Internet Manager Blog

Siamo alla fine del 2025 e il paradosso è evidente: mai l’intelligenza artificiale è stata così potente e accessibile, eppure mai è stato così chiaro che la tecnologia è solo il 20% del problema. Il restante 80%? Sta nelle organizzazioni, nelle persone, nei dati mal gestiti e in quella che io chiamo la ‘digital supply chain’. Vibe Coding è stata la parola dell’anno per il dizionario Collins, simbolo di una promessa: tutti possono creare software. Ma è davvero così semplice?

L’intelligenza artificiale non è un problema tecnologico, è uno specchio spietato che riflette tutti i limiti organizzativi che le aziende hanno ignorato per vent’anni. La trasformazione digitale è sì a portata di tutti, ma la realtà sul campo è molto diversa. E molto più interessante.

APP PER TUTTI, ANCHE SU MISURA. TUTTO FACILE?

L’intelligenza artificiale è stata protagonista di continui e clamorosi annunci e anche di sempre più accese discussioni sulla velocità e qualità del cambiamento in corso.

Come ho detto sopra, Vibe Coding è stata la parola dell’anno per il dizionario Collins (potete ascoltare su questa notizia anche il podcast qui sotto) e per questo le big del software ci raccontano quotidianamente di come ormai qualsiasi creazione di un artefatto software, grafico, video etc. è a portata di un prompt, per tutti.

Dal punto di vista tecnologico e delle possibilità è un fatto innegabile ma, come scrivevo ad agosto, non è necessariamente tutto così lineare e, soprattutto, privo di frizioni.

Di sicuro cambia un aspetto fondamentale della prospettiva con cui guardiamo al software: per la prima volta, non è necessariamente la persona che si deve adattare alla logica del programma ma è il programma che si modella sulle esigenze del singolo individuo, come racconta bene Alberto Mattiello nel suo podcast Scenari.

Questa esplosione di “app” cambierà il modo in cui pensiamo al software e all’economia che lo circonda: poiché così tanti programmi software saranno così facili da creare su richiesta, il software diventerà più usa e getta.

Potrebbe quindi perfino sembrare vicino alla soluzione il problema del “debito tecnologico” che ha afflitto le aziende per decenni, con lo sforzo di mantenere vecchie app e automazioni personalizzate superato tramite la creazione di nuovi software da zero.

La grande esplosione di app on demand accelererà però un effetto negativo, ci saranno molte più app e automazioni “zombie” che fluttuano in giro per i cloud del mondo. Programmi software che “vengono creati e poi dimenticati, che vagano nell’ombra, mangiano risorse e infestano le organizzazioni con effetti misteriosi di volta in volta” (cito qui Scott Brinker).

E’ innegabile quindi che, come avevo già raccontato in un post del 2024, quello che una volta era lo shadow IT si sta trasformando attraverso tutto il mondo dei citizen developer e del low code prima e dell’AI e degli agenti dopo, nel martech ma non solo.

Tuttavia, rispetto allo shadow IT dei tempi in cui ho iniziato a lavorare in grandi aziende all’inizio degli anni 2000 c’è una grande differenza: non parliamo più di app stand alone, di integrazioni tecniche minime, di temi di sicurezza tutto sommato limitati.

Parliamo di ecosistemi tecnologici, di sistemi che agiscono su altri sistemi, in linea teorica anche in maniera autonoma, e per questo servirà sempre più una governance forte ma illuminata, ne avevo parlato qui qualche mese fa e lo hanno di recente anche Matteo Flora (vedi video sotto).

Ma se davvero creare software è diventato così facile, se basta un prompt per trasformare un’idea in app, allora le competenze tecniche non contano più? È la domanda che aleggia in molte discussioni. E la risposta è tanto semplice quanto scomoda: l’AI non sostituisce le competenze, le amplifica. Anzi, le rende ancora più decisive.

L’INTELLIGENZA ARTIFICIALE NON E’ UN PILOTA AUTOMATICO: E’ UN AMPLIFICATORE DI COMPETENZE

Partiamo dal tema del poter fare qualsiasi cosa da parte di chiunque: un esperto di un certo argomento e un profano vedono azzerate tutte le differenze tra loro con la AI?

A questa domanda hanno risposto molto meglio di me Luciano Floridi e Raffaele Gaito nel video qui sotto.

Esiste una narrazione diffusa secondo cui l’AI “fa tutto lei”. È un’illusione pericolosa. L’intelligenza artificiale agisce come un moltiplicatore: dà il massimo solo quando è guidata da una solida competenza verticale. Come un cavallo non basta a fare un fantino, un LLM (Large Language Model) non trasforma un amatore in un professionista e nel video si fa l’esempio della fotografia: Midjourney in mano a un fotografo esperto produce risultati superiori perché l’utente conosce concetti come focale, luce e composizione, sapendo esattamente cosa chiedere alla macchina (cose testate in prima persona nelle mie esperienze aziendali).

Più che democratizzare le competenze, i tool AI permettono di validare idee, creare MVP (Minimum Viable Products) e testare il mercato con barriere all’ingresso quasi nulle, di “sbagliare velocemente ed economicamente”, consentendo anche a chi non ha competenze tecniche (es. di programmazione) di trasformare un’idea astratta in un progetto concreto da testare.

Poi serve lavorare però sulla qualità, perché utilizzare l’output dell’AI come punto di arrivo anziché come punto di partenza genera contenuti “anonimizzati”, paragonabili a un hamburger di un fast food: standardizzati, privi di sapore unico e indistinguibili e in qualche modo ormai riconoscibili come artificiali. Il valore aggiunto risiede nell’intervento umano successivo (l’editing, la personalizzazione, la voce unica del brand) che trasforma il semilavorato in prodotto finito.

Quindi non basta sottoscrivere un abbonamento ai tool più avanzati. E soprattutto, non può essere il lavoro di pochi esperti. Serve un cambio di paradigma che coinvolga l’intera organizzazione.

LA SFIDA DELLA DIGITAL LITERACY DIFFUSA

Come sempre quindi il tema non è tecnologico, ma organizzativo e culturale.

Il vero collo di bottiglia dell’intelligenza artificiale è la reinvenzione organizzativa, non la potenza di calcolo, come scrive Forrester Research in questo post, che si parla davvero bene con quanto ho pubblicato anche qui sul blog, il ROI dell’IA dipende quasi interamente da qualcosa in cui non si investe: la capacità di ripensare il modo in cui si lavora.

Come dice Frederic Giron nel suo contributo, la narrativa del settore dell’IA recita: “Aspetta. Arriverà più intelligenza. Modelli più grandi. Agenti più intelligenti. Aspetta e vedrai”. La verità è che non è necessario aspettare che una futura versione dell’IA si trasformi. Servono coraggio, concentrazione e persone disposte a reinventare il modo in cui si lavora.

Per troppo tempo, l’organizzazione aziendale è stata “la madre di tutti i problemi di governance della tecnologia” come ho scritto per anni, limitando la reale potenza degli strumenti, che senza l’adozione da parte delle persone sono degli oggetti inutili.

L’AI Agentica poi imporrà di ripensare i processi in un’ottica nuova (i tempi non sono pienamente maturi, però bisogna iniziare a predisporsi per tempo), anziché limitarsi ad aggiungere copilot o chatbot a flussi di lavoro obsoleti, come pura digitalizzazione centrata sulla tecnologia invece che come trasformazione basata sul valore.

Questo richiede un ripensamento end-to-end dei flussi e del diritto del lavoro (ascoltate anche il podcast qui sotto), un’opera di Digital Literacy diffuso dove l’umano è inserito deliberatamente e consapevolmente per aggiungere valore unico attraverso il giudizio, l’empatia e la creatività.

In questo, l’organizzazione deve evitare la trappola della iper semplificazione che di solito si tende ad applicare ai temi dell’adozione della Ai nelle aziende.

E deve strutturare anche i suoi dati e quella che io chiamo “Digital Supply Chain”.

DATI, CAPITALE INFORMATIVO E DIGITAL SUPPLY CHAIN

Ripensare il modo di lavorare, diffondere la digital literacy, inserire l’umano nei processi: tutto bellissimo sulla carta. Ma nella pratica, dove si inceppa la macchina all’inizio del viaggio? Nei dati. Perché puoi avere i migliori prompt engineer del mondo, ma se i tuoi dati sono un caos, se non sai dove sono, se non sono accessibili o parlano linguaggi diversi tra reparti, l’AI non può fare miracoli.

I dati poi non sono “solo” quelli degli analytics e della business intelligence: tutto quello che è digitalizzato, dai testi alle foto passando per formati più particolari come file 3d e altri, sono da considerare degli asset aziendali, tanto è vero che vengono di solito definiti digital asset. La loro gestione deve essere gestita e governata, e nei confronti della AI essi possono essere tanto degli input che degli output, da gestire, perché no, anche grazie all’intelligenza artificiale stessa, che li può categorizzare ed arricchire di informazioni a corredo.

Lo ha colto molto bene Microsoft con le nuove soluzioni che ha presentato a Ignite 2025 che ambiscono a catturare la logica del lavoro quotidiano, traducendola in conoscenza attivabile dagli agenti.

Per riuscirci però il processo di lavoro deve essere condiviso e sfruttare a pieno i tool che ci sono già, come ad esempio i sistemi di collaborazione, e anche questo non è così scontato.

Per dirla in modo semplificato, la AI ha quindi bisogno di una vera supply chain digitale, alla quale può contribuire, ma che deve essere strutturata bene fin dall’inizio, una cosa non così comune nelle organizzazioni, grandi e piccole (già nel 2020 avevo scritto a chiare lettere che il debito tecnico è un freno drammatico alla trasformazione digitale), e a riprova che il momento è arrivato da molto tempo, in quello stesso post ne avevo citato un altro del 2016 dal titolo piuttosto eloquente “Rassegnatevi, senza ICT non c’è trasformazione digitale di successo”.

Ora con la AI generativa e l’uso su larga scala di intelligenza artificiale anche di altro tipo la corda rischia di spezzarsi.

Ma che cosa compone quindi questa catena digitale?

E’ venuto fuori in modo evidente anche nell’ultimo Martech Day 2026, da cui ho tratto l’immagine qui sotto: dati e tecnologia di integrazione sì ma anche organizzazione.

C’è quindi un tema di persone. Il debito tecnico si è alimentato ed alimenta a sua volta tutto quel mondo di operations digitali (termine fin troppo sconosciuto in Italia, nel marketing ma non solo) che dovrebbero garantire la creazione e l’esecuzione di processi orchestrati, di dati condivisi e di azioni portate “at scale” e che invece sono frammentate e spesso incentrate su workaround e soluzioni tampone…permanenti!

Se vi ritrovate come immagino, nei contenuti che ho linkato non è preveggenza, è conoscenza della macchina digitale fin dai suoi albori, il problema è che sopra questa macchina dal motore che un po’ arranca abbiamo continuato a costruire per più di venti anni (ossia almeno da quando lavoro in grandi corporate e ne ho visibilità dall’interno) sempre nuovi strati di innovazione, senza mettere abbastanza in sicurezza le fondamenta.

Non è solo un tema di persone “IT”: sicuramente i leader del mondo tecnologico a volte non sono riusciti, per vincoli o competenze, ad essere lungimiranti su questi argomenti e magari non sono stati abbastanza efficaci nel comunicare le necessità per far approvare i relativi investimenti.

Ma il resto dell’azienda non può tirarsi fuori e dare la colpa solo ai CIO o ai Digital leader: il lavoro dei manager e della leadership è fondamentale per creare la cultura e le condizioni operative per permettere alla macchina tecnologica di esprimere nel modo corretto il suo potenziale.

Ecco perché è arrivato il momento di fermarsi e fare i conti con la realtà.

E QUINDI CHE COSA POSSIAMO E DOBBIAMO FARE?

Torniamo alla domanda iniziale: cosa ci ha insegnato davvero il 2025? Che l’intelligenza artificiale è un test di carico sulle fondamenta della tua organizzazione.

Immaginate di voler costruire un nuovo piano sulla vostra casa. Prima di iniziare, un architetto serio vi farebbe una domanda: le fondamenta reggono (ps. qui siamo nel 2011)?

Per vent’anni abbiamo continuato a costruire nuovi piani—social media, mobile, cloud, martech, e ora AI—senza mai avere abbastanza tempo per rimediare alle cose costruite troppo in fretta. Abbiamo accumulato debito tecnico, processi rattoppati, competenze frammentate. L’AI generativa non è l’ennesimo piano da aggiungere: è quello che fa tremare tutta la struttura e ti costringe a guardare in faccia ciò che hai ignorato.

Ma è anche il momento della verità. E quindi delle domande scomode:

Le tue persone capiscono davvero cosa stanno facendo con l’AI? Non basta un corso di prompt engineering. Serve digital literacy diffusa, quella che ti fa distinguere quando l’output dell’AI è un punto di partenza da lavorare e quando è solo rumore standardizzato.

I tuoi dati sono un asset o un problema nascosto? Se non sai dove sono, se i reparti parlano lingue diverse sui KPI, se manca governance, l’AI amplificherà solo il caos. La digital supply chain che nessuno vuole vedere diventerà il collo di bottiglia di ogni iniziativa.

La tua organizzazione è pronta a ripensarsi? Perché puoi avere la tecnologia più avanzata del mondo, ma se i processi sono obsoleti e le persone lavorano in silos impermeabili, non andrai da nessuna parte.

La buona notizia? L’AI può essere un potente alleato anche nel consolidamento: può aiutarti a riscrivere quel vecchio sistema legacy che nessuno osava toccare, a documentare processi invisibili, a mappare e categorizzare i dati dispersi. Ma solo se hai idee chiare su dove vuoi andare e il coraggio di smontare ciò che non funziona.

Investire nelle fondamenta non è sexy. Non genera comunicati stampa entusiasmanti. Ma è l’unica cosa che separa chi costruirà qualcosa di duraturo da chi vedrà crollare tutto sotto il peso dell’ultimo layer di innovazione.

Il 2026 sarà l’anno in cui emergerà la differenza tra chi ha fatto i compiti a casa e chi ha solo inseguito l’hype.

Servono però idee chiare e coraggio, e queste due cose l’intelligenza artificiale non può crearle dal nulla ma solo aumentare il risultato delle scelte delle persone…

English version is available on Medium.com