Questa volta parliamo di capitale semantico e di strutturazione della conoscenza come vero motore di competitività delle aziende e, probabilmente, come unico modo per far davvero scalare la potenza dell’intelligenza artificiale generativa all’interno delle organizzazioni.

LA CONOSCENZA AZIENDALE È IL VERO PATRIMONIO, EPPURE…

Il punto di partenza è un’intuizione semplice ma potente, emersa nel keynote dell’evento Quantyca a cui ho partecipato nella prima metà di marzo: se pensiamo all’AI come a un cervello, i dati rappresentano il sistema nervoso e l’azienda il corpo. Ma un sistema nervoso senza contesto non trasmette segnali utili, i dati, privati del loro significato, non hanno valore. Per renderli azionabili serve un layer semantico.

Non è la prima volta che incontro questo tema. Mi era già capitato di parlare di capitale semantico a partire dai lavori del professor Luciano Floridi, che avevo avuto il piacere di ascoltare di persona in Sicilia l’anno scorso. E a gennaio avevo citato il report Martech for 2026 di Chiefmartec e Martech Tribe, in cui si parla dell’evoluzione necessaria dal prompt engineering al context engineering: non basta sapere come interrogare un sistema AI, bisogna progettare quali dati e quali universi di informazioni mettergli a disposizione. Nel prossimo futuro, l’AI sarà sempre più una commodity; il contesto aziendale fornito al sistema sarà il vero fattore di differenziazione.

Mettendo insieme questi elementi si capisce perché il contrario, usare l’output dell’AI generalista come punto di arrivo anziché come punto di partenza, genera contenuti “anonimizzati”, paragonabili a un hamburger di fast food: standardizzati, privi di sapore unico, indistinguibili e ormai riconoscibili come artificiali.

E si capisce anche perché la causa dei fallimenti dei progetti AI è molto spesso organizzativa: la conoscenza è tacita, frammentata, rinchiusa in silos. Quando usiamo agenti AI senza un contesto condiviso, rischiamo l’incomunicabilità. Gli esseri umani fanno riunioni per allinearsi; gli agenti, senza una guida semantica, bruciano solo token. La sfida è dunque trasformare la conoscenza da “una pagina su Confluence” a un vero e proprio prodotto e la differenza tra i due è la stessa che passa tra un appunto su un tovagliolo e la ricetta di uno chef stellato.

UNA SFIDA IMPOSSIBILE?

Oggi ogni azienda ha il budget per acquistare i modelli migliori. Il vero punto di forza non è più la tecnologia, ma la capacità di mappare la “conoscenza tribale” collettiva e trasformarla in ontologie e grafi di relazione. Questo lavoro non è un compito solo per l’IT: sapere “cosa è un cliente” o definire un “tronco” per le autostrade è responsabilità del Business a 360 gradi.

L’architettura informativa, inoltre, non è statica: deve essere continuamente aggiornata per rispondere alle nuove esigenze e alle opportunità emergenti, il che richiede collaborazione costante tra tutte le parti interessate.

Una missione impossibile, in organizzazioni che nell’evento sono state definite “bipolari”, dove da una parte c’è una spinta alla velocità e dall’altra alla strutturazione, con pesi che si alternano nel tempo? Probabilmente no, ma serve un approccio incrementale, guidato dai casi d’uso, dove il business si riappropria del contesto e l’IT garantisce scala e governance. In questo, le tecnologie AI possono essere di grande aiuto: sia per facilitare l’acquisizione dei dati, sia per creare tracce che possano poi essere discusse e confutate, ma che almeno offrono un punto di partenza al ragionamento, altrimenti molto complesso da avviare.

PERCHÉ NON POSSIAMO FARE FINTA DI NIENTE

C’è un punto più profondo per cui questo lavoro va fatto: l’AI è una tecnologia che impone di ripensare i processi per scalare, non di “mettere gli steroidi” a qualcosa che già non funzionava. È il tema tipico delle trasformazioni digitali, nell’evento si è citato il diverso approccio all’introduzione del barcode tra Walmart e Kmart negli anni ’80, ma qui la velocità è esponenziale.

Torniamo quindi al discorso con cui ho chiuso il 2025: il problema non sono le AI, ma le fondamenta aziendali. Per 20-30 anni abbiamo introdotto tecnologie rivoluzionarie senza davvero capirle appieno e senza sistemare le basi sottostanti. L’intelligenza artificiale generativa ci sta “solo” presentando il conto.

Un esempio concreto, ascoltato all’evento Predictions 2026 Milan di Forrester, rende bene l’urgenza: una delle previsioni più discusse è che l’implementazione di un’agentic AI nel 2026 causerà una breach pubblica e porterà al licenziamento di dipendenti, CISO in testa. Le aziende hanno molte sperimentazioni in corso con gli agenti, ma tipicamente conservano dati personali in luoghi non ottimali, accessibili da dipendenti con permessi troppo ampi. Il punto critico è che gli agenti hanno gli stessi accessi ai dati dei dipendenti che li creano ma, diversamente dagli umani, sono molto più metodici e “motivati” a usarli al massimo. Gli errori si moltiplicano velocemente, con impatto intenso, anche perché singoli agenti triggerano altri agenti a cascata.

I problemi, qui, sono due e si intrecciano: fondamenta leggere nella governance, e dati sparsi e decontestualizzati. Una conoscenza a macchie di leopardo che l’AI agentica, senza un livello di organizzazione delle informazioni, interpreterà in modo pericolosamente letterale. Ed è per questo che, a mio avviso, senza una costruzione strutturata della conoscenza e del contesto, nemmeno i framework di gestione e sicurezza, come lo AEGIS della stessa Forrester, possono eliminare il rischio. Sono strumenti necessari, ma non sufficienti.

DUE ESEMPI DI VALORE DELLA CONOSCENZA: LA MODA E LA LINGUA ITALIANA NEGLI LLM

Questa fragilità delle fondamenta emerge con particolare chiarezza in due ambiti apparentemente molto diversi, ma che illustrano bene cosa si rischia quando la conoscenza non viene gestita in modo strutturato.

Il primo è la moda. Sappiamo tutti che il capitale intangibile del brand e il savoir faire di chi crea il prodotto sono i veri creatori di valore, e la tecnologia può aiutare ad amplificarli e portarli a scala. Eppure questa straordinaria cassaforte di valore aggiunto non è mai stata gestita in modo strutturato: gli archivi storici, le strutture di formazione interna, l’heritage sul prodotto raramente sono messi a fattore comune.

La situazione diventa ancora più critica in un momento in cui management e direzioni creative sono quanto mai volatili, con la dannosa abitudine di fare tabula rasa ad ogni cambio di guardia invece di ibridare vecchio e nuovo. Un lavoro serio di ripensamento della gestione della conoscenza sarebbe invece un asset su cui costruire il futuro, tanto più che l’alto di gamma non avrà mai le moli di dati di altri settori, e sarà quindi la qualità semantica a garantirne il valore differenziale.

Il secondo esempio viene dal podcast Grande Giove di Wired, che tra le altre cose parla di Minerva, l’LLM sviluppato in Italia con base di partenza nella nostra lingua.

La riflessione è suggestiva: la lingua stessa porta con sé sfumature culturali e modi di costruire la realtà che sono propri di ogni storia e popolo. Affidarsi interamente a modelli addestrati su un contesto semantico straniero e standardizzato significa, in un certo senso, sacrificare una parte del nostro capitale culturale, storico e artistico a favore di un modello statistico globale. È un accenno, ma utile a valorizzare il discorso che stiamo facendo: la conoscenza non è solo dati, è identità.

IN CONCLUSIONE

Il più grosso problema nella comunicazione è illudersi che sia avvenuta – George Bernard Shaw.

Vale per le persone, vale ancor di più per le organizzazioni che delegano la comunicazione interna a sistemi AI senza averla prima resa esplicita e strutturata.

L’AI non è un cerotto, è un sistema operativo. Dobbiamo superare l’idea dell’AI come semplice ottimizzazione dell’esistente per vederla invece come un’opportunità, e una necessità, di ripensare l’organizzazione. Ma non si può ripensare ciò che non si conosce.

E non ci si può nemmeno fare prendere dalla fascinazione della tecnologia senza sapere dove si vuole andare: secondo una ricerca dell’Enterprise Strategy Group, il 38% delle organizzazioni cita la mancanza di chiarezza sugli obiettivi aziendali come principale ostacolo alla realizzazione del valore dell’IA.

Il focus deve spostarsi dalla paura della sostituzione o del rimanere indietro alla consapevolezza delle scelte da fare.

Cosa significa tutto questo in termini di scelte concrete?

Prima di tutto, smettere di trattare la conoscenza come un sottoprodotto del lavoro quotidiano e iniziare a gestirla come un asset strategico, con ownership chiara, processi di aggiornamento e metriche di qualità. Non è un progetto IT, è una scelta di business.

In secondo luogo, scegliere dove investire con criterio: non tutti i domini di conoscenza hanno lo stesso valore strategico. Identificare quelli critici, quelli che differenziano davvero l’azienda sul mercato, e iniziare da lì, in modo incrementale, è più efficace che cercare di mappare tutto in una volta.

Terzo, non aspettare la perfezione per cominciare. L’AI può aiutare a costruire le fondamenta mentre si lavora su di esse: generare bozze di ontologie, identificare lacune, rendere esplicita la conoscenza tacita. L’importante è che ci sia un processo umano di validazione e governo.

Infine, collegare esplicitamente la governance dei dati alla strategia AI. I due filoni, spesso gestiti separatamente, devono convergere: senza dati ben governati e contestualizzati, nessuna strategia agentiva può essere sicura né efficace.

Le organizzazioni devono adattarsi a un mondo sempre più complesso, dove le relazioni causa-effetto emergono solo a posteriori, bilanciando l’esplorazione di nuove competenze con la valorizzazione di quelle acquisite nel tempo. In questo, dati e AI sono l’infrastruttura cognitiva che garantisce identità, coerenza e coordinamento, e l’architettura informativa diventa la spina dorsale senza la quale si rischia di non sfruttare il potenziale delle tecnologie emergenti, perdendo anche quanto di buono è già stato costruito.

Non è un lavoro facile, ed è poco notiziabile. Ma è stato procrastinato troppo a lungo. Ora la pressione sale e il conto, come sempre, arriva tutto insieme.

English version is available on Medium.com

Il settore storicamente non è mai stato uno dei primi a salire a bordo delle varie ondate di innovazione, con rare e non proprio fortunate eccezioni come il metaverso.

Come vedremo anche sotto, questo fatto di arrivare un po’ dopo non è un problema in assoluto, se funzionale a un ragionamento strategico.

E di strategia e cultura dobbiamo parlare ora, in questo momento storico.

LE BASI SONO CRUCIALI, E NEL FASHION PARTICOLARMENTE

Mi sono trovato molto d’accordo nei giorni scorsi con questo passaggio di un lungo post LinkedIn di Susanna Nicoletti che dice “abbiamo visto fallire così tante ambizioni tecnologiche nel settore che ci siamo resi conto che la tecnologia nella moda può essere un fattore di miglioramento solo se le basi sono solide. E-commerce, metaverso, social-commerce, NFT, blockchain, criptovalute, Clo3D, design virtuale, negozi virtuali e così via. Nessuno strumento tecnologico è stato scelto in sé, solo gli strumenti che supportano in background il business e ne semplificano i processi sono stati integrati con successo”.

Questo come sapete da quanto ho scritto a dicembre e poi a gennaio non è una peculiarità della moda: qualsiasi settore ha questi problemi, più che mai oggi con le promesse dell’intelligenza artificiale.

Nella moda però c’è un fattore in più, specialmente nel lusso: la creatività.

Come dice sempre Susanna, un algoritmo può suggerire cosa “funziona”, ma solo il direttore creativo può definire cosa è “desiderabile”.

C’è inoltre del valore nell’imperfezione: il lusso si nutre di savoir-faire. Se la tecnologia standardizza troppo il prodotto, esso perde la sua natura di “pezzo d’arte”.

La produzione “di massa” per sostenere i volumi, i vincoli imposti dalle logiche di merchandising ai direttori creativi e la difficoltà di questi ultimi di portare sul mercato capi che siano contemporaneamente originali e rispettosi dell’identità del marchio sono oggettivamente un problema su cui i clienti hanno dei chiari malumori.

Se prendiamo ad esempio la ricerca di Accenture “Luxe Eternal: The customer edit”, basata su un’indagine globale condotta su 3.435 consumatori in 13 paesi, analizzando oltre 10.000 voci testuali raccolte nella ricerca emerge un dato statistico abbastanza inequivocabile: la parola “Qualità” domina il lessico, citata con una frequenza doppia rispetto a “Esclusività” o “Eleganza”.

Allo stesso tempo, il 50% dei clienti percepisce oggi i brand del lusso come entità orientate esclusivamente al profitto, piuttosto che come “dream-makers” con dei sintomi preoccupanti in:

• Declino del valore percepito: Il 37% dei consumatori lamenta un peggioramento nel rapporto qualità-prezzo.
• Crisi d’ispirazione: Il 35% giudica le narrazioni dei brand meno distintive e meno capaci di ispirare rispetto al passato.
• Credibilità etica: Il 33% solleva dubbi su trasparenza e condizioni di lavoro.

Simili problemi emergono in diverse altre ricerche, ad esempio secondo BCG e Altagamma “i clienti più importanti del lusso chiedono meno invasività e caos comunicativo e più personalizzazione. Il 60% si sente sopraffatto da un marketing eccessivo e impersonale. […] L’80% desidera spazi esclusivi e intimi, non esperienze retail standardizzate e affollate. […] Rafforzare il settore del lusso significa tornare a ciò che lo ha reso straordinario fin dall’inizio, soprattutto per i clienti top-tier: connessioni profonde, intimità, qualità e fiducia“.

La tecnologia insomma non può essere il punto di partenza (non lo è mai).

Di fronte a questi malumori dei clienti, la tentazione potrebbe essere quella di cercare soluzioni tecnologiche rapide. Ma sarebbe l’approccio sbagliato.

Tutto questo vuol dire però che non ci sia spazio per la tecnologia e l’innovazione? No, e vediamo perché.

DALLA REAZIONE ALLA STRATEGIA: LA TECNOLOGIA COME INVESTIMENTO

Gli investimenti concreti su tutta la catena del valore devono essere il nuovo paradigma: oggi non si tratta più solo di vendere online (e-commerce), ma di integrare la tecnologia nei processi core, dietro le quinte, come già raccontato anche da LVMH nell’ultimo NRF dove si è detto che “If we want to develop successful technology, the technology needs to be everywhere, but visible nowhere”.

Di sicuro, la tecnologia ormai è chiaramente percepita come un ingrediente importante del retail, sia fisico sia digitale, perché come dice Forrester, “Retail Is Brutally Competitive; Retailers Need Technology To Thrive”. E la moda e il fashion devono far convivere il branding con il retail, fisico e digitale.

Il tal senso, il recentissimo report Global Powers of Luxury Goods 2026 di Deloitte elenca benefici rilevanti in tutti gli ambiti principali delle organizzazioni del settore: innovazione e design di prodotto (21,3%), marketing e pubblicità (21,3%), coinvolgimento e personalizzazione del cliente (21,1%) e intelligence su supply chain, domanda e inventario (20,6%).

Questo equilibrio indica anche che i leader considerano l’intelligenza artificiale come qualcosa che permea l’azienda, collegando il coinvolgimento emotivo front-end alla precisione operativa back-end, quella supply chain digitale di cui ho parlato già altre volte.

In più, il 20,5% dei leader vede il digitale come priorità di investimento, il valore più alto tra tutte le altre possibili scelte.

Tuttavia, nonostante le intenzioni dichiarate, la realtà operativa racconta una storia diversa: almeno nel caso della GenAI, questo genere di tecnologia è integrato nelle aree più rilevanti dell’organizzazione solo nell’11,9% delle organizzazioni, valore che scende a circa il 10% se guardiamo solo al fashion più strettamente inteso.

Che cosa impedisce davvero di avanzare? L’inefficienza dei silos, di cui ho già parlato a ottobre: molte aziende del lusso soffrono di “frammentazione tecnologica“, con investimenti duplicati tra dipartimenti che non comunicano, portando a una Customer Experience (CX) incoerente e un’Employee Experience (EX) faticosa e insoddisfacente (che in un’industria ad alta intensità di capitale umano è un grosso problema).

OLTRE LA TECNICA: RIPENSARE L’ORGANIZZAZIONE

In The State of Fashion 2026 che ho riletto con calma nelle scorse settimane ho ritrovato questi dati, che parlano di cosa serve per catturare i benefici della AI (e della tecnologia in genere), che mi sembrano molto importanti per il nostro discorso.

Le percentuali insistono su quattro punti di cui ho già avuto modo di scrivere:

• Organizational Design, e anche io ho parlato di reinvenzione dell’organizzazione citando Forrester Research.
• Ways of Working, dove la già citata collaborazione tra le funzioni lungo una vera Digital Supply Chain è cruciale.
• Roles and Talent, con l’evoluzione dei compiti grazie alla tecnologia, a patto che ci sia una literacy diffusa.
• Culture, con l’apertura a nuovi talenti ma anche la costruzione delle condizioni necessarie allo sfruttamento della AI.

A mio avviso, oltre al tema creativo su cui la tecnologia può essere solo di supporto ma non può sostituire quelle capacità che oggi sembrano scarseggiare, la vera chiave di valore sta nel sistemare quindi tutta quella frammentazione che con l’esplosione dimensionale delle aziende del comparto si è trasformata da potenziale agilità in confusione e conflittualità.

Come scrivevo nella mia recensione di “Gli Imperfezionisti”, dobbiamo necessariamente fare pace con un maggiore incertezza e con una crescente capacità di sapere reagire velocemente al cambiamento, senza più fare affidamento in margini talmente elevati da poter coprire le tante inefficienze che caratterizzano oggi questo mondo.

Secondo me, serve non essere superficiali semplificando troppo e fare invece un grande lavoro sulla conoscenza, da due diverse angolazioni:

• la conoscenza del proprio dominio aziendale: la grande potenzialità in particolare della AI è quella di permettere ai vari reparti aziendali di poter migliorare il proprio lavoro con una minor dipendenza dalle feature preconfezionate dei software as a service e anche dai dipartimenti tecnologici, che devono garantire una governance illuminata.
• la conoscenza della tecnologia: come ho ripetuto fino alla noia, senza avere una reale cognizione degli strumenti si vive tutto come “magia” e ne consegue un entusiasmo cieco o una paura atavica, con risultati disastrosi.

E’ un concetto che viene espresso in modo molto netto anche sull’Harvard Business Review, dove si dice che “nell’era dell’intelligenza artificiale, i manager devono adottare approcci lungimiranti, comprendere la logica tecnologica e integrarla perfettamente nei processi aziendali”.

Chiaramente, per le organizzazioni questo comporta che occorre concentrarsi sulla cultura e sul mindset aziendale e non focalizzarsi sul singolo tool (“cosa possiamo fare con chat GPT?”).

IN CONCLUSIONE

Ho parlato molto di tutti i temi raccontati finora in questa bella conversazione con il team di Digital Fashion Academy e sto lavorando in collaborazione con Limitless Innovation al progetto dell’AI LAB x Fashion che vanno nelle direzioni che ho raccontato sopra.

Non essere parte degli early adopters nella curva dell’adozione di Rogers non è un problema per moda e lusso.

Quello che è un problema è aver costruito delle organizzazioni troppo grandi e inefficienti, rese in qualche modo sostenibili da una crescita tumultuosa e da margini elevati che oggi non sono più facilmente perseguibili. E nel frattempo di aver perso di vista coerenza di brand e creatività.

La creatività, per fortuna vorrei direi, resta quindi ancora nelle mani umane ma questa visione poi deve essere scaricata a terra, e in modo estremamente concreto, in delle catene che vanno dalla industrializzazione di prodotti fino al client engagement, un flusso complesso e multidisciplinare che deve usare la tecnologia ogni volta che può ma sempre partendo da un beneficio, e non per il tecnicismo in sé. O peggio ancora, solo per comunicare qualcosa senza un vero contenuto.

E qui arriviamo a un punto cruciale: il cambiamento culturale passa necessariamente dalla trasformazione della leadership. La leadership avrà un ruolo fondamentale: come ho già scritto in passato, l’AI agisce come un revisore spietato che espone la mancanza di valore aggiunto in coloro che sono principalmente “supervisori”: chi passa le giornate in meeting di status update, chi controlla che le cose vengano fatte ma non capisce come, chi produce PowerPoint ma ha scarsa esperienza diretta dei processi che gestisce. Se il tuo valore sta principalmente nel “fare da tramite” tra livelli organizzativi, la tua posizione è oggettivamente a rischio – e direi abbastanza indipendentemente dall’AI.

Il manager che invece prospera è quello che usa l’AI per potenziare ciò che già sa fare bene: interpretare contesti complessi, prendere decisioni in situazioni ambigue, sviluppare le persone, costruire relazioni di fiducia. Non è la tecnologia a fare la differenza, ma la visione limitata del proprio ruolo.

La domanda quindi non è “l’AI sostituirà i manager?” ma “quali competenze manageriali diventano ancora più preziose nell’era dell’AI?”

Inoltre, è di fondamentale importanza lavorare a livello diffuso sulla digital literacy, perché come ho scritto anche di recente la tecnologia corre a velocità supersonica, ma l’alfabetizzazione di base (reale) su come usarla procede a passo d’uomo e questo divario non è un problema teorico; è probabilmente il rischio operativo e personale più grande del nostro tempo, dato che il reskilling non è così banale come si tende a dire, perché cambia la modalità di pensare, non i tool.

Il futuro del lusso e della moda non è tech-first, è human-centric, tech-empowered.

L’obiettivo è una “resilienza redditizia” che unisce l’emozione della creazione alla precisione della macchina nell’esecuzione, ma con quella flessibilità che deve essere propria del settore e che proprio questo genere di tecnologie possono ridare a delle organizzazioni troppo complesse e frammentate.

English version is available on https://medium.com/gianluigizarantonello/fashion-and-technological-innovation-an-impossible-marriage-ab607195284c

Il volume affronta il problema che molti manager odiano: il conflitto.

La tesi centrale che Kim Scott sostiene è che non dobbiamo scegliere tra essere “professionali” (leggi: freddi) ed essere umani. E dice un’altra cosa importante: non sempre essere gentili o allineati ad un assenso automatico fa bene a se stessi e ai propri collaboratori.

IL CONCETTO CHIAVE: IL FRAMEWORK DEI QUATTRO QUADRANTI

L’intero libro ruota attorno all’idea che la gestione efficace delle relazioni avvenga all’intersezione di due assi: Fare challenge direttamente/indirettamente e Avere a cuore personalmente/non personalmente.

Attorno a questi assi si trovano tipologie di leadership e relazioni:

* Sincerità Radicale (Radical Candor): Il “Gold Standard”. Sfidi il tuo interlocutore perché tieni a lui e vuoi che cresca.

* Aggressività Dannosa (Obnoxious Aggression): Sfidi direttamente ma non ti importa della persona. È il comportamento del “capo stronz*”.

* Insincerità Manipolatoria (Manipulative Insincerity): Non sfidi e non ti importa. È il regno del gossip e delle pugnalate alle spalle per convenienza.

* Empatia Rovinosa (Ruinous Empathy): Ti importa così tanto del rapporto che non dici la verità per non ferire i sentimenti. È l’errore più comune e dannoso: lasci che qualcuno fallisca pur di non dargli un feedback negativo.

È molto interessante osservare che anche il quadrante in alto a sinistra, dove l’empatia è fortissima, è potenzialmente molto dannoso: un insegnamento importante che raramente si sente dire e che è obiettivamente un rischio.

COME SI RAGGIUNGE IL SUCCESSO: UNA PRIMA VISTA SUL LIBRO

Il libro si divide in due parti principali.

Parte I: La Filosofia

* Capitolo 1: Costruire relazioni di fiducia. Il management non si basa sul potere, ma sulle relazioni. Devi conoscere i tuoi collaboratori come esseri umani.

* Capitolo 2: Guida (Feedback). Come dare e ricevere critiche ed elogi. Il feedback deve essere immediato, specifico e focalizzato sul lavoro, non sulla personalità.

* Capitolo 3: Capire cosa motiva ogni membro del team. Scott divide i collaboratori in “Rockstars” (solidi, amano quello che fanno, non cercano promozioni immediate) e “Superstars” (hanno una crescita accelerata e hanno bisogno di nuove sfide). Un buon leader ha bisogno di entrambi.

* Capitolo 4: Cacciare via la stanchezza (Guidare il cambiamento). Come ottenere risultati senza dare ordini, ma ascoltando, imparando e collaborando.

Parte II: Strumenti e Tecniche

* Capitolo 5: Relazioni. Consigli pratici su come mantenere il confine tra “amico” e “capo” senza perdere l’umanità.

* Capitolo 6: Guida. Tecniche per incoraggiare il feedback verso di te prima di darlo agli altri.

* Capitolo 7: Team. Come gestire le assunzioni, i licenziamenti e le promozioni usando la lente della sincerità radicale.

* Capitolo 8: Risultati. Il ciclo del “Get Stuff Done”: Ascoltare – Chiarire – Discutere – Decidere – Persuadere – Eseguire – Imparare.

Come sempre non si può spiegare la ricchezza di un libro in poche pagine, ma la struttura che vedete sopra vi dà l’idea di come si tratti di un volume con una trattazione analitica e concreta, l’autrice non ha paura di raccontare i suoi errori e i suoi fallimenti, rendendo tutto molto vero e pragmatico.

PERCHÉ È UN TEMA IMPORTANTE

La Scott demolisce il mito del “sii professionale” inteso come “nascondi le tue emozioni”.

Il libro è estremamente onesto: l’autrice come detto condivide i propri fallimenti (come quando ha quasi rovinato la carriera di un collaboratore per troppa gentilezza) rendendo la teoria molto umana.

In un’epoca in cui il lavoro si trasforma con l’arrivo di nuovi strumenti e soprattutto di nuove generazioni la capacità di gestire le relazioni è sempre più cruciale.

Le gerarchie non perdono di senso ma devono essere affiancate ad una capacità di navigare la complessità relazionale delle organizzazioni che è tutto tranne che banale.

Di certo il contesto di Kim Scott non è quello italiano: nella Silicon Valley ci sono tanti aspetti culturali rivedibili ma in media la cultura del feedback è più diffusa e le dinamiche politiche sono più dirette.

Questo non toglie che molti insegnamenti servono a tutti i tipi di manager di tutte le tipologie di aziende:

* L’elogio in pubblico, la critica in privato: Una regola d’oro spesso dimenticata.

* Il feedback non è un processo annuale: Se aspetti la revisione annuale per dire qualcosa che non va, stai facendo Empatia Rovinosa.

* L’importanza di farsi criticare: Un leader “radicale” deve chiedere attivamente: “Cosa potrei fare o smettere di fare per renderti il lavoro più facile?”.

C’è infine un punto spesso dimenticato che il libro evidenzia: lo sforzo emotivo di essere manager.

Essere radicalmente sinceri richiede un’energia mentale enorme; non è una scorciatoia, è un lavoro a tempo pieno sulle relazioni.

E credo che si faccia troppa poca formazione su questo, da sempre e quindi oggi, in un momento in cui la tecnologia sta cambiando così tante cose, questi strumenti devono fare parte con urgenza della cassetta degli attrezzi di chi guida dei team.

Il 2025 è stato un anno intenso, con grande incertezza macroeconomica e dominato dalla narrativa di un’intelligenza artificiale che sembra dover risolvere ogni problema con un click.

Da una parte sappiamo che la tecnologia non è un rimedio miracoloso, anche se tendiamo a dimenticarlo, ma è indubbio che dobbiamo essere in grado di avere nuovi approcci ai problemi, che poi possiamo potenziare grazie ai nuovi strumenti.

Il libro parte da un presupposto: la pianificazione rigida a lungo termine è morta perché il mondo cambia troppo velocemente e le aziende falliscono sia per eccessiva prudenza (immobilismo) sia per scommesse troppo rischiose.

UN NUOVO APPROCCIO

Se il presupposto è chiaro, la soluzione non è scontata e per gli autori passa per alcuni elementi:

• ambiguità come opportunità: non bisogna temere l’incertezza, ma usarla come terreno fertile per l’innovazione.
• sperimentazione continua: la strategia non va vista come un piano fisso, ma come un processo di “tentativi e correzioni” (test and learn).
• superamento dei bias: la mente umana ci inganna con le sue scorciatoie nel prendere decisioni e dunque le nuove mentalità che vanno sviluppate ci devono aiutare a vedere la realtà in modo più oggettivo.

Per sviluppare questo ragionamento il libro alterna principi e ragionamenti di framework con diverse case history come quelle di Amazon, Patagonia e 3M, mostrati come esempi di aziende che hanno saputo crescere nell’instabilità grazie a questa mentalità, in un mondo in il concetto di BANI (Brittle/Fragile, Anxious, Non-linear, Incomprehensible) ha sostituito il vecchio modello VUCA.

Ma come si evita allora la trappola della “paralisi da analisi” dell’approccio tradizionale che cerca la soluzione perfetta prima di agire (portando spesso a perdere finestre di mercato cruciali) e a sostituire la “pianificazione strategica” con la “risposta strategica“?

Prima di tutto, si passa attraverso sei mentalità.

LE SEI MENTALITÀ STRATEGICHE

La parte centrale del libro tratta una per una queste mentalità, una per capitolo, ad alto livello si possono riassumere come segue, anche se chiaramente la trattazione degli autori è molto più articolata.

• Sempre curiosi (Ever Curious): non è solo curiosità intellettuale, ma l’uso metodico delle “Domande di secondo livello”. Invece di fermarsi alla prima risposta, gli autori suggeriscono di scavare nelle anomalie dei dati per trovare i segnali deboli del cambiamento.
• Occhio di libellula (Dragonfly Eye): le libellule hanno migliaia di lenti nei loro occhi. In strategia, questo significa integrare prospettive diverse (clienti, competitor, dipendenti, ma anche esperti di settori totalmente diversi) per evitare il “Groupthink” (pensiero di gruppo).
• Comportamento reale (Occurrent Behaviour): si basa sull’osservazione di ciò che gli utenti fanno realmente, non di quello che dicono di voler fare nei sondaggi. È il passaggio dai dati dichiarati ai dati comportamentali.
• Intelligenza collettiva (Collective Intelligence): gli autori citano spesso l’importanza di piattaforme di crowdsourcing o di coinvolgere i “margini” dell’azienda. La strategia non deve essere un processo top-down (dall’alto verso il basso), ma un’intelligenza distribuita.
• Imperfezionismo (Imperfectionism): qui entra in gioco il concetto di “Opzioni Reali”. Non si fa una scommessa enorme, ma si comprano “piccole opzioni” (esperimenti a basso costo) per vedere cosa funziona. È il principio del “Fallire velocemente e a poco prezzo”.
• Mostra e racconta (Show and Tell): la strategia fallisce se non è condivisa. Gli autori puntano molto sul visual storytelling: usare immagini, mappe mentali e prototipi fisici per rendere la strategia tangibile e “vendibile” all’interno dell’organizzazione.

Non si può rendere pienamente l’idea di tutti questi concetti in poche righe di recensione, per cui vi rimando caldamente alla lettura diretta, in ogni caso la trattazione non è solo una lista di mentalità, ma suggerisce un processo rigoroso, con tecniche che gli autori hanno preso dalla loro esperienza in McKinsey, con però i dovuti adattamenti per essere più agili.

All’interno del processo quindi troverete i passaggi della corretta definizione del problema (spesso sbagliamo perché risolviamo il problema sbagliato), della sua scomposizione in “logic trees” (dividere untema complesso in parti gestibili), della prioritizzazione e della sintesi (ossia non limitarsi ad analizzare, ma ricomporre i pezzi per agire).

Insomma, serve un modo nuovo di pensare ma questo non cancella la necessità di farlo in modo comunque strutturato.

IN CONCLUSIONE

“La strategia non è più un evento annuale, ma una pratica quotidiana.”

“In un mondo che cambia, l’unica strategia fallimentare è l’attesa della certezza.”

Dobbiamo necessariamente fare pace con un maggiore incertezza e con una crescente capacità di sapere reagire velocemente al cambiamento.

In questo processo anche l’errore e il fallimento fanno parte del gioco, per cui vanno trasformati in “unità di apprendimento“, senza per questo cadere nella trascuratezza, è importante infatti notare che l’imperfezionismo di cui parlano gli autori non è sciatteria, ma una scelta strategica consapevole di muoversi prima di avere tutte le risposte.

La tecnologia in tutto questo può essere un incredibile alleato, visto che l’IA e il suo uso intelligente nell’analisi dei dati supportano l’imperfezionista, permettendo di fare migliaia di test in tempi ridottissimi. Test e azioni che però partono dalla nostra testa e non scaturiscono magicamente dai tool.

In tempi di grande complessità e cambiamento, questa lettura mi sembra un’ottima riflessione per guardare le nostre sfide con occhi nuovi e, perché no, arricchire il nostro approccio ai grandi cambiamenti della tecnologia e del mercato.

English version in available on https://medium.com/gianluigizarantonello/the-imperfectionists-strategic-thinking-for-uncertain-times-4cf9945931f3

Un anno che dal punto di vista tecnologico ha visto, ancora una volta, una grande predominanza nel dibattito e l’intelligenza artificiale (non senza ragione), e più in generale si è respirata un’incertezza non banale di fronte a dei cambiamenti veloci e imprevedibili.

Fare previsioni e scenari in un contesto come questo è più difficile che mai, sono tutte riflessioni interessanti che ci aiutano a pensare, ne trovate moltissime di qualità in rete e quindi non sarò io qui a fare le mie.

Su di una cosa però mi sento di spendere un po’ di righe con l’inizio del 2026 ripartendo da dove avevamo chiuso appunto l’anno scorso. La tecnologia è un elemento incredibilmente potente oggi nelle nostre vite ma non deve essere il punto di partenza e di arrivo dei nostri pensieri.

Quel punto di partenza e di arrivo, deve essere invece la parola valore.

LA TECNOLOGIA DEVE ESSERE UNO STIMOLO AL CAMBIAMENTO…CHE PERÒ VA FATTO!

Ho chiuso 2025 dicendo che alla fine dell’anno non è la AI il nostro problema ma sono le nostre fondamenta: credo che è da qui che dobbiamo ripartire.

L’intelligenza artificiale chiaramente è la punta più clamorosa dell’iceberg di un tema che viene da più lontano. Abbiamo visto dei cambiamenti tecnologici incredibili negli ultimi 20 anni e a livello aziendale e personale abbiamo cercato di adattarci al meglio ma abbiamo continuato ad aggiungere in realtà nuove capacità e potenzialità senza avere metabolizzato e compreso a pieno le precedenti.

Nel frattempo che questa costruzione un po’ traballante continuava ad alzarsi, abbiamo pensato che la tecnologia ci avrebbe risolto i problemi ma questo è vero in parte: sono tanti anni che scrivo che la tecnologia più potente diventa tanto più deludente quando viene usata per gli scopi sbagliati e con impostazioni scorrette.

È uno di questi errori, il più comune è il più clamoroso, è quello di guardare alla tecnologia come qualcosa che sia plug and play, un accessorio che si aggancia automaticamente alla propria organizzazione, alla propria cultura, anche alla propria vita quando usciamo dall’ambito strettamente professionale e si adatta facilmente a tutto, così come viene promesso da chi la produce.

In realtà, questo non è mai successo nella storia recente della tecnologia e credo che si potrebbe andare indietro facilmente anche nel tempo: nel caso dei software aziendali “out the box”, e ancora di più con i SaaS, è sempre stato l’utilizzatore a doversi alla fine adattare e plasmare su quello che il software dava come guida, a volte anche in positivo per strutturare delle cose non ben organizzate, ma in generale sempre con una certa quota di adattamento necessario.

Nel caso poi di tecnologia che nascono con consumer per uso individuale, come possono essere stati social media, mobile e ora AI generativa, anche qui si è pensato che ciò che funzionava l’individuo potesse funzionare anche per l’organizzazione, ma non è così semplice.

Il fatto è che questi cicli si sono ristretti sempre di più mentre la pressione comunicativa è aumentata, non proporzionalmente alla conoscenza.

Quando ho cominciato a lavorare in azienda, oltre 20 anni fa, Internet e web non erano di sicuro novità, ma l’urgenza percepita c’era ma non così importante, lo stesso è stato poi con l’avvento del mobile, anche se con un ciclo un po’ più veloce e l’accelerazione è continuata in tante altre rivoluzioni tecnologiche vere o presunte, tra cui la meteora del metaverso.

Non mi sento però di poter dire che il potere trasformativo dell’avvento di Internet o di quello a quella diffusione del mobile non siano stati dirompenti nella vita e nel lavoro. Ma non era così forte la sensazione di FOMO.

Torniamo però un attimo al discorso del plug and play e facciamo un esempio utile a capirlo.

L’AGENTIC AI E IL CONCETTO DI CONTESTO

Sul piano comunicativo, abbiamo quasi archiviato i chatbot a favore degli agenti AI e, come dice il report Martech for 2026 di Chiefmartec e Martech Tribe, anche nella marketing technology si percepisce l’ansia di mettere un po’ dappertutto l’intelligenza artificiale una cosa quasi febbrile con però il rischio di perdersi e di seguire sempre la “nuova luce” più accecante, mentre si fa fatica a capire ha valore e cosa invece no, e oltre il 70% dei marketer è ancora in una fase pilota.

Se si guarda ai casi di uso, sono un po’ più avanti tutti gli utilizzi sui contenuti che infatti sono stati anche i primi sul mondo consumer (quanti utenti medi invece oggi usano regolarmente agenti?) e che, con molti distinguo da fare, possono essere abbastanza facilmente almeno testati anche in assenza di integrazioni tecnologiche profonde.

Che cosa c’entra però questa vista equilibrata, che non viene certo da degli autori “conservatori”, con la questione del plug and play?

Beh, più avanti nel report, si parla della necessaria evoluzione da prompt engineering a context engineering, ossia diventa fondamentale progettare quali dati ma anche quali universi di informazioni devono essere messe a disposizione dei sistemi IA, agenti inclusi, perché nel prossimo futuro la AI sarà sempre più una commodity mentre il contesto aziendale ad esso fornito sarà il vero fattore di differenziazione.

Utilizzare l’output dell’AI generalista 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.

La nuova generazione di agenti AI e assistenti crea e serve il contesto in modo dinamico. L’AI è in grado di capire cosa desidera l’utente tramite il linguaggio naturale e capire come agire utilizzando dati contestuali recuperati automaticamente “dietro le quinte”, che quindi devono essere ben organizzati (lo abbiamo detto tante volte) ma direi a questo punto coerenti con l’intero “sistema azienda”.

Se lo stack tecnologico (martech e non) tradizionale era un insieme di ingranaggi fissi, l’introduzione degli agenti AI lo trasforma in un “ecosistema dinamico” dove la tecnologia non si limita a eseguire regole, ma “interpreta” la situazione per rispondere in modo fluido.

Gli autori per visualizzare meglio questa differenza fanno il paragone di pensare al passaggio da uno spartito di musica classica (il sistema tradizionale), dove ogni nota e tempo è prestabilito e deve essere seguito fedelmente, a una sessione di improvvisazione jazz (il sistema basato sull’AI), dove i musicisti (gli agenti) reagiscono l’uno all’altro e all’ambiente in tempo reale, creando una melodia unica basata sul “contesto” del momento.

Affascinante vero? Assolutamente sì, ma questo vuol dire che tutta l’organizzazione è ben collegata in termini di processi, persone e informazioni e che la tecnologia può attingere a tutto questo, in una vera “Digital Supply Chain”

Il che non è banale, senza poi contare la necessità di disegnare efficacemente un’interazione equilibrata tra le persone e le macchine, senza paure irrazionali o fughe in avanti con grandi (e ingiustificati) impatti occupazionali.

Quindi, è tutta fuffa? No, è solo meno semplice di quello che ci viene raccontato. Il che per che sarà bravo a capirlo potrà essere un grande vantaggio.

Ma come si può orientarsi e creare questo vantaggio? Torniamo al concetto di valore.

COME ORIENTARSI? PARTIAMO DAL PERCHE’ E DAL VALORE

Mi fa un po’ sorridere tornare sempre sulle stesse cose anche con nuove tecnologie ma alla fine il trend è sempre lo stesso, solo con cicli più veloci: non si deve mai partire dalla soluzione tecnica ma da persone, obiettivi e strategia per poi scegliere i tool migliori.

Come ha ben detto Raffaele Gaito in questo video sotto sui trend AI, l’intelligenza artificiale non sarà più vissuta come un prodotto specifico e generalista ma diventerà una funzionalità integrata in browser, sistemi operativi e hardware.

Il risultato sarà che l’utente finale userà l’AI senza nemmeno accorgersene e questo, come dico da tempi non sospetti, sbloccherà il vero valore.

Chiaramente, nel mondo aziendale questo comporta che occorre concentrarsi sulla cultura e sul mindset aziendale e non focalizzarsi sul singolo tool (“cosa possiamo fare con chat GPT?”).

Per poter fare bene questo lavoro però serve un grande lavoro sulla conoscenza:

• la conoscenza del proprio dominio aziendale: la grande potenzialità della AI è quella di permettere ai vari reparti aziendali di poter migliorare il proprio lavoro con una minor dipendenza dalle feature preconfezionate dei software as a service e anche dai dipartimenti tecnologici, che devono garantire una governance illuminata
• la conoscenza della tecnologia: come ho ripetuto fino alla noia, senza avere una reale cognizione degli strumenti si vive tutto come “magia” e ne consegue un entusiasmo cieco o una paura atavica, con risultati disastrosi.

Oltre alla conoscenza poi servono le idee: stiamo abdicando troppa responsabilità alla tecnologia, nella speranza che essa ci porterà le soluzioni di cui abbiamo bisogno, facendoci risparmiare soldi con l’efficienza.

L’efficienza è un outcome importante e di grande valore, ma dobbiamo avere la lucidità e il coraggio (che la AI non ci da, al netto di aiutarci nei brainstorming) di cambiare le cose che non vanno e di reinventare l’organizzazione e i processi, anziché limitarsi ad aggiungere copilot o chatbot a flussi di lavoro obsoleti, come pura digitalizzazione centrata sulla tecnologia invece che come trasformazione.

Insomma, dobbiamo passare dal concetto di ingegneria del software a quello di ingegneria del valore, di cui la tecnologia è un motore ma non è il fine.

CHE COSA POSSIAMO AUGURARCI PER IL 2026?

Senza lanciarsi in previsioni incredibili quindi, credo che il migliore augurio per tutti noi sia quello di fare pace con l’incertezza e la volatilità, che penso sia inevitabile come dicono anche Robert McLean e Charles Conn in “Gli imperfezionisti. Pensiero strategico per tempi incerti”, e affrontare le nuove sfide con mentalità aperta, senza perdere di vista chi siamo e contemporaneamente senza avere paura di abbandonare alcune strade a favore di nuove.

Serve uno sforzo di approfondimento tecnologico, strategico, organizzativo importante che negli ultimi anni ho visto spesso perdere di vista, non è un processo facile però è una grande opportunità, tanto più che la 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.

Va fatta della fatica. 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.

E’ sempre stato così, ad ogni svolta tecnologica e socio-politica, la differenza qui è che il tempo per gestire il cambiamento è sempre più stretto, mentre ad ogni giro di giostra si sedimentano sempre più elementi da dover aggiustare dopo.

La buona notizia in tutto questo è che la palla è ancora in mano a noi: siamo noi a dover e poter cambiare, con la tecnologia che diventa un grande alleato, se la usiamo e non la subiamo.

Buon 2026 e buon valore!

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

Si tratta di una biografia narrativa che ricostruisce l’ascesa personale e imprenditoriale di Sam Altman e la storia (anche politica e valoriale) di OpenAI, con una forte attenzione alle implicazioni dell’IA generativa sul futuro della società.

Come ha detto lo stesso Pisa in un evento recente cui ho partecipato anch’io, sorprendentemente nessuno aveva ancora scritto una biografia di Altman, e da qui nasce l’idea del volume che poi non si limita solo alla figura chiave dell’azienda più rappresentativa della GenAI ma apre uno spaccato interessante e avvincente su tutto lo specifico mondo di business e ricerca che vi ruota attorno.

UN ROMANZO PIÙ CHE UN SAGGIO TECNICO

I capitoli sono brevi, con titoli evocativi e con altre vicende ed episodi che si intrecciano con la storia del protagonista principale:

· Capitolo 1 – Sulle spalle dei giganti

· Capitolo 2 – Fuga dal Midwest

· Capitolo 3 – Lezioni di poker

· Capitolo 4 – Maestro Yoda

· Capitolo 5 – La fine del mondo

· Capitolo 6 – Il demone

· Capitolo 7 – Progetto Manhattan

· Capitolo 8 – Un sogno chiamato AGI

· Capitolo 9 – OpenAI

· Capitolo 10 – La cosa giusta

· Capitolo 11 – “By endurance we conquer”

· Capitolo 12 – Molto più di un gioco

· Capitolo 13 – Lotte di potere

· Capitolo 14 – Il segreto era nel paper

· Capitolo 15 – Bere il Kool‑Aid

· Capitolo 16 – Il cavaliere bianco

· Capitolo 17 – Pappagalli

· Capitolo 18 – Come Oppenheimer

· Capitolo 19 – Caos

· Capitolo 20 – Essere Sam Altman

Il libro segue tre linee intrecciate, come in un romanzo:

• la biografia di Altman, con la prima parte della sua vita nel Midwest degli Stati Uniti, l’arrivo a Stanford, l’esperienza da Y Combinator, la prima startup Loopt.
• la storia di OpenAI, dalla fondazione con Musk al passaggio da non‑profit a ibrido passando per la partnership con Microsoft)
• il dibattito pubblico su sicurezza, regolazione e potere dell’IA generativa.

Rispetto a Altman come persona, il libro permette di scoprire diversi aspetti della sua vita che arricchiscono la percezione (non certo errata, secondo me) di personaggio brillante ma anche spregiudicato, non privo di contraddizioni visto che è ossessionato dagli scenari apocalittici ma al tempo stesso convinto che valga la pena provare a costruire un’IA generalista “per il bene dell’umanità” (vedi anche l’intervista qui sotto).

Di sicuro, e questa è una sottolineatura importante per capire il contesto, Open AI nasce davvero da una preoccupazione reale, di Elon Musk, Altman e di altri, per il rischio di una concentrazione delle capacità tecnologiche che possono condurre alla AGI (con tutti gli hype che ben abbiamo conosciuto) nella mani della sola Google con Deepmind, la cui forza e i cui progressi all’epoca dei fatti sono ben raccontati dal libro.

Gli avvenimenti narrati successivamente poi dimostrano che però “giocare a fare Dio” con l’IA è un atto di responsabilità e allo stesso di hybris continua, dove i soldi hanno non poca parte, e questo nel libro è sottolineato dai continui rimandi al Progetto Manhattan e alla figura di Oppenheimer, specie nei capitoli centrali.

Sappiamo che la tecnologia non è buona o cattiva in sé, ma quando è così potente e trasformativa e tutto si muove così in fretta l’ideologia quasi salvifica di questi personaggi è sempre piuttosto inquietante.

Grazie al racconto di Pier Luigi Pisa, diventa anche più chiaro il contesto, molto umano, in cui è maturata la clamorosa e fulminea crisi che ha portato all’estromissione e poi il ritorno di Altman così come il ruolo di Microsoft come partner strategico (per ora?) di Open Ai.

I vari capitoli, inoltre, ci offrono insight utili sul rapporto tra ecosistema (Silicon Valley, Stanford, Y Combinator) e traiettorie imprenditoriali individuali in un contesto che è chiaramente molto diverso da quello italiano ed europeo.

Sono tutti elementi che permettono di contestualizzare la corsa della AI generativa, che per quanto sia stata velocissima negli ultimi anni non è nata dal nulla, come d’altra parte accade sempre quando si parla di innovazione.

PERCHE’ VALE LA PENA DI LEGGERE QUESTO LIBRO

Una prima motivazione, che non è da poco, è che il volume di Pier Luigi Pisa è avvincente e si legge molto velocemente perché non è un saggio tecnico o un libro di settore.

C’è di più però: questo romanzo/reportage permette a tutti i tipi di lettori calarsi nella mentalità e nelle vicende di una serie di personaggi, Altman in testa naturalmente, che oggi sentiamo menzionare quotidianamente dalle cronache ma in realtà conosciamo in modo superficiale.

Questi personaggi però, con iloro capitali e la loro ideologia stanno influenzando pesantemente le nostre vite, il mondo del lavoro, la nostra concezione della realtà e quindi capire meglio da dove vengono e il loro contesto credo sia importante e prezioso oggi per interpretare meglio le notizie che sentiamo ogni giorno.

Conoscere la storia recente dell’intelligenza artificiale infine ci permette di capire anche le dinamiche che stanno caratterizzando questa corsa.

Prendiamone una per tutte, le vicende di Google rispetto a questa tecnologia: come detto, grazie anche all’acquisizione di Deepmind la società di Mountain View alla metà degli anni duemiladieci era leader assoluto di questo campo di ricerca e i suoi brevetti e risultati sono alla base di tutto quello che è successo dopo.

Nel libro si raccontano molto bene, ad esempio, la serie di successi dei software AlphaGo nel complesso gioco del Go attraverso il processo dell’autoapprendimento, culminato nella storica vittoria sul campione coreano Lee Sedol nel 2016.

Google però, che aveva già iniziato ad aggiungere alcune capacità AI alla sua suite di produttività già nel 2018, ha mantenuto un atteggiamento graduale e prudente, cosa che non ha avuto Open Ai che aveva poco da rischiare in caso di malfunzionamenti, mentre ricordiamo tutti gli esordi di Bard quando Google è stata presa dal FOMO, con il conseguente danno da 100 miliardi in valore in borsa.

E ora invece è Google a spingere, a partire da Gemini 3, tanto far scattare l’allarme rosso in casa Open Ai di cui si è molto parlato in questi giorni.

La lettura del libro di Pier Luigi è un ottimo modo per poter capire meglio questi avvenimenti ed è un piacevole ripasso per chi ha già confidenza con le vicende della Ai generativa.

Come sempre, la paura e l’entusiasmo cieco sono entrambi due atteggiamenti pericolosi quando si parla di innovazione e l’unico modo di superarli è la conoscenza.

Questa accelerazione sta riscrivendo le regole in ogni azienda, non solo in Silicon Valley. Ma pone una domanda scomoda alla classe manageriale: se l’AI può automatizzare, analizzare e persino pianificare, qual è ancora il tuo valore aggiunto? E come mettere tutte le persone in condizioni di contribuire al meglio?

La risposta non sta nella tecnologia. Sta in tre dimensioni che troppi leader sottovalutano: governance dei dati e dei processi, cultura organizzativa che abilita (o blocca) l’adozione, e una nuova forma di leadership che orchestra intelligenza umana e artificiale invece di limitarsi a supervisionare.

L’AI, se governata con visione e pensiero critico, può dare nuovo slancio all’azienda. Senza quella visione, può farla scomparire. Il focus deve spostarsi dalla paura della sostituzione alla consapevolezza delle scelte da fare.

Il cambiamento non è (solo) tecnologico: governance, cultura e la sfida di pensare in un modo nuovo

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, mentre da un altro lato i software sono sempre più accessibili a tutti, addirittura per lo sviluppo di app.

L’AI esaspera questa frizione, ma allo stesso tempo offre la possibilità di superarla.

L’AI Agentica poi impone di ripensare i processi in un’ottica nuova (i tempi non sono pienamente maturi, però bisogna iniziare a predisporsi per tempo e in questo ho trovato dei buoni spunti nel post “sei cambiamenti per costruire l’organizzazione agentica del futuro” di McKinsey), 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 di lavoro, 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.

Non è un processo “plug & play” e serve molto di più di una licenza, auspicabilmente non quella gratuita, per portare davvero la AI in azienda.

La centralità dei dati e del capitale semantico

La prima cosa che la AI metterà alla prova sono i dati: la loro qualità, la facilità di accesso, il livello di data literacy ossia il fatto, in parole povere, che le persone si capiscano e siano sulla stessa pagina quando si confrontano su numeri e KPI.

I dati poi non sono 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 strutturata 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.

Per dirla in modo semplificato, la AI ha quindi bisogno di una vera supply chain digitale, alla quale può contribuire in modo importante ma che deve essere strutturata bene all’inizio del percorso, una cosa non così comune nelle organizzazioni, grandi e piccole. Il momento è arrivato da molto tempo, visto che già nel 2020 avevo scritto a chiare lettere che il debito tecnico è un freno drammatico alla trasformazione digitale, intesa come reale creazione di valore e non solo come trasformazione di processi analogici in digitale.

Per non parlare poi di tutto quel mondo di operations digitali (termine fin troppo sconosciuto in Italia, nel marketing ma non solo) che dovrebbero garantire la creazione 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! Cose note, ma, di nuovo, la AI accelera ed esaspera tutto questo.

C’è poi un aspetto più profondo, per quanto assolutamente collegato al precedente. L’AI, basata su modelli linguistici, pone il linguaggio e il senso delle parole al centro della trasformazione, come bene ha raccontato Cristiano Boscato nel suo ultimo libro “Era, ora” che ho recensito qui sul blog. Il management deve lavorare sul capitale semantico dell’organizzazione, la componente semantica ha a che fare con il senso e il significato di ciò che ci circonda. Se tu non capisci una rivoluzione digitale le cose ti passano sopra la testa e le subisci e, come scrivo spesso, capire il senso profondo e non la singola tecnologia del momento è cruciale (non lo dico solo io).

La facilità d’uso dei tool quando li vediamo all’opera nel privato o nelle demo, infine, non deve portare al mero copy and paste di soluzioni tecnologiche viste altrove, dimenticando il perché di una scelta strategica. La governance non è più una questione di ownership ossessiva, ma di stabilire meccanismi per mantenere ordine senza ingessare l’innovazione.

Un sacco di stimoli e di sfide, e quindi cosa succede in tutto questo a chi ha la leadership in azienda?

Manager e AI: dalla supervisione all’orchestrazione

Il manager che rischia (e quello che no)

Leggo spesso che l’AI “ucciderà professionalmente i manager“. Non è vero. O meglio, non tutti i manager.

L’AI agisce come un revisore spietato che espone la mancanza di valore aggiunto in coloro che sono principalmente “supervisori”: chi passa le giornate in meeting di status update, chi controlla che le cose vengano fatte ma non capisce come, chi produce PowerPoint ma ha scarsa esperienza diretta dei processi che gestisce. Se il tuo valore sta principalmente nel “fare da tramite” tra livelli organizzativi, la tua posizione è oggettivamente a rischio – e direi abbastanza indipendentemente dall’AI.

Il manager che invece prospera è quello che usa l’AI per potenziare ciò che già sa fare bene: interpretare contesti complessi, prendere decisioni in situazioni ambigue, sviluppare le persone, costruire relazioni di fiducia. Non è la tecnologia a fare la differenza, ma la visione limitata del proprio ruolo.

La domanda quindi non è “l’AI sostituirà i manager?” ma “quali competenze manageriali diventano ancora più preziose nell’era dell’AI?”

L’AI come Intelligenza Aumentata: tre dimensioni concrete

Gartner propone un framework utile per capire come l’AI accresce (non sostituisce) il valore manageriale.

Vediamolo con esempi pratici:

1. AI come Mentore

Cosa significa: L’AI offre onboarding personalizzato e feedback in tempo reale su larga scala, accelerando la crescita delle persone nel team.

Esempio concreto: Un manager con 15 persone non può dare feedback quotidiano personalizzato a tutti. L’AI può analizzare il codice scritto da uno sviluppatore junior e suggerire miglioramenti immediati, liberando il manager per conversazioni più strategiche sulla carriera e sulla crescita professionale. Non sostituisce il mentoring umano, lo rende scalabile.

Il valore del manager qui: Definire quali competenze sviluppare, interpretare il contesto emotivo e motivazionale, costruire fiducia nel rapporto 1-to-1.

2. AI come Revisore

Cosa significa: L’AI libera il manager dal controllo operativo dei processi, permettendo di dedicare più tempo allo sviluppo delle persone e al supporto del cambiamento.

Esempio concreto: Invece di passare ore a controllare report di spesa o verificare la conformità di documenti, l’AI può flaggare automaticamente anomalie o problemi. Il manager può concentrarsi su conversazioni difficili, mediazione di conflitti, decisioni strategiche. Gartner stima che entro il 2028, il 56% dei CEO utilizzerà l’AI per ridurre il middle management che non evolve da questo modello di controllo.

Il valore del manager qui: Gestire il cambiamento, prendere decisioni in situazioni grigie dove le regole non sono chiare, leggere segnali deboli nell’organizzazione.

3. AI come Cassa di Risonanza

Cosa significa: L’AI agisce come un partner di pensiero, aiutando a simulare decisioni e preparare conversazioni complesse con velocità.

Esempio concreto: Prima di una conversazione difficile con un dipendente o prima di una decisione strategica complessa, un manager può usare l’AI per esplorare scenari diversi, testare argomentazioni, anticipare obiezioni. È come avere un advisor sempre disponibile che ti aiuta a pensare, non che pensa al posto tuo.

Il valore del manager qui: Il giudizio finale, l’empatia nel capire come le persone reagiranno davvero, la capacità di adattare la comunicazione al contesto specifico.

Il nuovo ruolo: gestore di connessioni organizzative

In una struttura sempre più fluida, organizzata attorno a “team autonomi umano + agente”, la figura chiave non è chi sa tutto, ma chi sa orchestrare l’intelligenza ibrida.

Questo richiede di diventare un “gestore di connessioni organizzative” – un concetto che ho già esplorato in passato e che ho ritrovato con piacere nel libro “Era, Ora” di Cristiano Boscato. Non è solo un nuovo titolo, è un modo completamente diverso di pensare il ruolo manageriale.

Cosa fa un gestore di connessioni?

• Dà visione d’insieme in un mondo dove gli specialist (umani e AI) vedono solo la loro parte
• Facilita il dialogo tra persone, tra team, tra umani e sistemi AI
• Umanizza la tecnologia con una governance illuminata, assicurandosi che l’AI amplifichi le capacità umane invece di alienarle
• Unisce i punti – una capacità che, come scrivo dal 2012, è distintivamente umana e che nella complessità odierna diventa ancora più cruciale

Le macchine possono analizzare, categorizzare, ottimizzare. Non possono leggere la stanza, capire le dinamiche non dette, intuire quando un team sta per rompersi, costruire la fiducia necessaria per il vero cambiamento.

La competenza nascosta: digital fluency + esperienza di dominio

Qui sta il vero discrimine tra chi sopravvive e chi prospera: non basta essere bravi con la tecnologia, serve padroneggiare sia il proprio dominio che gli strumenti digitali.

Il manager che ha 20 anni di esperienza in supply chain e capisce come l’AI può ottimizzare i flussi diventa preziosissimo. Il manager che sa solo usare tool digitali ma non capisce davvero il business è vulnerabile. E il manager che conosce il business ma rifiuta di capire la tecnologia è destinato a diventare irrilevante.

Questa combinazione – competenza di dominio + digital fluency – crea quello che potremmo chiamare il “manager 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.

E quindi? Cosa fare concretamente

Se sei un manager e vuoi prosperare nell’era dell’AI, ecco tre azioni concrete:

1. Fai l’audit del tuo tempo. Traccia per una settimana dove va davvero il tuo tempo. Quanto è dedicato a:

• Controllo operativo che l’AI potrebbe fare?
• Supervisione che non aggiunge valore?
• Sviluppo reale delle persone?
• Decisioni strategiche complesse?
• Costruzione di relazioni e fiducia?

Se più del 50% del tuo tempo va nelle prime due categorie, sei vulnerabile.

2. Diventa fluente (non esperto) in AI Non serve che diventi un data scientist, ma devi capire:

• Cosa l’AI può fare bene e cosa no
• Quando i suoi output vanno presi cum grano salis
• Come strutturare i prompt per ottenere risultati utili
• Quali bias introduce e come mitigarli

La digital fluency non è un corso, è una pratica quotidiana.

3. Ridefinisci il tuo valore aggiunto Scrivi su un foglio: “Il valore unico che porto a questo team è…”. Se la risposta include parole come “coordino”, “supervisiono”, “controllo”, hai un problema. Se include “interpreto contesti complessi”, “costruisco fiducia”, “prendo decisioni in situazioni ambigue”, “sviluppo talenti”, sei sulla strada giusta.

La verità scomoda

Starei attento a generalizzare sulla fine dei ruoli manageriali: il futuro ha ancora bisogno di visione e di leader, non solo di singoli specialisti resi più efficaci dagli strumenti tecnologici.

Ma devono essere leader veri, competenti sia del loro dominio sia della tecnologia. Probabilmente molti manager oggi non lo sono. L’AI è una lente di ingrandimento su questo problema, non la causa.

Il futuro non appartiene né ai technology enthusiast che pensano l’AI risolva tutto, né ai resistenti che la ignorano sperando passi. Appartiene a chi sa orchestrare intelligenza umana e artificiale con saggezza, mantenendo al centro il giudizio, l’empatia e quella capacità di unire i punti che solo gli esseri umani possiedono.

Non ci sono però solo i manager in azienda.

La sfida antropologica: umano vs. macchina (e la paura qui non serve)

Mentre figure come Elon Musk profetizzano alla propria maniera che l’AI sostituirà tutti i lavori con i robot (intanto, serve che i robot possano essere così diffusi, e non è automatico dal punto di vista produttivo), i dati mostrano una realtà più sfumata ma non meno dirompente e preoccupante in alcuni casi.

Le grandi aziende (Google, Microsoft, IBM, AWS e tante altre) stanno tagliando migliaia di posti di lavoro in ruoli di livello entry e medio (HR, customer care, amministrativo). Questi tagli non sono il segno di una crisi, spesso queste imprese vanno molto bene, ma di una strategia aziendale che utilizza l’AI per aumentare la produttività e reinvestire le risorse liberate in nuove aree ad alto valore.

Non è un discorso così facile e lineare come ci viene raccontato dalle big tech, che sono di scuola anglosassone dove entrare e uscire dall’organizzazione è un processo più dinamico e, diciamolo pure, meno tutelato.

Non è nemmeno tutto in bianco e nero nei ragionamenti più specifici: Il CEO di AWS, Matt Garman ha definito in questo video sotto “una delle cose più stupide che abbia mai sentito” l’opzione di sostituire lavoratori “junior” con l’AI.

Questi lavoratori, continua Garman, sono “i dipendenti meno costosi che hai. Sono quelli che hanno più familiarità con i tuoi strumenti di intelligenza artificiale. Come funzionerà se tra 10 anni non c’è nessuno che abbia costruito o imparato qualcosa?”. Tuttavia anche la sua organizzazione sta agendo in modo aggressivo sugli organici, non è così semplice tracciare una linea, di certo non è un’idea intelligente nemmeno mettere un esercito di junior a fare attività di copia incolla a zero valore aggiunto, ma come al solito le cose sono più sfumate e la tentazione del taglio di costi nel brevissimo periodo è sempre (troppo) forte.

L’incertezza è quindi palpabile e, secondo il rapporto BCG nel suo AI at Work 2025, nelle aziende con adozione AI avanzata, i dipendenti sono più preoccupati per la sicurezza del lavoro (46%) rispetto a quelli in aziende meno avanzate (34%). E i manager temono più degli operai: il 43% contro il 36%.

Paradossalmente però, io sono ancora più preoccupato per le aziende meno avanzate che si fanno irretire dalle sirene di questi saving da taglio di organico: chi ha processi più confusi e minori capacità tecnologiche e di gestione dei dati ha davvero scarse chance di successo in queste opere di riduzione, perché non è affatto facile capire dove le Ai possono portare davvero beneficio e serve una grande conoscenza sia della tecnologia che dell’organizzazione.

Come in tutte le cose che hanno a che fare con delle rivoluzioni tecnologiche non sono utili e produttive né la paura che deriva dalla non conoscenza né al suo opposto un entusiasmo cieco e immotivato.

Per questo, è di fondamentale importanza lavorare a livello diffuso sulla digital literacy, perché come ho scritto anche di recente la tecnologia corre a velocità supersonica, ma l’alfabetizzazione di base (reale) su come usarla procede a passo d’uomo e questo divario non è un problema teorico; è probabilmente il rischio operativo e personale più grande del nostro tempo, dato che il reskilling non è così banale come si tende a dire (vedi il video sotto), perché cambia la modalità di pensare, non i tool.

Non è nemmeno solo un tema generazionale: la maggior parte degli utenti vive una pericolosa illusione di competenza, le interfacce sono intuitive, il che ci illude di aver capito la complessità sottostante. 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 tante altre volte.

Per questo, “Umanesimo Digitale” e “Macchinismo Digitale” sono prospettive diverse nella visione della tecnologia, un concetto di Gartner che cito da più di 12 anni.

Il «Macchinista Digitale» vede il valore primario della tecnologia nel tempo risparmiato, sia per l’organizzazione che per l’individuo, che deriva dalla continua riduzione delle attività umane.

Un “Umanista Digitale” crede che la tecnologia diventi virtuosa quando permette alle persone di fare cose che non si credevano possibili o quando ridefinisce il modo in cui gli obiettivi delle persone possono essere raggiunti.

E’ un altro modo di leggere il concetto di digitalizzazione vs. trasformazione digitale, come racconta meglio di me Stefano Epifani nel suo podcast (ascoltatelo qui sotto) non bisogna confondere le due cose: mentre la digitalizzazione riguarda la conversione di processi analogici in digitali, la trasformazione digitale implica un cambiamento più profondo, che coinvolge modelli di business, cultura organizzativa e strategie operative.

Sembra teoria, è invece un aspetto concreto e fondamentale.

In conclusione: tre priorità per i leader

L’AI Agentica non è una minaccia esistenziale, ma un potente acceleratore che amplifica sia i punti di forza che le debolezze della tua organizzazione. La differenza tra chi ne trarrà vantaggio e chi ne sarà travolto si gioca su tre priorità concrete:

1. Sviluppa la Digital Fluency nella C-Suite

I dati Gartner sono chiari: i CEO percepiscono lacune nelle competenze AI dei loro team dirigenziali persino più ampie di quelle vissute con la trasformazione digitale negli anni 2010.

Non basta delegare alla funzione IT o assumere un Chief AI Officer. Serve che l’intera leadership comprenda davvero come funziona questa tecnologia, non per diventare esperti tecnici, ma per sviluppare quel pensiero critico che impedisce all’algoritmo di sollevarci dalla responsabilità (e dalla libertà) di decidere con la nostra testa.

2. Investi nell’apprendimento continuo, non solo nell’AI

Il gap tra progresso tecnologico e competenze interne è il vero collo di bottiglia. Non si tratta solo di imparare nuovi tool, ma di cambiare la modalità di pensare. Passa dalla cultura dell’expertise (chi sa tutto di una cosa) alla cultura dell’apprendimento (chi sa imparare continuamente). Incentiva la sperimentazione, la fiducia e l’adattabilità come competenze essenziali.

3. Ripensa i processi per creare valore, non per tagliare costi

La tentazione di vedere l’AI solo come strumento di riduzione dei costi è forte, ma è una visione miope da “Macchinista Digitale”. L’approccio dell'”Umanista Digitale” chiede invece: questa tecnologia cosa ci permette di fare che prima non potevamo? Come ridefinisce i nostri obiettivi? Non replicare in digitale processi obsoleti. Ridisegna i flussi di lavoro end-to-end, inserendo l’umano dove aggiunge valore unico attraverso giudizio, empatia e creatività.

Il bivio

Il futuro non è delle “macchine pensanti”, ma dell’intelligenza umana aumentata e sapientemente orchestrata. I leader che ridisegnano flussi di lavoro, reinventano ruoli e favoriscono l’apprendimento continuo renderanno le loro organizzazioni più resilienti e competitive. Gli altri subiranno la trasformazione come un destino inevitabile.

La AI può essere uno straordinario acceleratore di tutto questo. Ma il suo esito deve stare nelle nostre mani, non in quelle dei signori degli algoritmi. La scelta è tua, e il momento per farla è adesso.

Si tratta di un libro sull’intelligenza artificiale, ma in realtà soprattutto sul senso del lavoro e delle nuove organizzazioni nell’era dell’intelligenza artificiale, che è una cosa decisamente diversa.

Come vedremo, direi che è soprattutto un libro sul linguaggio e sul senso delle parole che, in un’epoca in cui la caratteristica di sapere generare testi sembra non appartenere più solo agli esseri umani, diventa particolarmente rilevante

Un viaggio nel lavoro aumentato e nelle organizzazioni vive

Cristiano Boscato accompagna il lettore attraverso un percorso logico e progressivo per ridefinire il concetto di lavoro nell’era digitale, con un linguaggio poetico e narrativo completamente diverso da una una disamina tecnologica in senso stretto.

Il percorso inizia sicuramente anche con quest’ultimo tipo di elemento, seppure già con un linguaggio diverso dalle solite trattazioni, con un’analisi dell’Impatto dell’AI e dello stato attuale della rivoluzione tecnologica, chiarendo in che modo l’Intelligenza Artificiale con il concetto di inferenza stia ottimizzando e persino sostituendo molte attività. Già in questa fase emerge però la sua tesi fondamentale: la crescente perfezione delle macchine rende, per contrasto, l’essenza umana l’elemento di differenziazione e il vero valore insostituibile.

Non sono le macchine a spersonalizzare la nostra esistenza, siamo noi ad aver cominciato questo percorso che poi la tecnologia può accelerare in modo pazzesco.

Fin da questa fase iniziale viene introdotta LIA, l’intelligenza artificiale che ci accompagnerà in tutta la lettura come un’alleata, come la definisce Cristiano “non una macchina ma un’ecologia linguistica, una soglia pensante”.

Successivamente, il focus si sposta sulla trasformazione del lavoro da mezzo a senso.

I capitoli centrali invitano a un profondo cambio di paradigma: il lavoro deve superare la sua funzione di mero strumento per il profitto e diventare un luogo di significato profondo, inteso quasi come un contributo valoriale al mondo.

Si tratta di un passaggio troppo complesso per riassumerlo in così poche righe, ma leggendo il libro si può capire che non è una componente totalmente utopica quanto un percorso che già oggi si può interpretare e intraprendere.

Un punto molto interessante rispetto a questa possibilità di rendere il tutto concreto è la descrizione di una serie di agenti AI specializzati (LUMIA, SYN, ARA, OMI, KAI, VERA, TESSA) che servono proprio ad analizzare il linguaggio, a estrarre significati e ad altri compiti che vi lascio scoprire attraverso la lettura.

Vengono suggerite anche tutta una serie di pratiche che queste organizzazioni del futuro faranno per gestire le proprie giornate.

Questa sezione pone le basi per la successiva analisi organizzativa.

Il cuore della trattazione, che tocca un tema che mi sta particolarmente a cuore, riguarda l’organizzazione ecosistemica e l’intelligenza collettiva. Boscato affronta i modelli organizzativi del futuro, superando la rigidità gerarchica. L’azienda in questo nuovo paradigma è descritta come un “organismo pensante” vivo, dove l’intelligenza collettiva è cruciale e il successo dipende dalla fluidità delle connessioni interne (se siete lettori di questo blog da un po’ di tempo probabilmente vi ricorderà qualcosa) tra i team (le “sinapsi aziendali”).

Anche qui il tema del linguaggio e del modo in cui vengono definite linguisticamente le cose è preponderante, e si allaccia un po’ anche con quello che io avevo detto in passato, in modo meno narrativo, sul fatto che ormai i job title classici non rispondono più alla realtà delle cose e anzi le limitano.

A questo si lega in modo stretto il tema della cultura e la leadership viva. Qui l’autore definisce i requisiti per una cultura interna basata sulla fiducia, sull’autonomia e su valori chiari, anziché sul solo controllo. La figura del leader si evolve: non più controllore di processi, ma facilitatore di senso e scopo, essenziale per coltivare l’innovazione e la resilienza umana.

Anche qui, la discussione risuona molto bene con quanto penso sulla leadership tecnologica e sui ruoli di CIO e CDO, dove ho evidenziato come questi leader non possano più limitarsi alla tecnica. Devono, invece, diventare i principali agenti di cambiamento culturale, facilitando l’adozione e l’alfabetizzazione tra i team.

Se vi ricordate cosa ho scritto in “La Tecnologia Vola, ma l’Alfabetizzazione Striscia“, sapete che esiste un drammatico gap di conoscenza all’interno delle organizzazioni, oltre che nella società in genere. Questo divario è la prova che l’AI, se adottata senza una profonda cultura e competenza interna, rischia di trasformarsi in una mera commodity o, peggio, in un motore per i “modelli disumanizzati” di cui l’autore ci mette in guardia.

Ci sono poi moltissimi altri spunti ma, alla fine, l’illusione di una semplificazione apparente offerta dall’AI viene smontata, dimostrando che l’algoritmo non elimina la necessità di una profonda competenza umana. L’AI semplifica il fare, ma richiede una forte intelligenza aumentata per definire la direzione, valutare l’output e gestire l’etica. Come ho scritto di recente, solo un’azienda con una solida cultura del senso e della qualità può sfruttare l’AI per potenziarsi, anziché limitarsi a produrre risultati mediocri.

Per chi è questo libro?

Devo dire che soprattutto all’inizio della lettura ho avuto il dubbio che non fosse un libro per tutti: il linguaggio è molto particolare ed evocativo, ricco di richiami semiotici, molto lontano dalla tipica narrazione di questi temi e proiettato in una dimensione che sta a cavallo tra qualcosa che è già reale e una visione del futuro che in alcuni momenti potrebbe sembrare quasi utopica.

Sapete però, d’altra parte che io sono molto convinto che oggi sia necessario affrontare questi temi tecnologici da più punti di vista, anche quelli più filosofici e profondi, perché stiamo parlando di trasformazioni che toccano l’essenza di chi siamo come esseri umani e il nostro modo di vivere, da gestire con consapevolezza e senza paura.

Come dice Sebastiano Zanolli nella postfazione del libro, Cristiano Boscato in queste pagine prende sul serio una domanda che spesso ignoriamo: “che cosa succede quando le parole smettono di dire qualcosa di vero?“.

In alcune aziende il ruolo del CIO è stato rivisto nell’acronimo di chief Language Officer: alla fine dietro le AI ci sono dei modelli linguistici e in questo Lia non è un algoritmo in senso di oracolo ma una presenza linguistica aumentata che aiuta a lavorare sul capitale semantico dell’organizzazione.

Alla luce di tutto questo, allora il testo diventa particolarmente rilevante per chi guida le aziende, poiché sposta il focus da una visione del lavoro come puro mezzo a una visione come luogo di senso, un “gesto d’amore verso il mondo”, essenziale per la sostenibilità e l’innovazione. È molto utile a chi lavora con la tecnologia per riflettere su come la lingua abbia un significato che non è solo quello creato dagli algoritmi statistici. È uno spunto per tutti coloro che hanno a che fare con organizzazioni più o meno complesse e che si stanno interrogando sul senso del proprio lavoro.

Non è un linguaggio semplicissimo, ma credo che sia una lettura diversa su un tema su cui si parla fin troppo.

Questo divario non è un problema teorico; è probabilmente il rischio operativo e personale più grande del nostro tempo.

Il castello di carta: vulnerabilità personale quotidiana

Cosa significa oggi “alfabetizzazione digitale“? Non è saper scaricare un’app, ma saper dubitare.

La maggior parte 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.

Parlando dell’uso dei social, nel 2013 avevo scritto che l’avvento di un sempre maggior numero di persone aveva comportato per gli early adopters un abbassamento della qualità delle conversazioni e di parte dei contenuti (vi ricorda niente?), ma aveva rappresentato molto più da vicino la realtà sociale del paese, nel bene e nel male (e con le dovute cautele nell’analisi).

In quello stesso post avevo scritto che per molti di questi “nuovi” utenti non c’è stato il tempo di imparare a usare i mezzi e comprenderli, il target più adulto infatti non è entrato a pieno nei meccanismi per ragioni culturali, mentre i più giovani si sono trovati catapultati quasi automaticamente dentro questo mondo multicanale e social, dove la pervasività dei device tecnologici è radicata e sfuma sempre più la percezione del confine fra ciò che è tangibile e ciò che è digitale (sottolineatura: siamo nel 2013 qui).

Per certi versi insomma la diffusione della tecnologia è andata più veloce della sua comprensione già da parecchio tempo.

Questa ingenuità però ha degli impatti estremamente rilevanti sulla sicurezza personale:

• L’abbandono delle fondamenta: Miliardi di account protetti dalla stessa, identica password. Non attivare l’Autenticazione a Due Fattori (2FA) dove disponibile, che è la prima e più semplice linea di difesa.
• Il click ingenuo e senza riflessione: La difficoltà nel riconoscere un tentativo di phishing via email o smishing via SMS. Nonostante gli avvertimenti, l’utente medio è ancora il bersaglio più facile per la truffa mascherata da comunicazione urgente della banca o dell’ufficio postale.
• I consensi inconsapevoli: l’accettazione acritica di termini, condizioni e permessi di app che espongono dati sensibili o fanno uso dei dati creati senza che l’utente si renda conto del valore di ciò che sta regalando.

I primi due punti sono storia di vecchia data, ma il punto è proprio questo: se non abbiamo ancora imparato a difenderci dalle versioni più tradizionali di queste minacce, come possiamo pensare di stare tranquilli ora che l’evoluzione tecnologica può rendere queste trappole molto più sofisticate?

Il terzo punto merita un discorso a parte: anche lui viene da lontano, sono anni che legislatori (e attivisti) e big tech si battono tra loro sulla correttezza e legittimità di termini e condizioni dei tool, oltre che in generale sul concetto delle regole del gioco (basti pensare a questi esempi di un anno fa).

Anche qui però l’evoluzione tecnologica corre molto più, e si sprecano le casistiche di feature che usate in modo superficiale possono essere molto pericolose, come la posizione su Instagram (per ora almeno disattivata di default), la clonazione sempre più facile di volti e voci (ci torniamo poi tra poco) e, in generale, la scarsa comprensione di che cosa si cede agli strumenti quando li usiamo (sotto un video recente sul tema, qui si parla di AI, ma ne trovate molti altri in rete).

Su questo scenario si innesta poi l’avvento dirompente dell’intelligenza artificiale generativa come strumento democratico in mano a tutti.

L’ascesa dei deepfake: la crisi della fiducia (e un’altra spallata al senso critico)

Oggi non basta più riconoscere una password rubata o un’email scritta male. Siamo entrati nell’era degli AI Slop (qualcuno la chiama slopocene): grandi quantità di contenuti audio, video o persino documenti creati in modo iper-realistico grazie all’Intelligenza Artificiale di bassa qualità concettuale ma lucrativi per chi li produce. Per non parlare della disinformazione mirata e dei Deepfake sempre più sofisticati.

Da questo punto di vista non è molto rassicurante commentare il lancio di Sora 2 di OpenAi, che mischia un tool (molto potente) di creazione video attraverso un’apposita app con un concetto di social media popolato di cloni. A ruota è arrivata poi Meta, con il suo Vibes. E questo solo per citare i tool più democratici e (presto) accessibili a grandi numeri di persone.

La cosa che lascia un grande punto di domanda è che degli strumenti così sofisticati sono stati presentati dai loro stessi ideatori non per creare contenuti professionali ma per generare meme in stile TikTok, per di più pieni di deepfake di persone reali, Sam Altman in testa a tutti.

Tra le caratteristiche di Sora 2 infatti c’è la funzione Cameo, che permette di inserire la propria immagine all’interno delle scene, basta caricare una registrazione video e audio e una volta verificati, si può apparire in qualsiasi scenario generato, da soli o insieme agli amici, e autorizzare altri a usare il proprio volto nei loro video.

Qualcosa che avevamo già visto in passato ma che qui raggiunge livelli pazzeschi e, soprattutto, molto democratici in termini di accesso non appena sarà distribuita a un pubblico più vasto, perché non serve davvero alcuna competenza spinta.

E’ chiaro che una nuova tecnologia, specie nei primi giorni, viene messa alla prova e giocando si fanno le cose più assurde, ma quando sono i suoi creatori a indicare questa via, non dovremmo essere un po’ preoccupati?

Sì dovremmo.

Il deepfake è l’arma definitiva per l’ingegneria sociale, e la scarsa alfabetizzazione degli utenti in merito lo rende incredibilmente efficace.

In questo scenario, l’alfabetizzazione non è più una competenza operativa (saper usare), ma una competenza difensiva (saper distinguere e dubitare). La mancanza di alfabetizzazione critica ci rende vulnerabili a ciò che non possiamo più distinguere solo con l’occhio umano e ci espone a truffe e altri rischi.

Ma c’è un aspetto ancora peggiore, secondo me, di quello della sicurezza e ha a che fare con un altro tema critico, quello dell’analfabetismo funzionale e del conseguente rischio di polarizzazione.

La mente umana “by design” cerca di difendersi dal carico cognitivo attraverso scorciatoie, euristiche, bias che quindi non sono tutti negativi per definizione e che esistono da sempre nel nostro modo di pensare.

Tuttavia i dati del rapporto Education at glance 2025 OCSE sono allarmanti e quelli del nostro paese lo sono di più dato che dicono che il 37% dei 25-64enni italiani hanno competenze di comprensione e scrittura di testi (literacy) a livello elementare o inferiore (livello 1 su una scala da zero a 5, di fatto il cosiddetto ‘analfabetismo funzionale’), contro la media ocse del 27% (che già non è rassicurante).

Gli stessi laureati, accreditati in media di 19 punti in più rispetto ai diplomati, sono però lontani anche loro dalla media OCSE che è maggiore e si situa a 34 punti.

Ora, on top a questo problema il fatto che tutto sia messo in dubbio per definizione porta al rafforzamento delle proprie bolle digitali. Se vedo qualcosa che non mi piace nemmeno delle evidenze visive mi potranno far cambiare idea perché dirò che è un fake e sicuramente troverò (o nei casi peggiori creerò) qualche artefatto che mi dimostra il contrario.

E questo avviene in un contesto in cui, secondo il Global Risk 2025 Report del World Economic Forum, la polarizzazione sociale resta una delle più grandi minacce dei prossimi due anni, insieme alla disinformazione (lo era già nell’edizione 2024).

Se fin qui poi abbiamo parlato di individui nel loro privato, dobbiamo pensare che queste persone vanno a votare (e qui lascio la parola a questo video) e vanno a lavorare nelle proprie organizzazioni.

Parliamo di questo ultimo punto.

Il freno alla crescita: rischi di sicurezza e tecnologia sottosfruttata

L’errore umano è, statisticamente, il principale vettore di successo per gli attacchi informatici. Un’azienda può investire milioni in firewall e sistemi di protezione, ma se un singolo dipendente, per distrazione e scarsa alfabetizzazione, clicca su un link infetto, l’intero investimento è compromesso.

Il dipendente non formato è l’anello debole della catena che collega la sicurezza personale a quella corporate. Il rischio si amplifica in ambienti Bring Your Own Device (BYOD), dove la negligenza casalinga di un dispositivo personale diventa una porta aperta sulla rete aziendale.

Ma la minaccia si evolve, e con l’avanzare della tecnologia, l’alfabetizzazione deve evolvere con essa. Pensiamo di nuovo ai deep fake e ai loro rischi:

• Phishing 2.0: Immaginate che un criminale generi un deepfake audio che imita perfettamente la voce del CEO o del Direttore Finanziario per chiamare il reparto contabilità, chiedendo un “trasferimento di fondi urgente e riservato”. Senza una rigida alfabetizzazione sui protocolli di verifica incrociata, l’impiegato, credendo alla voce del capo, causa una perdita milionaria (Truffa del CEO).
• Danno Reputazionale: Un deepfake ben fatto può distruggere la reputazione di un’azienda in poche ore, falsificando dichiarazioni o azioni di un dirigente e facendole circolare sui social.

Non è così raro sentire persone con ruoli di responsabilità pensare di creare i propri cloni e di darli in gestione ai propri collaboratori.

La scarsa alfabetizzazione ha poi un costo che va oltre la sicurezza: l’azienda non riesce a sfruttare a pieno la sua stessa innovazione.

Quando i dipendenti hanno una conoscenza superficiale degli strumenti che usano (dai software di gestione dei dati ai servizi cloud computing), ne utilizzano solo una frazione del potenziale. Si aggrappano ai vecchi metodi, anche con nuovi strumenti in mano. E’ nella natura umana ed è la ragione per cui l’adozione è uno degli elementi chiave di una vera trasformazione digitale.

In questo, non aiuta di certo la semplificazione che oggi va per la maggiore quando si parla di AI ma non solo, quella che fa apparire tutte le nuove innovazioni tecnologiche semplici da adottare e, come si dice in gergo tecnico, plug and play ossia pronte all’uso purché si attacchi la spina.

Confusi anche da falsi miti, ci dimentichiamo che la tecnologia risolve i problemi se viene usata per affrontare le giuste questioni e se c’è l’organizzazione interna e le condizioni adatte a supporto. Viceversa, più sono sofisticati gli strumenti e più essi tireranno fuori in modo impietoso i limiti sui dati disponibili, sulle difficoltà operative, sull’inadeguatezza delle infrastrutture tecnologiche preesistenti e sulla mancanza di obiettivi chiari.

Sempre parlando di cose non certo nuove, sappiamo che l’organizzazione interna si muove a un ritmo totalmente diverso da quello della tecnologia, ne ho parlato largamente per il lusso ma vale per tutti i settori, e non solo nella marketing technology.

Inoltre, non è certo una cosa di oggi il crescente gap tra capacità di utilizzo e potenziale, solo che questa distanza non fa che aumentare.

Ciò porta a processi inefficienti, un basso ritorno sull’investimento tecnologico e una difficoltà strutturale nell’innovazione. L’azienda possiede un razzo, ma i dipendenti sono addestrati solo a usare l’accendino. Senza una solida data literacy, ad esempio, i dati raccolti restano inutilizzati, trasformando i sistemi avanzati in semplici depositi anziché in motori di crescita.

In questo il management, quello vero, ha un ruolo fondamentale. E lo hanno le persone che hanno conoscenza e comprensione della tecnologia.

Che fare: l’alfabetizzazione come “firewall umano” per le aziende e la società

Il costo della non-alfabetizzazione è insostenibile, lo abbiamo visto.

Per questo, all’inizio dell’anno mi ero dato come augurio di non subire passivamente le novità e prenderci il tempo per capire davvero dove stiamo andando grazie (anche) alla tecnologia, con uno sguardo che va oltre il breve periodo e con la consapevolezza che gli strumenti diventano buoni o cattivi in base a come li usiamo (e se prendono direzioni strane, beh, bisogna alzare la mano).

Se abbiamo avuto la fortuna, la bravura, la pazienza (e probabilmente tutte e tre insieme) di apprendere delle conoscenze strutturate attorno alle nuove tecnologie credo che sia sempre più un nostro dovere usare questa nostra competenza a beneficio della collettività, non solo quando siamo sul posto di lavoro ma anche in senso più lato (è un po’ il senso del mio blog e degli altri miei canali Telegram, Whatsapp e Substack).

In questo sicuramente ci possono aiutare delle letture di contenuti che sono si focalizzati sulla tecnologia ma che sono portati avanti da degli autori e degli esperti che hanno un background di tipo più filosofico o che comunque ci aiutano a guardare questa realtà non solo dal punto di vista del tecnicismo ma del loro significato più profondo.

Ho citato tante volte Neil Postman che del suo contributo “Five things we need to know about technological change” ha detto in maniera chiara che il cambiamento tecnologico è un cambiamento di tipo ecologico e non incrementale: “Un nuovo medium non aggiunge qualcosa; cambia tutto. Nel 1500, dopo l’invenzione della stampa, non esisteva più la vecchia Europa con in più la stampa. C’era un’Europa diversa”. Il cambiamento è un fatto culturale.

In questo cambiamento, come ha spiegato benissimo Luciano Floridi nel video qui sotto si mescolano una percezione sempre più vaga del mondo analogico “schermato” dal digitale e un peso sempre più forte sul piano strategico del controllo dell’hardware. Ascoltatelo tutto perché alla fine si parla anche del ruolo della politica e della nostra responsabilità individuale, che è molto in tema.

Non sono titolato poi a parlare più in generale del sistema educativo e del ruolo delle istituzioni ma credo che debba valere lo stesso approccio, chi ha le competenze deve essere messo in condizione di poter aiutare chi ne ha meno, qui con un approccio strutturale perché non si può fare affidamento solo sulla buona volontà.

Anche le aziende non possono più affidarsi solo alla tecnologia per proteggersi; devono investire nella consapevolezza umana. Non solo per evitare di perdere, ma anche per massimizzare ciò che possono guadagnare dalle nuove frontiere tecnologiche.

La sicurezza informatica non è un problema tecnico, ma un problema di formazione continua. È necessario un cambio di mentalità, che trasformi ogni dipendente – e ogni utente – nell’ultimo, più critico firewall.

In questo, la leadership tecnologica deve essere illuminata (e non solo repressiva o di freno), deve avere una forte capacità comunicativa e deve essere molto relazionale: mentre protegge deve aiutare a crescere, e sapere fare entrambe con un dialogo forte con tutto il resto del top management (sì, i manager servono ancora nell’era della AI).

La sfida per il futuro non è creare una tecnologia migliore, ma creare utenti digitali più consapevoli e critici.

English version is available on Medium.com