L’intelligenza artificiale è già entrata nelle aziende, spesso prima ancora che i consigli di amministrazione ne discutano davvero. Ma trattarla come un semplice software è l’errore più grave: l’AI modifica processi decisionali, organizzazione del lavoro, gestione dei rischi, rapporto con i dati e cultura manageriale. Per le imprese familiari italiane, la sfida non è “comprare l’AI”, ma governarla: trasformando il sapere tacito in patrimonio condiviso, formando le persone e portando il tema stabilmente nei C.d.A.
Indice degli argomenti
L’AI è già in azienda, anche quando il board non lo sa
La prima verità da cui partire è scomoda: molte aziende non “decidono” di adottare l’intelligenza artificiale, la subiscono. Entra attraverso chatbot, strumenti di scrittura, piattaforme CRM, software HR, sistemi di customer care, applicazioni di produttività e servizi cloud che incorporano funzioni generative. Microsoft e LinkedIn hanno rilevato nel Work Trend Index 2024 che il 75% dei knowledge worker usa già l’IA al lavoro e che il 78% degli utenti porta strumenti propri in azienda, il cosiddetto Bring Your Own AI, esponendo le imprese a rischi su dati, sicurezza e governance.
È qui che si innesta un tema cruciale, ossia la velocità di diffusione dell’IA supera spesso la capacità dei consigli di amministrazione di governarla; per questo deve diventare un tema stabile nelle agende dei board, non una materia delegata ai soli manager operativi o ai tecnici. Il problema, dunque, non è più chiedersi se l’IA entrerà in azienda. È già entrata. La domanda corretta è un’altra: chi la sta governando?
Il grande equivoco: pensare che l’AI sia un tool
Molte imprese affrontano l’IA come hanno affrontato altri cicli tecnologici. Prima scelgono il fornitore, poi acquistano licenze, infine chiedono ai dipendenti di “usarle”. È un approccio lineare, rassicurante, ma sbagliato. L’intelligenza artificiale non è un tool isolato; è una tecnologia generale, capace di intervenire sul modo in cui l’organizzazione produce conoscenza, prende decisioni, comunica, misura i risultati e apprende dagli errori.
Il dibattito scientifico, infatti, invita a distinguere tra capacità apparente e comprensione reale. I sistemi di IA generativa producono testi, immagini, sintesi e risposte convincenti, ma non “capiscono” nel senso umano del termine e non possiedono un meccanismo interno affidabile per verificare la verità di ciò che generano. Questo non ne riduce l’utilità, ma cambia il modo in cui vanno governati. Se un’azienda usa l’IA come scorciatoia cognitiva rischia di sostituire il giudizio umano con output plausibili ma non necessariamente corretti. Se invece la usa come infrastruttura di supporto al pensiero, può aumentare qualità, velocità e profondità delle decisioni.
Dalla “superinnovazione” alla cultura organizzativa
La lezione della cosiddetta “superinnovazione” è che innovare non significa semplicemente introdurre nuove tecnologie, ma comprendere i processi che trasformano idee, dati e competenze in valore. Il volume A casa di Einstein. Sei lezioni nell’era della superinnovazione, di Gianmario Verona e Daniele Manca, insiste proprio su questo punto: non si nasce innovatori, lo si diventa attraverso metodo, apprendimento, capacità di connessione e governo del cambiamento.
Applicato all’IA, questo significa che l’impresa non deve chiedersi solo “quale software adottare”, ma “quali routine dobbiamo ripensare?”. L’IA produce valore quando cambia i flussi di lavoro, non quando viene appoggiata sopra processi vecchi. McKinsey segnala che molte organizzazioni sono ancora ferme alla sperimentazione e che il ridisegno dei workflow è tra i fattori più associati all’impatto economico dell’IA generativa. In altre parole, l’IA non premia chi automatizza l’esistente, ma chi ha il coraggio di riprogettare il lavoro.
Casi concreti: quando l’IA crea valore e quando genera rischio
Il caso Klarna è spesso citato come esempio di efficienza. Nel 2024 la società ha dichiarato che il proprio assistente AI, realizzato con OpenAI, gestiva due terzi delle conversazioni di customer service, pari a 2,3 milioni di interazioni nel primo mese, con tempi medi ridotti da 11 a meno di 2 minuti e un impatto stimato di 40 milioni di dollari sui profitti. Ma lo stesso caso mostra anche l’ambiguità del paradigma “sostituzione”. La comunicazione sul fatto che l’assistente svolgesse il lavoro equivalente a 700 agenti ha acceso un dibattito sul rapporto tra automazione, qualità del servizio e occupazione; analisi successive hanno evidenziato che il punto non è solo ridurre personale, ma capire come costruire sistemi misti uomo-macchina capaci di mantenere qualità, fiducia e capacità di gestione dei casi complessi.
Il caso Air Canada mostra invece il rischio opposto: un chatbot aziendale fornì a un cliente informazioni errate sulle tariffe per lutto; nel 2024 il Civil Resolution Tribunal della British Columbia stabilì che la compagnia era responsabile delle informazioni diffuse dal proprio chatbot e la condannò a risarcire il cliente.
Il principio manageriale è chiarissimo: un output AI non è mai “di nessuno”. Se lo strumento parla a nome dell’azienda, la responsabilità resta dell’azienda.
Un terzo caso utile è Samsung. Nel 2023 alcuni dipendenti inserirono codice sorgente e informazioni riservate in ChatGPT, generando un caso emblematico di rischio da uso non governato dell’IA generativa; l’azienda reagì limitandone l’utilizzo. Nel 2026 Samsung ha poi invertito l’approccio, introducendo strumenti generativi enterprise sotto maggiore controllo, segno che il problema non era “usare o non usare l’IA”, ma creare un perimetro sicuro, contrattuale e organizzativo per farlo.
Questi casi dicono una cosa semplice: l’IA crea valore quando è governata, ma amplifica rischi quando è lasciata all’iniziativa individuale.
Perché il C.d.A. deve occuparsene direttamente
Delegare l’IA all’IT è comprensibile, ma insufficiente. L’IT può valutare architetture, sicurezza, integrazioni e fornitori. Ma l’IA incide anche su strategia, reputazione, compliance, lavoro, capitale umano, modelli di responsabilità e posizionamento competitivo.
Il NIST AI Risk Management Framework propone un approccio di gestione del rischio lungo tutto il ciclo di vita dei sistemi di IA, con attenzione a fiducia, sicurezza, affidabilità e impatti su persone, organizzazioni e società. I principi OCSE sull’IA insistono su crescita inclusiva, trasparenza, robustezza, sicurezza, accountability e rispetto dei diritti umani e dei valori democratici.
Anche l’AI Act europeo rende evidente che chi usa sistemi di IA, soprattutto ad alto rischio, non può limitarsi a fidarsi del fornitore: i deployer devono adottare misure tecniche e organizzative, assegnare supervisione umana competente, monitorare il funzionamento del sistema e intervenire in caso di rischio o incidente. Per questo l’IA deve entrare nei C.d.A. con la stessa dignità di temi come sostenibilità, cybersecurity, controllo interno, finanza e strategia industriale.
L’Italia parte in ritardo, ma ha un’opportunità
I dati mostrano che l’Italia sta accelerando, ma resta sotto la media europea. Secondo Eurostat, nel 2024 il 13,5% delle imprese europee con almeno 10 addetti utilizzava tecnologie di IA, contro l’8% del 2023. In Italia, secondo Istat, la quota è cresciuta dal 5% all’8,2%, ma resta inferiore alla media UE.
Il divario è ancora più evidente tra grandi imprese e PMI. L’Istat segnala che un terzo delle grandi imprese usa tecnologie di intelligenza artificiale, mentre le PMI soffrono ancora ritardi in competenze ICT, formazione, sicurezza e digitalizzazione.
Eppure, proprio le imprese familiari e le PMI italiane possiedono un punto di forza che l’IA non può replicare facilmente: il sapere contestuale. Conoscono clienti, fornitori, materiali, territori, passaggi produttivi, reputazione e qualità in modo spesso non formalizzato. Il rischio è che questo patrimonio resti nella testa di pochi imprenditori, tecnici o responsabili storici. L’opportunità è trasformarlo in conoscenza aziendale condivisa, interrogabile e aggiornabile.
Imprese familiari: il nodo è trasformare il sapere tacito in intelligenza collettiva
Nelle imprese familiari italiane l’IA tocca un punto delicatissimo: la continuità. Molte aziende hanno costruito il proprio vantaggio competitivo su competenze non codificate, relazioni personali, esperienza produttiva, cultura del dettaglio. Questo patrimonio è prezioso, ma fragile.
L’IA può aiutare a conservarlo e potenziarlo se l’impresa avvia un lavoro serio di codificazione: manuali operativi, archivi tecnici, cronologie commerciali, casi cliente, standard di qualità, criteri decisionali, dati di manutenzione, conoscenza dei fornitori. Senza questa base, anche il miglior modello generativo rischia di lavorare su dati incompleti, vecchi o irrilevanti.
Qui si collega il tema della leadership. Diversi economisti aziendali sociali richiamano la necessità di una guida capace di unire produttività e dignità umana, innovazione e responsabilità sociale; le imprese più coesive, orientate alla qualità del lavoro e alla collaborazione, mostrano migliori prospettive di crescita rispetto alle altre. Questo punto è decisivo: l’IA funziona meglio dove esistono fiducia, partecipazione e qualità organizzativa. Non sostituisce la cultura d’impresa; la rende più visibile, più misurabile e, se mal governata, anche più fragile.
Cosa devono fare concretamente i board
I consigli di amministrazione dovrebbero adottare una vera agenda AI, non limitarsi a ricevere aggiornamenti tecnici. Le priorità sono almeno sette.
Mappare gli usi reali dell’IA
Ogni azienda dovrebbe sapere quali strumenti sono già usati, da chi, per quali dati e con quali finalità. Il fenomeno del Bring Your Own AI dimostra che molti lavoratori adottano strumenti autonomamente, prima che l’impresa abbia definito regole e policy.
Definire una politica aziendale sull’IA
Servono regole chiare su dati caricabili, strumenti autorizzati, uso di informazioni riservate, validazione degli output, proprietà intellettuale e responsabilità. Il caso Samsung mostra quanto rapidamente l’uso non presidiato possa trasformarsi in fuga di informazioni sensibili.
Inserire l’IA nel piano industriale
L’IA deve essere collegata a obiettivi di crescita, qualità, marginalità, servizio al cliente, resilienza operativa e innovazione. McKinsey evidenzia che l’impatto economico emerge soprattutto quando le imprese ridisegnano processi e workflow, non quando si limitano a sperimentare tool.
Costruire un sistema di AI risk management
Il C.d.A. deve chiedere una mappa dei rischi: strategici, operativi, legali, reputazionali, culturali e occupazionali. NIST e OCSE offrono riferimenti utili per impostare governance, accountability, sicurezza e affidabilità dei sistemi.
Garantire supervisione umana competente
L’AI Act prevede, per i sistemi ad alto rischio, obblighi di supervisione umana, competenza, monitoraggio e intervento. Ma al di là della norma, è un principio gestionale: nessuna decisione critica dovrebbe essere lasciata a sistemi non compresi da chi li usa.
Formare tutti, non solo gli specialisti
L’alfabetizzazione AI deve riguardare board, direzione, quadri intermedi, lavoratori e funzioni di controllo. I ricercatori italiani hanno sottolineato che la priorità è spiegare cosa l’IA è davvero e cosa non è, evitando tanto la retorica salvifica quanto la paura indistinta.
Proteggere il sapere umano
L’obiettivo non deve essere sostituire persone con macchine, ma liberare tempo cognitivo, aumentare qualità decisionale e preservare competenze distintive. Il caso Klarna dimostra che l’efficienza è possibile, ma anche che la qualità dell’esperienza e il ruolo delle persone restano centrali.
Conclusione: non adottare l’AI, diventare un’impresa capace di usarla
L’errore più grave è pensare che l’intelligenza artificiale sia una tecnologia da “installare”. Non lo è. È una trasformazione culturale, organizzativa e strategica.
Per le imprese familiari italiane la sfida è ancora più profonda: non perdere il proprio patrimonio di saper fare, ma tradurlo in capacità collettiva aumentata. L’IA può diventare uno strumento straordinario per trasferire conoscenza tra generazioni, migliorare decisioni, rendere più robusti i processi e competere su qualità e innovazione. Ma solo se viene governata dal vertice.
Il punto non è chiedersi se l’azienda abbia adottato qualche applicazione di IA.
La domanda che ogni C.d.A. dovrebbe mettere all’ordine del giorno è molto più radicale: stiamo usando l’intelligenza artificiale per rafforzare la nostra identità d’impresa, o stiamo lasciando che siano strumenti esterni a ridefinirla al posto nostro?
Partecipa alla community