Che Aspetto Ha Davvero la Competenza nell’IA—e Come Raggiungerla

David Rice: Quali sono i rischi che i leader tendono a sottovalutare quando si tratta di IA, solo perché, francamente, ora è facile per le persone capire come usarla?

Kenneth Corrêa: Penso che l’errore principale che vedo commettere alle aziende non sia tanto nell’utilizzo dello strumento in sé. In realtà, si tratta di condividere file privati e riservati. Qualcuno ha appena avuto un’idea, quindi utilizza il proprio telefono per caricare un foglio di calcolo con i risultati finanziari del trimestre sulla versione gratuita di ChatGPT.

David Rice: Hai notato che la tua azienda ha visto un aumento della produttività del 15% e non avete aumentato l’organico. Perché secondo te più aziende non fanno lo stesso?

Kenneth Corrêa: Le persone insegnano e parlano di IA come se fosse questa tecnologia vecchia di 70 anni che ha ancora bisogno di tanti dati, database e data scientist. Ora l’IA generativa, quella sì è qualcosa di facile da usare, molto facile da implementare, molto facile da intuire. Solo il 20%-40% di aumento della produttività.

David Rice: Quali sono alcuni degli ostacoli che vedi di solito nelle organizzazioni che vogliono diventare fluide con l’IA? Come si evitano risultati inaffidabili e promesse eccessive?

Benvenuti a Podcast Gente che Gestisce Gente, il programma che aiuta i leader a mantenere il lavoro umano nell’era dell’IA. Sono il vostro anfitrione, David Rice. Nell’episodio di oggi sono insieme a Kenneth Corrêa, educatore globale sull’IA, speaker e autore del libro “Organizzazioni Cognitive: Sfruttare la Piena Potenza dell’IA Generativa e degli Agenti Intelligenti”.

In questa conversazione, Kenneth traccia un percorso per le aziende dal semplice interesse per l’IA fino alla vera competenza nell’IA. Spiega cosa significa, perché molti leader sono ancora ai margini e come evitare la trappola del “Frankenstack”, quella dell’accumulo esagerato di strumenti. Parliamo del passaggio dall’IA predittiva a quella generativa, di cosa sbagliano i leader nell’implementazione e perché il futuro della leadership di team potrebbe sembrare più simile a un’orchestrazione di flussi di lavoro che a una pura delega di compiti.

Se stai cercando di potenziare le tue persone invece che sostituirle e vuoi un approccio più solido e sistemico all’IA, questa puntata fa per te. Quindi, senza ulteriori indugi, entriamo nel vivo.

Benissimo. Allora Ken, benvenuto!

Kenneth Corrêa: Grazie mille, David. È un piacere essere qui con te.

David Rice: Sì, assolutamente. Quindi sei in Brasile, giusto?

Kenneth Corrêa: Sì, decisamente a San Paolo, la città più grande del Sud America.

David Rice: Ah wow, sì. Che bello. Ho alcuni colleghi da quelle parti. Ho sempre voluto visitare.

Kenneth Corrêa: È una grande città, non grande come New York, ma è la nostra New York qui nel sud.

David Rice: Sì, oggi parleremo di competenza nell’IA e di come arrivarci, perché penso che molti di noi siano già su quella strada, ma non è chiaro quali siano tutti i passaggi. Giusto. E come si misura la competenza?

Kenneth Corrêa: Stiamo ancora costruendo le scale, scopriremo quindi nuovi gradini man mano che li percorriamo, giusto? L’aereo si costruisce mentre vola.

Queste sono le metafore che usiamo oggi perché tutto si muove così velocemente, no?

David Rice: Assolutamente. Una delle cose che rende tutto questo così diverso, è che se pensi all’interfaccia moderna per l’IA, molte delle barriere all’esperimento sono sparite. Non serve essere un informatico per usarla e vedere cosa può fare.

Se pensiamo a certi momenti storici, come quando uscì Excel, la gente doveva seguire dei corsi inizialmente: come si usa Excel? Ora è sapere comune. Alla fine degli studi universitari hai almeno una base con Excel. Ma questo ha anche portato a un uso scorretto dei fogli di calcolo, giusto?

Conosco persone che tengono traccia delle scorte di detersivi in dispensa con un foglio di calcolo. Ma tornando all’IA: quali sono i rischi, secondo te, che i leader sottovalutano nell’adozione aziendale su larga scala, solo perché ora è facile capire come usarla?

Kenneth Corrêa: Tipo punta e clicca, o addirittura inizi a parlare con la piattaforma e lei ti risponde in linguaggio naturale.

Sì, ma davvero mi piace il modo in cui l’hai posta perché tenderei sempre a promuoverlo come vantaggio, ma forse tu stai facendo notare che potrebbe essere un contro, giusto? Nel senso che la gente può buttarsi subito. Avere una buona interfaccia e rendere tutto facile per chiunque è fantastico per coinvolgere tutti, ma l’errore che vedo più spesso nelle aziende non è tanto l’utilizzo in sé quanto la condivisione di file privati e riservati.

Stiamo parlando di informazioni aziendali che dovrebbero restare riservate, protette da firewall, password e autenticazioni utente. E ora, se qualcuno ha un’idea e magari l’azienda ha bloccato ChatGPT, allora usa il proprio telefono. Usa il suo cellulare personale per caricare un foglio di calcolo con i risultati finanziari del trimestre sulla versione gratuita di ChatGPT.

Quindi credo che il rischio principale riguardi la diffusione di informazioni riservate senza che l’utente ne sia neppure consapevole.

David Rice: Esistono modi per controllare come viene usata? Magari checklist di compliance, una sorta di quadro che aiuti le persone a capire come non usarla? Cosa hai visto funzionare bene su questo fronte?

Kenneth Corrêa: Non vedo nessuno che verifichi i prompt o legga le conversazioni degli altri, non c’è spazio per questo nel 2025. Io con la mia azienda e aiutando altre imprese quello che faccio è formazione. È lo stesso problema della cybersecurity, giusto?

Non riusciremo a bloccare tutto. Ogni giorno ci sono nuovi indirizzi e tecniche per hackerare account e simili. Quindi confidiamo nel formare le persone su come usarla, sui limiti degli strumenti, su cosa significa usare la versione gratuita sul proprio telefono e su come questo sia diverso dalla versione aziendale con blocchi integrati.

Così le informazioni restano tra quelle mura. Penso sia l’educazione la via principale, non abbiamo tempo per controllare tutte le domande ai chatbot. Alcune aziende provano ancora a creare propri assistenti: prendono la tecnologia GPT, Gemini o altro, ma creano un’assistente col proprio brand. Così possono inserire barriere extra.

Ad esempio, se si chiede qualcosa all’assistente, può rispondere: “Non posso aiutarti con questa richiesta”, oppure “Non puoi condividere queste informazioni”. Creando un proprio assistente aziendale si possono mettere questi paletti extra per prevenire problemi simili.

David Rice: È interessante che tu abbia citato il tema cybersecurity, il paragone calza.

Kenneth Corrêa: Di solito quando si parla di innovazione si cerca di collegarla a qualcosa di già noto, giusto? Perché se ti parlo di qualcosa di totalmente nuovo, è difficile da accettare per le persone. Abbiamo imparato qualcosa negli anni ’60 da Raymond Lowy, che inventò il concetto di Maya, “most advanced yet acceptable” (il più avanzato possibile, ma comunque accettabile).

Quando crei un prodotto, lo vuoi il più avanzato e ricco di funzioni, ma devi anche farlo familiare, in modo che si crei un legame e ne sia più comprensibile. Ero a San Francisco due settimane fa e viaggiavo con le auto Waymo. Ora, se qualcuno mi chiede cos’è un Waymo? È come Uber ma senza autista. Così creo un collegamento familiare. Stessa app, chiami l’auto, paghi con la carta, ma nessuno al volante.

Il resto è invariato. Credo che creare familiarità aiuti sempre a recepire nuove idee.

David Rice: Ci sono appena arrivate qui ad Atlanta ma non credo siano pronte: si bloccano in continuazione.

Kenneth Corrêa: Si bloccano! Ho visto episodi di violenza, credo a Los Angeles…

David Rice: Sì, quando le bruciavano e cose simili.

Kenneth Corrêa: Quindi non so se è la macchina a non essere pronta o la città a non esserlo. Qualcosa del genere, giusto?

David Rice: Forse entrambe. I leader vogliono che i loro team producano di più, giusto? La produttività è una delle motivazioni trainanti dell’adozione dell’IA e, in generale, si sta ottenendo. Un aumento tra il 20% e il 40% è diventata quasi la norma da alcuni degli studi analizzati, e credo tu abbia detto che nella tua azienda avete visto un incremento del 15% senza aumenti di organico.

Secondo te, perché poche aziende seguono questo esempio? Manca conoscenza sull’IA? È un problema di “scope creep”, per cui l’IA viene usata così tanto e per scopi diversi che genera confusione e livelli di efficacia diversi tra le funzioni? Qual è, secondo te, il principale ostacolo?

Kenneth Corrêa: È assurdo che le aziende non entrino subito in gioco, perché vedo i risultati io stesso nella mia azienda. È come trovare soldi sul tavolo. Ma ci sono molteplici fattori.

Il primo è che la gente insegna e discute di IA come se fosse ancora questa tecnologia complessa, di settant’anni fa, bisognosa di big data, data lakes e ingegneri. Così si genera paura in chi non ha skill tecnici. Una delle responsabilità è chiarire che ciò che era l’IA prima del novembre 2022 è diverso da ciò che viviamo ora. L’IA classica, l’IA predittiva, sono incredibili ma costano e sono complesse da implementare. L’IA generativa invece, come hai detto anche tu, è così semplice che la gente carica dati che non dovrebbe.

È facilissima da implementare, facile ottenere un +20% o +40% della produttività, cioè, se lavori cinque giorni a settimana, il 20% vuol dire un giorno libero in più. Produci gli stessi risultati, ma in meno tempo. Quello che succede è che chi guida le aziende spesso non la usa personalmente.

Il primo consiglio che do ovunque è: metteteci le mani. L’apprezzerete solo provandola. Ci sono ChatGPT, DeepSeek, Gemini, Claude: sono app che puoi scaricare e usare anche per scopi personali.

Ad esempio: sei a casa, è domenica sera, non vuoi cucinare ma devi mangiare. Puoi fotografare il tuo frigo o la dispensa e chiedere: “Ecco gli ingredienti, cosa posso cucinare in meno di 5 minuti?” E la piattaforma, interpretando la foto, riconosce gli oggetti, li conta, consulta database di ricette e ti suggerisce qualcosa da preparare.

Questo fa esplodere la testa per le possibilità. Poi, quando torni al lavoro e guardi i processi aziendali, molte idee ti verranno spontanee.

Ed è la prima volta che abbiamo una tecnologia che può insegnarti da sola come usarla. Puoi chiedere: “ChatGPT, conduco un team di 14 venditori, visitiamo clienti nei loro uffici, come potresti aiutarmi?” E la piattaforma non ti darà una risposta generica, ma, spiegando le dinamiche del team, strategia e obiettivi, riceverai consigli molto mirati.

Quindi iniziare ad usare questi strumenti è un passo cruciale e molte aziende non lo fanno ancora. In più, la stampa si concentra su rischi, paura, AGI, Skynet… a volte sembra più fantascienza che realtà. Ma questo è uno dei motivi della resistenza.

È una tecnologia con limiti, bisogna conoscerli. Lo strumento “allucina”, può produrre contenuti non aderenti alla realtà e questo è pericoloso.

Per questo suggerisco di affiancare a ChatGPT strumenti come Perplexity, che ancora non offrono verità assolute, ma almeno ancorano le risposte a delle fonti. Così si impara ad affinare il lavoro nel tempo, migliorando le pratiche con l’esperienza.

David Rice: Vero. È interessante che tu abbia citato la percezione di insicurezza o inadeguatezza nell’uso dell’IA.

Ci sono ricerche che mostrano come chi lavora in HR o operation senta una certa insicurezza, perché non si considerano esperti tecnici. Alcuni hanno sperimentato con GenAI ma non si fidano ancora. Secondo te, qual è il maggior campo di opportunità per persone che lavorano in HR o operation?

Kenneth Corrêa: Fantastico. Ti rispondo subito, ma prima ti spiego perché il personale HR ha paura di usare la GenAI.

David Rice: Perché?

Kenneth Corrêa: Dal 2016 si parla di bias algoritmico. Alcune aziende hanno usato l’IA predittiva per selezionare curricula, e il sistema, guardando i dati dei team di IT, concludeva che solo uomini lavoravano nell’IT, “quindi solo uomini sono adatti”. È terribile, certo. Ma l’IA non ha etica o morale, si basa solo sui dati ricevuti. È un problema reale, non ancora pienamente risolto. Occorre sempre parlare di IA responsabile.

Nel mondo HR, molti sono rimasti scottati dal termine AI: appena lo sentono, pensano subito ai bias. Ma tutta la formazione su dati umani introduce bias.

Ho parlato a eventi con migliaia di HR. In un caso studio su una mia azienda (95 dipendenti), raccogliamo feedback a 360° sulle performance: 95 persone valutano 95 persone. Sono 9.000 contenuti da analizzare! Se iniziassimo il primo gennaio, a metà anno saremmo ancora lì. Ma dobbiamo anche restituire feedback in tempi decenti. Usiamo Gemini, che può gestire fino a 2 milioni di token, quindi inseriamo i 9000 risultati, analizziamo pattern, anomalie e chiediamo a Gemini di segnalarci le aree prioritarie.

Spesso l’HR dispone di dati, dashboard e risposte, ma non ha tempo, né spesso competenze Excel o matematiche per analizzarli. Gemini può occuparsene egregiamente, organizzando e interpretando dati. Questo è il primo esempio per HR.

Secondo esempio: nel workflow HR serve una job description, poi hai i CV, poi il processo di selezione—nel quale bisogna sempre preoccuparsi dei bias. Creando un prompt con la job description, puoi dire: “Sono Kenneth, responsabile della selezione, ecco il profilo; ora questo è il CV del candidato, come si adatta al ruolo?” E puoi farlo per tutti i CV.

Se fai colloqui e hai il loro permesso, trascrivi l’intervista: ora puoi dare CV + transcript + JD all’IA e chiedere punti di forza/debolezza di ogni candidato. Puoi addirittura chiedere suggerimenti di domande personalizzate da ChatGPT o Gemini. Incrociando le tue valutazioni umane con quelle dell’IA, sei molto più efficace nella selezione. Tutto ciò già si fa negli Stati Uniti, Brasile, Cile e India.

David Rice: In molte aziende, con la GenAI, ci si è concentrati su automazione di contenuti e comunicazioni: non si toccano operation, pianificazione, processi decisionali interni. I leader non usano l’IA per ottenere maggiore visibilità o accelerare i cicli decisionali. Da cosa dovrebbero partire se vogliono applicare l’IA in modo più ampio, soprattutto nella leadership o operation?

Kenneth Corrêa: Ottima domanda.

Il nome della mia azienda è 80 20: si basa sulla regola di Pareto. Amo l’idea della priorità; bisogna scegliere dove agire prima, perché le cose da fare sono tantissime. Nel mio libro ho creato una matrice: hai compiti semplici, compiti complessi, compiti unici e compiti ripetitivi. Bisogna iniziare dai compiti semplici e ripetitivi.

Non serve creare una soluzione IA per la strategia, ma si può iniziare con contabilità fornitori e clienti, analisi di telefonate dei clienti, trascrizioni dei colloqui. Queste attività accadono ogni giorno: basta un incremento di produttività del 5/10% per vedere subito il risultato.

Il vero frutto sta nei task semplici e ripetitivi: vale per tutta l’automazione, non solo per l’IA. Ma ora con i LLM (modelli linguistici) è cambiato tutto: le IA capiscono le informazioni, leggono testi, aprono file CSV, interpretano immagini. Un’azienda con dashboard piene di KPI spesso ha personale che non li consulta o non sa che decisioni prendere. Se si fornisce a Copilot il manuale degli indicatori, scatti la foto alla dashboard, Copilot la “legge” e ti spiega tutto.

Queste automazioni migliorano la vita. Ho una squadra di 45 venditori in una health tech in Brasile: visitano studi medici, hanno poco tempo a disposizione ad incontro. È difficile sapere cosa succede in un’azienda così ramificata, ma la dashboard con IA aiuta enormemente. L’IA non è mai pigra e guarda ogni dettaglio.

David Rice: Parlando di fluency, per me significa capire dove gli strumenti si inseriscono nei processi, e come strutturare i flussi di lavoro. Molte aziende si gettano su nuovi tool senza però creare collegamento tra team, strumenti e compiti. Secondo te, come dovrebbe essere uno stack di IA base ma funzionale per una PMI sotto i 100 dipendenti? Come si evita il “Frankenstack”?

Kenneth Corrêa: Fantastico. Frankenstack! Sì, molte aziende hanno un Frankenstack—20 strumenti diversi, ciascuno da promptare in modo differente, ognuno dà risultati differenti.

Le imprese più grandi cercano di limitarsi a uno o due strumenti: chi ha Microsoft usa Copilot, chi lavora Google usa Gemini, chi fa sviluppo usa OpenAI o Claude. Il consiglio è iniziare da un solo strumento, formare tutti, fare una formazione continua.

Se mettiamo a confronto oggi (metà 2025) sette strumenti all’avanguardia: Copilot di Microsoft, ChatGPT di OpenAI, Gemini di Google, Grok 4 di X, Lama di Meta, DeepSeek e Perplexity, sono tutti simili e potenti. Per una PMI è più semplice gestire rischi, accessi e formazione restando su uno solo.

Parlo qui degli utenti finali. Nel backend, invece, per processi automatici e reti di agenti, servono 3-4 fornitori diversi, per non restare indietro quando c’è una novità tecnologica. Qui lo scenario è più da CTO.

David Rice: Grande domanda ora: come riqualificare il personale per il futuro prossimo? Sembra che la leadership in futuro sarà sempre più orientata al controllo qualità delle agenti e all’orchestrazione dei workflow più che alla mera mansione operativa. Su quali skill dovrebbero concentrarsi i leader per gestire team IA-competenti?

Kenneth Corrêa: Sì. La competenza nell’IA generativa significa saper usare bene gli strumenti, chiaro. Ma per i leader serve qualcosa in più: il giudizio. La capacità di scegliere se un compito va affidato agli umani o ai computer.

Non stiamo rompendo tabù: alcune attività i computer già le fanno meglio. Se devi spuntare una checklist, analizzare immagini, estrarre dati da un documento, sintetizzare testi—il computer ora vince.

Starà al leader capire quando è il caso di delegare alle persone: creatività, decisione responsabile, pensiero critico, comprensione delle ambiguità e delle complessità decisionali. Il computer può pianificare, suggerire orari, strategie, ma la qualità non è paragonabile a quella umana.

Questa distinzione è alla base del mio libro “Organizzazioni Cognitive”: volevo dare ai manager una guida per restare allineati al fatto che i computer stanno diventando sempre più potenti, non si può tenerne il passo in tempo reale ma ignorare il boost del 20-40% è impossibile: i concorrenti già lo usano.

E la questione licenziamenti? Spesso il problema opposto: non si trovano talenti! Io nella mia azienda ho tenuto i miei talenti: 95 persone, crescita del 15% annuo per tre anni senza aumentare di numero. Li ho potenziati, cambiando mentalità per includere tutti nell’uso dell’IA. Non tutti sono saltati subito a bordo, ma nel 2025 non puoi lavorare come nel 2021: qualcosa è cambiato (e non parlo del COVID, ma dell’avvento dell’IA generativa).

Quando smetti di pensare a sostituire le persone, ma le vuoi rendere più forti potenziandole con IA, ottieni il massimo.

David Rice: Concordo. Molti fanno fatica a cambiare, ma come dico spesso, non possiamo restare attaccati ai compiti: il valore non viene dai task ma da capacità, conoscenza e tratti umani unici. Non è il compito a generare valore, ma le nostre qualità. Tornando agli ostacoli per chi si avventurara nell’IA, quali sono i rischi tipici? E come si evita di farsi “ingannare” da output inaffidabili o promesse esagerate?

Kenneth Corrêa: Il problema è che si generalizza: “l’IA è…” e ognuno completa la frase. Ma così ci si immagina l’IA come un’entità diffusa ovunque, e non è vero. Ci sono più aziende diverse, tecnologie diverse, dati di training diversi, protezioni diverse. Così le performance—e i rischi—sono diversificate.

L’IA è solo uno strumento, pur se rivoluzionario: si impara usandola, con ripetizione e pratica, sbagliando e migliorando. Quando ChatGPT ti dà un consiglio, non devi seguirlo; lo leggi e scegli tu come agire. Usandola, diventa spontaneo capire quando fidarti e quando no.

Un esempio: CH Robinson in Nord America gestisce spedizioni e riceve 3000 email l’ora da clienti. In passato tutto gestito da operatori, ora l’IA fa il triage: casi semplici totalmente automatici, casi con esigenze speciali (camion refrigerato, tempi stringenti) passano agli umani. Con la pratica aumenta la “fluenza/competenza” nell’integrare l’IA, e dopo un anno il 90% dei casi resta umano, 10% automatizzato.

Al contrario Klarna, realtà svedese dell’assistenza clienti, è partita sostituendo tutto con IA ma ha fatto marcia indietro: l’IA non gestisce tutte le casistiche. Ora hanno un mix: 80% IA, 20% umani. Ci vuole equilibrio, e lo si trova solo sperimentando e confrontandosi con altre aziende. Non basta leggere un libro, bisogna confrontarsi e “sporcarsi le mani” per davvero.

David Rice: È tutto chiaro.

Kenneth Corrêa: Bisogna parlarne con chi lo usa, mettersi davvero alla prova per acquisire fluidità, come per imparare una lingua.

David Rice: Perfetto. Kenneth, grazie per aver condiviso le tue esperienze oggi.

Kenneth Corrêa: È stato bellissimo. Mi sono divertito anche con le tue domande complesse.

A volte mi sento così entusiasta che sembra non ci siano limiti o problemi, ma invece ci sono e bisogna considerare i rischi. Però lo si capisce solo entrando davvero nel gioco. Quel 20% di produttività aggiuntiva non si può ignorare.

David Rice: Grazie ancora, non vedo l’ora di vedere come evolveranno le tue conversazioni nei prossimi anni. Sarà interessante.

Kenneth Corrêa: Davvero.

David Rice: Ascoltatori, se volete leggere il libro di Kenneth, si intitola “Organizzazioni Cognitive: Sfruttare la piena potenza dell’IA generativa e degli agenti intelligenti”. Lo trovate su Amazon, dategli un’occhiata. E alla prossima: sperimentate!