Internet Manager Blog

Siamo bombardati di notizie legate alle nuove capacità dei tool tecnologici, quelli AI in testa, e ci chiediamo come poterli usare al meglio o, sempre più spesso,come poterli limitare e controllare meglio prima che in qualche modo prendano il sopravvento su di noi.

Tutto corretto, ma forse ci sta sfuggendo di vista un problema: non stiamo parlando troppo di tecnologia e troppo poco di persone? Probabilmente sì, e non solo per i temi fin troppo abusati della “centralità dell’umano”. Ci sono degli elementi più forti e immediati che riguardano la capacità di verifica e, come sempre, l’organizzazione. Partiamo dal primo.

PARLIAMO DELL’ABILITA’ DI VERIFICA E DEL PERCHE’ E’ IMPORTANTE

Lo spunto per tutta questa riflessione è partito da un bell’articolo del professor Walter Quattrociocchi sul Corriere delle sera, che giustamente sottolinea come più i sistemi diventano capaci di generare, più aumenta il numero di oggetti da verificare. Il problema però è che sempre di più utilizziamo quegli stessi sistemi per sostituire i processi attraverso i quali gli esseri umani imparano a verificare. E con questa mancanza, mentre cresce vertiginosamente la domanda di expertise si contrae progressivamente la sua offerta.

Pensiamo banalmente ai contenuti prodotti dalle AI generative: una ricerca di Pew Research Center condotta sull’archivio di Common Crawl con il tool AI detection Open Pangram ha rivelato che a partire dal lancio di ChatGPT (novembre 2022) il 35% dei contenuti pubblicati è probabilmente generato, il 9% del totale del campione se si include anche ciò che è stato pubblicato prima di quella data.

Nel 2026 circa una pagina su dieci con dominio .com mostra segni di paternità da parte dell’IA: circa il doppio rispetto ai domini .org (4,6%) e 10 volte di più rispetto ai domini .edu o .gov (entrambi intorno all’1%). Tante cose da controllare.

Naturalmente, non è un delitto usare la AI per arricchire e migliorare i propri contenuti se sono originali, ma la verifica diventa sempre più difficile per la quantità e anche per il pregiudizio cognitivo che scatta quando “c’è di mezzo la AI”, come nel caso di Hank Green, tanto che basta un finto bollino AI per trasformare un autentico Monet in un fake pieno di difetti.

Quattrociocchi dice che “utilizzare un LLM non impedisce di imparare e non c’è alcuna ragione per trasformare questa osservazione nella solita nostalgia per un passato senza tecnologia. Il problema nasce quando lo strumento sostituisce i passaggi attraverso cui quella competenza dovrebbe svilupparsi.

L’expertise, infatti, possiede una caratteristica poco compatibile con l’economia dell’automazione. Richiede tempo, e non possiamo decidere, tra vent’anni, di avere improvvisamente bisogno di milioni di persone capaci di verificare sistemi complessi e produrle con un aggiornamento software”.

E senza aspettare quel momento, già oggi la competenza richiesta non è sempre piatta e uguale.

NON TUTTI GLI “HUMAN IN THE LOOP” SONO UGUALI!

Eh sì, non tutti gli “human in the loop” sono uguali!

Lo dice, correttamente per me, Scott Brinker in uno dei numeri della sua newsletter e credo che sia una riflessione assolutamente importante in questa fase di corsa ancora confusa della AI e dell’Agentic Ai in particolare.

Scott fa un esempio semplice e illuminante allo stesso tempo: uno stagista che impiega 15 secondi per spuntare una casella e un esperto del settore con 20 anni di esperienza che impiega 45 minuti a dibattersi con una decisione ambigua sono entrambi “human in the loop”. Ma non sono certo equivalenti.

Ci sono compiti di verifica dove si sa già che cosa è giusto e quindi bisogna dire “solo” OK/KO e altri dove l’output di un LLM o di un agente è solo il punto di partenza di una valutazione più complessa, con diverse sfumature.

Anche la posizione in cui si trova l’essere umano influenza il suo giudizio e il suo costo: approvare un’azione, monitorare un comportamento, gestire le eccezioni, plasmare il sistema o imparare dai suoi risultati.

In questo c’è un punto molto significativo e molto, molto sottovalutato: il modo più efficace per sfruttare le competenze umane è quello di plasmare le decisioni prese dal sistema, non di esaminarle una per una.

Ossia, in altri termini serve prendersi il tempo per capire e fare bene le cose all’inizio per poi trarne i frutti e non sovrasemplificare l’approccio alla Ai per lamentarsi degli scarsi risultati o peggio ancora per correre ai ripari sui danni.

Mi trovo molto d’accordo anche sul metodo descritto nel post per decidere quanta responsabilità introdurre, e in quali ambiti, usando come criteri l’incertezza, le conseguenze e la reversibilità, oltre che la loro interazione reciproca. Una decisione altamente incerta potrebbe non meritare molta attenzione umana se la posta in gioco è irrilevante e l’azione è facilmente reversibile. Una decisione relativamente semplice potrebbe comunque richiedere l’intervento di un esperto se un errore avrebbe conseguenze importanti.

Questo ci riporta, se mai ce ne fosse bisogno (probabilmente sì), a stressare il punto che in questa era AI:

• Non possiamo delegare la nostra responsabilità e il nostro pensiero, piuttosto dobbiamo evolvere la nostra organizzazione
• L’execution e la conoscenza sono più importanti che mai
• Fare le cose con la dovuta riflessione iniziale, purché non si traduca in paralisi, non è rallentare ma è la chiave per avere successo.

Come sempre, vi invito a leggere tutto il post originale che contiene anche altri spunti, da parte mia l’invito è sempre lo stesso: mettiamo insieme la nostra competenza di dominio (prima che diventi scarsa o dimenticata) con la comprensione della Ai, per non subire la tecnologia.

METTERE INSIEME LA COMPETENZA SUL PROPRIO LAVORO CON LA DIGITAL LITERACY

Lo avevo scritto a ottobre 2025: una parte importante degli utenti vive una pericolosa illusione di competenza. Le interfacce sono intuitive, il che ci illude di aver capito la complessità sottostante. Aggiungo inoltre che c’è un falso mito sul fatto che i nativi digitali (presto nativi AI?) siano competenti di tecnologia ma la realtà è che sono abituati ad usarla, e c’è un’enorme differenza fra le due cose, come ho già detto altre volte.

Non è solo negligenza ma anche un effetto della velocità e della pervasività dei cambiamenti.

Dall’altra parte c’è la paura di ciò che non si conosce: questo genera rifiuto e la convinzione che sia una minaccia che non può portare nessun beneficio alla propria attività.

Questo sentimento non viene di certo aiutato dal fatto che stiamo entrando nella fase di disllusione dell’hype mediatico: dal “2026 AI-Powered Consumer Report” dei ricercatori di Prophet ai dati del Pew Research Center passando per l’AI Index 2026 di Stanford c’è un generale calo della fiducia delle persone nella Ai e nei suoi benefici (ne avevo parlato anche qui).

Una sana vista critica è assolutamente positiva, e quindi questi dati non sono necessariamente solo negativi, ma deve essere accompagnata da una consapevolezza di pro e contro che deriva da una vera conoscenza.

Tornando quindi al mondo aziendale, non è da oggi che la Digital Fluency rappresenta un problema nelle organizzazioni, ma ora diventa più che mai importante.

Nel lavoro questa fluency è la congiunzione tra il sapere del (buon) management precedente e la tecnologia.

Tutti i tipi di aziende devono smettere di trattare la conoscenza come un sottoprodotto del lavoro quotidiano e iniziare a gestirla come un asset strategico e farne tesoro per scalarlo con la AI.

Il manager (e il dipendente in genere) che ha tanti anni di esperienza e capisce come l’AI può ottimizzare i flussi diventa preziosissimo. Chi sa solo usare tool digitali ma non capisce davvero il business è vulnerabile. E chi conosce il business ma rifiuta di capire la tecnologia è destinato a diventare irrilevante.

Invece, un sano equilibrio, crea quello che potremmo chiamare il “lavoratore ibrido”: qualcuno che sa quando delegare all’AI, quando intervenire, quando fare un passo indietro per lasciare che il team (umano + AI) trovi la soluzione. Senza contare che sapere ci aiuta a mitigare il rischio di dipendere troppo da una singola tecnologia proprietaria.

Tutto questo funziona, anche per le persone più virtuose, se c’è l’organizzazione interna, la leadership giusta e le condizioni adatte a supporto che aiutano a scaricare a terra questo potenziale.

GESTIRE LA TRASFORMAZIONE DELLA AI E’ UN GIOCO DI SQUADRA

Più sono sofisticati gli strumenti e più essi tireranno fuori in modo impietoso i limiti e questo nodo si risolve, o non si risolve, nelle scelte organizzative quotidiane: chi ha il mandato di decidere, quanto velocemente le decisioni si traducono in azioni, quanto il gap tra intenzione e realizzazione viene tollerato o invece affrontato. Le organizzazioni devono essere progettate per agire, non per approvare, riducendo i livelli di consenso invece di moltiplicarli.

Questo problema decisionale esiste da tempo, ma l’AI agentica lo ha reso visibile in modo impietoso: è una gara di chiarezza prima che di velocità, e i processi già confusi lo diventano ancora di più se vengono potenziati e accelerati. Se già oggi la verifica è lenta e a volte superficiale, una spinta cieca all’automazione non farà che deresponsabilizzare le persone e impoverire le competenze.

C’è quindi molto lavoro per i leadership team, che percepiscono questa fatica: secondo quanto dice Gartner il 75% dei responsabili delle risorse umane (CHRO) afferma che i manager sono più oberati di lavoro che mai, a dimostrazione del fatto che i guadagni di produttività derivanti dall’IA comportano costi nascosti in termini di supervisione, senza la quale il rischio di gravi problemi è sempre dietro l’angolo.

La trovo una chiara riprova del fatto che un’organizzazione “agentica” non è così semplice e immediata da costruire: persino un’azienda come Meta si è scontrata con questo fatto. Gli obiettivi di riduzione del personale erano molto ambiziosi (fino al 60% per alcuni reparti) ma dentro Meta è emersa presto la domanda scomoda: “Sto usando l’AI per lavorare meglio o la sto addestrando per sostituirmi?”. Quando questa percezione prende piede, la fiducia crolla, l’engagement scende e il rischio di “quiet quitting” sale. L’AI non è solo tecnologia e se il cambiamento è letto come minaccia, i team resistono, rallentano, si proteggono.

Oltre al tema cruciale della fiducia, c’è da dire poi che la AI è un gioco di squadra come già lo sono stati ad esempio gli analytics, e ancora di più. Come già scrivo da fine anno, la tecnologia è solo il 20% del problema e il restante 80% sta nelle organizzazioni, nelle persone, nella sottovalutazione del debito tecnico e in quella che io chiamo la ‘digital supply chain’.

Tutte le organizzazioni ormai sono dotate di un parco tecnologico più o meno ampio rispetto alle tecnologie digitali che seguono l’intera catena del valore, il problema è che spesso questi ingenti investimenti non vengono messi pienamente a terra o sono duplicati in modo inefficiente. Perché? Perché non si lavora in ottica di ecosistema e tutto è troppo frammentato.

Questa frammentazione da un lato non aiuta a mettere a fattore comune le conoscenze e le skill delle persone già oggi e per il futuro non consente alla AI di scalare questa competenza, finendo per generare come dicevo prima una grande quantità di output ma con sempre meno persone in grado di giudicarli, integrarli e migliorarli.

Senza questa attenzione alla valorizzazione ed esplicitazione della conoscenza avremo solo una digitalizzazione che riguarda la conversione di processi analogici già poco efficienti in digitali, puntando alla riduzione del lavoro umano, mentre una vera trasformazione digitale implica un cambiamento più profondo, che coinvolge modelli di business, cultura organizzativa e strategie operative. Il focus qui è sul valore e il valore vero nasce dall’unione di conoscenza umana e potere della tecnologia, che insieme permettono alle persone di fare cose che non si credevano possibili e ridefiniscono il modo in cui gli obiettivi delle persone possono essere raggiunti.

Tutto questo sforzo sulla consapevolezza e le fondamenta dovrebbero poi aiutarci a gestire meglio anche l’approccio alla gestione economica dei nuovi strumenti, perché la AI non è gratis, un tema che ho largamente trattato in un altro pezzo che trovate qui.

Ma per arrivarci dobbiamo prima tornare a parlare di persone, in particolare della loro conoscenza del proprio lavoro e del proprio dominio, e meno di tecnologia.