Con la diffusione dell’intelligenza artificiale generativa, l’accelerazione delle piattaforme digitali e l’evoluzione continua dei modelli di business, il lavoro manageriale sta cambiando natura. Non si tratta più solo di gestire organizzazioni, ma di prendere decisioni in sistemi instabili, interdipendenti e spesso imprevedibili.
Le recenti applicazioni di AI generativa nelle imprese italiane rendono evidente una tensione crescente: da un lato, possibilità tecnologiche sempre più ampie; dall’altro, una capacità decisionale che fatica a tenere il passo. Secondo analisi di McKinsey & Company e Gartner, oltre il 70% delle aziende ha avviato sperimentazioni sull’AI, ma meno del 30% riesce a portarle a scala.
Il problema non è principalmente tecnologico. È, sempre più spesso, decisionale e organizzativo.
Eppure, proprio mentre la complessità aumenta, la leadership è stata progressivamente riscritta come un percorso interiore. Autenticità, purpose, mindset, resilienza: il lessico dominante dei programmi di sviluppo invita i leader a lavorare prima di tutto su sé stessi.
Questa evoluzione ha avuto un merito importante: ha riportato al centro la dimensione umana del lavoro. Allo stesso tempo, ha introdotto un rischio critico: trasformare la leadership in un esercizio di auto-esplorazione scollegato dall’azione reale nei sistemi digitali e organizzativi.
È questo il punto evidenziato da Richard Claydon: una parte rilevante della leadership contemporanea ha perso il legame con il ruolo e con il sistema, concentrandosi quasi esclusivamente sull’individuo.
Indice degli argomenti
Il paradosso dell’AI: molto potenziale, pochi risultati
Le evidenze sull’adozione dell’AI mostrano un quadro ricorrente, fatto insieme di risultati promettenti e criticità strutturali.
Dove funziona davvero, l’AI produce benefici concreti:
• automazione di attività ripetitive
• aumento della produttività individuale
• miglioramento dell’analisi dei dati
Su larga scala, però, emergono problemi ricorrenti:
• progetti pilota che non scalano
• difficoltà di integrazione nei processi
• resistenze organizzative
• gap di competenze
In molti casi, l’AI non fallisce perché non funziona, ma perché il sistema organizzativo non è in grado di assorbirla e integrarla nei processi reali.
Le tecnologie non trasformano le organizzazioni: amplificano ciò che le organizzazioni sono già in grado — o non in grado — di fare.
Comprendere la complessità non basta
Per interpretare questo scenario si sono diffusi diversi framework.
• VUCA ha descritto un mondo instabile e imprevedibile
• BANI ha evidenziato fragilità e ansia sistemica
• Theory U, sviluppata da Otto Scharmer, ha invitato i leader a sviluppare una maggiore capacità di percezione
A questi si affiancano altri contributi rilevanti, come il framework Cynefin di Dave Snowden e il concetto di antifragilità di Nassim Nicholas Taleb.
Questi approcci hanno migliorato significativamente la capacità di leggere la realtà organizzativa contemporanea. Tuttavia, condividono un limite.
Capire la complessità non equivale a saper decidere dentro la complessità.
Leggere il contesto non significa saperlo trasformare, e riconoscere l’incertezza non libera dalla responsabilità di scegliere. Nei sistemi complessi, la differenza non sta in chi comprende meglio il problema, ma in chi sa assumersi il costo delle decisioni.
Il ritorno dei vincoli nella leadership digitale
Contrariamente a una narrativa diffusa, il digitale non elimina i vincoli: li rende più articolati.
Oggi i leader devono confrontarsi con:
• architetture tecnologiche legacy, cioè sistemi informativi esistenti spesso difficili da integrare
• dipendenze da piattaforme e fornitori
• regolazioni normative su dati e AI
• limiti di competenze e risorse
• tensioni tra funzioni aziendali e stakeholder
La complessità non riduce i vincoli: li rende meno visibili e più difficili da governare.
Questo spiega perché molte iniziative AI si bloccano: non per limiti tecnologici, ma per incapacità di prendere decisioni coerenti dentro vincoli reali.
Dalla comprensione all’azione: una leadership sistemica
Per affrontare questo scenario serve un cambio di prospettiva.
La leadership non può essere ridotta a sviluppo personale o consapevolezza. Come suggerisce anche la riflessione di Byung-Chul Han sulla società della performance, il rischio è quello di spostare problemi sistemici sull’individuo.
Serve invece una leadership capace, prima di tutto, di decidere nei sistemi complessi.
In questa prospettiva, ogni decisione rilevante deve rispondere a quattro domande fondamentali:
- Cosa è realmente possibile?
- Dove possiamo creare valore?
- Cosa è sostenibile nel tempo?
- Cosa è coerente con ciò che siamo?
Un framework operativo a quattro funzioni
Per passare dalla comprensione all’azione serve un criterio decisionale chiaro. La leadership sistemica diventa utile solo quando aiuta a scegliere, non quando si limita a interpretare.
Il framework che segue traduce questa esigenza in quattro funzioni operative: dimensioni che ogni decisione deve tenere insieme, perché è nel loro equilibrio che si gioca la qualità dell’azione manageriale.
Adattativa — leggere la realtà
La funzione adattativa riguarda la capacità di partire dai vincoli reali, non dalle intenzioni. Significa comprendere con precisione ciò che il contesto consente — e ciò che impedisce — evitando di costruire decisioni su ipotesi astratte.
In concreto, implica:
• vincoli tecnologici, qualità dei dati, integrazione con i sistemi esistenti, limiti delle infrastrutture IT
• limiti organizzativi, competenze disponibili, tempo, risorse, priorità operative
• dinamiche di potere, chi decide, chi influenza, quali interessi sono in gioco
Senza questa funzione, i progetti AI rischiano di nascere su presupposti irrealistici e restare confinati a sperimentazioni isolate.
Quando la realtà non è letta correttamente, ogni decisione successiva è solo un’ipotesi ben argomentata.
Generativa — creare possibilità
La funzione generativa riguarda la capacità di trasformare i vincoli in spazio d’azione. Non si limita a identificare ciò che è possibile, ma lavora per espandere il campo del possibile in modo concreto e sostenibile.
In concreto, implica:
• individuare use case reali, applicazioni dell’AI che risolvono problemi concreti
• integrare l’AI nei processi, superare la logica dei progetti pilota isolati
• ridefinire modelli operativi, adattare ruoli, flussi e decisioni alle nuove possibilità
È qui che si distingue l’innovazione concreta dall’entusiasmo senza risultati.
L’innovazione non nasce dalle idee migliori, ma da quelle che riescono a diventare pratica.
Rigenerativa — sostenere il sistema
La funzione rigenerativa riguarda la capacità di mantenere il sistema in condizioni di funzionamento nel tempo. Non basta introdurre cambiamento: è necessario che l’organizzazione sia in grado di assorbirlo, adattarsi e continuare ad apprendere.
Come evidenziato anche dagli studi sulla sicurezza psicologica di Amy Edmondson, nei contesti complessi le organizzazioni sono efficaci solo se le persone possono sperimentare, sbagliare e imparare senza timore di conseguenze negative.
In concreto, implica:
• energia delle persone → carico di lavoro sostenibile e attenzione al burnout
• capacità di apprendimento → possibilità reale di sperimentare e migliorare
• sostenibilità del cambiamento → equilibrio tra trasformazione e tenuta operativa
Molte iniziative falliscono perché aumentano la complessità senza aumentare la capacità del sistema di gestirla.
Un sistema che non apprende dal cambiamento finisce inevitabilmente per esserne sopraffatto.
Identitaria — mantenere coerenza
La funzione identitaria riguarda la capacità di garantire coerenza tra ciò che l’organizzazione dichiara e ciò che effettivamente fa. Non è una questione astratta di valori, ma una dimensione operativa che incide direttamente sulla fiducia e sulla legittimità delle decisioni.
In concreto, implica:
• valori organizzativi, ciò che guida le scelte, soprattutto nei momenti di tensione
• fiducia degli stakeholder, come dipendenti, clienti e partner interpretano e valutano le decisioni
• legittimità delle decisioni, il grado in cui le scelte vengono riconosciute come giustificate e accettabili
L’introduzione dell’AI rende questa funzione ancora più critica. Le decisioni diventano più opache, più veloci e spesso meno comprensibili nei loro meccanismi.
Quando le decisioni non sono comprensibili o percepite come giuste, l’organizzazione smette di funzionare come sistema e inizia a difendersi da sé stessa.
Perché i progetti AI non scalano: un esempio
Consideriamo un caso tipico. Un’azienda introduce un sistema di intelligenza artificiale per supportare decisioni operative. Il progetto funziona dal punto di vista tecnico, ma non riesce a diffondersi nell’organizzazione.
Se lo leggiamo attraverso le quattro funzioni, emergono chiaramente i nodi critici:
• Adattativa, i sistemi esistenti rendono difficile l’integrazione
• Generativa, il caso d’uso resta isolato
• Rigenerativa, i team non sono pronti ad adottarlo
• Identitaria, manca chiarezza su impatti e responsabilità
Il risultato è ricorrente: il progetto funziona tecnicamente, ma non diventa pratica organizzativa.
Leadership come gestione di tensioni
Nel contesto digitale, le decisioni raramente sono ottimali. Più spesso, sono il risultato di scelte tra alternative imperfette.
• ciò che è possibile non coincide sempre con ciò che è desiderabile
• ciò che crea valore nel breve può compromettere la sostenibilità nel tempo
• ciò che è coerente può rallentare l’innovazione
Queste tensioni non sono anomalie: sono la condizione normale dell’azione nei sistemi complessi.
La leadership non elimina i trade-off: li rende espliciti e si assume il costo di scegliere.
Conclusione: oltre la retorica dell’AI
La diffusione dell’intelligenza artificiale sta rendendo evidente un limite profondo dei modelli di leadership contemporanei. Non basta sviluppare il leader. Non basta comprendere il contesto.
Serve una leadership organizzativa capace di:
• decidere sotto vincolo
• agire nei sistemi
• assumersi il costo delle scelte
Il vero problema oggi non è l’AI in sé, ma la distanza tra ciò che le tecnologie rendono possibile e ciò che le organizzazioni sono in grado di decidere e sostenere.
In questo scenario, il vantaggio competitivo non è solo adottare nuove tecnologie. È prendere decisioni migliori dentro sistemi complessi e vincolati.
E questo richiede un cambio di paradigma:
dalla leadership come terapia
alla leadership come pratica operativa nei sistemi reali.
Riferimenti bibliografici essenziali
• Richard Claydon (2026), Quando la leadership è diventata terapia
• Otto Scharmer (2009), Theory U. Guidare dal futuro che emerge
• Dave Snowden (2007), Un framework per le decisioni dei leader
• Nassim Nicholas Taleb (2012), Anti fragile. Prosperare nel disordine
• Amy Edmondson (2018), Organizzazioni senza paura
• McKinsey & Company, report AI 2023–2025
• Gartner, report AI 2023–2025
• Byung-Chul Han (2010), La società della stanchezza
