tolto almeno una voce dal bullet, una parola dal titolo, una riga dalla tabella, la slide è ancora una bozza, non un materiale di palco. Il pubblico riconosce immediatamente la differenza fra accumulo e selezione, e la sua attenzione vale tanto quanto la selezione che vede.
Il terzo è il test del difetto voluto. Una slide pensata contiene quasi sempre un’asimmetria, una scelta non bilanciata, un dato vero ma scomodo per la simmetria, che serve all’argomento. L’AI generativa restituisce simmetria, ed è precisamente questa simmetria che il pubblico decodifica come segnale di non-pensiero. Una slide perfetta, troppo regolare, attiva immediatamente le barriere cognitive del pubblico.
Investire per essere davvero presente in scena
Una presentazione, prima ancora di essere un trasferimento di informazioni, è un viaggio. Chi sale sul palco lo ha disegnato, lo ha percorso da solo per testarne le svolte e gli inciampi, e ora lo offre al pubblico perché lo attraversi insieme a lui. Chi parla è la guida, il pubblico il protagonista. È la dichiarazione esplicita, davanti all’aula, che chi è in piedi conosce ogni passaggio del tragitto perché lo ha già fatto. Per questo le slide ricevute via mail non bastano: è l’esposizione in presenza a fare la differenza.
Quando il materiale non pensato entra in questa equazione, il viaggio non esiste. Lo speaker invita il pubblico a percorrere un sentiero che non ha mai camminato, perché ha delegato a un modello la sua costruzione, e quel modello non ha gambe per percorrerlo insieme a noi. Il pubblico avverte immediatamente che chi parla non c’era nel momento in cui il materiale è stato pensato e non c’è neanche adesso. Nessuno segue davvero qualcuno che non ha messo piede sul sentiero che chiede di attraversare.
Ecco perché, fin qui, non ho ancora portato in scena una slide generata con l’AI. Non è avversione alla tecnologia, che uso quotidianamente, è rispetto del mio pubblico, ed è la dichiarazione esplicita che il tempo di chi sale sul palco viene investito prima nel materiale e poi nell’esposizione. L’AI generativa non si fermerà; al contrario, si farà sempre più capace di produrre materiali eleganti e con un design sempre migliore. Per questo la competenza che farà la differenza sarà la nostra capacità di giudizio e di discernimento. Sapere quando non usare l’AI è oggi una decisione strategica quanto sapere quando usarla. È una forma di leadership che si vede in scena, prima ancora che nei numeri. Quando si parla davanti a qualcuno, la fiducia non si delega.
Maurizio La Cava è fondatore di MLC Presentation Design Consulting, docente di Presentation Strategies al Politecnico di Milano e autore di Lean Presentation Design, Presentare i dati e AI Fluency.
