shadow ai

AI in ospedale senza regole: cosa rischiano dati e pazienti


Indirizzo copiato

Medici e infermieri usano sempre più spesso strumenti di AI generativa non aziendali, mentre account gratuiti o condivisi sottraggono dati e responsabilità ai controlli interni. Il GDPR è già applicabile, l’AI Act impone alfabetizzazione e le strutture sanitarie devono censire gli usi, proteggere i dati e garantire accessi individuali

Pubblicato il 20 nov 2026

Amedeo Esposito

ing gestionale, con eMBA membro del AIFOD



Riassumi questo articolo
Approfondisci con altre fonti
ChatGPT Image 12 nov 2026, 17_57_05




Sull’intelligenza artificiale comprata dalle aziende sanitarie abbiamo imparato a fare le domande giuste. Su quella entrata senza passare da nessuna delibera, non ne facciamo nessuna. E il calendario con cui ci stiamo giustificando è quello sbagliato.

Un direttore di unità operativa chiede una licenza per uno strumento di intelligenza artificiale generativa. Venti euro al mese, serve per le relazioni, per le sintesi dei verbali, per rimettere in ordine i testi. La richiesta è ragionevole e viene approvata. Da quel momento l’account è uno e le persone che lo usano sono otto, perché il budget consentiva una licenza e il reparto è fatto di otto persone. Le credenziali stanno su un foglietto, o in una chat di gruppo.

In un’altra unità operativa nessuno ha chiesto niente, perché la versione gratuita basta. Ci si registra con l’indirizzo di posta istituzionale, in due minuti, senza spesa. E dove non c’è spesa non c’è una richiesta d’acquisto, non c’è una determina, non c’è un contratto. Non c’è niente.

Nessuno dei protagonisti di queste due scene sta aggirando una regola. Nella maggior parte dei casi non sa che ce ne sia una, e questo è il punto da cui vale la pena partire.

La shadow AI nella sanità misurata nei numeri

Che non si tratti di casi isolati lo dicono i numeri. La ricerca 2026 dell’Osservatorio Sanità Digitale del Politecnico di Milano rileva che il 61 per cento degli specialisti e dei medici di medicina generale ha usato intelligenza artificiale generativa nell’ultimo anno — trentacinque punti in più rispetto all’anno precedente, tra gli specialisti — e che lo ha fatto il 37 per cento degli infermieri, quasi sempre su piattaforme generaliste non progettate per l’uso clinico.

Il dato che conta davvero, però, è un altro: le strutture dotate di soluzioni di intelligenza artificiale per il supporto diagnostico sono l’11 per cento, mentre il 34 per cento degli specialisti usa l’intelligenza artificiale a supporto della diagnosi, e lo fa — annota la ricerca — spesso attraverso strumenti non aziendali. La distanza fra quelle due percentuali è il fenomeno di cui stiamo parlando, e non è un’impressione raccolta in corsia: è una misura.

Perché nelle stesse aziende, nel frattempo, si lavora seriamente sull’altra intelligenza artificiale: quella che si compra. Si scrivono capitolati con clausole sulla qualificazione del software come dispositivo medico, si chiede la documentazione di conformità, si pretende la descrizione dei dati di addestramento, si negozia la nomina a responsabile del trattamento. È un lavoro fatto bene e serve. Ma riguarda una tecnologia che arriva con una gara. L’altra è già dentro, e non ha lasciato traccia.

AI Act e sanità: il calendario normativo che inganna

Da due anni le aziende sanitarie si preparano agli obblighi che l’AI Act pone a chi utilizza i sistemi. È un lavoro sensato. Non è urgente.

Il Digital Omnibus, pubblicato in Gazzetta ufficiale dell’Unione il 24 luglio 2026, ha spostato in avanti l’intera disciplina dell’alto rischio: le sezioni del Capo III che contengono i requisiti dei sistemi e gli obblighi degli operatori si applicheranno dal 2 dicembre 2027 per i sistemi dell’Allegato III e dal 2 agosto 2028 per quelli incorporati in prodotti già regolati, dispositivi medici compresi.

Dentro quelle sezioni c’è l’art. 26, che impone all’utilizzatore di rispettare le istruzioni del fornitore, di affidare la sorveglianza umana a persone individuate e di conservare i log. E c’è l’art. 27, che obbliga gli organismi di diritto pubblico a una valutazione d’impatto sui diritti fondamentali prima del primo uso.

Per le amministrazioni pubbliche l’orizzonte è ancora più lontano. L’art. 111, paragrafo 2 fissa al 2 agosto 2030 il termine per l’adeguamento dei sistemi ad alto rischio già utilizzati dalle autorità pubbliche.

Nessuno di questi termini riguarda i due casi descritti all’inizio. Quei due casi non aspettano una norma: ricadono sotto una norma che si applica dal maggio 2018, con un’autorità attiva e un filone sanzionatorio consolidato proprio nel settore sanitario. Il GDPR non ha calendari da aspettare.

L’alfabetizzazione AI già obbligatoria

Un solo obbligo dell’AI Act è già esigibile, e va preso per quello che è. L’art. 4 sull’alfabetizzazione si applica dal 2 febbraio 2025, vale per fornitori e utilizzatori e non è limitato all’alto rischio: parla di sistemi di IA in generale e si estende al personale e a chi opera per conto dell’organizzazione. Lo stesso Digital Omnibus lo ha riscritto in forma più asciutta, e nella versione vigente chiede misure proporzionate alle conoscenze delle persone e al contesto, non la garanzia di un livello determinato: è un obbligo di mezzi.

Resta però l’unico che un’azienda sanitaria abbia già addosso. Nei capitolati lo abbiamo visto trattare come onere del fornitore, da erogare insieme al software. Ma l’art. 4 non parla del software, parla delle persone. Un’azienda che non ha comprato nessuna intelligenza artificiale, e il cui personale usa strumenti generativi, ci è dentro comunque.

La stessa rilevazione del Politecnico dice quanto ci sia da fare: sa che l’intelligenza artificiale generativa può produrre allucinazioni il 32 per cento degli specialisti, sa riconoscere un contenuto generato o manipolato il 17 per cento, si sente in grado di spiegare al paziente una decisione assistita dall’algoritmo un altro 17 per cento, e risulta buono o eccellente su tutte le aree di competenza considerate il 2 per cento. Circa un terzo ha seguito una formazione sull’intelligenza artificiale.

Account gratuiti e dati sanitari: dove nasce la shadow AI

Quando un’azienda acquista un software, negozia. Il contratto fissa finalità, tempi di conservazione, misure di sicurezza, divieto di riuso dei dati, e nomina il fornitore responsabile del trattamento ai sensi dell’art. 28 del GDPR. Quella nomina non è un adempimento formale: è ciò che tiene il fornitore dentro il perimetro delle istruzioni ricevute. Il Garante l’ha detto in termini netti — senza un contratto che disciplini il trattamento, il trattamento è illecito, perché manca una delle condizioni che la legge richiede.

Con un piano gratuito non si negozia nulla. Si aderisce a condizioni generali scritte da un’altra parte, che quella parte modifica quando vuole. Di norma consentono l’uso dei contenuti immessi per migliorare i modelli, prevedono conservazioni che l’utente non controlla, comportano un trasferimento verso Paesi terzi. Nel momento in cui il fornitore usa quei contenuti per finalità proprie non sta più agendo per conto dell’azienda: sta trattando per sé. E l’azienda, titolare di quei dati, ha dato luogo a una comunicazione verso un terzo che nessun atto autorizza.

Il dato sanitario sulle piattaforme generative

Nel luglio 2025 il Garante è intervenuto con una comunicazione informativa sul caricamento di analisi, radiografie e referti su piattaforme generative. Non era un provvedimento ed era rivolta ai cittadini, non agli operatori: insisteva sulla perdita di controllo del dato e sull’affidabilità di strumenti che non sono dispositivi medici e non hanno superato alcuna validazione clinica.

Per chi lavora in corsia l’argomento vale identico, con una differenza che pesa. Il cittadino che carica il proprio referto dispone di un dato suo. L’operatore che carica il referto di un assistito dispone del dato di qualcun altro, affidatogli per una finalità precisa.

Un’obiezione fondata, però, cambia il quadro: diversi piani gratuiti permettono oggi di disattivare l’uso dei contenuti per l’addestramento, e alcune versioni per organizzazioni offrono garanzie contrattuali reali a costi modesti. È vero, e rende la regola più difficile da scrivere, non più facile.

Significa che la liceità non dipende dallo strumento ma dal piano, dalla versione e da un’impostazione che l’utente può cambiare in qualsiasi momento e che il fornitore può cambiare senza che nessuno in azienda se ne accorga. Una regola che elenca gli strumenti ammessi è vecchia il mese dopo. Una regola che dice quali dati non escono regge.

Account condivisi nella sanità, log e responsabilità

Sull’account condiviso la discussione si ferma quasi sempre alla sicurezza informatica. Credenziali che girano, nessuna autenticazione a più fattori, rischio di compromissione. Tutto vero, e tutto secondario rispetto al problema che in un’azienda sanitaria dovrebbe venire in mente per primo.

Queste organizzazioni vivono da un decennio sotto un obbligo di attribuzione individuale dell’accesso al dato sanitario. Le Linee guida del Garante sul dossier sanitario del 4 giugno 2015, ancora vigenti, pretendono tra le altre cose che il paziente possa sapere chi ha consultato i suoi dati.

Il filone sanzionatorio non si è mai interrotto: l’episodio più recente è il provvedimento n. 474 del 4 agosto 2025, che ha contestato a un’azienda ospedaliero-universitaria un trattamento illecito attraverso applicativi che costituivano di fatto un dossier sanitario, con profili di autorizzazione che consentivano a medici di vedere dati di pazienti non in cura presso la loro unità e senza possibilità per l’interessato di conoscere gli accessi. Ottantamila euro e pubblicazione del provvedimento.

Log non attribuibili e responsabilità aziendale

Un account usato da otto persone non viola quell’obbligo per distrazione. Lo rende ineseguibile. Ciò che resta scritto nei log è il nome del reparto: non c’è analisi forense che recuperi l’informazione, non c’è audit che la ricostruisca, non c’è risposta che l’azienda possa dare a chi chieda chi ha letto la sua cartella.

E c’è il rovesciamento, che va detto per intero perché contraddice il senso comune. L’account condiviso sembra proteggere chi lo usa: nessun nome compare, nessuno è esposto. In realtà espone tutti. Un’operazione impropria non attribuibile a nessuno non diventa un fatto di nessuno — diventa un fatto dell’azienda, che risponde di un’organizzazione incapace di dire chi abbia fatto cosa. L’attribuzione individuale non serve a cercare un colpevole: serve a circoscrivere. E circoscrivere protegge i sette che non c’entrano niente.

Vale anche guardando al 2027. Quando gli obblighi dell’utilizzatore diventeranno esigibili chiederanno sorveglianza umana affidata a persone fisiche individuate, con competenza, formazione e autorità, e conservazione dei log per almeno sei mesi. Credenziali collettive sono incompatibili con entrambe le cose. Chi oggi risparmia sette licenze sta costruendo un assetto che dovrà smontare, dopo averci lavorato sopra per due anni.

Perché le aziende sanitarie non vedono la shadow AI

Non parliamo di comportamenti clandestini: avvengono in orario di servizio, su postazioni aziendali, con indirizzi istituzionali. Perché il controllo interno non li intercetta?

Perché il controllo è agganciato all’atto. Una tecnologia che entra nel modo ordinario produce una scia documentale: fabbisogno, determina, contratto, collaudo, inventario, liquidazione. Ogni passaggio è un punto in cui qualcuno deve guardare, e firmare di aver guardato. L’account gratuito non produce nessuno di quei passaggi, perché non c’è spesa. L’account condiviso ne produce uno solo, il pagamento della licenza, e in quell’atto non c’è nulla che dica quante persone la useranno.

Non è tolleranza. È che non esiste un momento del processo in cui qualcuno sia incaricato di porsi la domanda. L’organizzazione vede ciò che sa registrare, e registra ciò che passa da un atto. Il che spiega anche perché il problema non si risolva con una circolare: una circolare è un atto, e gli atti governano quello che passa dagli atti.

Le obiezioni sulla shadow AI tra GDPR e AI Act

Che sia uso personale, su strumenti personali, magari fuori orario, e che l’azienda non c’entri. Sul piano della titolarità non tiene: il titolare risponde dei dati che gli sono stati affidati, e la qualificazione non dipende dal dispositivo né dall’ora. Se un referto esce, è uscito.

Che vietare non serva, perché il divieto generalizzato produce uso clandestino. È l’obiezione più solida e circola già nel dibattito sulla cosiddetta shadow AI, fuori dalla sanità. La condividiamo, e non è un argomento contro la regola: è un argomento contro il divieto come unica regola. Una norma interna che proibisce senza offrire un’alternativa praticabile sposta il problema dentro i telefoni personali, dove nessuno lo vedrà mai più.

Che l’AI Act, per chi usa i sistemi, non si applichi ancora. Vero per gli obblighi sull’alto rischio, non vero per l’art. 4, irrilevante rispetto al GDPR.

Che la legge italiana abbia già coperto la materia. In parte sì: la legge 23 settembre 2025, n. 132 affronta agli articoli 7 e seguenti l’intelligenza artificiale come supporto che non sostituisce il giudizio clinico, l’informazione al paziente, la riserva della decisione al medico responsabile, i requisiti di tracciabilità e sicurezza. È un impianto che presuppone un sistema adottato dalla struttura, scelto, dichiarato, documentato. Sullo strumento entrato senza essere adottato non dice nulla, e non poteva.

Una regola aziendale per l’AI generativa in sanità

Chi si aspetta un regolamento di venti pagine sta cercando la cosa sbagliata. I regolamenti lunghi sull’intelligenza artificiale nominano strumenti e versioni, e invecchiano prima di arrivare in distribuzione.

Si parte contando: quali strumenti sono in uso, su quali dati, da parte di chi. Va fatto in modo che rispondere non costi nulla a chi risponde, perché se il censimento ha l’aria di un’istruttoria la risposta sarà che non si usa niente. E non è un adempimento: è l’unica cosa che trasforma il problema da invisibile a trattabile.

Poi la regola si scrive sul dato, non sullo strumento. Nessun dato che identifichi un paziente o un dipendente esce verso strumenti che l’azienda non abbia sotto contratto, e questo vale anche per i dati pseudonimizzati quando in un contesto piccolo la riconducibilità resta plausibile. Tutto il resto è consentito, e dirlo esplicitamente fa parte della regola: una norma che vieta tutto viene letta come una norma che non riguarda me.

Identità nominale, alternativa sotto contratto e formazione

L’identità nominale è il punto su cui non si transige, perché rende verificabile tutto il resto. Un account per persona, anche quando significa chiedere otto licenze e spiegare perché. In sede di budget la richiesta si sostiene meglio dicendo che cosa si compra: non otto abbonamenti, ma la capacità di sapere chi ha fatto cosa.

Serve l’alternativa, altrimenti la regola è un divieto: uno strumento con contratto, condizioni negoziate, nomina a responsabile, divieto di riuso dei contenuti, disponibile per gli usi ordinari. E serve la formazione, nei termini dell’art. 4. Proporzionata, dice la norma, che qui significa poco e preciso: che chi usa questi strumenti sappia che fine fanno i dati che gli dà, che gli output sono plausibili anche quando sono sbagliati, e che non esiste nessun dovere di usarli.

Governare la shadow AI nella sanità partendo dall’ordine

Nessuna di queste cose è difficile e nessuna costa molto. Il motivo per cui mancano non è l’incompetenza, e non è la fretta. È che stiamo costruendo il governo della tecnologia intorno a quello che passa dagli atti, mentre su questo terreno la tecnologia è arrivata senza produrne nessuno.

Scriviamo capitolati accurati per sistemi che compreremo nel 2027 e che in certi casi non dovranno essere a norma prima del 2030. Intanto pochissime aziende saprebbero rispondere a una domanda da due righe: quali strumenti di intelligenza artificiale sono in uso qui, su quali dati, da parte di chi.

Non è una domanda sul futuro. È arretrata.

Riferimenti essenziali

Regolamento (UE) 2016/679 (GDPR): art. 5, par. 1, lett. a) e f); art. 9; art. 25; art. 28; art. 32; artt. 44-49. Garante per la protezione dei dati personali, provvedimento n. 427 del 15 dicembre 2022, sull’illiceità del trattamento svolto in assenza di un contratto ai sensi dell’art. 28.

Regolamento (UE) 2024/1689 (AI Act), come modificato dal Regolamento (UE) 2026/1744 dell’8 luglio 2026, in GUUE del 24 luglio 2026, in vigore dal 27 luglio 2026: art. 4 (alfabetizzazione), applicabile dal 2 febbraio 2025 e riformulato dal regolamento di modifica;

art. 26 (obblighi dei deployer, parr. 1, 2 e 6) e art. 27 (valutazione d’impatto sui diritti fondamentali per gli organismi di diritto pubblico), compresi nelle sezioni 1, 2 e 3 del Capo III, applicabili dal 2 dicembre 2027 per i sistemi di cui all’art. 6, par. 2 (Allegato III) e dal 2 agosto 2028 per quelli di cui all’art. 6, par. 1 (Allegato I); art. 111, par. 2, termine del 2 agosto 2030 per l’adeguamento dei sistemi ad alto rischio già utilizzati dalle autorità pubbliche.

L’art. 50 sulla trasparenza non è stato differito e si applica dal 2 agosto 2026, con il termine del 2 dicembre 2026 per la sola marcatura leggibile da macchina dei contenuti generati da sistemi già immessi sul mercato.

Garante per la protezione dei dati personali, Linee guida in materia di dossier sanitario, 4 giugno 2015 (doc. web n. 4084632), vigenti ai sensi dell’art. 22, comma 4, del D.Lgs. 101/2018; provvedimento n. 474 del 4 agosto 2025 (doc. web n. 10166336); Decalogo per la realizzazione di servizi sanitari nazionali attraverso sistemi di intelligenza artificiale, ottobre 2023 (doc. web n. 9938038); comunicazione informativa del luglio 2025 sul caricamento di referti e immagini diagnostiche su piattaforme di IA generativa.

Legge 23 settembre 2025, n. 132, artt. 7 e seguenti. D.Lgs. 30 giugno 2003, n. 196, art. 75.

Osservatorio Sanità Digitale, Politecnico di Milano, ricerca 2026, comunicato del 26 maggio 2026: diffusione dell’intelligenza artificiale generativa tra professionisti sanitari e cittadini, dotazione tecnologica delle strutture, livelli di competenza degli specialisti.

E. Bassoli, Shadow AI, compliance e responsabilità: verso un modello minimo di governance, ICT Security Magazine, aprile 2026, per l’impostazione del problema fuori dal settore sanitario. M. Carmignani, Sei medici su dieci usano l’AI, ma l’adozione senza regole è un rischio, Agendadigitale.eu, 28 maggio 2026.

L’articolo espone considerazioni di carattere generale e non si riferisce a realtà aziendali determinate. I riferimenti normativi e i provvedimenti citati sono tratti da fonti pubbliche alla data di stesura e vanno verificati alla data di utilizzo.

Partecipa alla community

guest

0 Commenti
Più recenti
Più votati
Inline Feedback
Vedi tutti i commenti

People&Change

Tutti
CARRIERE
AI E LAVORO
COMPETENZE
Produttività e AI
AI IN AZIENDA
SCENARI
FORMAZIONE
CULTURA AZIENDALE
AI in azienda
Carriera
AI leadership
Leggi l'articolo Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
competenze
Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
Leggi l'articolo AI e lavoro, chi beneficerà davvero del tempo risparmiato?
scenari
AI e lavoro, chi beneficerà davvero del tempo risparmiato?
Leggi l'articolo Industria 5.0, chi difende le competenze quando decide l’AI
scenario
Industria 5.0, chi difende le competenze quando decide l’AI
Leggi l'articolo AI e lavoro in Italia: perché la formazione non può aspettare
l'analisi
AI e lavoro in Italia: perché la formazione non può aspettare
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership
Leggi l'articolo Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
competenze
Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
Leggi l'articolo AI e lavoro, chi beneficerà davvero del tempo risparmiato?
scenari
AI e lavoro, chi beneficerà davvero del tempo risparmiato?
Leggi l'articolo Industria 5.0, chi difende le competenze quando decide l’AI
scenario
Industria 5.0, chi difende le competenze quando decide l’AI
Leggi l'articolo AI e lavoro in Italia: perché la formazione non può aspettare
l'analisi
AI e lavoro in Italia: perché la formazione non può aspettare
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership
0
Lascia un commento, la tua opinione conta.x