Perché la Progettazione dei Flussi di Lavoro Conta Più della Tecnologia nell’Adozione dell’IA
Domenico Gagliardi è il fondatore di Kortix.ai, una piattaforma che orchestra agenti IA, rivoluzionando il modello di leadership tradizionale.
Domenico Gagliardi
Fondatore di Kortix AI
La leadership AI-first riguarda la progettazione dei sistemi, non il semplice prendere decisioni: Domenico Gagliardi sostiene che i leader moderni devono passare dall’essere decisori al diventare progettisti di sistemi. Invece di delegare compiti alle persone, i leader progettano flussi di lavoro in cui agenti IA gestiscono circa l’80% dell’esecuzione, mentre gli esseri umani si concentrano su giudizio, creatività e visione. I limiti e le linee guida sono più importanti delle approvazioni.
La vera trasformazione con l’IA parte dai flussi di lavoro, non dagli strumenti: La maggior parte delle organizzazioni fallisce con l’IA perché si limita ad applicarla a vecchi processi invece di ripensare come viene svolto il lavoro. Il modello di Domenico ribalta questo approccio iniziando dalla mappatura del flusso di lavoro, identificando chiaramente dove il giudizio umano aggiunge realmente valore, automatizzando tutto il resto e controllando costantemente gli agenti IA per garantire affidabilità e trasparenza.
Agenti persistenti e in apprendimento generano vantaggio cumulativo: Agenti che apprendono preferenze, contesto ed esiti migliorano a ogni ciclo, arrivando infine a superare i loro creatori. Questo sposta l’IA dai semplici guadagni di produttività all’intelligenza cumulativa, imponendo cambiamenti nella struttura organizzativa, nei modelli di prezzo e persino nei titoli professionali.
Nella nostra intervista, Domenico ha condiviso un framework per rinnovare qualsiasi flusso di lavoro, oltre a spiegare perché l’adozione e la preparazione all’IA sono in ritardo nella maggior parte delle organizzazioni.
Leadership con approccio AI-first
Sono il fondatore di Kortix.ai. Ho trascorso oltre 10 anni a far crescere team di ingegneria in startup AI/ML Series B+ e continuavo a vedere lo stesso problema: le aziende avevano la tecnologia ma utilizzavano ancora modelli di leadership pre-IA.
Ho creato Kortix per dimostrare un approccio diverso: organizzazioni che orchestrano agenti IA invece di limitarsi a dirigere persone. Gestiamo l’intera azienda sulla nostra piattaforma, il che significa che ogni giorno testo la leadership con approccio AI-first in produzione.
Continua a leggere—e continua a guidare con intelligenza
Crea un account gratuito per terminare la lettura e unirti a una community di leader lungimiranti che sbloccano strumenti, playbook e approfondimenti per prosperare nell'era dell'IA.
Have an account? Log In
Come i leader stanno passando da decisori a progettisti di sistemi
Come leader, il mio ruolo è passato dall’essere decisore al diventare progettista di sistemi.
Non delego più compiti alle persone. Progetto workflow dove gli agenti gestiscono l’80% dell’esecuzione e gli esseri umani si concentrano sul giudizio.
Questo mi ha richiesto di abbandonare l’idea che più persone = più capacità. Non è così. Non più. Operiamo con il 70% di persone in meno rispetto a startup simili perché costruiamo workflow per agenti migliori.
Mi ha anche costretto ad abituarmi a non essere coinvolto in tutto. I nostri agenti prendono centinaia di decisioni ogni giorno senza il mio consenso. Il mio lavoro è impostare i parametri di sicurezza, non approvare le azioni.
Come l’IA può amplificare il pensiero strategico dei leader moderni
L’IA sul posto di lavoro non si limita ad automatizzare le attività ripetitive, ma amplifica il pensiero strategico.
Prima passavo ore a raccogliere dati e arrivavo alle decisioni mentalmente esausto. Ora, l’IA si occupa del primo 90% (ricerca, sintesi, modellazione di scenari) e mi porta al punto decisionale fresco, e questo dopo aver esplorato 10 volte più scenari di prima.
Lo spazio mentale che crea l’IA ha sbloccato una creatività che non sapevo di avere. Prima misuravo il mio valore in base a quanto sapevo fare. Ora, lo misuro da quanto riesco a pensare bene.
In altre parole, l’IA mi ha reso più umano; non mi ha reso obsoleto.
Perché trattare l’IA come un lavoratore anziché uno strumento cambia tutto
Al momento, c’è un grande divario nel modo in cui le organizzazioni usano l’IA. Vedono l’IA come uno strumento invece che come un lavoratore.
Per questo motivo, la maggior parte delle aziende aggiunge ChatGPT ai workflow esistenti e lo chiama trasformazione, ma il 90% del lavoro viene comunque svolto dagli esseri umani.
La vera promessa dell’IA è l’autonomia: agenti che eseguono workflow end-to-end senza intervento umano. Ecco perché utilizziamo questo framework:
- Mappa prima i workflow.
- Chiediti dove il giudizio umano aggiunge valore unico.
- Automatizza tutto il resto.
- Assicurati che ogni decisione presa dall’IA sia registrata e spiegabile.
- Effettua audit settimanali degli agenti per costruire fiducia.
Le aziende che vinceranno in futuro non avranno gli strumenti migliori, avranno gli agenti migliori.
Come gli agenti IA possono rivoluzionare i flussi di lavoro aziendali chiave
Ecco alcuni esempi di workflow che abbiamo rinnovato con successo con IA nella strategia aziendale:
- Assunzioni: L’agente esamina i curriculum, valuta i candidati, redige email, programma i colloqui.
- Risultato: 3 ore/posizione → 15 minuti.
- Strategia: Pongo una domanda. L’agente raccoglie dati, genera 3-5 opzioni con pro/contro, modella scenari.
- Risultato: Prendo decisioni con 10 volte più contesto in 1/10 del tempo.
- Organizzazione: Prima mappiamo i flussi di lavoro, poi progettiamo i ruoli attorno a ciò che solo gli esseri umani possono aggiungere.
- Contatto con i clienti: L’agente cerca ogni giorno su LinkedIn i profili target, li arricchisce con dati aziendali, valuta i lead da 0 a 10, redige messaggi personalizzati.
- Risultato: 2-3 ore/giorno → 20 minuti. Tasso di risposta aumentato di 4 volte.
- Contenuti: L’agente monitora i trend, redige contenuti con il mio stile, crea varianti specifiche per piattaforma, programma la distribuzione.
- Risultato: pubblicazione da 2x/settimana → 5x/settimana, coinvolgimento aumentato di 3 volte.
Perché la memoria persistente è fondamentale e problematica
Sono particolarmente entusiasta di costruire flussi di lavoro agentici con memoria persistente.
L’agente Reddit che ho creato, ad esempio, esegue ogni giorno alle 6 del mattino, cerca in più di 15 subreddit parole chiave (agenti IA, bisogni di automazione, menzioni di concorrenti), valuta i post da 0 a 10 per rilevanza/intenzione, redige risposte autentiche e mi invia un riepilogo. Scelgo a quali post rispondere, e ricorda quali seleziono. Impara anche le mie preferenze di tono e tiene traccia di quali risposte hanno ricevuto interazione.
Il primo mese, modificavo l’80% delle risposte. Ma ora, dopo sei mesi, ne modifico solo il 5%, e principalmente per ragioni strategiche. La copertura è passata da 20-30 post/giorno a oltre 200. L’engagement delle risposte è triplicato.
L’agente ormai scrive meglio di me perché ha analizzato migliaia di interazioni. Questa non è automazione, è intelligenza che si accumula. Ogni compito lo rende migliore nel successivo. Una volta che sperimenti un’IA che apprende, non torni più indietro a un’IA che dimentica.
Nonostante questo successo, però, la memoria persistente è ancora un lavoro in corso. Memoria e comprensione del contesto restano sfide chiave nell’IA nella formazione e sviluppo di oggi.
Ecco il più grande errore che i leader stanno commettendo, quando si tratta di adottare l’IA: la stanno trattando come un problema tecnologico invece che di leadership. L’adozione dell’IA non riguarda gli strumenti. Significa ripensare il modo in cui il lavoro viene svolto.
L’errore che la maggior parte dei leader commette nell’adozione dell’IA
Ecco il più grande errore che i leader stanno commettendo, quando si parla di adozione dell’IA: la stanno trattando come un problema tecnologico invece che di leadership.
Comprano licenze di ChatGPT, fanno workshop di formazione, aggiungono funzionalità di IA, misurano i tassi di adozione — poi si chiedono perché nulla cambia.
L’adozione dell’IA non riguarda gli strumenti. Si tratta di ripensare come viene svolto il lavoro. Le domande chiave sono:
- Quali attività devono essere svolte dagli umani e quali dagli agenti?
- Come riprogettiamo i flussi di lavoro da zero?
- Che aspetto avrà la nostra organizzazione quando gli agenti gestiranno l’80% dell’operatività?
Partite dai flussi di lavoro, non dagli strumenti. Ripensate, non ottimizzate. E guidate con l’esempio. La trasformazione IA è un cambiamento di leadership, non un progetto tecnologico.
Partite dai flussi di lavoro, non dagli strumenti. Ripensate, non ottimizzate. E guidate con l’esempio. La trasformazione IA è un cambiamento di leadership, non un progetto tecnologico.
Come costruire una vera alfabetizzazione sull’IA: insegnare l’orchestrazione, non gli strumenti
Insegniamo ai dipendenti a orchestrare sistemi di IA, non solo ad utilizzare strumenti.
Nella prima settimana, ognuno mappa il proprio lavoro in flussi (input, punti decisionali, output) e costruisce il proprio primo agente. Poi, ogni settimana si fanno audit degli agenti: cosa ha funzionato, cosa è fallito e come può essere migliorato?
Addestriamo le persone a individuare dove il giudizio umano è insostituibile. Tutto il resto viene automatizzato. E i team condividono i loro agenti tra le funzioni.
I tre problemi che ostacolano l'adozione dell'AI nella maggior parte delle organizzazioni
Nonostante tutto questo, vedo tre problemi comuni nell'adozione dell'AI:
- Paura iniziale di "L'AI mi sostituirà". Questo si risolve mostrando che i dipendenti che creano gli agenti migliori vengono promossi.
- Eccessiva dipendenza dall'AI senza revisione. Questo si risolve con audit obbligatori.
- Cecità del flusso di lavoro: Questo si risolve formando i dipendenti su perché devono partecipare in determinati punti del flusso di lavoro e come farlo.
"Essere pronti all'AI" significa pensare in termini di sistemi, fidarsi ma verificare e sapere quando intervenire.
Come passare dall'acquisto di strumenti alla progettazione di workflow AI-first
Ecco il nostro stack principale:
- Kortix: La nostra piattaforma gestisce ogni workflow
- Claude/GPT-4: Inoltriamo in base alla complessità del compito
- Linear: Project management, integrato con agenti che effettuano automaticamente il triage dei bug
- Slack: Centro di collaborazione tra umani e AI
- Cursor: Sviluppo — puoi taggare cursor su Slack e modificare il tuo repository senza toccare la tastiera
- GitHub: Workflow di sviluppo standard
- Supabase: Backend
- Vercel: Deployment
- Resend: Email
- PostHog: Analitiche con insight emersi dagli agenti
Questa soluzione è stata molto semplificata rispetto a dove eravamo all'inizio. Abbiamo eliminato Zapier, Make, Hubspot e Calendly, sostituendoli con agenti sviluppati internamente.
È un cambio di filosofia: siamo passati da "acquistare strumenti" a "costruire workflow". Se non si integra con il nostro ecosistema di agenti, lo sostituiamo.
Come i workflow agentici stanno imponendo cambiamenti strategici
Con l'ascesa dei workflow agentici, ci stiamo spostando dal Software-as-a-Service ad Agents-as-a-Service. Dal punto di vista pratico, questo significa che il nostro modello di business si sta muovendo dal prezzo per utente al prezzo basato sui risultati dove paghi per ogni compito automatizzato, non per utente.
La nostra strategia di go-to-market è cambiata: ora vendiamo a CEO e CFO, non più ai manager di livello intermedio. Perché stiamo competendo con l'assunzione, non con altri strumenti.
Anche la nostra strategia di prodotto è cambiata, passando dalla costruzione di funzionalità alla creazione di agenti pre-configurati per i workflow più comuni.
Anche il nostro valore è cambiato: da "risparmia tempo" a "scala senza assumere". Stiamo vendendo infrastruttura nativa per l'AI, non AI aggiunta a vecchi software.
Come l'AI cambierà i ruoli tradizionali entro il 2030
Il ruolo tradizionale del founder sparirà nei prossimi anni.
Entro il 2030, i "founder-orchestratori" progetteranno flotte di agenti AI invece di occuparsi di tutto personalmente. Un solo founder con oltre 100 agenti raggiungerà $100M+ di ARR.
Smetteremo di assumere per l'esecuzione — i titoli di lavoro saranno "Orchestratore di agenti" e "Architetto dei flussi di lavoro". Gli agenti saranno a tutti gli effetti cofounder con competenze specializzate che ragionano, apprendono e migliorano.
Il SaaS tradizionale crollerà. Le aziende venderanno agenti autonomi, non strumenti.
Gli organigrammi mostreranno i passaggi di workflow tra agenti e persone, non linee gerarchiche.
L'economia è inevitabile: assumere un dipendente costa oltre $100K/anno, implementare un agente costa $1K-$10K/anno.
Le aziende che non si adatteranno saranno come Blockbuster nel 2010.
Cosa dovrebbero fare ora i leader per progettare organizzazioni AI-first
Ecco il mio consiglio:
- Smetti di ottimizzare i vecchi processi — ridisegnali da zero pensando prima all’AI.
- Affidati al sistema che hai progettato, non ai singoli compiti dell’AI.
- Assumi persone per la loro capacità di giudizio e pensiero sistemico, non solo per l’esecuzione.
- Prova prima tu stesso le soluzioni che proponi, prima di lanciarle ai team.
- Misura la leva (output per sistema), non la produttività (output per persona).
- Accogli il disagio di non "fare abbastanza" — ora il tuo valore è nel giudizio, nella creatività e nella visione.
- Muoviti velocemente, ma costruisci fiducia attraverso trasparenza e iterazione.
- Pensa in decenni, agisci in giorni.
- E non aspettare il permesso — inizia dai tuoi processi, dimostra il valore e poi scala.
E lo dico chiaramente: l’AI non sostituisce la leadership — la amplifica.
Seguici
Puoi seguire Domenico Gagliardi su LinkedIn e X mentre continua a cambiare le regole della leadership. E dai un’occhiata a Kortix.ai.
Altre interviste a esperti in arrivo su People Managing People!
Pronto a ripensare l’era dell’AI?
Unisciti alla community di People Managing People. Un account gratuito ti offre approfondimenti settimanali, framework pratici e strategie condivise dai colleghi per aiutarti a guidare in modo più intelligente, non più difficile.
