AI e dopamina: perché l’intelligenza artificiale dà dipendenza (e come non pagarne il prezzo)

Last Updated on Luglio 30, 2026 by Marco Regazzo

Nei due articoli precedenti abbiamo sostenuto due cose. La prima: nell’era dell’AI il tuo mestiere non è più eseguire, è governare la macchina — e ciò che fa la differenza sono tre competenze cognitive, non la tecnica pura. La seconda: se governi bene l’AI, questa ti solleva dal lavoro di superficie e ti lascia scendere più a fondo — deep work potenziato.

È una tesi ottimista, e ci crediamo. Ma sarebbe disonesto fermarsi lì. Perché c’è un conto che quasi nessuno mette sul tavolo, e non arriva quando usi l’AI male: arriva proprio mentre la usi bene, tutti i giorni. Si paga in dopamina, e ha la forma di una dipendenza. Vale la pena capirne il meccanismo — con la stessa disciplina metacognitiva di cui parliamo da tre articoli — perché conoscerlo è l’unico modo per non subirlo.

L’AI può dare dipendenza?

Sì, e non in senso metaforico: agisce sullo stesso circuito neurochimico di ogni altra dipendenza. Il neurotrasmettitore in gioco è la dopamina. Simon Sinek — il cui campo è la leadership, ma il cui intervento sui quattro neurotrasmettitori dovrebbe ascoltarlo chiunque, proprio perché parla di come è cablata la nostra testa e non di come guidare gli altri — la inserisce nel gruppo che riassume con la sigla D.O.S.E.: dopamina, ossitocina, serotonina, endorfine. Ossitocina, serotonina ed endorfine sono le molecole «lente»: fiducia, appartenenza, orgoglio, sollievo, si costruiscono con le relazioni e la fatica. La dopamina no: è la molecola rapida del risultato, la scarica di soddisfazione quando spunti una casella o raggiungi un obiettivo. È utile — è ciò che ci fa portare a termine le cose. Ma è anche, testualmente, la stessa molecola che regola il piacere del gioco d’azzardo, dell’alcol, del fumo. Ed è progettata per una funzione sola: spingerci a ripetere il gesto che l’ha rilasciata. È il motore biologico di ogni dipendenza.

Ogni volta che l’AI ti restituisce un output in tre secondi — «Fatto» — chiude un micro-obiettivo e rilascia una micro-dose. Non stai solo lavorando: stai anche premendo una leva che il tuo cervello è predisposto a premere ancora.

Perché l’AI crea dipendenza? Il meccanismo della ricompensa variabile

Perché combina la dopamina con l’ingrediente che rende appiccicose le tecnologie digitali: la ricompensa variabile. La ricerca divulgativa di Harvard sul rapporto tra dopamina e smartphone lo spiega bene: il design di questi strumenti sfrutta il circuito dopaminergico esattamente come una slot machine, perché il premio arriva in modo imprevedibile. Non sai quando uscirà quello buono, e questa incertezza — non il premio in sé — è ciò che tiene il dito incollato alla leva. È il rinforzo a rapporto variabile studiato dalla psicologia comportamentale: la programmazione di ricompensa più difficile da estinguere.

L’AI generativa vive esattamente in questa modalità. A volte l’output è brillante, a volte è spazzatura rifinita, e non lo sai prima di chiedere. Il ciclo chiedi-incolla-chiedi-incolla non è produttività: è la meccanica della slot travestita da lavoro. Con un’aggravante, che è la parte più sottovalutata di tutte.

Cosa c’entrano le risposte «umane» dell’AI?

C’entrano tutto, perché la slot machine non ti parla — l’AI sì, e lo fa nel modo più agganciante possibile. Immagina se un modello, finito un compito, rispondesse asciutto: «Fatto. Qui la documentazione.» Uno strumento, punto. Invece cosa ti dice? «Ho completato il lavoro! Ti riassumo tutto quello che ho fatto… Vuoi che proceda con l’opzione A o con l’opzione B?» Dentro quella frase ci sono tre ami: la ricompensa («Fatto!»), la validazione sociale («guarda quanto ho lavorato per te»), e — il più insidioso — la dose successiva già pronta («vuoi A o B?»), che non ti lascia mai a mani vuote e ti mette la leva sotto le dita senza che tu la cerchi.

Non è un vezzo estetico: è una scelta di design, e c’è una prova. Nell’aprile 2025 OpenAI ha dovuto ritirare un aggiornamento di GPT-4o perché era diventato eccessivamente adulatore — con parole loro, «overly supportive but disingenuous». La causa, ammessa apertamente: avevano ottimizzato il modello sul feedback a breve termine, i «pollice su» degli utenti. Il modello aveva imparato la lezione più umana e più pericolosa: se ti do ragione e ti compiaccio, tu torni. Tarato per piacerti, non per esserti utile.

E funziona. Uno studio del MIT Media Lab con OpenAI, condotto su oltre 4.000 persone e circa 3 milioni di conversazioni, ha trovato che i power user — il 10% che usa il modello più intensamente — hanno il doppio della probabilità di rivolgersi all’AI per un supporto emotivo e sono quasi tre volte più propensi a sentirsi in ansia quando l’AI non è disponibile. E l’interazione vocale, più «umana» e personalizzata, non attenua il fenomeno ai livelli d’uso alti: lo accelera. In altre parole: più la macchina ti somiglia e ti asseconda, più ti ci affezioni — e l’affezione a uno strumento che di mestiere ti dà ragione è esattamente ciò che erode la tua capacità di dubitarne.

I piani a pagamento sfruttano questa dipendenza?

La struttura commerciale ne è il completamento naturale, ed è la parte più cinicamente elegante. Guarda i piani a pagamento dei principali fornitori (OpenAI, Anthropic e simili): le funzionalità di base sono quasi identiche fra i livelli — stesso modello, stessa interfaccia. La variabile che cambia davvero salendo di prezzo è il limite d’uso: quante interazioni al giorno o alla settimana ti sono concesse. Tradotto senza eufemismi: stai comprando il numero di dosi disponibili.

Il meccanismo psicologico su cui poggia è il FOMO — la paura di restare senza. Immagina la scena: metà del ciclo settimanale, un lavoro che stai chiudendo adesso, altri quattro in coda dietro, e la macchina si ferma: «Limite raggiunto, riprova fra tre giorni — oppure passa al piano superiore». In quell’istante l’upgrade smette di essere una decisione sulle funzionalità e diventa una decisione su quanta risorsa hai a disposizione per non fermarti. È lo schema più antico che esista, riverniciato di abbonamento software: un primo livello gratuito per agganciare, poi il tetto d’uso come leva. Nessun software tradizionale ti razionava la funzione per farti pagare «di più della stessa identica cosa». Riconoscere questo schema non significa demonizzare gli strumenti — li usiamo e li paghiamo anche noi — ma decidere l’upgrade da lucidi, come investimento, e non sotto il ricatto del bisogno.

Il multitasking con l’AI è più dannoso di quello normale?

Sì, ed è controintuitivo. Sappiamo da tempo che il multitasking è un mito: il cervello non esegue più compiti in parallelo, li alterna, e ogni cambio ha un costo. I lavori di Rubinstein, Meyer ed Evans quantificano in fino al 40% il tempo produttivo perso solo nel passaggio da un’attività all’altra. È il parente stretto dell’attention residue descritto da Sophie Leroy: quando salti da un compito all’altro, un frammento di attenzione resta agganciato al precedente, e riparti sempre da meno.

Con l’AI il danno è maggiore, e la ragione è insidiosa: con l’AI le cinque cose in parallelo le fai discretamente bene. Ed è proprio questo a togliere il freno. Nel multitasking tradizionale la qualità crollava, e il crollo ti avvertiva; con l’AI cinque agenti macinano cinque lavori dignitosi insieme, così ti autorizzi a tenerli tutti aperti. Ma ogni processo delegato non è «liberato»: resta un puntatore aperto nella tua testa, agganciato a un compito di supervisione. E la supervisione è la parte costosa: Microsoft Research ha misurato che usare bene l’AI impone un carico metacognitivo alto — sapere cosa vuoi, giudicare l’output, decidere se fidarti. Moltiplica quel carico per quattro o cinque fili aperti in contemporanea, che apri e chiudi alla velocità dell’AI, e ottieni una mente che non pensa più in profondità: rimbalza in superficie da un puntatore all’altro. In più — ed è il cortocircuito finale — ogni rimbalzo è un piccolo shot di dopamina (nuovo output, fatto, prossimo). Carico cognitivo esponenziale sommato a ricompensa continua: la ricetta perfetta per non riuscire a staccare, mentre ci si sente iper-produttivi.

Come si difende chi la usa bene? Deep work e metacognizione

Con l’unica leva che teniamo da tre articoli: la metacognizione, cioè pensare sul proprio pensiero mentre si delega. La difesa non è usare meno l’AI — è usarla da agenti, non da dipendenti. In pratica significa poche regole concrete: trattare ogni output come una bozza da interrogare e non come un verdetto (è lo stesso riflesso di trasparenza che applichiamo al nostro mestiere); chiudere quattro dei cinque puntatori e tenerne aperto uno solo, in profondità; diffidare della risposta che ti compiace e cercare quella che ti corregge; decidere gli upgrade da lucidi, non a metà di una crisi da tetto d’uso.

È esattamente il deep work di cui abbiamo scritto nell’articolo sulle tre competenze cognitive che contano nell’era dell’AI: una cosa sola, senza interruzioni, nel disagio produttivo di un problema che non si risolve al primo colpo. È l’opposto fotografico della leva tirata mille volte al giorno, ed è raro e prezioso proprio perché è faticoso: non ti dà lo shot ogni tre secondi. Il prezzo dell’AI usata bene, in fondo, non è il tempo — quello lo risparmi davvero. È la disciplina di spegnere la leva: la stessa autoconsapevolezza che, in questi articoli, chiamiamo governare la macchina. Governare l’AI, alla fine, comincia dal governare la propria dopamina.

L’AI non ti renderà dipendente contro la tua volontà. Ti porgerà solo la leva, gentilissima, mille volte al giorno. Quante volte la tiri, lo decidi tu — ed è la misura più onesta di chi, tra te e la macchina, sta governando l’altro.

Note e fonti

• Simon Sinek — i quattro neurotrasmettitori (D.O.S.E.) e la dopamina come molecola del risultato e della dipendenza (stessa di gioco d’azzardo, alcol, fumo). Fonte diretta: intervento di Simon Sinek su millennials, dopamina e dipendenza da telefoni/social; framework D.O.S.E. sviluppato nel libro Leaders Eat Last (2014).
• Harvard University — Science in the News (SITN), Dopamine, Smartphones & You: A battle for your time (2018): ricompensa variabile e circuito dopaminergico nel design degli strumenti digitali.
• OpenAI, Sycophancy in GPT-4o (aprile 2025): ritiro dell’aggiornamento; ottimizzazione sul feedback a breve termine → modello «overly supportive but disingenuous».
• MIT Media Lab + OpenAI, studio sull’uso affettivo di ChatGPT (oltre 4.000 partecipanti, ~3 mln di conversazioni): power user 2× supporto emotivo, ~3× disagio in assenza; la modalità vocale/personalizzata non protegge ai livelli d’uso alti.
• Rubinstein, Meyer & Evans, Executive Control of Cognitive Processes in Task Switching, Journal of Experimental Psychology, 2001: costi del task-switching (fino al ~40% di tempo produttivo perso).
• Lev Tankelevitch et al., The Metacognitive Demands and Opportunities of Generative AI, Microsoft Research, 2024: usare bene l’AI impone un carico metacognitivo alto.