La tua richiesta di formazione sull’IA è un problema di diagnosi
Diagnosi errata: Le richieste di formazione sull'IA spesso nascondono risultati poco chiari, flussi di lavoro compromessi, competenze inutilizzate o una disciplina di revisione debole.
Impatto limitato: L'85% dei dipendenti afferma che la formazione sull'IA non li aiuta ad applicare efficacemente gli strumenti nei propri ruoli.
Responsabilità sui flussi di lavoro: Un'adozione efficace dell'IA richiede la riprogettazione dei processi e l'assegnazione delle responsabilità oltre i team dedicati all'adozione.
Costi nascosti: I risultati dell'IA non sottoposti a revisione spostano il lavoro di valutazione a valle, facendo perdere tempo ai destinatari e riducendo la fiducia tra i team.
Ruolo strategico: Le risorse umane dovrebbero guidare la riprogettazione dei flussi di lavoro basati sull'IA, perché i cambiamenti tecnologici trasformano ruoli, competenze, budget e percorsi di carriera.
Un manager bussa alla porta del direttore dell'adozione. Il messaggio è sempre una qualche versione di «il mio team non sta adottando i nuovi strumenti come speravo, quindi abbiamo bisogno di più formazione per risolvere il problema».
Markus McKay-Fleisch ha trascorso vent'anni nella formazione degli adulti e gli ultimi due concentrandosi specificamente sull'adozione dell'AI presso Smartsheet, dove dirige l'abilitazione all'AI per i servizi professionali.
Parlando recentemente ad AI4, ha descritto questa richiesta come quella che riceve più spesso e che ha maggiori probabilità di essere interpretata male. La sua risposta è una domanda, non un catalogo di corsi: quale risultato state cercando di ottenere?
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
Una richiesta di formazione è un sintomo. Arriva già accompagnata da una diagnosi, e la diagnosi è solitamente sbagliata.
Lo si capisce dai dati che i team responsabili dell'adozione hanno già a disposizione. I tassi di completamento sembrano buoni, spesso perché la formazione è obbligatoria. L'utilizzo racconta una storia diversa.
In alcune organizzazioni le persone usano a malapena gli strumenti. In altre li usano costantemente, scelgono per impostazione predefinita i modelli più costosi disponibili, e poi l'ufficio finanziario si presenta chiedendo una formazione che riduca nuovamente i consumi. Entrambi i modelli generano la stessa richiesta. Nessuno dei due è un problema di conoscenza.
Ci sono segnali positivi, ma spesso sono isolati. Le persone che ricostruiscono i propri flussi di lavoro ottenendo risultati davvero trasformativi? Troppo spesso, quella conoscenza rimane là dove è stata creata e non circola.
La formazione arriva a destinazione, ma non funziona
Il rapporto sul divario di preparazione all'AI 2026 di Docebo, realizzato da Centiment su 2.000 intervistati negli Stati Uniti, nel Regno Unito, in Canada, Francia, Germania e Italia, ha rilevato che l'85% dei dipendenti afferma che la formazione ricevuta non li aiuta a utilizzare l'AI nel proprio ruolo.
Docebo vende software per la formazione, un aspetto da tenere presente considerando la direzione in cui punta il dato, ma ai fini di questa discussione, supponiamo che quel numero sia corretto, perché, a giudicare dall'atmosfera nella sala durante l'intervento di McKay-Fleisch, direi che non sembra troppo lontano dalla realtà.
Un intervistato su cinque non ha ricevuto alcuna formazione sull'AI, il che significa che una parte di quell'85% descrive un'assenza piuttosto che un fallimento. Escludendo quel gruppo, il numero continua comunque a rappresentare la maggioranza dei dipendenti che hanno seguito qualcosa e ne sono usciti senza riuscire ad applicarlo.
Il dato più rivelatore si trova dall'altra parte del sondaggio. Tra i responsabili della formazione, il 79% dichiara di utilizzare l'AI per attività come la generazione di contenuti. Solo il 9% afferma che la propria organizzazione ha utilizzato l'AI per ridefinire un flusso di lavoro.
Le funzioni dedicate alla formazione hanno assimilato l'AI come acceleratore della produzione. Stanno realizzando gli stessi corsi più velocemente. Il lavoro di ripensare il modo in cui viene svolto il lavoro stesso è rimasto quasi interamente incompiuto, ed è una descrizione ragionevole del motivo per cui i corsi non vanno a buon fine.
Il linguaggio è l'interfaccia
Per trent'anni, la formazione aziendale è esistita in gran parte per risolvere i problemi legati alla conoscenza delle piattaforme. I fornitori di software spostavano pulsanti, aggiungevano funzionalità, modificavano la navigazione e qualcuno doveva insegnare alle persone dove fossero le varie funzioni. Microsoft, da sola, ha generato una piccola industria in questo ambito.
L'AI generativa ha rimosso la barriera che giustificava la maggior parte di quei programmi formativi. L'interfaccia è il linguaggio. Un utente descrive il risultato che desidera e il sistema assembla i passaggi. La domanda «come faccio a...?», che costituiva l'ossatura dell'abilitazione, ora può essere rivolta direttamente allo strumento, all'interno dell'applicazione o tramite un modello generalista indirizzato alla documentazione di assistenza pubblica.
Ciò che rimane come vera barriera, secondo l'interpretazione di McKay-Fleisch, è la comprensione dell'organizzazione e il giudizio umano.
Il problema della comprensione dell'organizzazione trova un'illustrazione chiara nei dati sull'utilizzo della sua stessa azienda. Analizzando i dati di Claude Projects di Smartsheet, ha contato più di cinquanta progetti distinti creati da dipendenti di finanza, assistenza clienti, vendite e risorse umane, tutti con l'obiettivo di generare materiali coerenti con il marchio. Presentazioni, materiali promozionali, le solite cose.
Ciò che colpisce è che nessuno di quei progetti proveniva dal team marketing. La funzione responsabile del marchio non aveva costruito nulla, e le oltre cinquanta persone che stavano cercando soluzioni al riguardo non avevano pensato di chiedere.
Ognuno di quei dipendenti aveva individuato un problema reale e utilizzato uno strumento capace per affrontarlo. Quello che nessuno di loro ha fatto è stato riconoscere che il problema rientrava nell'ambito di competenza di qualcun altro, dove si trovavano già l'esperienza, i materiali di riferimento e la capacità di mantenere la soluzione nel tempo. Non è una carenza nella capacità di formulare richieste. Nessun corso su come scrivere istruzioni migliori sviluppa l'istinto di andare a cercare il responsabile.
Il giudizio umano è la categoria più ampia, e McKay-Fleisch la restringe al modo in cui si manifesta il fallimento con cui la maggior parte delle organizzazioni convive oggi. Lo chiama «cannone della mediocrità». Le persone generano contenuti a un costo quasi nullo e li inviano senza verificarli, trasferendo così il lavoro di valutazione a chi li riceve.
Il compito di discernimento consiste nel comprendere il risultato che si sta ottenendo, assicurandosi che sia accurato e che abbia valore. Ciò che è successo con questa mentalità del cannone dello slop è che questo compito ricade sulle persone a cui viene inviato, e non è appropriato.
I BetterUp Labs e il Social Media Lab di Stanford hanno quantificato questo trasferimento in una ricerca pubblicata su Harvard Business Review lo scorso settembre. Il quaranta percento dei dipendenti ha dichiarato di aver ricevuto quello che i ricercatori hanno definito “workslop” nel mese precedente. Ogni episodio consumava circa due ore del tempo del destinatario, che i ricercatori hanno valutato in circa $186 per dipendente al mese.
La fase di revisione non è scomparsa. È stata trasferita a valle, a qualcuno che non l'aveva scelta, non può vedere l'intento originale e non ha modo di rimandarla indietro.
La riprogettazione e la trasformazione hanno budget diversi
McKay-Fleisch distingue due aspetti che la maggior parte dei finanziamenti per l'abilitazione ignora. La riprogettazione dei flussi di lavoro è il modo per arrivare a un risultato. La trasformazione dell'AI comprende tutto ciò che deve cambiare intorno a essa: le strutture organizzative, i ruoli e le competenze necessarie per ricoprire tali ruoli.
La maggior parte delle iniziative di abilitazione all'AI viene finanziata come se non fosse né l'una né l'altra cosa. Viene finanziata come formazione sugli strumenti, che era la risposta corretta a una barriera che non esiste più.
L'Indagine sull'impatto dell'AI 2026 di Grant Thornton, che ha coinvolto 950 leader aziendali di dieci settori, oltre al private equity, e che è stata condotta tra il 23 febbraio e il 18 marzo di quest'anno, ha rilevato che solo il 12% dei leader considera la propria forza lavoro pienamente pronta per l'AI. Un altro 81% si colloca in una posizione tra abbastanza pronta e per lo più pronta, mentre il 97% riconosce difficoltà di adozione di qualche tipo.
Quando è stato chiesto loro perché le iniziative di AI non raggiungessero i risultati attesi, quei leader hanno indicato per prime le questioni di governance e conformità, con il 46%. La formazione insufficiente è arrivata seconda, con il 31%. Circa il 34% ha indicato la formazione come l'area di investimento più sottofinanziata dell'organizzazione.
Quindi la diagnosi che i dirigenti stanno formulando su larga scala è la stessa che arriva alla porta del direttore dell'abilitazione. Formazione insufficiente. Bisogna finanziarne di più.
Vale la pena tenere presente anche l'interpretazione di Grant Thornton. La formazione alla consapevolezza produce familiarità anziché capacità. La familiarità è esattamente ciò che la maggior parte dei programmi di studio sull'AI è progettata per offrire, ed è ciò che descrive l'85% dei dipendenti intervistati da Docebo quando afferma che la formazione non li ha aiutati a svolgere il lavoro. I soldi vengono spesi da qualche parte. Vengono destinati all'intervento che richiede il minor cambiamento strutturale da parte delle persone che lo approvano.
Il 9% di Docebo è la stessa conclusione osservata dalla direzione opposta. Le funzioni di apprendimento hanno adottato con entusiasmo l'AI per creare contenuti e hanno a malapena sfiorato la riprogettazione del lavoro. Lo tradurrei dicendo che entrambi i budget vengono spesi sul versante della riprogettazione del nulla.
Quattro cose che la richiesta significa
Quando un leader chiede formazione, di solito alla base c'è una delle quattro condizioni seguenti. Ognuna presenta un segnale che la identifica e richiede una risposta che non consiste in un corso.
Il risultato non è mai stato definito
Il segnale è che il leader non sa rispondere alla domanda su come si presenta il successo senza descrivere un'attività. L'utilizzo è aumentato o diminuito, ma nessuno sa dire che cosa il team dovrebbe essere in grado di fare ora e prima non poteva fare. Le persone sperimentano senza una direzione precisa e la sperimentazione viene interpretata come un fallimento nell'adozione.
L'intervento consiste in una sessione di lavoro con il leader per definire un risultato misurabile, quindi procedere a ritroso fino alla capacità che lo rende possibile.
Il flusso di lavoro non è mai stato riprogettato
Il segnale è la presenza dell'AI applicata a un processo costruito intorno a un vincolo che l'AI ha rimosso. Catene di approvazione dimensionate per il tempo che un tempo richiedeva la stesura. Passaggi di consegne che esistevano perché due persone utilizzavano strumenti diversi. Cicli di revisione calibrati sui modelli di errore umani anziché sui modelli di errore dell'AI.
Le persone usano lo strumento all'interno di un processo che le penalizza per la velocità che esso produce. L'intervento consiste nella mappatura del processo insieme alla funzione che ne è responsabile, e non spetta alla funzione di abilitazione svolgerlo da sola.
Le competenze esistono e sono isolate
Il segnale è un'ampia differenza nelle prestazioni all'interno dello stesso team che utilizza gli stessi strumenti. Gli utenti esperti hanno già risolto il problema. Le loro soluzioni si trovano nei file personali dei progetti e nelle schede del browser.
L'intervento consiste nell'estrazione e nella distribuzione, che McKay-Fleisch descrive come l'integrazione delle conoscenze degli utenti esperti direttamente in qualunque materiale di supporto venga prodotto, invece di organizzare altre sessioni per persone che hanno già trovato una soluzione.
La disciplina della revisione è crollata
Il segnale è il fenomeno del “workslop”, ovvero le lamentele sulla qualità dei risultati che provengono dai destinatari anziché dai produttori. Le metriche del team che produce i risultati appaiono eccellenti. Il volume è aumentato, i tempi di ciclo si sono ridotti e il costo è stato trasferito alla scrivania successiva.
L'intervento consiste in uno standard per stabilire cosa debba essere revisionato prima di procedere, fatto rispettare dai manager, oltre al lavoro scomodo di dire ai produttori ad alto volume che i loro numeri sono in parte un problema di qualcun altro.
Nessuno dei quattro casi si risolve con un programma didattico. Tre di questi non sono problemi che il team di supporto all'adozione debba gestire da solo, ed è proprio per questo che continuano ad arrivare alla sua porta.
Lo stesso prompt, due risposte e un programma di formazione che non può risolvere il problema
Alla base di tutto questo c'è un livello tecnico che la maggior parte dei responsabili delle persone è stata incoraggiata a ignorare, e ignorarlo produce un cattivo supporto all'adozione.
I dipendenti incontrano l'IA su più interfacce. C'è l'assistente integrato in un'applicazione, addestrato sulla documentazione di quella piattaforma e operativo all'interno dei dati effettivi dell'utente.
C'è il modello per uso generale, che raggiunge la stessa piattaforma attraverso un protocollo di connessione. L'esempio di McKay-Fleisch è una richiesta di creare una dashboard che mostri quali progetti sono in linea, a rischio o in ritardo, raggruppati per portafoglio e responsabile.
La sua posizione è che il risultato dovrebbe essere identico indipendentemente dal punto in cui l'utente digita la richiesta. Su molte piattaforme, attualmente non lo è.
Questa differenza riguarda l'architettura del sistema e la formazione sui prompt non può colmarla. Ciò che il supporto all'adozione può fare è sapere quale interfaccia produce quale risultato e dirlo chiaramente alle persone: per questo compito, andate qui.
Se si salta questo passaggio, si insegna ai dipendenti che gli strumenti non sono affidabili, una lezione che applicheranno in modo generalizzato e ricorderanno più a lungo di qualsiasi cosa contenuta nel programma didattico.
La seconda variabile tecnica è la quantità di contesto che la piattaforma fornisce per conto dell'utente. Un modello per uso generale connesso ai dati aziendali non comprende intrinsecamente cosa significhino quei dati, come siano strutturati o cosa l'applicazione ne faccia. Le piattaforme migliori caricano questa comprensione lato server, confezionata come insiemi di istruzioni riutilizzabili di cui beneficia ogni utente connesso senza sapere che esistono. Smartsheet lo fa con quelle che McKay-Fleisch chiama “competenze native”.
La conseguenza per il supporto all'adozione è diretta e incide sul budget. Quando la piattaforma fornisce il contesto, la quantità di istruzioni sui prompt necessaria agli utenti diminuisce drasticamente. Quando non lo fa, l'ingegneria dei prompt e del contesto diventa una competenza fondamentale e la formazione deve trattarla adeguatamente.
I responsabili del supporto all'adozione dovrebbero chiedere ai fornitori in quale di questi due mondi si trovino. La risposta determina una parte significativa del programma didattico.
Due letture della stessa organizzazione
Quel dato del 12% di persone completamente pronte nasconde una divisione. Tra CIO e CTO, il 39% descrive la propria forza lavoro come completamente pronta. Tra i COO, la percentuale è del 7%.
I responsabili della tecnologia misurano l'adozione a livello di sistema. Licenze distribuite, integrazioni attive, utilizzo registrato. I responsabili delle operazioni misurano se il lavoro è migliorato. La differenza di trentadue punti rappresenta una quantità significativa di lavoro da svolgere per rispondere a queste due domande.
La distribuzione delle aree in cui è necessario supporto rende il quadro ancora più chiaro. I dipendenti in prima linea rappresentano il 37% delle aree in cui, secondo i responsabili, il supporto è più necessario. I manager di livello intermedio rappresentano il 30%. I dirigenti rappresentano l'8%.
Le persone che prendono decisioni sull'IA si sentono supportate. I due terzi dell'organizzazione che vivono con quelle decisioni, invece, no.
Questo è il modello alla base della richiesta di formazione. Un responsabile che si sente adeguatamente preparato osserva un team che non lo è e sceglie l'intervento che non richiede alcun cambiamento da parte sua. Chiedere più formazione è una richiesta che può essere accolta senza che chi la presenta cambi qualcosa nel modo in cui il lavoro è strutturato, in chi è responsabile di ciascuna decisione o in ciò che al team viene chiesto di produrre.
Quasi nessuno in quel campione contesta che ci sia qualcosa che non va. Il disaccordo riguarda il punto in cui risieda il problema.
Le risorse umane dovrebbero assumersi questa responsabilità prima che diventi automatica
La raccomandazione conclusiva di McKay-Fleisch alla sala è stata di tornare indietro e individuare chi, nell'organizzazione, sia responsabile della riprogettazione dei flussi di lavoro con l'IA. Ha osservato che per un certo periodo era lui a ricoprire questo ruolo, finché Smartsheet non ha assunto qualcuno appositamente.
Nella maggior parte delle aziende, la risposta onesta è: nessuno. E quando nessuno se ne assume la responsabilità, il lavoro non scompare. Passa a chiunque si trovi più vicino, di solito L&D o il team responsabile del supporto all'adozione, arrivando una richiesta di formazione alla volta, senza un mandato e senza autorità sui processi che avrebbero realmente bisogno di essere riprogettati.
Ereditare questa responsabilità in questo modo è la forma peggiore di farsene carico. Le Risorse Umane dovrebbero rivendicare deliberatamente la riprogettazione dei flussi di lavoro, insieme al budget e all'autorità necessari, perché l'alternativa è avere la responsabilità senza disporre né dell'uno né dell'altra.
Il motivo per cui le Risorse Umane dovrebbero farsene carico non è sentimentale. La riprogettazione dei flussi di lavoro determina quali ruoli esisteranno tra tre anni, cosa richiederanno quei ruoli e chi, all'interno dell'azienda, avrà un percorso per accedervi. Si tratta di decisioni sulle persone prese come conseguenza delle decisioni tecnologiche. Lasciare che siano stabilite da chiunque si trovi a configurare gli strumenti è una scelta, ed è la scelta che la maggior parte delle organizzazioni sta attualmente facendo per impostazione predefinita.
La funzione che comprende come è strutturato il lavoro, come si sviluppano le competenze e cosa accade alle persone quando entrambe le cose cambiano è quella che dovrebbe essere in prima linea. Questa rivendicazione deve essere avanzata prima che l'organigramma si consolidi attorno a qualcun altro.
Cosa chiedere
Quando il prossimo responsabile di un team bussa alla porta, non aprite il catalogo dei corsi. Ponete due domande.
- Quale risultato state cercando di ottenere? Non una maggiore adozione e nemmeno un utilizzo più frequente. Qualcosa che possiate misurare nel lavoro stesso.
- In quale flusso di lavoro si concretizza quel risultato e chi ne è il responsabile?
Se il responsabile riesce a rispondere a entrambe, avete qualcosa su cui lavorare. Se non ci riesce, la formazione non avrebbe mai funzionato e la cosa più utile che una persona impegnata nel supporto all'adozione possa fare è dirlo apertamente.