Basta una settimana per sentirsi fuori dal giro
Sei stato fuori per una settimana, tra incontri con clienti, riunioni, spostamenti, telefonate, messaggi, quella sensazione molto concreta di aver fatto tantissime cose e di non averne comunque finite abbastanza. Nel frattempo hai usato poco uno strumento di intelligenza artificiale che, normalmente, fa parte del tuo lavoro, nulla di drammatico, semplicemente non ne hai avuto bisogno.
Rientri, entri in call con il team e, dopo pochi minuti, scopri che in quella settimana sono successe più cose di quante pensassi: una nuova funzione, un aggiornamento, qualcuno ha trovato un utilizzo migliore, qualcun altro sta già sperimentando un altro strumento. Ascolti, prendi nota e, a un certo punto, ti accorgi che le altre persone sembrano aver seguito tutto, mentre tu hai la sensazione di dover recuperare il filo.
Non è la prima volta che succede, anzi, più utilizzi l’intelligenza artificiale, più ti accorgi di quanto sia facile perdere un passaggio. Hai appena capito bene un’applicazione, l’hai integrata nel tuo lavoro, finalmente smetti di sentirti un apprendista e, puntualmente, compare qualcosa di nuovo, non necessariamente migliore, non necessariamente utile per te, però nuovo, ed è già abbastanza per farti pensare che forse dovresti approfondire.
Una parte rilevante del rapporto con l’AI sta proprio qui, non tanto nella paura di non essere capaci di utilizzarla, quanto nella sensazione che basti allontanarsi per pochi giorni per sentirsi già un passo indietro. Questa sensazione oggi ha anche un nome: FOMO-AI, Fear of Missing Out on Artificial Intelligence.

La FOMO-AI non è semplicemente la vecchia FOMO
La FOMO, in realtà, la conosciamo da tempo. Per anni ne abbiamo sentito parlare soprattutto in relazione ai social network, alle esperienze degli altri, a quella strana impressione che, mentre qualcuno è sul divano in pigiama, il resto del mondo sia a Bali, a un concerto o a fare networking su una terrazza con vista. La definizione scientifica è un po’ meno pittoresca e riguarda la preoccupazione che altre persone stiano vivendo esperienze gratificanti dalle quali siamo assenti, accompagnata dal desiderio di rimanere connessi a ciò che accade (Przybylski et al., 2013).
Questa forma di FOMO continua naturalmente a esistere, l’intelligenza artificiale non l’ha sostituita e non ha semplicemente modificato l’oggetto di una paura già conosciuta. La FOMO-AI identifica un fenomeno specifico, legato al rapporto con l’innovazione tecnologica e alla percezione di poter perdere conoscenze, risorse e vantaggi connessi all’AI. I due fenomeni condividono il timore di perdere qualcosa di rilevante, ma si riferiscono a esperienze differenti e non devono essere considerati perfettamente sovrapponibili.
Nel caso della FOMO-AI, infatti, la preoccupazione non riguarda necessariamente un’esperienza sociale alla quale non abbiamo partecipato, ma competenze che non abbiamo ancora acquisito, strumenti che non conosciamo e opportunità professionali che temiamo di non riuscire a cogliere.
Basta osservare ciò che accade nei contesti lavorativi: qualcuno automatizza attività che altri continuano a svolgere manualmente, un collega racconta di aver scoperto una funzionalità particolarmente utile, un altro parla con naturalezza di agenti, workflow e nuovi modelli, mentre chi ascolta sta ancora cercando di capire se l’ultimo strumento appreso sia davvero utile al proprio lavoro.
Deng e colleghi (2025) hanno sviluppato una scala di misurazione della FOMO-AI, distinguendo tre dimensioni: la backwardness anxiety, legata alla preoccupazione di rimanere indietro nelle competenze, gli access concerns, relativi al timore di non accedere tempestivamente a informazioni e risorse, e la dividend anxiety, cioè la paura di perdere i benefici offerti dall’intelligenza artificiale.
La FOMO-AI non coincide quindi con la paura che l’intelligenza artificiale sostituisca il proprio lavoro, può riguardare anche persone che utilizzano già queste tecnologie, ne riconoscono il valore e desiderano continuare ad apprendere, ma avvertono una distanza crescente tra ciò che conoscono e ciò che sarebbe possibile conoscere.
Il non sapere mai abbastanza
Questa sensazione non riguarda necessariamente chi conosce poco l’intelligenza artificiale, può emergere anche nelle persone curiose, in chi sperimenta, in chi utilizza già questi strumenti con una certa frequenza. La difficoltà, in questi casi, non deriva tanto dalla mancanza di familiarità con la tecnologia, quanto dalla rapidità con cui si moltiplicano le possibilità di utilizzo e le conoscenze potenzialmente rilevanti.
Più aumenta la familiarità con l’AI, più può diventare evidente la quantità di cose che restano da esplorare, ogni strumento ne apre altri cinque, ogni funzionalità genera nuove possibilità, ogni soluzione sembra avere già una versione successiva. A un certo punto il problema non è più imparare qualcosa, è capire a quale punto si possa considerare sufficiente ciò che è stato imparato.
Il cervello, purtroppo, non riceve una notifica del tipo: “Complimenti, per questa settimana sei abbastanza aggiornato”, sarebbe molto comoda. Così si continuano a salvare articoli, iscriversi a newsletter, mettere webinar tra i preferiti, aprire strumenti con l’idea di provarli meglio “appena ci sarà un attimo”, un attimo che, naturalmente, non arriva quasi mai.
L’esperienza può diventare quella di un apprendimento costantemente incompleto, non perché manchino necessariamente competenze, ma perché la velocità con cui cambiano strumenti e possibilità rende difficile percepire una vera soglia di sufficienza.
Uno studio di Yu (2025), condotto su 557 adulti statunitensi, ha rilevato associazioni tra FOMO-AI, sintomi ansiosi e depressivi e livelli inferiori di benessere psicologico. La ricerca ha inoltre osservato una debole associazione inversa tra alfabetizzazione all’AI e FOMO-AI, un risultato interessante perché suggerisce che la conoscenza tecnologica possa rappresentare una risorsa, senza dimostrare che sia sufficiente a eliminare la pressione percepita.
Essere competenti e sentirsi sufficientemente aggiornati, quindi, non sono necessariamente la stessa cosa.

La distanza tra ciò che possiamo imparare e il tempo che abbiamo
C’è un aspetto dell’intelligenza artificiale che rischia di passare in secondo piano, concentrandosi soprattutto sulle opportunità che offre: l’aumento delle possibilità non comporta automaticamente un aumento delle risorse disponibili per esplorarle.
L’AI permette di svolgere attività prima difficilmente accessibili, sperimentare nuove soluzioni e acquisire competenze, ma il tempo necessario per comprendere, valutare e integrare questi strumenti continua a confrontarsi con i limiti dell’attenzione e delle energie cognitive.
Per questo la quantità di informazioni disponibili non coincide necessariamente con la qualità dell’apprendimento. Una persona può dedicare molto tempo a seguire le novità senza riuscire a consolidare davvero ciò che ha scoperto, così come può acquisire una competenza rilevante scegliendo di approfondire un numero limitato di strumenti.
La differenza riguarda anche il significato attribuito all’aggiornamento. Se ogni nuova possibilità viene percepita come qualcosa che sarebbe necessario conoscere immediatamente, diventa difficile distinguere ciò che è realmente utile da ciò che genera soltanto curiosità o timore di perdere un’opportunità.
Il rischio è che la disponibilità quasi illimitata di conoscenze venga interpretata come un obbligo altrettanto illimitato di apprendere.
La stessa innovazione, esperienze diverse
Due persone possono assistere allo stesso aggiornamento e viverlo in modo completamente diverso.
Una pensa: “Interessante, vedrò se può essermi utile”, l’altra: “Fantastico, un’altra cosa che avrei già dovuto sapere”.
La novità è identica, cambia il significato che le viene attribuito. Una persona può riconoscere nell’aggiornamento una possibilità da valutare in relazione alle proprie necessità, un’altra può interpretarlo come la conferma di non essere sufficientemente preparata.
Questo passaggio richiama il ruolo dell’autonomia e della competenza percepita, due bisogni psicologici fondamentali descritti dalla Self-Determination Theory di Deci e Ryan (2000), insieme al bisogno di relazione.
Sentirsi competenti non significa necessariamente conoscere tutto, ma percepire di possedere risorse adeguate per affrontare le richieste del proprio contesto. Allo stesso modo, sentirsi autonomi non significa poter controllare ogni cambiamento, ma avere la possibilità di orientare le proprie scelte.
La difficoltà può emergere proprio nel momento in cui le opportunità di apprendimento iniziano a essere percepite come richieste implicite, anziché come possibilità da valutare.
In questo senso, il confronto con gli altri può assumere un ruolo rilevante. Vedere colleghi e professionisti utilizzare strumenti nuovi può rappresentare uno stimolo positivo, ma può anche alimentare la percezione che le proprie competenze siano costantemente insufficienti, soprattutto se manca chiarezza rispetto a ciò che è realmente richiesto.
Agency: la possibilità di scegliere
Il concetto di agency offre un’ulteriore chiave di lettura, indicando la capacità percepita di agire intenzionalmente, orientare le proprie scelte e incidere sulle condizioni in cui si opera.
L’apprendimento collegato a obiettivi chiari e riconosciuti può sostenere autonomia e senso di competenza, mentre una rincorsa indiscriminata alle novità rischia di lasciare agli aggiornamenti stessi il compito di definire le priorità.
L’ultimo tool, l’ultima funzione, l’ultima newsletter, l’ultimo post che annuncia che “se non stai usando questa cosa, sei già indietro”, finiscono per occupare spazio nell’agenda anche in assenza di un reale collegamento con le necessità professionali.
Il punto non è ridurre la curiosità o smettere di aggiornarsi, ma recuperare la possibilità di scegliere cosa meriti attenzione, distinguendo le competenze necessarie dalle opportunità interessanti, le innovazioni utili dalle funzionalità che, almeno per il momento, non producono un valore concreto.
La capacità di selezionare diventa quindi parte integrante dell’apprendimento, perché permette di attribuire una direzione alle conoscenze acquisite, anziché lasciare che sia la successione delle novità a stabilire cosa approfondire.
Le organizzazioni hanno una responsabilità importante
La FOMO-AI rischia di essere letta come una questione esclusivamente individuale: c’è chi si aggiorna e chi no, chi è curioso e chi resiste, chi sta al passo e chi rimane indietro. Una lettura che, però, trascura il ruolo del contesto.
Il modo in cui un’organizzazione introduce l’intelligenza artificiale contribuisce a definire l’esperienza delle persone. Se ogni settimana viene presentato un nuovo strumento senza chiarire quali siano davvero prioritari, il problema non è più soltanto tecnologico, se si chiede alle persone di sperimentare senza prevedere tempo per farlo, si crea una contraddizione, se viene valorizzato implicitamente chi utilizza più applicazioni, senza distinguere quantità e qualità, si rischia di alimentare una competizione poco utile.
La ricerca di Méndez-Suárez e colleghi (2026), dedicata alla FOMO-AI in ambito lavorativo, richiama l’importanza di diversi fattori organizzativi, tra cui autonomia, supervisione tramite AI e percezione di svalutazione delle competenze.
Non conta soltanto quanto una persona conosca la tecnologia, ma anche il contesto nel quale viene introdotta, le aspettative che accompagnano il cambiamento e le opportunità effettive di apprendimento.
Un’organizzazione può investire in nuovi strumenti e, contemporaneamente, trascurare le condizioni necessarie perché le persone imparino a utilizzarli con sicurezza. Può chiedere innovazione senza prevedere momenti di sperimentazione, promuovere l’aggiornamento continuo senza distinguere ciò che è essenziale da ciò che è facoltativo, oppure interpretare le domande e le esitazioni come segnali di resistenza, anziché come occasioni per comprendere meglio i bisogni di apprendimento.
Per questo, accanto alle competenze tecnologiche, assumono importanza la chiarezza delle priorità, la condivisione delle conoscenze, la sicurezza psicologica e la possibilità di consolidare gli apprendimenti senza trasformare ogni aggiornamento in una verifica implicita della propria preparazione.

Non tutte le persone devono conoscere tutto
Probabilmente è una delle affermazioni più semplici dell’intero ragionamento, ma anche una delle più difficili da tradurre in pratica: non tutte le persone devono sapere tutto.
Non è necessario conoscere ogni modello, piattaforma, applicazione e nuova funzionalità, soprattutto non è necessario farlo nello stesso momento. Nelle organizzazioni servono priorità, ruoli, specializzazioni, persone che esplorano, persone che consolidano, persone che traducono le possibilità tecnologiche in processi di lavoro.
Serve anche la possibilità di riconoscere che una novità può essere interessante senza essere necessariamente prioritaria.
Per anni si è parlato, giustamente, di reskilling, upskilling e apprendimento continuo, dimensioni che rimangono fondamentali per accompagnare l’evoluzione del lavoro. A queste va affiancata una competenza altrettanto importante: la capacità di selezionare, comprendere cosa vale la pena approfondire, cosa può aspettare, cosa è davvero utile rispetto agli obiettivi professionali e organizzativi e cosa, semplicemente, si può scegliere di non conoscere.
La FOMO-AI rende evidente una distanza che l’evoluzione dell’intelligenza artificiale contribuisce ad ampliare, quella tra ciò che sappiamo e tutto ciò che potremmo sapere. Una distanza che, con ogni probabilità, continuerà ad aumentare, perché le possibilità offerte dalla tecnologia si espandono molto più rapidamente del tempo che abbiamo a disposizione per esplorarle.
Il punto, allora, non sarà riuscire a colmarla tutta, ma evitare che diventi continuamente la misura di ciò che ci manca, restituendo all’apprendimento una direzione, un significato e uno spazio sostenibile all’interno della vita professionale.
Accompagnare l’innovazione significa lavorare anche sulle persone
La trasformazione digitale non si esaurisce nell’introduzione di nuovi strumenti, riguarda anche il modo in cui le persone apprendono, collaborano, prendono decisioni e ridefiniscono il proprio contributo all’interno delle organizzazioni. Un investimento tecnologico può ampliare le possibilità operative, ma la qualità della sua adozione dipende anche dalla cultura organizzativa, dalla chiarezza delle aspettative e dalle condizioni offerte alle persone per sperimentare e consolidare nuove competenze.
In Hermes Consulting accompagniamo le organizzazioni nei processi di trasformazione culturale, lavorando sulle dinamiche individuali, relazionali e organizzative che influenzano il modo di vivere il cambiamento. Attraverso percorsi di sviluppo, coaching e apprendimento trasformativo, aiutiamo le persone a riconoscere le proprie risorse, rafforzare autonomia e collaborazione e tradurre le competenze acquisite in comportamenti e pratiche di lavoro coerenti con gli obiettivi aziendali.
La sfida non è soltanto introdurre l’intelligenza artificiale nei processi, ma creare le condizioni affinché le persone possano integrarla nel proprio lavoro senza trasformare ogni innovazione in una nuova fonte di pressione.
Se la tua organizzazione sta affrontando questa trasformazione, possiamo aiutarti a comprendere come le persone la stanno vivendo, individuare i bisogni di sviluppo e progettare interventi che rendano l’apprendimento sostenibile e il cambiamento concretamente agibile.
Riferimenti bibliografici
Przybylski, A. K., Murayama, K., DeHaan, C. R., & Gladwell, V. (2013). Motivational, emotional, and behavioral correlates of fear of missing out. Computers in Human Behavior, 29(4), 1841–1848. https://doi.org/10.1016/j.chb.2013.02.014
Deci, E. L., & Ryan, R. M. (2000). The “what” and “why” of goal pursuits: Human needs and the self-determination of behavior. Psychological Inquiry, 11(4), 227–268. https://doi.org/10.1207/S15327965PLI1104_01
Deng, F., Zhang, Z., Lin, Y., Mo, X., & Zhang, Y. (2025). When everyone is talking about AI: The development of fear of missing out on AI scale. Telematics and Informatics, 100, 102283. https://doi.org/10.1016/j.tele.2025.102283
Yu, C.-L. (2025). Fear of missing out on AI: A psychological cost of technological revolution. Telematics and Informatics Reports, 20, 100277. https://doi.org/10.1016/j.teler.2025.100277
Méndez-Suárez, M., Ćukušić, M., & Ninčević-Pašalić, I. (2026). AI FoMO (fear of missing out) in the workplace. Technology in Society, 84, 103052. https://doi.org/10.1016/j.techsoc.2025.103052