pubblica amministrazione

Linee guida AgID sull’AI nella PA: perché il capitolo 4 è decisivo


Indirizzo copiato

Le linee guida AgID sull’adozione dell’AI chiedono alle amministrazioni di costruire un modello organizzativo capace di governare sistemi, rischi e responsabilità. Al centro ci sono la strategia affidata al RTD, la documentazione dei casi d’uso e le valutazioni d’impatto, anche per i sistemi a rischio minimo

Pubblicato il 18 nov 2026

Silvia Stefanelli

Studio Legale Stefanelli & Stefanelli



AI Questions Icon
Chiedi all'AI
Riassumi questo articolo
Approfondisci con altre fonti
Immagine ChatGPT 18 nov 2026, 10_41_54




Da dove deve partire un’amministrazione pubblica per usare l’intelligenza artificiale?

AgID risponde con le Linee Guida per l’adozione di IA nella Pubblica Amministrazione, adottate con la Determinazione del Direttore generale n. 169 del 9 novembre 2026. Il documento è ampio (principi, conformità all’AI Act, governance etica, trasparenza, competenze, dati, protezione dei dati personali, sicurezza cibernetica), ma il cuore del documento è il capito 4 che chiede a ogni amministrazione di dotarsi di un modello organizzativo di adozione dell’IA.

In sostanza, prima ancora della tecnologia, la PA deve sapere chi decide, con quali regole, su quali casi d’uso e con quali controlli.

Ripercorriamo un attimo gli step che hanno portato al documento per poi analizzare con più attenzione il capitolo 4.

Linee guida AgID per l’IA nella PA: origine e perimetro

Le Linee Guida trovano la loro base nel DPCM 12 gennaio 2024, recante il «Piano triennale per l’informatica nella Pubblica Amministrazione 2024-2026», che prevede, anche ai fini dell’art. 2, comma 1, D.Lgs. 7 marzo 2005, n. 82 (CAD), l’adozione di linee guida per l’adozione, lo sviluppo e il procurement di sistemi di IA nella PA. Sono emanate secondo l’iter dell’art. 71 CAD e nel rispetto della Determinazione AgID n. 160 del 17 maggio 2018, che regola il procedimento di adozione delle linee guida attuative del Codice.

Il percorso è stato lungo. La bozza (versione 1.0 del 14 febbraio 2025) era stata posta in consultazione pubblica con la Determinazione n. 17/2025, dal 18 febbraio al 20 marzo 2025. Il testo definitivo è stato redatto nell’ambito del Tavolo di concertazione del Piano triennale, al quale hanno partecipato, tra gli altri, ACN, ANAC, ANCI, la Conferenza delle Regioni e delle Province autonome, il Dipartimento della Funzione Pubblica, il Dipartimento per la Trasformazione Digitale, INPS, INAIL e ISTAT.

Nel frattempo il quadro normativo è cambiato e il testo definitivo ne tiene conto: accanto al Regolamento (UE) 2024/1689 (AI Act) richiama il Regolamento (UE) 2026/1744 (Omnibus digitale sull’IA), la L. 23 settembre 2025, n. 132 e il D.Lgs. 7 ottobre 2026, n. 179, di adeguamento della normativa nazionale all’AI Act in materia di poteri delle autorità nazionali e di utilizzo dell’IA nella formazione.

L’unica previsione del Piano triennale si è poi articolata in tre testi. Le Linee Guida per lo sviluppo e quelle per il procurement di sistemi di IA nella PA sono state poste in consultazione dal 12 marzo all’11 aprile 2026 (Determinazione n. 43/2026), e il documento sull’adozione vi rinvia di continuo: per l’architettura tecnologica, per la nozione di «operatori base», per la valutazione dei costi.

Quanto al perimetro, le Linee Guida si rivolgono ai soggetti di cui all’art. 2, comma 2, CAD e si applicano a tutti i sistemi e modelli di IA definiti dall’art. 3 AI Act e richiamati dall’art. 2 L. 132/2025 (par. 1.1 e 1.2). L’obiettivo dichiarato è definire criteri e modalità per l’adozione dei sistemi di IA, «con particolare riguardo agli aspetti di conformità al quadro normativo vigente e agli impatti organizzativi derivanti dal loro utilizzo» (par. 1.2).

Una segnalazione. Il documento adotta il lessico delle ISO/IEC Directives, Part 2: «DEVE» indica un requisito obbligatorio, «DOVREBBE» una scelta le cui implicazioni vanno ponderate prima di discostarsene, «PUÒ» una facoltà (par. 2.1). Chi legge il capitolo 4 farà bene a tenere a mente questa scala, perché è lì che i «DEVE» si addensano.

L’IA nelle amministrazioni è già una realtà da governare

Partiamo da un dato di realtà. L’intelligenza artificiale non è una prospettiva futura per le amministrazioni italiane. La ricognizione condotta da AgID tra il 25 settembre e il 10 ottobre 2024 presso le amministrazioni centrali e i gestori di pubblico servizio a carattere nazionale (dalla quale le stesse Linee Guida dichiarano di aver tratto le indicazioni sugli ambiti prioritari, par. 4.3, nota 18) ha censito 120 progetti in 45 enti. E quel perimetro non comprendeva regioni, comuni, aziende sanitarie e università.

Il legislatore ne ha preso atto e ha introdotto l’art. 14 L. 132/2025; tale norma stabilisce che le PA utilizzano l’IA per incrementare l’efficienza della propria attività, ridurre i tempi dei procedimenti e migliorare qualità e quantità dei servizi, assicurando agli interessati la conoscibilità del funzionamento e la tracciabilità dell’utilizzo (comma 1); che l’utilizzo avviene «in funzione strumentale e di supporto all’attività provvedimentale», nel rispetto dell’autonomia e del potere decisionale della persona, che resta l’unica responsabile dei provvedimenti e dei procedimenti (comma 2); che le PA adottano misure tecniche, organizzative e formative per un utilizzo responsabile (comma 3).

A parere di chi scrive questa è la cornice giusta. L’IA è uno strumento di buon andamento dell’amministrazione nel senso dell’art. 97, secondo comma, Cost.: tempi più brevi, gestione documentale più efficiente, servizi più accessibili. Che le amministrazioni la usino è un bene per il Paese. Il problema, semmai, è come governarla.

Le Linee Guida si muovono nella stessa direzione. Il capitolo 5 chiede alle PA di verificare se «una tecnologia che la PA ha già adottato o intende adottare» rientra nell’ambito applicativo dell’AI Act, di classificarne il livello di rischio secondo l’art. 6 AI Act e di riconoscere il proprio ruolo di fornitore o deployer (e, in quanto applicabile, di titolare o responsabile del trattamento). Quel «ha già adottato» dice con chiarezza a chi si rivolge il documento: ad amministrazioni che hanno già cominciato.

Il testo contiene molte indicazioni condivisibili: i venti principi del par. 3.4 (dalla conformità normativa alla sorveglianza umana, fino alla sostenibilità ambientale), la governance etica del capitolo 6, le misure di trasparenza e gli obblighi di informativa del capitolo 7, la gestione e la qualità dei dati del capitolo 9.

I principi però – ahimè – non si attuano da soli. Serve qualcuno che li traduca in decisioni, procedure, documenti e controlli, ed è il compito che le Linee Guida affidano al capitolo 4, cuore del documento e parte che le amministrazioni dovrebbero mettere in cantiere da subito.

Il modello organizzativo per l’IA nella PA e il ciclo PDCA

Il capitolo 4 si apre con due obblighi.

Le PA «DEVONO adottare un insieme strutturato di processi, politiche, risorse e strumenti per governare, implementare, monitorare e migliorare l’utilizzo dei sistemi di IA durante il loro ciclo di vita». E DEVONO implementare un modello organizzativo di adozione dell’IA «in grado di rispondere prontamente ai cambiamenti del contesto normativo e tecnologico».

Il modello proposto si basa sul ciclo di miglioramento continuo Plan-Do-Check-Act (PDCA) e su alcune pratiche gestionali della norma ISO/IEC 42001:2023 sui sistemi di gestione dell’IA. La Figura 4 lo scompone in tredici fasi, che corrispondono ai paragrafi da 4.1 a 4.13: strategia, analisi del contesto, obiettivi e ambiti prioritari, norme tecniche, casi d’uso, governance, gestione del rischio, valutazione d’impatto, risorse, competenze e comunicazione, piano operativo; poi implementazione, monitoraggio e valutazione, miglioramento continuo.

Le prime dieci compongono la pianificazione (il par. 4.11 parla infatti del «piano operativo definito nella fase di pianificazione»), le ultime tre il fare, il verificare e il correggere.

Il ruolo della ISO/IEC 42001 e il principio di proporzionalità

Due precisazioni del testo meritano attenzione.

La prima riguarda il ruolo della ISO/IEC 42001, e va sgombrato il campo da un possibile equivoco. La 42001 non è una norma su come si costruisce un sistema di IA: è una norma sui sistemi di gestione, come la ISO 9001 o la ISO/IEC 27001, e si rivolge a qualunque organizzazione che fornisca o utilizzi sistemi di IA. Il suo oggetto è la governance: politica sull’IA, ruoli e responsabilità, risorse e competenze, valutazione d’impatto, regole di utilizzo, rapporti con i fornitori.

Per questo si presta a fare da ossatura a un modello pensato per amministrazioni che, nella casistica più diffusa, l’IA non la sviluppano ma la acquistano e la inseriscono nei propri processi, operando come deployer.

Le Linee Guida ne fissano anche il limite: le norme tecniche non armonizzate, inclusa la 42001, possono concorrere a dimostrare l’adozione di adeguate misure organizzative, gestionali e di controllo, ma «non conferiscono la presunzione di conformità ai requisiti dell’AI Act» (cap. 4). Correttamente: un’amministrazione certificata 42001 non è per ciò stesso conforme all’AI Act. Il sistema di gestione della qualità e le norme armonizzate (artt. 17 e 40 AI Act) entrano in gioco solo quando la PA è fornitore di un sistema ad alto rischio, anche perché ricade in uno dei casi dell’art. 25 AI Act (par. 5.1).

La seconda riguarda la proporzionalità. Le PA POSSONO adattare il modello alle proprie caratteristiche, esigenze e responsabilità, in particolare al ruolo di fornitore o di deployer, e per i sistemi a rischio limitato o minimo POSSONO accorpare le fasi, adeguandole alla bassa complessità del progetto. Pare a chi scrive che sia la scelta giusta: un piccolo comune e un grande ente previdenziale nazionale non possono reggere lo stesso impianto. Va però notato che la semplificazione tocca le fasi, mentre l’obbligo di dotarsi di un modello resta intatto.

Strategia e governance dell’IA: il ruolo del RTD

Il primo tassello è la strategia (par. 4.1). Ogni PA DEVE svilupparne una, coerente con il proprio contesto e allineata alla propria missione istituzionale; PUÒ definirla insieme ad amministrazioni dello stesso tipo (le Linee Guida citano comuni e università). La strategia DEVE contenere gli obiettivi dell’utilizzo dell’IA, le azioni per conseguirli e le misure di trasparenza sulle modalità di impiego dei sistemi.

Tra le azioni il documento indica il miglioramento della qualità dei dati, la formazione del personale in materia di IA e di protezione dei dati, l’individuazione dei casi d’uso a maggior beneficio, la valutazione delle esperienze di altre PA, la preferenza per sistemi e modelli open source o open weight governati da un orchestratore centralizzato, l’avvio delle sperimentazioni dai casi d’uso meno complessi (quick win) e in forma aggregata. La strategia DEVE essere coerente con il PIAO, con la strategia di data governance e con il Piano triennale.

Chi ne risponde? Le Linee Guida sono chiare. Il coordinamento della strategia, insieme alla governance sui dati, è affidato al Responsabile per la Transizione Digitale (RTD) e al suo ufficio (UTD), con il coinvolgimento del DPO (RPD, nel lessico del documento) e del Referente per la cybersicurezza designato ai sensi dell’art. 8, comma 2, L. 28 giugno 2024, n. 90 (par. 4.1).

Il par. 4.6 lo ribadisce: secondo quanto previsto dal Piano triennale, la responsabilità della gestione dell’IA nelle PA «DEVE essere affidata al RTD e al suo ufficio (UTD)», se del caso in stretto coordinamento con il DPO. Al RTD spettano la responsabilità e l’autorità per assicurare che i sistemi siano conformi alla normativa e alle Linee Guida, e per riferire agli organi di governo su prestazioni, controlli, monitoraggio ed evoluzione dei sistemi. Per i sistemi ad alto rischio utilizzati come deployer, il par. 5.3 gli affida anche la sorveglianza umana, in stretta collaborazione con il DPO e con il Referente per la cybersicurezza.

Nei contesti ad elevata intensità di utilizzo dell’IA, la PA PUÒ istituire un Responsabile dell’Intelligenza Artificiale (RIA), eventualmente con un proprio ufficio (UIA), che opera seguendo le direttive del RTD.

Il raccordo con DPO, vertici e responsabile dell’IA

Tre osservazioni.

In primo luogo, la governance dell’IA esce dal perimetro del progetto informatico ed entra in quello dell’organizzazione. Il RTD riferisce agli organi di governo e la strategia si aggancia al PIAO, cioè allo strumento con cui l’ente programma la propria attività. L’IA diventa materia di programmazione, e quindi di responsabilità dei vertici.

In secondo luogo, la collocazione del DPO è corretta. Il RTD collabora con il DPO «nel rispetto dei compiti attribuiti a quest’ultimo dagli articoli 38 e 39 del GDPR» (par. 4.1): il DPO è coinvolto, ma la gestione dei sistemi resta in capo al RTD. A parere di chi scrive non potrebbe essere diversamente, perché affidare al DPO la gestione dei sistemi di IA lo esporrebbe a quel conflitto di interessi che l’art. 38, par. 6, GDPR chiede al titolare di evitare.

In terzo luogo, il RTD esce da queste Linee Guida con un carico di responsabilità molto più pesante di prima. È qui che si gioca l’effettività del modello: senza un ufficio dotato di competenze e risorse adeguate, l’attribuzione rischia di restare sulla carta. Il par. 4.10 ne è consapevole e chiede alle PA di determinare e allocare le risorse finanziarie, tecnologiche e umane necessarie.

Completa il quadro il par. 4.6: le PA DEVONO definire procedure di governance per lo sviluppo e l’utilizzo dei sistemi di IA, coerenti con la strategia e con il PIAO, e POSSONO adottare un codice etico e di condotta per l’IA che DOVREBBE divenire «uno strumento di governance vincolante», integrato nei processi decisionali e operativi.

Casi d’uso e documentazione dei sistemi di IA nella PA

Le fasi successive costruiscono la base informativa del modello.

L’analisi del contesto (par. 4.2) è obbligatoria e riguarda fattori esterni (i requisiti di AI Act, DGA, GDPR, NIS 2, CAD e L. 132/2025, le decisioni delle autorità competenti, l’evoluzione della normativa tecnica e dell’offerta tecnologica) e interni (struttura e dimensioni dell’ente, personale, procedimenti amministrativi, contesto territoriale, disponibilità di dati, infrastrutture e competenze).

Le Linee Guida richiamano qui la classificazione dei dati e dei servizi digitali prevista dal Regolamento unico ACN per le infrastrutture e i servizi cloud per la PA (n. 21007). Per i trattamenti che comportano rischi elevati ai sensi dell’AI Act, la valutazione delle ricadute e dei rischi per i diritti e le libertà fondamentali deve accompagnare l’intero ciclo di vita del sistema.

Gli obiettivi (par. 4.3) DEVONO nascere da una verifica dettagliata e documentata delle esigenze, comprensiva di una valutazione dei costi e dei benefici, che alimenta lo studio di fattibilità e la valutazione comparativa prevista dall’art. 68 CAD. Gli ambiti indicati come prioritari sono tre: l’efficienza operativa (supporto alle decisioni, gestione documentale, gestione della conoscenza), i servizi a cittadini e imprese (personalizzazione, proattività, trasparenza, accessibilità, inclusione), la sicurezza dei dati e delle infrastrutture.

Il passaggio decisivo è però il par. 4.5. Una volta identificati i casi d’uso, le PA DEVONO raccogliere, documentare e aggiornare le informazioni fondamentali su ciascuno di essi e sulle soluzioni che lo implementano, per tutto il ciclo di vita: dall’ideazione alla prova di concetto, al rilascio in ambiente operativo, fino alla dismissione. Il modello di raccolta è una versione adattata del template della ISO/IEC TR 24030:2024.

Per ciascun caso d’uso le PA DEVONO poi identificare i requisiti (conformità all’AI Act, gestione e qualità dei dati, protezione dei dati personali, sicurezza cibernetica, tenendo conto del livello di rischio) e definire indicatori di prestazione (KPI) da monitorare lungo l’intero ciclo di vita (par. 4.5.1 e 4.5.2). Se il caso d’uso è sviluppato in forma aggregata, la documentazione è affidata alla PA capofila o a una delegata.

Pare a chi scrive che sia questo l’adempimento da cui partire. Il documento non lo chiama così, ma l’insieme delle schede dei casi d’uso funziona come un registro dei sistemi di IA dell’ente. Senza sapere quali sistemi sono in uso, in quali processi, su quali dati e con quale ruolo, non si classifica il rischio, non si svolge la valutazione d’impatto, non si scrive l’informativa. Ed è anche l’adempimento che risponde al dato di realtà da cui siamo partiti: l’IA è già negli uffici.

Rischi e impatti dell’IA nelle amministrazioni

Le PA DEVONO adottare un sistema di gestione del rischio adeguato alle caratteristiche, alle finalità e al contesto di utilizzo dei sistemi di IA, conforme ai requisiti dell’AI Act nei casi da questo disciplinati (par. 4.7). I riferimenti tecnici suggeriti sono la UNI ISO 31000:2018 e la ISO/IEC 23894:2023, con la consueta precisazione che le norme non armonizzate non danno presunzione di conformità. La gestione del rischio deve considerare anche i rischi per i diritti e le libertà degli interessati derivanti dai trattamenti di dati personali, nel rispetto dei principi di minimizzazione, integrità e riservatezza, protezione dei dati by design e by default.

Un passaggio va segnalato ai RTD. Quando un sistema integra un modello di IA per finalità generali (GPAI), l’analisi del rischio può portare a riclassificare come ad alto rischio un sistema inizialmente valutato a rischio inferiore, con applicazione integrale delle prescrizioni dell’AI Act. La classificazione non si fa una volta per tutte.

FRIA, DPIA e sistemi a rischio minimo

Sulla valutazione d’impatto (par. 4.8) il documento lavora su due piani.

Per i sistemi ad alto rischio vale la valutazione d’impatto sui diritti fondamentali (FRIA) dell’art. 27 AI Act, che integra la DPIA quando uno degli obblighi dell’art. 27 è già assolto mediante quest’ultima. I risultati della valutazione d’impatto «DEVONO essere documentati e condivisi con le parti interessate». Il par. 5.2 elenca gli elementi che la PA deployer deve considerare: i processi in cui il sistema sarà utilizzato, il periodo e la frequenza d’uso, le categorie di persone interessate, i dati trattati, i rischi specifici di danno, le misure di sorveglianza umana e quelle da adottare se i rischi si concretizzano, comprese la governance interna e i meccanismi di reclamo.

Poi c’è il passaggio che, a parere di chi scrive, merita più attenzione. Fermi restando gli obblighi dell’AI Act, le PA DOVREBBERO definire un processo per valutare, anche in forma semplificata, le potenziali conseguenze sui diritti fondamentali derivanti dallo sviluppo, dall’utilizzo o dall’eventuale uso improprio anche dei sistemi a «rischio minimo». Resta fermo lo svolgimento della DPIA ai sensi dell’art. 35 GDPR e dell’art. 27 Dir. (UE) 2016/680, nonché dei provvedimenti del Garante per la protezione dei dati personali.

Il «DOVREBBE» non ha la forza di un «DEVE», eppure il messaggio è chiaro: la valutazione dell’impatto sui diritti diventa un passaggio ordinario di ogni progetto di IA della PA, e smette di essere un adempimento riservato all’alto rischio. Lo conferma il par. 4.12, che chiede di definire KPI anche per valutare l’impatto sui diritti fondamentali e la necessità di una DPIA (artt. 35 e 36 GDPR). E lo collega alla trasparenza il par. 7.1, secondo cui l’informativa sull’uso dell’IA può essere accompagnata, ove la PA lo ritenga opportuno, dalla messa a disposizione degli interessati di un estratto della DPIA.

Il modello di adozione dell’IA tra piano operativo e monitoraggio

Le ultime fasi chiudono il ciclo.

Il piano operativo (par. 4.9) DEVE seguire un approccio sistematico e documentato di project management: attività, risorse, tempi, responsabilità, criteri di valutazione e monitoraggio dei risultati. Il par. 4.10 chiede di determinare le competenze necessarie al personale che opera sui sistemi di IA e di conservare la documentazione che ne comprova l’acquisizione, di definire un piano di comunicazione interno ed esterno, di documentare e conservare quanto serve a conformità, trasparenza e tracciabilità (manuali, procedure, valutazioni d’impatto, report di monitoraggio, registro dei reclami), applicando le Linee Guida AgID sulla formazione, gestione e conservazione dei documenti informatici.

Nella fase di implementazione (par. 4.11) la valutazione dei rischi e quella d’impatto DEVONO essere ripetute a intervalli pianificati e in caso di modifiche significative, con documentazione dei risultati. Il monitoraggio (par. 4.12) si fonda su KPI che misurano l’efficacia delle misure organizzative e tecniche, le prestazioni dei sistemi, l’impatto sui processi interni e sui diritti fondamentali, la necessità di una DPIA, il valore aggiunto per l’ente. Il miglioramento continuo (par. 4.13) chiude il ciclo e lo riapre.

Il filo che lega queste fasi è la tracciabilità, e porta dritto all’art. 14 L. 132/2025. Se la persona resta l’unica responsabile del provvedimento adottato con il supporto dell’IA, l’amministrazione deve essere in grado di dimostrare come il sistema è stato scelto, valutato, sorvegliato e corretto. Il modello del capitolo 4 è lo strumento con cui questa prova si costruisce.

Linee guida AgID sull’IA: i passi da avviare nelle PA

Le Linee Guida AgID dicono molte cose giuste. La loro effettività, però, dipende dal capitolo 4.

Qualcuno potrebbe essere tentato di rinviare. Il Regolamento (UE) 2026/1744 ha spostato al 2 dicembre 2027 l’applicazione delle regole sui sistemi ad alto rischio dell’Allegato III AI Act (considerando 40). Sarebbe un errore leggere questo rinvio come una pausa: gli obblighi del capitolo 4 non dipendono dalla classe di rischio, il modello organizzativo riguarda tutti i sistemi di IA della PA e per quelli a rischio limitato o minimo cambia soltanto il grado di semplificazione.

Sul piano operativo, le amministrazioni farebbero bene ad avviare fin da ora almeno questi passaggi:

– individuare i sistemi e le soluzioni di IA già in uso, compresi quelli acquisiti da fornitori terzi, e documentarli secondo la scheda dei casi d’uso (par. 4.5);

– classificarli per livello di rischio e qualificare il ruolo dell’ente (fornitore o deployer, titolare o responsabile del trattamento), come chiede il capitolo 5;

– attribuire formalmente al RTD e all’UTD la responsabilità della gestione dell’IA, definire il raccordo con il DPO e con il Referente per la cybersicurezza e valutare l’istituzione del RIA;

– adottare la strategia per l’IA e collegarla al PIAO;

– definire le procedure di governance, il processo di gestione del rischio e quello di valutazione d’impatto, comprensivo della valutazione semplificata per i sistemi a rischio minimo;

– fissare per ciascun caso d’uso i KPI e le regole di conservazione della documentazione.

Sopra il livello operativo c’è una considerazione più ampia. Con queste Linee Guida la questione dell’IA nella PA si sposta dal piano tecnologico a quello organizzativo, ed è lì che si decide se l’intelligenza artificiale diventa davvero uno strumento di buon andamento. Un provvedimento adottato con il supporto di un sistema che nessuno ha censito, classificato, valutato e documentato è, a parere di chi scrive, un provvedimento difficile da difendere. Le amministrazioni che costruiranno ora il proprio modello organizzativo potranno usare l’IA di più, e con meno rischi.

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