Dalla Curiosità alla Fiducia: Un Quadro Pratico per l’Adozione dell’IA

David Rice: Quindi il tuo team è curioso riguardo l’IA. Hanno guardato le demo. Hanno letto gli articoli. Pensano che sia interessante. E non stanno facendo assolutamente nulla con essa, perché la curiosità senza fiducia è solo procrastinazione con una facciata migliore.

Il mio ospite di oggi è Justin Angsuwat. È Chief People Officer presso Culture Amp e ci guiderà attraverso il percorso che ha portato la sua organizzazione a rendere quasi l’80% dei dipendenti sicuri nell’utilizzo dell’IA in sole sei settimane.

Non curiosi, fiduciosi. Ecco cosa hanno fatto di diverso. Hanno separato l’esplorazione dalle aspettative. Nessuna pressione per risultati perfetti, nessun bisogno di ottenere il permesso, solo un percorso strutturato che va dalla comprensione alla sperimentazione fino all’integrazione. Ma ci sono anche alcuni aspetti scomodi con cui Justin si sta confrontando ora.

La fiducia non si traduce automaticamente in integrazione. Le persone restano ferme a quel punto, osservando i propri flussi di lavoro quotidiani e si bloccano. E a volte i dipendenti senior, che dovrebbero portare l’IA in azienda, sono quelli che fanno più fatica, perché la loro identità è legata al flusso di lavoro che l’IA ha appena reso obsoleto.

Oggi quindi parleremo di perché si sono focalizzati sulla fiducia dei dipendenti, non sulle metriche d’uso o sugli obiettivi di automazione. Gli esercizi settimanali che hanno dato slancio, come muovere le persone da compiti deterministici a quelli probabilistici, che sono proprio quelli dove risiede il vero impatto. Perché i dipendenti junior possono essere più nativi nell’uso dell’IA rispetto ai dirigenti che guidano la trasformazione, e cosa vuol dire praticamente avere quasi l’80% di fiducia.

Sono David Rice. Questo è People Managing People. E se sei bloccato tra la curiosità e l’implementazione effettiva, questa conversazione ti mostrerà esattamente come un’azienda ha colmato quel divario. Immergiamoci.

Justin, benvenuto al programma.

Justin Angsuwat: Grazie, David. È un piacere essere qui. Sono entusiasta di questa chiacchierata.

David Rice: Felice di averti qui.

Sono contento di riprendere la nostra conversazione a Orlando. Attendevo questo momento da allora, quindi... Prima di andare troppo a fondo su coach e tutto quello che avete costruito, raccontami come i tuoi team hanno effettivamente iniziato a costruire con l’IA. Cosa li ha fatti superare la fase di sola curiosità?

Justin Angsuwat: Beh, se partiamo dall’IA in generale nell’organizzazione, abbiamo cominciato innanzitutto con la creazione di quello che chiamiamo l’“aha moment”.

E questo, di per sé, è stato un insegnamento per noi. Quando abbiamo iniziato con i team di prodotto, ci siamo poi spostati su altri team, il che significava partire da un obiettivo: per noi era la fiducia dei dipendenti nell’uso dell’IA. So che ci sono molti altri obiettivi possibili, come l’uso o l’automazione, ma per noi era chiaro che il focus doveva essere sulle persone dietro la tecnologia.

Quindi, il nostro obiettivo era migliorare la fiducia dei dipendenti nell’uso dell’IA. Perché è difficile misurare un “aha moment”. Così abbiamo avviato un programma di sei settimane pensato per separare l’esplorazione dalle aspettative; era volutamente incentrato sull’apprendimento, sulla sperimentazione, sul provare, davvero. Non era necessario produrre un risultato perfetto, il che ha tolto pressione e fatto sentire le persone molto più coinvolte con quella che, all’epoca, era una tecnologia ancora piuttosto nuova.

David Rice: Quello che ho visto finora, anche nelle aziende che abbiamo guardato o con cui abbiamo parlato, è che la curiosità è abbastanza facile da scatenare, giusto? Le persone vogliono esplorare. Ma il vero cambiamento solitamente richiede una certa struttura o chiarezza, o, idealmente, una vittoria condivisa già nelle prime fasi. E sono curioso di capire com’è stato quel passaggio per il tuo team: hai accennato a quell’“aha moment”.

C’è stato una sorta di spinta, o una piccola vittoria iniziale che ha aiutato le persone a passare dal “sì, conosciamo questa cosa” al “ecco cosa ci possiamo fare davvero”?

Justin Angsuwat: Sì, è stato cruciale come hai detto tu: non era chiaro cosa avremmo potuto fare con essa.

E non era quello l’“aha moment”. Ciò che è stato interessante è che per ognuno il momento “aha” aveva un aspetto molto diverso. Era difficile standardizzarlo. Così, come dicevo, abbiamo ideato questo programma in sei settimane che abbiamo chiamato Accelerate (con IA al centro di accelerate).

Perché, sai, non puoi avere un programma senza mettere “IA” nel nome. Abbiamo strutturato delle fasi che aiutavano le persone a muoversi lungo quel percorso: dalla comprensione alla sperimentazione, fino all’integrazione nell’uso quotidiano. Anche se quella parte finale è la più difficile e ci stiamo ancora lavorando.

Stiamo ancora cercando di capire come fare davvero. Non è stato perfetto, ma ha davvero aiutato i nostri dipendenti a sentirsi supportati, non forzati o messi in imbarazzo se non erano già capaci come gli altri. Consisteva anche nel non lasciarli troppo nella loro comfort zone.

Continuavamo a spingere dal capire, verso la sperimentazione e poi l’integrazione. L’abbiamo fatto con tanti contenuti, molte sessioni formative dove le persone potevano usare realmente gli strumenti e creare cose. Di tutto, da un videogioco a un video. Poi condividevamo piccole vittorie per mantenere il ritmo.

Così ho lanciato esercizi settimanali o concorsi in tutta l’azienda; ad esempio: crea un video generato dall’IA per il nostro employer brand o gioca al gioco di Gandalf, dove devi provare a convincere Gandalf a darti la password. Vedi chi arriva all’ultima fase e cosa ha imparato.

Ed è stato molto divertente vedere come un dipendente, che era entusiasta di aver creato “l’agente” in pochi minuti, è tornato a casa, lo ha raccontato al proprio partner. Il partner gli ha chiesto: “Hai fatto tu quella cosa?” e lui: “Sì, l’ho fatto io!” Così la fiducia di tutta la squadra è cresciuta.

Questo continuo ciclo di comprensione, sperimentazione e integrazione è stato fondamentale nelle sei settimane, soprattutto perché nell’integrazione c’è la sfida di rendere l’IA davvero funzionale nel lavoro di tutti i giorni.

Come dicevo, abbiamo ancora tanto da fare su quel fronte, ma il nostro punto di partenza è stato provare gli stessi strumenti disponibili anche nel contesto lavorativo: Miro, Glean, Gemini, Copilot e altri. Abbiamo collaborato con questi partner, invitandoli all’interno, e quando abbiamo lanciato il programma non abbiamo chiesto permessi o aspettato via libera.

Lo abbiamo semplicemente fatto partire e via. Recentemente ho condiviso qualcosa su LinkedIn; qualcuno ha lasciato un commento molto illuminante che riprende ciò che dicevi tu, David: vedo tante aziende che vogliono subito vedere tutte le grandi idee per migliorare il lavoro con l’IA, ma spesso non partono dall’aspetto fondamentale: dare alle persone la fiducia di base per cominciare. Questo è stato il nostro focus chiave fin dall’inizio.

David Rice: L’altro aspetto è aiutare le persone a capire cosa sia realmente utile. Secondo te, perché questo approccio ha funzionato così bene? Molti altri tentativi spesso si bloccano... Le persone si ritrovano di fronte a un “foglio bianco” e non sanno da dove partire o pensano “non mi serve davvero”.

Raccontami come avete guidato le persone verso le domande giuste, perché serve molta sfumatura e contesto per capire cosa chiedere all’IA per ottenere il massimo.

Justin Angsuwat: È stato difficile. E sarà la nostra fase finale: come integrarla realmente nei flussi di lavoro quotidiani.

Penso che il nostro successo sia dipeso dal concentrarci nella prima parte: “Come posso rendere le persone davvero sicure nell’usare l’IA anche senza aver ancora trovato tutti gli use case?”. Esisteva una barriera mentale: “è troppo difficile”.

Anche dopo sei settimane di programma, alcuni seguivano le esercitazioni e creavano i loro videogame, ma poi tornavano nel lavoro quotidiano restando intimiditi dal foglio bianco.

Per alcuni team abbiamo lanciato una sorta di piccolo hackathon, anche in gruppi di tre c’era la domanda: “Devo creare io il prompt? Può farlo qualcun altro? Da dove inizio?”. Ma era comunque un ambiente più sicuro; spesso quello era lo stimolo di cui avevano bisogno per provarci. E il loro “aha moment” è stato semplicemente “non era poi così difficile come pensavo”, quindi credo che ci siamo riusciti nella prima fase: creare fiducia.

Abbiamo misurato la fiducia dopo il programma: quasi l’80% dell’organizzazione era fiduciosa nell’utilizzo dell’IA nel lavoro quotidiano. Circa il 4% negativi. Abbiamo misurato anche un’altra domanda: “esploriamo e adottiamo nuove tecnologie come l’IA”: c’è stato un incremento di 24 punti percentuali fino all’84%.

Quindi tanto slancio e fiducia nell’uso dell’IA. Il passo successivo sarà proprio capire come integrarla nell’uso quotidiano.

Ed è quello di cui parlavamo anche a Orlando, non usare l’IA solo come una calcolatrice migliorata, ma come qualcosa di molto differente.

David Rice: In questo momento c’è molto rumore. Tutti sono sopraffatti dalla scelta: come lo userò? Poi spesso restano delusi dai risultati, perché non sanno quale informazione fornire all’IA.

Credo che la maggior parte abbia bisogno di qualcosa da cui partire che abbia davvero senso, e da lì muoversi. Mi sembra che la struttura che avete dato abbia permesso alle persone di non aspettare il caso d’uso perfetto. Interessante come abbiate sbloccato slancio così.

Justin Angsuwat: Sono d’accordo. Su Internet vediamo tanti che fanno cose molto interessanti, il che può intimidire: “Io non so fare quelle cose con l’IA, magari sto ancora imparando a fare i prompt”. Quindi sì, tanto rumore, ma anche molte opportunità.

Ma per chi parte può essere scoraggiante: “non so fare ciò”, “come hanno avuto quell’idea?”. Quindi abbiamo cercato di eliminare un po’ di rumore: seguite solo questo programma di sei settimane e alla fine avrete fiducia anche se magari non saprete ancora esattamente su cosa dovete usare l’IA.

David Rice: Hai citato la calcolatrice: smettere di usare l’IA solo come calcolatrice potenziata — adoro questa analogia. Cosa cambia davvero quando si fa questo salto mentale? Qual’è stata la tua esperienza con quel passaggio?

Justin Angsuwat: Sicuramente esistono tanti framework e curve di maturità sull’IA, ma lo riduco ad una versione semplice, molto terra-terra. Nelle organizzazioni dove vedo una vera trasformazione delle persone grazie all’IA distinguo due livelli: il primo è fare cose più velocemente o meglio, il secondo è sbloccare qualcosa di nuovo.

La conversazione della “calcolatrice”: quando arrivarono i fogli di calcolo, all’inizio non ero lì, ma da quello che so, erano considerati una calcolatrice migliorata. Questo rappresenta la prima fase: fare meglio ciò che già sai fare, ad esempio i ragionieri usavano libri mastri cartacei; se volevano cambiare un numero, dovevano cancellare e ricalcolare tutto manualmente, perdendo ore.

Con il foglio di calcolo, potevi riequilibrare i conti in 5-10 minuti invece di 5 ore. Grande efficienza: fare meglio, più velocemente. Molti ora usano l’IA così: automazione ripetitiva.

Ma il vero “aha moment” è stato quello che è successo subito dopo. Invece di essere solo calcolatori, questi contabili potevano ora simulare scenari: “Se abbassiamo i prezzi del 10% e alziamo i volumi del 20%, quanto ci resta di margine?”. Dalla semplice contabilità retrospettiva sono diventati pianificatori di scenari, strategici — hanno iniziato a risolvere problemi che non sapevano neppure di avere.

Questo è quello che cambia davvero con quel salto di mentalità: prima fase, come posso fare ciò che già faccio meglio e più veloce? Seconda fase: quali sblocchi ora non posso nemmeno immaginare? È difficile da spiegare finché non ci passi davvero.

David Rice: Sì. Ed è interessante perché penso che questa sia anche la ragione della reticenza nelle risorse umane: quando hai l’“aha moment”, inizi a pensare “posso fare tutte queste cose” e poi ti fai prendere dall’ansia che il team legale ti contatti subito dopo…

Mi chiedo se, provando l’IA, c’è stato un momento del genere per te…

Justin Angsuwat: Tocchi un punto importante sul legale e, anche se ci scherziamo, bisogna davvero fare attenzione con l’IA.

È più facile verificare un foglio Excel che affidarsi all’IA per una risposta univoca. Abbiamo parlato di “impressive theater”, illusione contro impatto. Un buon esempio è il tema dei compiti deterministici versus quelli probabilistici.

Per chi non lo sapesse, lo semplifico: i compiti deterministici hanno una risposta corretta, come un calcolo matematico, oppure “cosa è legale o no”; anche se qui esiste comunque un po’ di zona grigia. Quelli probabilistici, invece, hanno diverse risposte possibili: come scrivere una mail o riassumere una riunione, ci sono mille africane sfumature.

Usare l’IA solo per compiti deterministici va bene, tipo “dimmi il fatturato del Q4”, ma in pratica sfrutti un motore probabilistico per un problema deterministico. È più lento, rischia di fabbricare risposte errate (allucinazioni), può essere meno preciso che un query SQL o Excel. Fa scena ma può portare a errori e non sfruttare il pieno potenziale dell’IA — e qui si arriva alla questione legale.

Per i compiti “più umani” invece — tipo “analizza 500 commenti di dipendenti e dammi le tre frustrazioni emotive più sentite” — un foglio Excel non può farlo. Il vero impatto nasce dall’utilizzo dell’IA nei compiti probabilistici piuttosto che deterministici.

Come dicevi tu, bisogna stare molto attenti quando la si usa per determinate decisioni, sempre meglio controllare e ricontrollare prima di fidarsi ciecamente delle risposte.

David Rice: Ottimo consiglio. Non lo sottolineerò mai abbastanza.

Crescere un team globale non vuol dire dover gestire cinque sistemi diversi per HR, paghe e IT. Deel racchiude tutto in un unico posto così puoi assumere, inserire, pagare e dotare di strumenti chiunque, ovunque, senza il solito caos.

Che tu stia assumendo dipendenti in dieci paesi o gestendo collaboratori in più fusi orari, Deel si occupa di compliance, benefit e paghe in un’unica piattaforma: meno strumenti, meno mal di testa, più tempo per concentrarti sulle persone. Vuoi vedere come funziona assumere senza confini?

Visita deel.com/pmp. Deel. Assumi, gestisci e paga chiunque, ovunque.

Ora avete costruito un coach IA. Raccontaci quali erano i vostri obiettivi.

Justin Angsuwat: L’obiettivo era avere questo coach IA sempre disponibile, come avere uno scienziato delle persone in tasca.

Abbiamo parlato con alcune persone a Orlando, che hanno detto: “io non ho bisogno di un coach, tutti i coach costano un sacco”, perciò rispondo che il nostro è come avere uno scienziato HR in tasca che può aiutarti in ogni momento, per esempio: “come faccio a dare un feedback difficile?” o “David deve darti un feedback difficile ed è nervoso perché sa che non lo prenderai bene; come gestire questa situazione?”.

Serve ai partner HR o al team HR per dare consigli ai manager su tutta l’organizzazione quando serve.

Ma la differenza è il contesto. E il contesto è tutto. Un modello IA generico ti dà la media dell’internet, spesso risposte tecnicamente corrette ma poco rilevanti, come leggere l’oroscopo: vago, buono per tutti e nessuno.

Come arricchire un coach IA di contesto? Tre livelli:

Il primo: come viene addestrato il coach. Se chiedi qualcosa al coach IA e non gli dai contesto, avere una base solida è tutto. Noi non lo addestriamo sull’Internet o su blog casuali: lo formiamo sulla scienza delle persone, con un miliardo e mezzo di dati da decenni di ricerca in tantissime aziende, con team di scienziati HR (PhD) che costruiscono le domande.

Poi il secondo livello: il contesto aziendale. Il coach apprende informazioni su vision, strategia, gli obiettivi annuali, i valori, comportamenti aziendali, framework usati per i feedback (radical candor, SBI ecc.). Così il coach “conosce” la tua azienda.

Infine, il terzo livello: il livello performance. Dati di engagement, performance, feedback e one-to-one. Così il coach conosce te e il tuo team.

Sommando i tre livelli, non ottieni una risposta generica “devi ascoltare di più”, ma una risposta specifica, come: “Vendendo i bassi punteggi di ingaggio del tuo team (performance), il nuovo obiettivo di radical candor (azienda), e il fatto che l’azienda si sta espandendo all’estero (strategia), lasciami farti qualche domanda per capire la situazione (come fa il vero coach) e usiamo uno script specifico sviluppato dai nostri scienziati delle persone”.

Questo è ciò che distingue un vero coach IA da LLM o IA generativa che dà solo advice generico.

David Rice: Tutti noi abbiamo usato strumenti che “tecnicamente” funzionano, ma non ci conoscono, per cui sembra di parlare con qualcosa che...

Non so. Non so nemmeno perché ci sto parlando, capisci?

Justin Angsuwat: Succede spesso anche a te? Parlando con tanti HR leader?

David Rice: Sì. Ne ho costruiti alcuni in cui poi mi sono chiesto “ma cosa sta dicendo questo strumento?”. Si finisce per lasciar perdere: “ok, a che serve?”.

Quando si parla di inserire il contesto, come dinamiche di squadra, storia aziendale, punti di forza individuali, davvero si ribalta il modello. Quali sono i segnali più forti che rendono davvero rilevanti i consigli dell’IA?

Justin Angsuwat: Due aspetti principali.

Primo, è basato sulla scienza delle persone e sul tuo contesto aziendale. Così, come manager, non devi spiegare ogni volta tutto il contesto.

Non so se capita anche a te, ma dopo un po’ pensi “quante volte devo dare il tono, spiegare tutto?”. Sarebbe fantastico se il coach IA sapesse che tu, come manager, hai già affrontato più volte questo tema con la stessa persona e ti dice “allora, cos’è che non funziona? Proviamo di nuovo da questa angolazione”.

Quindi uno dei punti forti è proprio avere già il contesto. L’altro riguarda la differenza tra società SaaS e aziende IA. Il coach continua ad imparare, correggendo i propri errori in base al feedback negativo e usando quell’informazione per migliorarsi continuamente. Non sempre è evidente questa sfumatura.

David Rice: Sentivo qualcuno dire che vorrebbe che la sua azienda funzionasse come una IA company e non solo come SaaS. Ma nel concreto, in ufficio, che significa?

Justin Angsuwat: Di sicuro, non vuol dire comprare licenze di co-pilot.

Non c’entra il software che acquisti ma “come” costruisci e lavori. Si traduce in tanti modi, ma ti parlo di una cosa che mi ha colpito di più: il passaggio dal feedback esplicito a quello implicito.

Nel SaaS, ci si affida al feedback esplicito: “valuta questa funzione da 1 a 5”, oppure “ti è stato utile?”, Sì/No. Il punto è che pochi lo cliccano, solo chi è molto felice o molto insoddisfatto. Tanta informazione preziosa va persa.

Nel mindset IA, si guarda invece ossessivamente ai segnali impliciti. Se modifichi una bozza dell’IA, ad esempio cancellando una frase, nel feedback esplicito sembra un errore o al massimo una modifica. Ma per una IA company, il segnale è: “il modello ha previsto male il contesto”. Il gap tra ciò che l’IA ha scritto e ciò che l’utente ha tenuto è oro per l’addestramento futuro. Capire dove sbagliamo è più utile che sapere dove facciamo tutto giusto.

Per semplificare, le aziende SaaS vogliono la tua attenzione, che tu stia ore sulla piattaforma, e si basano sul feedback esplicito per sapere se ti è piaciuta la funzione. Le aziende IA vogliono la tua delega: lavorano nell’ombra e migliorano grazie ai tuoi segnali impliciti, sanno che hai fiducia in loro quando non noti neppure ciò che fanno. Usare i segnali di errore permette di raffinarsi nel tempo, fino a conoscerti sempre meglio.

David Rice: Interessante, è anche il motivo per cui molti si bloccano sulla parte dove si trasforma questa ambizione in un cambiamento operativo concreto. Strumenti come Coach possono aiutare in quel passaggio.

Per me, la differenza tra aziende SaaS e IA è più sperimentazione, decisioni in tempo reale, meno rifiniture, più velocità. Forse sbaglio, ma quando si elimina l’hype, cosa cambia davvero nei team quando iniziano a vivere secondo questa idea?

Justin Angsuwat: Questo è solo un aspetto, ovvero come si interpreta il feedback. Cambia anche il modo di sviluppare le funzionalità: dal classico sviluppo a cascata a uno molto più veloce.

Per i nostri ingegneri e product manager, l’“aha moment” era vedere che in una settimana costruivano qualcosa che avrebbe richiesto mesi, oppure avere subito un prototipo funzionante e metterlo subito nelle mani dei tester, invece che fare roadmap lunghissime.

È stato un grande cambiamento nel modo di sviluppare software. Ma sono curioso: anche tu vedi questo quando lavori con aziende IA?

David Rice: Sì, spesso. Mi avevi già detto una cosa che mi ha colpito: illusione contro impatto, cioè solo perché il workflow è sofisticato non significa che fosse davvero necessario.

Anch’io, da consulente, mi son trovato a dire “ci mettiamo dentro più IA perché è di moda”, ma serve davvero? Anche alcune attività in azienda possono essere complesse “per natura”, e va bene così: è il lavoro! Non tutto deve essere semplificato a tutti i costi. Bisogna valutare dove l’IA porta vero valore e dove è solo impressione scenografica.

Justin Angsuwat: E ci ricolleghiamo a quanto dicevamo prima: dipende sempre dal contesto aziendale che cosa è teatro impressionante e cosa no.

Ma spesso usiamo l’IA solo per compiti deterministici, dove c’è una sola risposta, e ci limitiamo a renderli più veloci. Sì, tutto bene — ma non sfrutti l’IA al massimo: è solo una calcolatrice più rapida — e a volte neppure tanto brava sui fogli di calcolo! L’impatto vero arriva quando gestisce i compiti probabilistici, quelli che la tecnologia non aveva mai saputo affrontare.

Chi è nel campo delle comunicazioni interne può usare l’IA in modo probabilistico: analizza tutti i discorsi del CEO, dai feedback come un esperto di comunicazione interna, e magari trova pattern che nessuno stesso partner umano avrebbe rilevato (“quando dai buone notizie inizi subito, quando dai cattive notizie parti dai valori aziendali”). Questi sono insight inediti, impossibili prima di oggi.

Cercare solo di perfezionare la scrittura delle presentazioni può avere senso, ma è solo “un compito deterministico migliorato”. L’impatto vero si ha quando l’IA trova cose che non sapevamo di voler sapere.

David Rice: A volte si confonde la complessità con l’efficacia. Una delle grandi sfide di leadership sarà proprio mantenere il focus sul valore, non sulla voglia di mostrare quanto l’IA è sofisticata.

E non credo che questa sfida ci abbandonerà a breve, nemmeno nel 2026!

Justin Angsuwat: La regola numero uno è risolvere prima il problema aziendale. E il difficile con l’IA è che può risolvere problemi che non sapevi nemmeno esistessero.

Un CEO che conosco dice: “Se non hai fatto almeno cento prompt in IA, la tua opinione vale poco: non puoi capire le potenzialità”. Per questo abbiamo iniziato con la fiducia: non puoi sapere quali problemi puoi risolvere con l’IA fino a che non la provi. Molte delle soluzioni ti appariranno solo provando.

David Rice: State mappando la maturità IA sia per i clienti sia per l’interno. Cosa ti sorprende nella tua organizzazione? So che molte aziende stanno tentando di capire che aria tira…

Justin Angsuwat: Noi siamo ancora agli inizi ma tutto sembra muoversi a balzi giganti. Ogni volta che controllo, c’è un paper nuovo, qualcosa di nuovo, è in continua evoluzione.

Quello che non mi sorprende del tutto (ma un po’ sì) e vedo anche in molte aziende: spesso si dà per scontato che i senior, o chi performa meglio, saranno i primi a adottare e padroneggiare l’IA. Invece la realtà è che disimparare è più difficile che imparare.

Se sei al primo lavoro, non ti interessa come si fa: vuoi solo arrivare al risultato. Se lo fai da vent’anni, parte della tua identità sta proprio nel “come arrivi” al risultato, e l’IA rischia di rendere obsoleta quella parte del workflow su cui avevi investito tempo ed energie.

Così, può succedere che i junior siano più avanzati e nativi IA dei senior, che poi però portano altre competenze fondamentali (come la capacità di scalare e architettare, pensiamo all’ingegneria). Ma la rivoluzione culturale è ancora da fare, siamo in pieno “messy middle”.

La sfida è: come combinare collaboratori junior molto nativi IA e senior robusti nelle competenze tradizionali, ma che devono riconfigurarsi rispetto a ciò che l’IA può offrire.

David Rice: È una bella sfida.

E mi piace il fatto che siate in pieno cambiamento: è umile, capita anche a noi, siamo avanti sulla curva e all’improvviso quella curva non riusciamo neppure più a trovarla!

Justin Angsuwat: Sono sulla curva, ma da solo... dov’è il resto della curva?

David Rice: Mi fa piacere ascoltare anche le esperienze di altri che lo stanno vivendo davvero; ti ringrazio per aver condiviso tutto questo oggi: è stato prezioso.

Justin Angsuwat: Grazie a te David per l’invito.

Ho apprezzato molto anche la nostra chat precedente. Qui stiamo vivendo tutto in prima persona, giorno dopo giorno. Niente piano annuale: cerchiamo di capire, pronti a condividere tutto quello che impariamo. Nel bene e nel male…

David Rice: Esattamente. Solo cercando di restare adattabili ogni giorno. Grazie ancora per essere stato con noi.

Justin Angsuwat: Grazie ancora David. A presto!

David Rice: Cari ascoltatori, alla prossima. Se non l’avete già fatto, iscrivetevi alla newsletter su peoplemanagingpeople.com/subscribe. Date anche un’occhiata all’AI Transformation Explorer.

Alla prossima: continuiamo a viverlo. Prima o poi lo capiranno tutti.