L'intelligenza artificiale in azienda non si decide sull'infrastruttura né sugli strumenti: si decide sulle persone che sanno portarla dentro il lavoro vero, e cambiarla quando servirà.
«Estendiamola a tutti.» La richiesta arriva quasi sempre con queste parole, e arriva sul tavolo dell'IT. Chi la porta ha ragione da vendere: la tecnologia è matura, costa poco, e tenerla in un recinto sarebbe assurdo. E chi la riceve — io compreso — risponde d'istinto su due binari, entrambi rassicuranti e entrambi, a mio avviso, fuori bersaglio. Il primo è l'infrastruttura: meglio il cloud o un server nostro, chiuso e protetto? Il secondo sono gli strumenti: diamo a ciascuno una chat e vediamo cosa succede. Sono risposte alla domanda dove e alla domanda cosa, mentre il problema vero è un altro: chi, e per fare cosa.
Che sia la domanda sbagliata lo dice il paradosso che abbiamo sotto gli occhi. L'intelligenza artificiale nelle aziende è già ovunque, e viene usata per poco. Una presentazione confezionata in fretta, un'immagine ritoccata, una mail resa più scorrevole: gesti utili, per carità, ma che assomigliano più a un passatempo da fine settimana che a un uso professionale. Se è questo che intendiamo quando diciamo «intelligenza artificiale in azienda», allora abbiamo speso molte parole per ottenere un correttore di bozze più sofisticato. E quel divario — fra ciò che questa tecnologia potrebbe fare al lavoro di un reparto e ciò che di fatto le stiamo chiedendo — non lo colma né un server nostro né una chat per tutti.
Il nodo che sembra grosso
Sgombro subito il campo dal nodo che sembra il più grande e che invece è collaterale: la paura di affidare al cloud documenti e informazioni riservate. Affidiamo i nostri documenti ai server di altri da anni, ogni giorno, senza tremare — lo facciamo con la posta, con i file condivisi, con le suite da ufficio in cloud. Il rischio di archiviazione l'abbiamo già accettato e normato da tempo. L'intelligenza artificiale non riapre quel capitolo; ne aggiunge uno diverso, il rischio di elaborazione: un documento depositato su un disco remoto sta fermo, cifrato, finché qualcuno non lo apre, mentre un modello quel contenuto lo legge, lo ricombina, ci agisce. È un delta reale, ma è un delta che si chiude — con i contratti, oggi disponibili nelle offerte serie, che garantiscono di non conservare i dati e di non addestrarci sopra; e con l'architettura, cioè decidendo a monte cosa entra nel modello e per mano di chi. Tenere i dati su server europei, intanto, soddisfa il GDPR ma non il segreto industriale: è una fetta del problema, non il problema. E la velocità con cui la tecnologia evolve — l'argomento che più spesso si usa per invocare una fortezza tutta nostra — porta esattamente alla conclusione opposta: incatenarsi a un'infrastruttura propria, che si deprezza mentre la frontiera si sposta ogni trimestre, è il vero rischio strategico. Il cloud, qui, non è una resa: è un modo per restare liberi di cambiare. Lo dico apposta in fretta, perché non è qui che si decide la partita.
Dalla generazione alla cognizione
La partita si decide su che cosa significhi, davvero, un uso adulto di questi strumenti. La gran parte delle persone si ferma alla generazione: chiedo alla macchina di produrre qualcosa al posto mio. È il piano terra. Il piano nobile è un altro, ed è la cognizione: la macchina che ragiona insieme a me.
Faccio un esempio, perché l'astrazione qui non aiuta. Immaginiamo una riunione in cui, tra i partecipanti, ce n'è uno che non è una persona ma un modello — non per scrivere il verbale, ma per partecipare al ragionamento. Il gruppo sta per chiudere su una scelta che sembra sensata; il modello, che ha davanti i vincoli che nessuno in quel momento ha in mente, osserva che quella decisione contraddice un impegno preso il trimestre prima, o sfora un limite che era stato fissato altrove. Non decide al posto del gruppo: tiene la discussione ancorata ai suoi obiettivi quando divaga, registra le scelte man mano che si formano, le confronta in tempo reale con i processi e i paletti esistenti — fino, volendo, a guidare un brainstorming. È la differenza tra un distributore automatico e un partner di pensiero. Il primo ti fa risparmiare qualche minuto; il secondo cambia la qualità di ciò che pensi.
Non è un'ipotesi da laboratorio. È quello che ho visto accadere dentro Sophron, il sistema con cui lavoriamo in casa: lì il modello fa l'analista, l'esecutore e la sentinella, e la cosa che mi ha colpito non è ciò che fa al lavoro — quello è facile da raccontare — ma ciò che fa a chi lavora. Le persone che ci entrano cominciano a formulare meglio le domande, e cambiano il modo di ragionare anche quando la macchina non c'è.
E non è un caso isolato. Lo stesso salto avviene quando, invece di chiedere «scrivimi questa offerta», chiedo «smonta questa offerta: dove si contraddice, dove promette ciò che non possiamo mantenere, quale obiezione mi farebbe il cliente più difficile». O quando un'azione che oggi si ripete a mano ogni settimana — riconciliare due elenchi, controllare che una pratica rispetti una regola interna — smette di essere un compito meccanico e diventa una verifica ragionata, in cui il modello segnala l'eccezione invece di limitarsi a eseguire. In tutti questi casi l'AI non produce per me: pensa con me. Eppure quasi nessuno, oggi, immagina di usarla così. Tutti pensano alla slide, al fotoritocco. E quella, appunto, è la soglia oltre la quale l'immaginazione della maggior parte delle persone non si spinge.
Non è un problema d'uso, è un problema d'immaginazione
Perché così pochi arrivano al piano nobile? Verrebbe da chiamarlo un problema di adozione, ma non lo è: le persone l'intelligenza artificiale la usano già, eccome. È un problema d'immaginazione. E l'immaginazione non si distribuisce con una circolare interna. Si può comprare lo strumento migliore sul mercato e starsene a guardare mentre viene impiegato per fare presentazioni più carine. Lo strumento non porta con sé la visione di ciò che potrebbe fare; quella visione abita nelle persone, o non abita da nessuna parte. È la ragione per cui nessuno arriva da solo al piano di sopra: ci si arriva soltanto se qualcuno, nel reparto, ha già visto che cosa è possibile e ha la pazienza di mostrarlo agli altri.
È qui che la definizione stessa di successo va ribaltata. Tendiamo a misurarlo contando quanti piccoli problemi abbiamo risolto con strumenti standard, pensati per durare. Ma questo è un dominio che punisce la stabilità. Che la tecnologia cambi troppo in fretta perché una soluzione sopravviva l'ho già argomentato altrove — è la fine della manutenzione di cui scrivevo in L'Architetto Logico oltre il CMS — e non lo ripeto. La ragione che allora non avevo visto è un'altra, ed è economica: iper-progettare per la durata costa più tempo e più fatica, ma l'obsolescenza arriva comunque, sicché la soluzione «robusta» su cui abbiamo sudato finisce per essere effimera quanto quella veloce — solo che ci è costata di più. A questo si aggiunge che il bersaglio è mobile: le piccole azioni ripetitive che vogliamo semplificare cambiano anch'esse nel tempo, mutano con il reparto. Bersaglio in movimento, strumento in movimento. La provvisorietà, allora, non è una rinuncia alla qualità: è coerenza con la realtà.
Ne segue che il successo non è un catalogo di problemini risolti, e non è nemmeno un singolo sistema ben costruito — perché anche il sistema più riuscito è una soluzione, e le soluzioni invecchiano. Il successo è un'organizzazione capace di adottare in fretta e in sicurezza, di semplificare ciò che oggi si fa in modo meccanico, di governare nel tempo ciò che ha adottato — tenendolo sanzionato, sotto controllo, dentro un perimetro — e soprattutto di riadattarsi: a una nuova esigenza, a un nuovo modello, a un nuovo modo di lavorare, senza fossilizzarsi sulla prima esperienza gradevole che qualche strumento ha proposto. È l'esatto rovesciamento della logica con cui l'IT ha sempre lavorato. Di norma si investe nelle soluzioni, che devono essere durevoli, e si trattano le persone come utenti di quelle soluzioni. Qui le soluzioni sono usa-e-getta, e l'investimento durevole sono le persone. Non si colleziona un parco di soluzioni: si coltiva una capacità.
«Le soluzioni sono usa-e-getta; l'unico investimento che si capitalizza anno dopo anno sono le persone capaci di cambiarle.»
— Giovanni Aduso
Chi traduce
Questa capacità ha una forma precisa, e non è quella che di solito si immagina. Non basta nominare un esperto di AI per tutta l'azienda: è necessario, fa da stimolo, ma da solo è una voce nel deserto. E non basta nemmeno mettere strumenti semplici nelle mani di chi sta alla base dell'organizzazione: senza nessuno che li adatti, quegli strumenti si irrigidiscono in fretta, producono poco, non si propagano. Tra i due estremi c'è una figura che decide tutto: chi traduce.
Mi piace l'etimologia di questo verbo. Tradurre viene da trans-ducere, condurre attraverso: chi traduce conduce il potenziale dell'intelligenza artificiale attraverso la soglia che separa la tecnologia in astratto dal lavoro concreto di un reparto. È una persona bilingue, che parla la lingua del processo e quella della tecnologia, e che ha la pazienza di sedersi accanto a chi, da solo, non ci arriverebbe.
E qui la competenza che serve non è quella che il mio mestiere mi porterebbe a nominare per prima: non è tecnica. È la conoscenza intima di come si lavora davvero — dentro quali eccezioni, con quali scorciatoie, contro quali attriti — unita alla capacità di evolvere senza affezionarsi a una soluzione. Nell'IT questa conoscenza c'è, ed è il reparto da cui si vedono i processi di tutti; ma non è una sua prerogativa, e non si trova mai per intero in un solo punto dell'azienda.
Il che porta al punto più delicato. L'attitudine che questo momento premia non coincide con i ruoli, non coincide con l'anzianità, non coincide con l'organigramma. Ed è scarsa per tutti: è una competenza che fino a ieri non esisteva, che nessuno poteva pretendere né mettere in un annuncio di lavoro, perché semplicemente non serviva. Per questo il compito non è giudicare chi è all'altezza. È scoprire dove questa attitudine già vive — e vive in posti inattesi: in chi conosce un processo nelle viscere e ha la testa per cambiare in fretta, in profili che nessuna procedura avrebbe segnalato. Riconoscerla dove non era prevista richiede una forma di umiltà istituzionale: la disponibilità a guardare oltre il titolo sul biglietto da visita.
E l'alfabetizzazione, di conseguenza, è a più livelli, e ha una sequenza. Parte da chi può fare da traduttore, perché sono loro il moltiplicatore: senza di loro l'esperto centrale resta inascoltato e gli strumenti alla base restano inerti. Solo a valle, quando esiste chi sa calare l'intelligenza artificiale nel concreto, ha senso arrivare a chi sta più in basso.
Togliere l'onere del discernimento
A chi sta alla base, infatti, non si deve chiedere di discernere. Non gli si pone la domanda che mette in difficoltà persino gli esperti: che cosa posso caricare e che cosa no, quanto posso fidarmi di questa risposta, dove finisce l'aiuto e comincia l'errore. Quell'onere lo si progetta fuori dallo strumento. Si prepara un ambiente curato, con i documenti giusti già dentro e il perimetro deciso a monte; si offre uno spazio in cui sbagliare è difficile perché le scelte rischiose sono state fatte prima, da chi sapeva farle. La fiducia non si ripone nella persona: si incorpora nell'architettura. È anche il modo in cui un'organizzazione governa l'AI mentre la diffonde — non vietando, ma disegnando i binari — ed è il modo più rispettoso di portarla proprio a chi ne ha più bisogno, più bisogno perché oggi compie quelle stesse azioni in modo meccanico, e magari con strumenti sbagliati.
Una nota, e non di più
Dal febbraio 2025 il regolamento europeo sull'intelligenza artificiale chiede alle aziende di assicurare un livello adeguato di competenza in materia a chi usa questi sistemi — dipendenti e collaboratori esterni allo stesso modo — con un'applicazione che andrà a regime nel corso del 2026. È giusto saperlo. Ma la legge, qui, non crea il bisogno: certifica un vuoto che esiste già. Chi governa un'azienda lo capisce da sé, senza che Bruxelles debba scriverlo. La norma è una nota a piè di pagina autorevole, non la tesi.
L'unica cosa che resta
Alla fine, la domanda da cui siamo partiti — cloud o server nostro, uno strumento per tutti o un pacchetto chiuso — si scioglie da sé nel momento in cui accettiamo che nulla di tutto ciò è la parte durevole. L'infrastruttura la cambieremo. Gli strumenti li cambieremo. I modelli li cambieremo, forse dieci volte. Persino il sistema meglio costruito, un giorno, lo rifaremo. L'unica cosa che resta, che si capitalizza anno dopo anno, è un'organizzazione fatta di persone capaci di adottarli e di governarli insieme a noi, mentre cambiano. Tutto il resto è provvisorio. Loro no.