Internet Manager Blog

Negli ultimi anni nelle aziende la parola d’ordine è stata una: accelerare. Abbiamo spinto sui tempi di esecuzione, sull’adozione immediata, sulla digitalizzazione di ogni processo nel minor tempo possibile. Così abbiamo corso troppo e perso le basi.

Ora che AI generativa e agenti autonomi entrano nei flussi di lavoro, quel deficit di chiarezza si fa sentire. L’AI infatti non parte da un foglio bianco: si innesta sul capitale di conoscenza e sull’organizzazione che già esistono. Per questo ci costringe a una cosa che oggi suona controcorrente: fermarci e rimettere in fila le cose.

Navighiamo a vista, e non solo nella tecnologia

Secondo il Process Optimization Report 2026 di Celonis, il 76% delle aziende ammette di “sopravvivere” con processi sub-ottimali che richiederebbero interventi strutturali. Non è un numero piccolo. Con la crescita dell’organizzazione i processi diventano “spaghetti”: un flusso classico come il Purchase-to-Pay passa da 3 passaggi a 10, con approvazioni superflue, passaggi manuali e ritardi.

Nel frattempo la conoscenza reale dell’azienda vive spesso solo nella testa delle persone: le logiche di processo, le eccezioni, le intuizioni, la memoria storica dei progetti. Quando la velocità è l’unica metrica, nessuno si ferma a formalizzarla, a strutturarla o a condividerla (ammesso che sia mai stato fatto prima).

Non sto dicendo che sperimentare in fretta sia sbagliato, visto che spesso è il modo migliore per imparare; la velocità però regge solo se sappiamo cosa stiamo accelerando ed è difficile pilotare tutto quando basta solo che una persona lasci un ruolo per perdere non solo dell’esperienza ma degli interi pezzi di processo.

L’AI è un sintomo rivelatore, non la causa

Un dato molto eloquente del già citato report di Celonis dice che l’88% delle organizzazioni usa l’AI in qualche modo, ma solo il 10% riesce a scalare gli agenti con successo e appena il 5% ottiene un valore finanziario concreto. Non possiamo dire che sia solo colpa dei punti ciechi operativi, ma è difficile non vederci un legame: chi non sa come funzionano i propri processi fatica a farli eseguire a un agente.

Per questo dico che l’AI è un sintomo rivelatore, non la causa (almeno per ora). Fa emergere ciò che c’era già e che avevamo rimandato.

Quello che manca è il capitale semantico dell’organizzazione: la mappa chiara di significati, relazioni e contesti su cui anche gli strumenti più avanzati devono basarsi per dare risposte coerenti e pertinenti. La tecnologia si compra sul mercato; la conoscenza della propria organizzazione si costruisce con il tempo e con la cura.

Alla fine, per usare una rappresentazione visiva, è come un panino del fast food uguale e replicabile ovunque rispetto alla ricetta segreta del ristorante storico, con il suo tocco unico e inconfondibile. La tecnologia che si compra può rendere veloce lo standard, ma senza la conoscenza non potrà produrre qualcosa di differenziante.

La chiarezza che spesso manca

Torniamo quindi al tema della chiarezza, che si può vedere da vari angoli.

Chiarezza sui processi. Cosa succede davvero, non cosa dice il manuale. Un’organizzazione che non sa come funzionano i propri flussi non può chiedere a un agente di eseguirli. Per questo, tra le domande che il report Global Human Capital Trends 2026 di Deloitte suggerisce per integrare l’AI in modo intenzionale e non semplicemente sovrapposta alle strutture esistenti, metterei per prima questa: abbiamo verificato che ciò che esiste oggi funzioni davvero bene? Le altre vengono dopo: vogliamo liberare le nostre risorse migliori per attività a più alto valore? Vogliamo colmare un divario di competenze? Vogliamo ridurre i livelli di approvazione per velocizzare i processi?

Chiarezza sui ruoli e sui mandati. Già nel 2011 scrivevo che la necessità di un ruolo spesso precede la sua formalizzazione e la piena comprensione da parte dell’organizzazione. Oggi è ancora più vero: con la crescita delle aziende perfino i ruoli più tradizionali si sono sfumati, e nessuno li ha mappati né esplicitati. Il punto non è il job title, ma assegnare un mandato chiaro, unito a un rapporto collaborativo con le altre figure aziendali.

Chiarezza sulle relazioni reali e sui legami informali. Fin dal 2009 ragionavo sulla forza dei legami deboli “scoperti” da Mark Granovetter e su come la tecnologia potesse rendere studiabili queste connessioni invisibili e chi, indipendentemente dal ruolo formale, fa da “nodo”. Oggi strumenti di collaboration Microsoft Viva per Office 365 e alle soluzioni di Google Workspace permettono di mapparle in modo relativamente semplice. E le persone che sono nodi naturali della rete possono diventare ambasciatori preziosi nell’adozione tecnologica.

Chiarezza sulla conoscenza e sul dato. Gli agenti e i modelli hanno bisogno di dati puliti, ben strutturati e ricchi di contesto per dare valore reale. E servono persone che conoscano davvero lo strumento: non basta l’entusiasmo della prima ora. Se la tecnologia vola, l’alfabetizzazione ancora striscia, e senza competenze critiche l’adozione si ferma allo strato superficiale.

Il rischio: perdere la capacità critica

Inserire agenti AI in un’azienda senza chiarezza organizzativa crea un cortocircuito pericoloso. Se deleghiamo contenuti, analisi o decisioni a modelli automatizzati e le persone non padroneggiano il contesto e la materia, chi riconoscerà un’allucinazione, un errore di bias, una risposta formalmente corretta ma operativamente sbagliata?

L’AI non elimina la necessità dell’esperienza umana: alza l’asticella. Servono figure più lucide e più preparate per governarla.

Il tema non riguarda solo le grandi aziende tech o le realtà native digitali. Vale ancora di più nei settori ad alto valore artigianale e di posizionamento, come il Made in Italy, dal fashion al manifatturiero d’eccellenza. Lì identità e forza del brand si fondano sulla qualità del dettaglio, sul saper fare e sulla storia. Applicare l’AI in modo acritico, rincorrendo l’ennesimo trend, rischia di appiattire l’unicità del prodotto o di creare uno scarto tra promessa e realtà, come ho raccontato parlando del matrimonio complesso tra fashion, lusso e innovazione.

Ma l’AI può anche aiutarci

Finora ho parlato dell’AI come di una spia: accende una luce sui problemi che avevamo lasciato in ombra. Credo però che possa essere anche parte della soluzione.

Fino a pochi anni fa raccogliere la conoscenza di un’organizzazione in un sistema strutturato era un’impresa aleatoria. Le fonti erano eterogenee (documenti, email, fogli di calcolo, ricordi delle persone) ed era difficile acquisirle, processarle e metterle in relazione. Per questo quasi nessuno lo faceva, e quando lo faceva il risultato invecchiava in fretta.

Oggi possiamo “digerire” l’audio o il video dell’intervista a un veterano aziendale che racconta come si fanno davvero le cose. Possiamo osservare con più facilità i pattern ricorrenti nei sistemi, dalla semplice posta fino al process mining sugli ERP. E possiamo interrogare basi di dati molto meno strutturate dei database classici.

Messe insieme, queste capacità rendono pensabile un progetto ambizioso, fatto di due mosse complementari:

• Ascoltare ciò che le persone sanno. La conoscenza smette di essere un sottoprodotto del lavoro, che si perde quando qualcuno cambia ruolo o va in pensione, e diventa qualcosa che si raccoglie con intenzione.
• Osservare ciò che l’organizzazione fa. Le azioni e le interazioni sui sistemi mostrano i processi reali, quelli che stanno dietro i processi dichiarati.

Il valore sta nel confronto tra le due cose. Dove il racconto e i dati coincidono, abbiamo conoscenza solida. Dove divergono, abbiamo trovato esattamente il punto cieco di cui parlavamo all’inizio. È un modo concreto di costruire quel capitale semantico di cui manca la mappa.

Un esempio (ipotetico). Immagina un’azienda manifatturiera in cui un responsabile acquisti con trent’anni di esperienza racconta, in un’intervista registrata, che per certi fornitori “si salta sempre l’approvazione, altrimenti i tempi non reggono”. Il process mining sull’ERP conferma che in quei casi il flusso salta due passaggi. Nessun manuale diceva niente di tutto questo. Ora l’organizzazione ha davanti una scelta chiara: formalizzare l’eccezione, eliminare i passaggi inutili o capire perché esistono. In ogni caso sa di cosa sta parlando, ed è solo a quel punto che ha senso chiedere a un agente di lavorarci.

C’è un limite da dire apertamente. Tutto questo non è neutro. Osservare le interazioni sui sistemi riguarda le persone e il loro lavoro, quindi servono trasparenza, consenso e regole chiare su cosa si osserva e perché. Inoltre ciò che l’AI estrae da interviste e documenti va verificato: un sistema può sintetizzare in modo plausibile qualcosa che il veterano non ha mai detto. Proprio per questo la capacità critica delle persone, di cui parlavo prima, resta il punto di partenza e anche quello di arrivo.

Da dove si parte

Non è una cosa semplice né veloce. Ma ha smesso di essere solo un’aspirazione: oggi è possibile, e ne abbiamo drammaticamente bisogno. Soprattutto, non è un progetto tecnologico. Richiede lo sforzo di tutte le funzioni, perché la conoscenza di un’organizzazione non sta in un solo reparto.

Per essere realistici, è inutile pensare di aggredire tutto e subito, ma si possono fare dei passi per provare il valore di questa possibilità:

1. Scegli un processo che conta e guardalo com’è davvero. Non il più semplice da mappare, ma uno che pesa sul business e di cui sospetti che “in teoria” vada in un modo e “in pratica” in un altro. Confronta il manuale con ciò che i sistemi mostrano e con ciò che raccontano le persone che lo usano ogni giorno. Il divario tra le due cose è il tuo primo risultato.

2. Individua chi porta la conoscenza e raccoglila prima che si perda. Ogni organizzazione ha persone che sanno come funzionano le eccezioni, perché certe scelte sono state fatte e a chi rivolgersi quando qualcosa si inceppa. Possono essere veterani, ma anche quei “connettori naturali” di cui parlavamo prima. Intervistali, registra, struttura. Oggi farlo costa molto meno di qualche anno fa, e il momento migliore è prima che cambino ruolo o vadano in pensione.

3. Dai un mandato chiaro prima di aggiungere un agente. Quando sai cosa succede e chi lo sa, chiediti chi decide cosa, con quale responsabilità, e dove l’AI può davvero togliere lavoro a basso valore o ridurre un livello di approvazione. Solo a quel punto ha senso introdurla, con un perimetro che qualcuno sa governare e valutare.

I requisiti più importanti sono tempo, attenzione e la disponibilità a guardare ciò che avevamo preferito non vedere, le licenze del software e la sua sofisticazione vengono dopo come importanza.

E qui torniamo alla gara. Chi la vince non è chi parte più veloce, ma chi sa dove sta andando. In un momento in cui la tecnologia corre per tutti allo stesso modo, la differenza la farà la chiarezza di cui ogni organizzazione è capace.