Il dibattito sull’intelligenza artificiale e sul lavoro continua a essere dominato da una domanda apparentemente inevitabile: quanti posti di lavoro verranno eliminati e quanti ne nasceranno?
È una domanda importante, ma rischia di farci guardare il futuro attraverso lo specchietto retrovisore. Presuppone che il lavoro sia un oggetto relativamente stabile, un contenitore che la tecnologia potrà accelerare, affiancare oppure sostituire.
L’intelligenza artificiale sta facendo qualcosa di più profondo. Non sta semplicemente eliminando alcuni mestieri. Sta scomponendo il lavoro nei suoi elementi fondamentali: ricercare, analizzare, scrivere, calcolare, organizzare, raccomandare, comunicare, decidere. La vera domanda, allora, non è soltanto che cosa farà l’IA al lavoro. È che cosa farà un lavoro sempre più mediato dall’IA alle persone, alle organizzazioni e alla società.
Il lavoro, infatti, non ci offre soltanto un reddito. È uno dei luoghi nei quali impariamo, costruiamo competenza, sviluppiamo il giudizio, formiamo la nostra identità, creiamo relazioni e sperimentiamo la sensazione di contribuire a qualcosa. Se cambia il modo in cui lavoriamo, cambia anche il modo in cui diventiamo professionisti.
Indice degli argomenti
Il rischio invisibile: rompere la scala dell’apprendimento
Uno degli aspetti meno discussi dell’intelligenza artificiale riguarda l’apprendistato. Molte delle attività che oggi possono essere facilmente affidate agli strumenti di IA generativa erano tradizionalmente svolte dalle persone all’inizio della propria carriera: cercare informazioni, riassumere documenti, preparare una prima analisi, costruire una presentazione, redigere una bozza, confrontare dati, verificare una fonte.
Queste attività vengono spesso considerate ripetitive e a basso valore aggiunto. In realtà rappresentano anche il modo attraverso cui si impara un mestiere. La giovane giornalista impara verificando e riscrivendo. Il giovane ingegnere impara facendo calcoli e controlli. La giovane manager impara preparando analisi che saranno poi discusse da persone più esperte. Il giovane professionista impara osservando la distanza tra una prima risposta apparentemente corretta e una decisione realmente responsabile.
Se automatizziamo queste attività senza ripensare i percorsi di crescita, rischiamo di eliminare non soltanto una parte del lavoro junior, ma il processo attraverso cui si formano i professionisti senior. Potremmo trovarci di fronte a un paradosso: organizzazioni che richiedono sempre più giudizio, esperienza e capacità critica, ma che hanno progressivamente rimosso le esperienze attraverso cui tali qualità si sviluppano. L’IA può quindi creare un vero e proprio apprenticeship gap, un vuoto nell’apprendimento professionale.
Arrivare alla risposta senza conoscere la strada
L’intelligenza artificiale può consegnarci rapidamente un risultato sofisticato senza obbligarci a percorrere il processo cognitivo che lo ha preceduto. Questo produce un beneficio evidente: velocità, accessibilità, maggiore capacità di elaborazione. Ma apre anche una questione delicata: possiamo continuare a valutare correttamente un processo che non pratichiamo più?
Un navigatore ci permette di raggiungere una destinazione senza necessariamente insegnarci a conoscere il territorio. Allo stesso modo, un sistema di IA può aiutarci ad arrivare a una risposta senza farci comprendere pienamente il percorso che la rende valida. Il rischio non è soltanto l’errore della macchina. È l’indebolimento della capacità umana di riconoscere l’errore.
Per questo l’IA dovrebbe diventare una palestra per il pensiero, non una stampella che progressivamente ci disabitua a pensare. Un’organizzazione può aumentare la produttività dei propri collaboratori e, nello stesso momento, ridurre la loro capacità di operare autonomamente. Le due cose non sono incompatibili.
Quando il lavoro rimane, ma perde autorialità
Un posto di lavoro può non scomparire e tuttavia svuotarsi progressivamente di significato. La persona resta formalmente responsabile, ma non produce più la prima analisi, non costruisce più direttamente l’argomentazione, non formula più la prima proposta. Riceve una raccomandazione generata da un sistema, la controlla e la approva.
Potremmo entrare in una fase nella quale molte persone conserveranno il proprio ruolo, ma perderanno progressivamente la percezione di essere autrici del lavoro che svolgono. Questa non è disoccupazione. È una possibile forma di espropriazione psicologica. Il problema non sarà soltanto avere un lavoro, ma riuscire a riconoscersi dentro ciò che si fa.
Per le organizzazioni, questo tema è fondamentale. Il coinvolgimento non nasce semplicemente dalla permanenza in organigramma. Nasce dalla possibilità di contribuire, esercitare competenza, influenzare le decisioni e vedere una parte di sé nel risultato finale.
Dalla tecnologia al cambiamento organizzativo
In Sidel stiamo affrontando queste domande all’interno di un percorso più ampio di trasformazione digitale. Sidel è un’azienda industriale globale che opera nel settore delle soluzioni per il packaging. La nostra trasformazione digitale riguarda quindi un’organizzazione distribuita in molti Paesi, con funzioni, competenze e contesti operativi differenti.
Un primo passaggio è stato la standardizzazione globale e assoluta dell’ambiente digitale di lavoro. Le persone, ad Atlanta, Pechino, Dubai, etc. operano attraverso piattaforme comuni e all’interno dell’ecosistema Microsoft 365. Questo elemento infrastrutturale può sembrare scontato, ma rappresenta una condizione essenziale: senza un ambiente condiviso, anche l’apprendimento organizzativo rimane frammentato.
Su questa base abbiamo avviato, oltre un anno e mezzo fa, un percorso di progressiva adozione di Copilot e degli strumenti di intelligenza artificiale generativa. Il programma è partito attraverso gruppi pilota e con l’identificazione di circa cento ambassador. Il loro compito non è stato soltanto sperimentare una nuova tecnologia, ma aiutare l’organizzazione a comprendere come utilizzarla, individuare pratiche efficaci e trasferire orizzontalmente gli apprendimenti.
Questo passaggio è importante. Nelle organizzazioni globali, l’innovazione non si diffonde automaticamente perché uno strumento viene reso disponibile. Servono persone capaci di tradurre la tecnologia nel linguaggio del lavoro reale, mostrare esempi, raccogliere difficoltà e costruire fiducia. L’adozione tecnologica diventa così un processo sociale.
Il ruolo dei leader: rendere visibile la sperimentazione
Un altro elemento decisivo è il role modelling della leadership.
Diversi leader aziendali utilizzano quotidianamente strumenti di intelligenza artificiale generativa, anche per sviluppare, strutturare e amplificare contenuti e interventi. Questo comportamento visibile produce un effetto organizzativo importante. Dimostra che la sperimentazione non è un’attività riservata agli specialisti digitali e riduce la distanza tra innovazione tecnologica e lavoro manageriale.
Quando un leader usa direttamente una nuova tecnologia, accetta implicitamente anche una diversa postura: imparare, provare, sbagliare, correggere. La trasformazione digitale non richiede soltanto sponsor. Richiede praticanti.
Tuttavia, l’esempio della leadership non deve trasformarsi nell’idea che ogni utilizzo dell’IA sia automaticamente positivo. La sperimentazione ha valore solo se accompagnata dalla capacità di riconoscerne i limiti e dalla disponibilità ad assumersi la responsabilità delle conseguenze.
Sperimentare senza perdere il governo
In Sidel, la diffusione dell’IA è accompagnata da una governance centrale affidata al team globale responsabile dell’innovazione e delle tecnologie.
I casi d’uso vengono valutati per verificarne la coerenza con gli standard di cybersecurity, protezione dei dati e architettura tecnologica. Il team contribuisce inoltre a governare i rapporti con i fornitori, evitare duplicazioni di costo e trasferire gli apprendimenti tra funzioni e Paesi.
La sfida consiste nel trovare un equilibrio. Una governance troppo debole può produrre una proliferazione incontrollata di strumenti, rischi sui dati, costi frammentati e soluzioni incompatibili. Una governance troppo rigida può invece rallentare la sperimentazione, scoraggiare le persone e trasformare l’innovazione in una procedura burocratica.
Il compito della governance non dovrebbe essere soltanto dire sì oppure no. Dovrebbe aiutare l’organizzazione a trasformare un’intuizione locale in una capacità condivisa.
La nuova frontiera dell’automazione e degli agenti
La fase più recente riguarda lo sviluppo dell’automazione di processo (robotic process automation) e degli agenti di intelligenza artificiale. Diverse funzioni aziendali stanno proponendo casi d’uso che vengono analizzati e sviluppati insieme al team globale. Gli agenti, in particolare, non si limitano a generare testi o risposte: possono eseguire sequenze di attività, recuperare informazioni da fonti diverse e supportare processi più complessi.
IA nelle risorse umane: potenziale e responsabilità
Un primo ambito riguarda le Risorse Umane. Strumenti avanzati di analisi possono aiutare a leggere in modo più profondo le dinamiche relative alle persone e supportare le politiche di sviluppo delle persone e delle competenze organizzative.
Il potenziale è rilevante, ma lo è anche la responsabilità. Quando l’IA entra in decisioni che riguardano le persone, non può essere considerata una semplice questione di efficienza. Bisogna garantire qualità dei dati, trasparenza dei criteri, capacità di contestare le raccomandazioni e chiara responsabilità umana.
Sostenibilità e rendicontazione: un caso concreto
Un secondo esempio riguarda la reportistica di sostenibilità. In passato, il recupero di alcuni dati necessari a tracciare il carbon footprint richiedeva un’attività manuale particolarmente complessa. Le informazioni erano distribuite tra fatture e altri documenti operativi e non sempre corrispondevano direttamente al perimetro e alle definizioni richieste dai report.
Attraverso l’utilizzo dell’automazione di processo è possibile recuperare le informazioni dalle fonti originarie, identificando materiali, quantità e pesi utilizzati nei processi produttivi. Questo migliora la qualità e la tracciabilità dei dati, riduce il lavoro manuale e consente di indirizzare con maggiore precisione le azioni di miglioramento ambientale.
In questo caso la digitalizzazione non rappresenta soltanto uno strumento di efficienza. Collega produttività, sostenibilità, qualità della rendicontazione e competitività.
La produttività non è mai neutrale
Quando una tecnologia permette di realizzare in tre ore ciò che prima richiedeva una giornata, la tecnologia non decide da sola che cosa accadrà al tempo risparmiato.
L’organizzazione può scegliere di produrre di più, ridurre i costi, migliorare la qualità, diminuire la pressione sulle persone oppure reinvestire il guadagno in innovazione e sviluppo delle competenze. Ogni aumento di produttività contiene quindi una domanda manageriale e politica: chi riceverà il valore prodotto?
Presentare l’IA come una forza naturale alla quale dobbiamo semplicemente adattarci nasconde la responsabilità delle scelte organizzative. L’intelligenza artificiale non è il clima. È acquistata, configurata, governata e utilizzata da qualcuno. La stessa tecnologia può diventare una bicicletta elettrica che aumenta la capacità della persona oppure un guinzaglio digitale che ne riduce l’autonomia. Dipende da come viene organizzata.
“Human in the loop” non basta
Si afferma spesso che, per garantire un utilizzo responsabile dell’intelligenza artificiale, sia sufficiente mantenere una persona all’interno del processo decisionale. Ma la presenza formale dell’essere umano non è sufficiente.
La persona deve possedere la competenza necessaria per valutare la raccomandazione, il tempo per verificarla, l’autorità per contraddirla e il coraggio per assumersi una decisione differente. In assenza di queste condizioni, “human in the loop” rischia di trasformarsi in una formula rassicurante dietro la quale la responsabilità si dissolve.
Il manager può dire che lo suggeriva il sistema; il selezionatore che il candidato aveva ricevuto un punteggio basso; il tecnico che il modello non aveva segnalato il problema. Più una decisione appare tecnica, meno sembra che qualcuno l’abbia realmente presa. Per questo la responsabilità non può essere automatizzata.
Tre priorità per la leadership
L’esperienza che stiamo costruendo suggerisce tre priorità.
La prima è comprendere.
Serve un’alfabetizzazione concreta sull’IA: non soltanto come formulare una richiesta efficace, ma come riconoscere i limiti dei sistemi, proteggere le informazioni, verificare le fonti e comprendere i rischi decisionali.
La seconda è sperimentare.
L’IA deve entrare nei processi reali e confrontarsi con problemi misurabili. Non basta organizzare dimostrazioni o distribuire strumenti generici. Occorre osservare come cambia il lavoro, quali benefici produce e quali nuove dipendenze genera.
La terza è governare.
Bisogna definire dove l’IA può raccomandare, dove l’essere umano deve decidere, quali capacità devono essere preservate e come distribuire il valore generato dalla produttività. L’intelligenza artificiale non dovrebbe essere introdotta come un software. Dovrebbe essere governata come una trasformazione culturale, organizzativa e umana.
La domanda che resta
L’obiettivo non può essere proteggere ogni attività esistente. Molte cambieranno e alcune scompariranno. L’obiettivo deve essere proteggere e rafforzare la capacità dell’organizzazione di imparare, giudicare, innovare e assumersi la responsabilità delle proprie decisioni.
Finora ci siamo chiesti se l’intelligenza artificiale imparerà a lavorare come noi. Dovremmo cominciare a chiederci se noi, lavorando con l’intelligenza artificiale, continueremo a imparare come si diventa professionisti competenti, autonomi e responsabili. Perché con l’intelligenza artificiale non siamo più gli stessi. E la vera questione non è se questo cambiamento avverrà, ma quale forma decideremo di dargli.
Partecipa alla community