Dalla curiosità alla sicurezza: Un quadro pratico per l’adozione dell’IA

David Rice: Quindi la tua squadra è curiosa riguardo all'IA. Hanno visto le demo. Hanno letto gli articoli. Pensano che sia interessante. E non stanno facendo assolutamente nulla a riguardo, perché la curiosità senza sicurezza è solo procrastinazione con una facciata migliore.

Il mio ospite di oggi è Justin Angsuwat. È Chief People Officer presso Culture Amp e ci spiegherà come la sua organizzazione sia riuscita a far sì che quasi l'80% dei loro dipendenti diventasse sicuro nell'utilizzo dell'IA in sole sei settimane.

Non curiosi, sicuri. Ecco cosa hanno fatto di diverso. Hanno separato l'esplorazione dall'aspettativa. Nessuna pressione nel dover consegnare risultati finiti, nessuna attesa di permessi, solo un percorso strutturato dalla comprensione alla sperimentazione, fino all'integrazione. Ma ci sono alcune parti scomode che Justin sta affrontando ora.

La sicurezza non si traduce automaticamente in integrazione. Le persone sono ancora ferme a quel punto, analizzando i loro flussi di lavoro quotidiani e restando bloccate. E a volte sono proprio i dipendenti più anziani, che dovrebbero portare l'IA nell'organizzazione, a essere quelli che fanno più fatica, perché la loro identità è legata al flusso di lavoro che proprio l'IA ha appena reso obsoleto.

Oggi quindi parleremo di perché si sono concentrati sulla sicurezza dei dipendenti, non su metriche di utilizzo o obiettivi di automazione. Gli esercizi settimanali che hanno creato slancio, come spostare le persone da compiti deterministici a quelli probabilistici, dove sta il vero impatto. Perché i dipendenti junior possono essere più nativi degli executive che guidano la trasformazione, e che cosa significa in pratica avere quasi l'80% di persone sicure.

Io sono David Rice. Questo è "Gestire Persone che Gestiscono Persone". E se anche tu sei bloccato tra curiosità e implementazione effettiva, questa conversazione ti mostrerà esattamente come un'azienda abbia colmato quel divario. Iniziamo.

Justin, benvenuto.

Justin Angsuwat: Grazie, David. Felice di essere qui. Non vedo l'ora di chiacchierare.

David Rice: È un piacere averti.

Sono contento che riusciamo a continuare la nostra conversazione iniziata a Orlando. Lo aspettavo con ansia da allora. Prima di entrare nel dettaglio del coaching e di tutto ciò che hai costruito, raccontami come le tue squadre hanno effettivamente iniziato a costruire qualcosa con l'IA. Cosa le ha fatte passare dalla fase di curiosità?

Justin Angsuwat: Beh, se partiamo dall'IA in generale nell'organizzazione, abbiamo iniziato prima di tutto creando quel momento "aha".

E già questo è stato per noi un apprendimento. Quando abbiamo iniziato con i nostri team di prodotto, ci siamo poi mossi verso altri team, il che significava partire da un obiettivo, che per noi era la sicurezza dei dipendenti nell'utilizzo dell'IA. So che ci sono molti altri obiettivi come l'utilizzo o l'automazione, ma per noi era chiaro che si trattava delle persone dietro la tecnologia.

E quindi il nostro obiettivo era aumentare la sicurezza dei dipendenti nell'usare l'IA, perché è difficile misurare un momento "aha". Abbiamo così avviato questo programma di sei settimane, pensato per separare esplorazione da aspettativa, ed era intenzionalmente incentrato sull'apprendimento, provare cose, semplicemente sperimentare. Non dovevamo per forza produrre un risultato finito, cosa che ha tolto molta pressione e reso le persone più coinvolte nell'approccio a una tecnologia che per molti era nuova.

David Rice: Quello che ho visto finora è che nelle aziende che abbiamo osservato o con cui abbiamo parlato, la curiosità è piuttosto facile, no? La gente vuole esplorare. Ma per muovere davvero le cose serve una certa struttura o chiarezza, o idealmente una vittoria condivisa all'inizio. Sono curioso di sapere che transizione ci sia stata per voi, quello che citavi come momento "aha".

C'è stato tipo un piccolo incoraggiamento o una vittoria iniziale che ha aiutato le persone, sai, a dire: ok impariamo su questo, ci interessa, ma ora ecco cosa ci faremo davvero?

Justin Angsuwat: Sì. È stato fondamentale. Come dicevi, non era chiaro da subito cosa ci sarebbe riuscito a fare.

E non è stato quello il momento "aha". Interessante è che quei momenti sono stati diversi per ognuno. Era difficile standardizzarli. Così abbiamo dato forma a questo programma di sei settimane chiamato Accelerate (con "AI" al centro della parola Accelerate per richiamare l'intelligenza artificiale).

Perché, sai, non può mancare l'IA nel nome di un programma. Abbiamo definito delle fasi, che aiutavano le persone a muoversi lungo un percorso passando dalla comprensione alla sperimentazione fino all'integrazione, cioè all'uso quotidiano. Anche se proprio quest'ultimo passaggio è il più difficile e ci stiamo ancora lavorando.

Non è stato perfetto, ma ha davvero aiutato i dipendenti a sentirsi sostenuti invece che messi sotto pressione o scoperti. Cioè: se tutti gli altri stanno creando qualcosa e io non so creare nulla... Ma era anche un equilibrio: non lasciarli troppo nella loro comfort zone.

Abbiamo continuato a muoverci: comprensione, sperimentazione, integrazione. L'abbiamo fatto con tanti contenuti, molte sessioni di apprendimento dove i colleghi potevano toccare con mano gli strumenti e creare davvero qualcosa. Dal videogioco a un semplice video. E abbiamo condiviso piccole vittorie per creare ulteriori slancio.

Così ho lanciato esercizi settimanali o piccole competizioni in tutta l'azienda, tipo: crea un video AI per il nostro employer brand, oppure il gioco Gandalf, dove si doveva cercare di indovinare la password e convincere Gandalf a consegnarla. Vedere chi arrivava all'ultimo livello e cosa aveva imparato.

È stato divertente. Ricordo un collega molto entusiasta di aver creato un agent AI in pochi minuti. Tornato a casa ha raccontato tutto al proprio partner, che gli ha detto: "Hai fatto tu quel lavoro?". E lui: "Sì, l'ho fatto io!". La sua sicurezza è salita e quella del team con lui.

Era proprio quello il punto, ripetere questo processo: aiutare le persone a passare da comprensione, sperimentazione, integrazione e, nell'ultimo step, renderlo rilevante per il lavoro di tutti i giorni.

Abbiamo ancora molto da fare in questo senso, ma siamo partiti usando strumenti che tutti già utilizzavano nel lavoro quotidiano, che fosse Miro, Glean, Gemini, Copilot o altro. Abbiamo collaborato con i fornitori, li abbiamo invitati, e quando abbiamo lanciato il programma, non abbiamo aspettato permessi.

Abbiamo semplicemente lanciato il progetto e ci siamo mossi avanti. Recentemente ho condiviso questa esperienza su LinkedIn e, interessante, qualcuno ha riassunto il tema con un gran commento: molte aziende partono dalla fine, chiedendo subito le grandi idee su come migliorare il lavoro con l'IA, senza prima fornire alle persone la sicurezza di base necessaria. Ecco, per noi il focus all’inizio era lì.

David Rice: L'altra cosa è aiutare le persone a capire cosa sia davvero utile. Mi chiedo: perché secondo te ha funzionato così bene? Perché tanti altri approcci si arenano, no? Spesso la gente inciampa davanti al "posso fare tutto" e scatta il blocco della pagina bianca: da dove parto? Perché dovrei farlo?

Raccontami come avete aiutato le persone a fare le domande giuste, perché serve sfumatura e contesto, no? Far capire bene cosa dare in pasto all'IA per trarne il meglio.

Justin Angsuwat: È dura, siamo ancora all'ultimo step, come integrare l'IA davvero nel lavoro quotidiano.

Penso che ciò che ha funzionato sia stato concentrarsi molto sul primo passo: come rendere le persone sicure nell'uso dell'IA anche senza ancora scovare tutti i casi d’uso. Molti avevano una barriera mentale: è troppo difficile.

Durante il programma, alcuni seguivano, lanciavano i piccoli prompt per creare un videogioco, poi tornavano ai compiti giornalieri... e si bloccavano di nuovo davanti alla pagina bianca.

Per alcuni team abbiamo organizzato piccoli hackathon: squadre di tre persone, anche lì emergeva la domanda: "Chi fa il prompt? Da dove si parte?". Ma quell'ambiente più protetto era un incoraggiamento: "Ok, sono qui davanti allo schermo, provo". Il loro momento "aha" era: "Non era poi così difficile". Quindi non abbiamo la formula perfetta, ma il primo passo sulla sicurezza lo abbiamo raggiunto.

Abbiamo fatto una misurazione dopo il programma: la sicurezza nell'usare l'IA ogni giorno era poco sotto l'80% (organico intero). Con un 4% negativo. Abbiamo anche misurato su un’altra domanda nel tempo: "Sperimentiamo e adottiamo nuove tecnologie come l’IA". E abbiamo visto un salto di 24 punti percentuali fino all’84%. C'è quindi una forte spinta e convinzione nell’utilizzo dell’IA. Il prossimo passaggio, come dicevi, è sbloccare "come la integro nell'uso quotidiano".

È lì che tu ed io abbiamo parlato a Orlando del cambiare uso: non solo usarla come calcolatrice più potente, ma come qualcosa di molto diverso.

David Rice: C'è molta confusione, tutti sono sopraffatti dalla scelta: "Come la userò?". Poi spesso restano delusi dai risultati perché non sanno quali info dare.

Credo che la maggior parte delle persone abbia bisogno di una cosa da cui partire che abbia senso, poi proseguire da lì. Mi pare che il tuo framework permettesse almeno di smettere di aspettare il caso d’uso perfetto. È interessante che abbiate sbloccato lo slancio in questo modo.

Justin Angsuwat: Esatto, hai pienamente ragione. Online si vedono tante cose molto avanzate con l’IA, e può essere intimidatorio. Tipo: "Io non sono ancora lì, sto solo imparando i prompt...". Vero, c’è tanta confusione, ma anche tanto di buono.

Ma può spaventare chi vuole iniziare. Noi abbiamo fatto un po’ di pulizia dicendo: segui solo questo programma di sei settimane e ti porteremo ad avere sicurezza, anche senza dirti ora quali cose dovresti usare con l’IA.

David Rice: Hai citato la "calcolatrice": smettere di usarla solo come calcolatrice migliorata, bellissima analogia. Sono curioso: cosa succede davvero quando le persone fanno quello scatto mentale? Qual è stata la tua esperienza?

Justin Angsuwat: Ci sono tanti framework e curve di maturità per spiegare questo. La mia versione, molto semplice? Nelle organizzazioni dove vedo l’IA trasformare le persone e il lavoro, osservo due livelli di cambiamento:

Primo livello: fai qualcosa più veloce o meglio. Secondo livello: sblocchi qualcosa di nuovo.

Prendo l’esempio del foglio di calcolo. All’inizio era una calcolatrice migliore. Aiutava a essere più efficienti, tutto qui. Gli addetti ai conti usavano i libri: per cambiare un valore, bisognava rifare tutto a mano, e ci volevano ore.

Con il foglio elettronico, 10 minuti invece di 5 ore. I processi si snelliscono. Oggi molti cercano lo stesso con l’IA: automatizzare processi ripetitivi.

Ma la vera svolta arriva dopo. Quando i conti sono istantanei, gli addetti non sono più solo calcolatori, diventano pianificatori di scenari, persone strategiche. Possono chiedersi: se abbassiamo i prezzi del 10% e aumentiamo i volumi del 20%, cosa succede ai margini?

Non sono più solo registratori, ma analisti strategici, problem solver su problemi nuovi. È il passaggio chiave: all’inizio velocizzi, poi cambi completamente la natura di ciò che puoi fare. Ed è difficile da capire finché non lo vivi in prima persona.

David Rice: È interessante, perché questo spiega anche l'esitazione nelle funzioni HR. Appena hai il momento "aha" pensi: "Potrei fare tutto, però...", e arriva subito il timore che il team legale ti blocchi.

Cosa è cambiato per te quando hai cominciato a sperimentare?

Justin Angsuwat: Sollevi un punto giusto sul legale e serve prudenza con l’IA.

È più facile verificare un foglio elettronico che fidarsi di una risposta di IA. Durante la nostra conversazione abbiamo chiamato questa questione "teatro impressionante": illusione vs impatto. Usare l’IA per risposte deterministiche è rischioso.

Di solito i compiti deterministici hanno una risposta giusta (come i calcoli), mentre quelli probabilistici hanno molte risposte possibili (scrivere una email, sintetizzare una riunione). L’IA è più utile su compiti probabilistici: per esempio, leggi 500 feedback e riassumi le frustrazioni emotive.

Con compiti deterministici invece può essere lenta, imprecisa, o addirittura sbagliata. Quindi va bene usarla per questi task, ma bisogna stare attenti e verificare sempre prima di fidarsi ciecamente.

David Rice: Ottimo consiglio. Non posso sottolinearlo abbastanza.

Far crescere un team globale non dovrebbe voler dire gestire mille sistemi per HR, paghe e IT. Deel ti permette di assumere, integrare, pagare e dare strumenti a chiunque, ovunque, senza il solito caos.

Che tu debba portare dipendenti in 10 paesi, o gestire collaboratori in diversi fusi orari, Deel si occupa di compliance, benefit e buste paga tutto in uno, riducendo la proliferazione di strumenti e stress per te, così ti concentri sulle persone. Vuoi vedere com’è davvero una gestione senza confini?

Visita deel.com/pmp. Vai su deel.com/pmp per prenotare una demo. Deel, assumi, gestisci e paga chiunque, ovunque.

Avete inoltre sviluppato un coach IA. Raccontaci quali erano i vostri obiettivi.

Justin Angsuwat: L’obiettivo era avere un coach IA sempre disponibile, come uno scienziato delle persone sempre a portata di mano.

Ad Orlando, alcuni ci dicevano: non mi serve un coach, i coach costano tanto. Io dico che è più come avere uno "scienziato delle persone" in tasca, che ti aiuta a risolvere situazioni come dare un feedback difficile a un collega.

Così aiuta HR business partner, team HR o delle persone a dare consigli ai manager in tutta l’azienda, su richiesta.

Ma è contestualizzato, e questo fa la differenza. Il contesto è tutto. Un modello generico risponde con quello che trova in rete, quindi qualcosa di tecnicamente giusto, ma troppo generico come un oroscopo.

Il nostro coach invece ha tre livelli di contesto:

Il primo: come viene allenato il coach? Prendiamo la tua domanda David, senza specificare alcun contesto extra. Non abbiamo allenato il coach sulla media di internet, ma su dati scientifici sul mondo delle persone (people science): oltre un miliardo e mezzo di datapoint da decine d’anni, migliaia di organizzazioni, e squadre di scienziati che “promptano” e progettano il coach.

Poi arcuamo sopra il contesto organizzativo: strategia, vision, valori, comportamenti, framework di feedback specifici usati dall’azienda.

Terzo livello: la performance, quindi dati di engagement, performance, relazioni, feedback… Col tempo il coach conosce te, il team, il contesto.

Ne esce un consiglio molto specifico: per esempio, visto il basso livello di engagement del tuo team (performance layer), i nuovi valori aziendali, la strategia di espansione in un nuovo paese (layer organizzativo) e usando lo script definito dai people scientist (layer fondante), provalo simulandolo insieme al coach.

Solo allora il consiglio è davvero rilevante. È la differenza con un LLM generico.

David Rice: A tutti è capitato almeno una volta di usare uno strumento che funziona tecnicamente, ma non sa niente di te, e quindi ti ritrovi a chiederti: perché sto parlando con questa cosa?

Justin Angsuwat: Vedrai spesso anche tu lavorando con HR leader, è così?

David Rice: Sì, e ne ho costruiti alcuni in cui poi mi sono chiesto: "Cosa sta dicendo questo strumento? Lasciamo perdere...".

Quando aggiungi il contesto su dinamiche di team, storia aziendale, punti di forza individuali, la struttura si capovolge. Quali segnali rendono veramente rilevante il consiglio IA secondo te?

Justin Angsuwat: Due cose: 1) Il coach parte dalla people science e dal contesto organizzativo, così il manager non deve rispiegare tutto ogni volta. Dopo un po’, spiegare di continuo il tono, il ruolo, il contesto è frustrante, vero? Sarebbe bello se il coach riconoscesse che hai già avuto varie conversazioni con una persona e potesse aiutarti a capire perché certe cose non funzionano.

2) Il coach continua ad imparare grazie ai feedback negativi, migliorandosi nel tempo. È una sfumatura importante che lo rende sempre più potente.

David Rice: Ho sentito qualcuno dire che vuole che la propria azienda funzioni come un’azienda IA, non solo SaaS. Cosa significa secondo te nella pratica, ad esempio il martedì in ufficio?

Justin Angsuwat: "Operare come un’azienda di IA" non vuol dire comprare tante licenze di co-pilot.

Non è tanto il software che compri, quanto il modo in cui costruisci e lavori. Una differenza grande, emersa proprio mentre sviluppavamo Coach, è il passaggio da feedback esplicito a implicito.

Nel SaaS si cerca il feedback esplicito: dalle 1 alle 5 stelle, "questo articolo ti è stato utile?". Ma quasi nessuno risponde davvero, allora perdi tanti dati.

Un’azienda IA invece si concentra sui segnali nascosti: ad esempio, se un utente elimina una frase generata dall’IA, non è solo una modifica, ma un segnale preciso: "Qui hai sbagliato la previsione". Capire il gap tra predizione dell’IA e correzione umana è un’informazione preziosa. Le aziende IA vogliono la tua delega, non il tuo tempo. E imparano proprio dagli errori e dalle correzioni.

David Rice: Trovo affascinante la cosa. La differenza tra le due, secondo me, è che nel modello IA c’è più sperimentazione, iterazione rapida, meno perfezione, più velocità. Quando togli la patina del marketing, cosa cambia davvero nelle squadre quando iniziano a vivere questa mentalità?

Justin Angsuwat: Oltre al passaggio feedback esplicito/implicito, cambiano anche i processi di sviluppo: dall’acqua-cascata al prototipo velocissimo. Per i nostri sviluppatori sia software sia prodotto, la svolta è: "Ho costruito in una settimana ciò che prima richiedeva mesi".

Vai, prototipa e testa subito con gli utenti, invece di progetti lunghissimi. È una trasformazione del modo di lavorare, è quello che vedi anche tu?

David Rice: Sì, mi ricordo una cosa che mi avevi detto: "Illusione vs impatto". Si vede tanto workflow IA super sofisticato, ma serve davvero?

Mi sono trovato bloccato in questa situazione anch’io: tanto IA che sembra cool, ma poi risolve davvero un bisogno? In azienda a volte le cose devono restare un po’ complicate: fa parte del lavoro. Serve distinguere il vero valore dal "teatro impressionante".

Justin Angsuwat: Esatto, dipende molto dall’azienda quale sia il confine. Ma è facile lasciarsi prendere dalla rincorsa ai task deterministici, cioè farli più veloci o renderli più belli con IA senza però cambiare il valore vero. C’è un limite fisico al "più veloce", poi c’è solo la corsa ad aggiungere front-end di IA su altri front-end IA, invece di lavorare dove serve davvero: sui compiti probabilistici.

Ad esempio nel comunicato interno: far scrivere il discorso all’IA è utile, ma farle analizzare tutti gli speech di un CEO e restituire feedback comportamentale, è un salto enorme. Un CEO non si accorge, ma chi ascolta sì: "Quando annunci una bella notizia, la dici subito; quando è una brutta notizia, prima parli dei valori". Un umano non noterebbe il pattern. Quello è valore reale: nuovo e non replicabile.

Impressionante invece è migliorare la scrittura automatica dei discorsi o fare ricerca testuale, utile sì, ma meno trasformativo. La forza dell’IA è nell’illuminare significati nascosti in una mole enorme di dati che nessun umano leggerebbe mai tutta.

David Rice: È facile confondere complessità con efficacia. Sarà la grande sfida per i leader: mantenere le persone concentrate sul valore quando la tentazione di mostrare "quanto è forte l'IA" sarà sempre fortissima. Non penso che questa sfida andrà via presto...

Justin Angsuwat: Il punto è: parti sempre dal problema aziendale, poi costruisci lo strumento. Con l’IA il difficile è che può risolvere problemi che non sapevi nemmeno di avere!

Se non provi in prima persona ("se non hai lanciato almeno 100 prompt nell’IA, la tua opinione vale poco" disse un CEO) non puoi saperlo. Ecco perché per noi il punto di partenza è la sicurezza: non sai nemmeno quali problemi l’IA può risolvere finché non provi davvero. Solo allora scatta la vera consapevolezza e innovazione.

David Rice: State mappando la maturità IA non solo per i clienti, ma per la vostra stessa organizzazione. Che cosa vi sorprende in questo percorso? Penso che molte aziende si stiano auto-valutando. Non so come sta andando altrove.

Justin Angsuwat: Siamo ancora agli inizi, ma si progredisce a passi da gigante. Ogni giorno c’è qualcosa di nuovo, studi inediti, strumenti nuovi.

Una cosa, non sorprendente ma interessante, è che spesso si pensa che i più anziani, più competenti, saranno i primi a padroneggiare l’IA. Non sempre è vero. Disimparare è spesso più difficile che imparare.

Chi fa il primo lavoro, non ha preconcetti: cerca la via più corta dalla domanda alla soluzione. Chi invece fa lo stesso lavoro da vent'anni ha consolidato l'identità sul proprio modo di lavorare, che l'IA può rendere improvvisamente superato.

Si vedono dipendenti junior molto più "IA native" degli anziani, che invece avrebbero il ruolo di portarla dentro l’azienda. Ma questi ultimi, specie gli ingegneri, portano un altro skillset: architettura, scalabilità, non solo scrittura codice. Non abbiamo ancora la formula magica per cambiare la cultura, siamo nel pieno della transizione. Ma questa commistione tra i nuovi nativi IA e i più senior è la sfida che varie aziende stanno vivendo.

David Rice: Sì, è una bella sfida.

Mi piace però vedere che la vivi ogni giorno. È umile ammettere che anche noi, a volte, pensiamo di essere avanti, poi ci domandiamo: "Ma davvero? Dove sta la curva adesso?"

Justin Angsuwat: Sono avanti, ma mi ritrovo da solo sulla curva! Dov’è finito il resto del gruppo?

David Rice: Ecco perché amo sentire storie di chi ci sta passando davvero. Ti ringrazio per aver condiviso la tua esperienza oggi, è stato molto utile.

Justin Angsuwat: Grazie David, grazie dell’invito.

Ho adorato la nostra ultima conversazione, anche questa, e sì, stiamo vivendo tutto questo in prima persona e cerchiamo di capire strada facendo, giorno per giorno. Non abbiamo un piano annuale su come risolvere tutto, lavoriamo nel presente e condividiamo sempre ciò che impariamo.

Nel bene e nel male.

David Rice: Assolutamente. Essere adattivi ogni giorno. Grazie ancora di essere stato con noi.

Justin Angsuwat: Grazie ancora, David. Ciao.

David Rice: Bene ascoltatori, alla prossima. Se non l’avete ancora fatto, iscrivetevi alla newsletter su peoplemanagingpeople.com/subscribe. E date un’occhiata all’AI Transformation Explorer.

Alla prossima, continuiamo a viverla. Prima o poi ce la faremo tutti.