Diventare Nativi dell’IA: La Visione di un Leader HR
Johannes Sundlo guida team HR da 15 anni. Ora, aiuta le organizzazioni a implementare con successo l’intelligenza artificiale. La parola chiave, qui, è "con successo". C’è una grande differenza tra un’implementazione di IA efficace e ciò che fa il 90% delle aziende.
Cambio di Leadership: La leadership si evolve dal semplice delegare compiti all’identificazione delle competenze in un ambiente di lavoro guidato dall’IA.
IA nella Pratica: L’IA trasforma attività come valutazioni delle prestazioni e reclutamento, migliorando la coerenza e riducendo efficacemente i pregiudizi.
Barriere all’Adozione: L’adozione dell’IA trova ostacoli nella fiducia e nella chiarezza, spesso ostacolata da flussi di lavoro obsoleti e politiche poco chiare.
Progettazione Nativa IA: Le aziende ricostruiscono i processi per un’operatività nativamente IA, integrando l’intelligenza artificiale nelle pratiche aziendali fondamentali.
Leadership del Futuro: Emergeranno manager dell’IA, automatizzando l’assegnazione dei compiti e il monitoraggio delle prestazioni, ridefinendo i ruoli manageriali.
Ecco cosa ha detto Johannes riguardo al fare l’IA nel modo giusto.
Dal servizio militare alla leadership nelle risorse umane
Mi piace pensare che la leadership sia l’aspetto più cruciale che forma un’organizzazione.
Ho iniziato il mio percorso di leadership nell’esercito svedese. In Svezia, tutti devono fare il servizio militare. Il mio è durato 15 mesi — è stata la mia prima esperienza di leadership e ha acceso la mia curiosità.
Keep Reading—and Keep Leading Smarter
Create a free account to finish this piece and join a community of forward-thinking leaders unlocking tools, playbooks, and insights for thriving in the age of AI.
Alla fine, quella curiosità mi ha portato nelle risorse umane, e questo è quello che faccio da ormai 15 anni, in un modo o nell’altro. In questo momento, sono un consulente che aiuta organizzazioni e leader a comprendere tutti gli aspetti dell’IA.
Come l’IA sta trasformando la leadership e la gestione dei team
La leadership sta cambiando in un mondo guidato dall’IA? Sia sì che no.
Da un lato, il lavoro riguarda ancora delegare compiti di problem solving a persone diverse.
Dall’altro lato, ora i dipendenti hanno nuove capacità che consentono loro di lavorare in modo più efficace. Possono risolvere più compiti, essere più creativi, più innovativi, liberare tempo e, in teoria, prendersi in carico più lavoro. Questo richiede una nuova mentalità in tema di leadership.
La leadership sta diventando meno una questione di, “A chi affido questo problema?” e più una di, “Di quale competenza ho bisogno per questo, e dove posso trovarla?”
Leadership is becoming less about, “Who do I give this problem to?” and more about, “What type of competence do I need for this, and where can I find it?
In passato, le organizzazioni si ingrandivano assumendo più persone per gestire più compiti.
Ma quell’equazione sta cambiando. L’IA permette a meno persone di fare di più, e in certi casi può occuparsi lei stessa di una parte del lavoro.
Questo cambiamento richiede una nuova prospettiva sulla leadership. Una prospettiva in cui i leader devono costantemente rivalutare come risolvere i problemi e chi — o cosa — debba farlo.
Il punto di svolta: quando l’IA ha trasformato il mio approccio alla leadership
All’inizio pensavo che l’IA sarebbe stata uno strumento secondario, da usare saltuariamente. Ma nel giro di poche settimane, mi sono ritrovato a utilizzarla come predefinita per cose che non avevo mai previsto — elaborare progetti, verificare ipotesi e persino controllare certe decisioni.
Ricordo la prima volta che ho chiesto a GPT-5 di digerire una pila di pesanti report sull’IA al posto mio.
Normalmente mi sarei ritagliato un weekend con evidenziatore e caffè, cercando di capire tendenze e insight. Invece, li ho inseriti, ho chiesto una visione consolidata, e mi è tornata un’analisi strutturata, temi chiari e persino confronti tra le fonti.
Questo ha cambiato qualcosa in me. Non solo perché mi ha fatto risparmiare tempo, ma perché ho iniziato a pensare diversamente al mio ruolo.
Il mio lavoro non è più leggere tutto; ora è porre domande più precise e poi interpretare ciò che arriva. Questo è un cambiamento di leadership: da chi processa tutto il materiale a chi inquadra i problemi in modo abbastanza chiaro perché l’IA li possa risolvere.
Il mio lavoro non è più leggere tutto; ora è porre domande più mirate e poi interpretare quello che ritorna. Ciò rappresenta un cambiamento nella leadership: dal ruolo di chi processa tutto il materiale a quello di chi inquadra i problemi in modo abbastanza chiaro così che l’IA possa contribuire a risolverli.
Questo cambiamento ha coinvolto anche il mio team. Le persone sono diventate più aperte a sperimentare e meno spaventate dal "non essere esperti". Una volta visto che l’IA poteva occuparsi dei lavori più faticosi, hanno iniziato a pensare in modo più creativo su ciò che fosse possibile realizzare.
Quindi, se dovessi indicare un momento che ha cambiato il mio modo di guidare, è stato quando ho capito che non devo dimostrare il mio valore assorbendo tutte le informazioni da solo. Devo guidare definendo ciò che conta e lasciare che l’IA si occupi del resto.
Competenze essenziali per una efficace integrazione dell’IA
Ho menzionato prima che i leader devono individuare le competenze necessarie per integrare l’IA. Farlo è allo stesso tempo semplice e difficile.
Semplice, perché di solito conosciamo le basi: servono competenze tecniche, alfabetizzazione dei dati e la capacità di lavorare con fornitori e strumenti.
Difficile, perché l’IA attraversa i ruoli, e ciò che è "necessario" non è solo programmare o progettare prompt.
Ecco il mio processo:
Parto dal lavoro stesso. Cosa stanno cercando davvero di ottenere le persone?
Poi guardo ai punti di attrito. Dove viene sprecato tempo? Dove le decisioni sono lente? E dove abbiamo qualità incostante? Lì potrebbe inserirsi l’IA, ed è lì che bisogna costruire competenze.
Quindi, a volte si tratta di insegnare ai manager a fare domande migliori. A volte si tratta di dare alle risorse umane la fiducia per sperimentare strumenti. E in altri casi, serve qualcuno nel team che sappia collegare i reparti IT, compliance e gli utenti finali.
In altre parole, non guardo una lista fissa di competenze. Guardo l’organizzazione e dico: "Di cosa abbiamo bisogno per andare avanti senza inciampare da soli?" Questo di solito mi dà un quadro molto più chiaro di qualsiasi schema su carta.
Come l’IA migliora le valutazioni delle prestazioni e la selezione del personale
Due ambiti che ho davvero trasformato con l’IA sono le valutazioni delle prestazioni e la selezione del personale.
Valutazioni delle prestazioni
Nelle valutazioni delle prestazioni, l’IA mi aiuta a individuare schemi nei feedback. Invece di far passare ai manager ore a raccogliere i commenti, l’IA individua temi, mette in risalto punti di forza e persino scopre aree cieche. Questo significa che le conversazioni possono concentrarsi meno su "cosa è successo" e più su "cosa facciamo adesso". Le valutazioni sono diventate più rapide e, onestamente, più utili.
Ecco come appare in pratica. Diciamo che hai un documento aperto con il tuo collaboratore — meglio ancora se contiene trascrizioni delle riunioni. Chiedi a uno strumento GenAI di riassumere gli ultimi sei mesi. Così puoi vedere, con l’aiuto dell’IA, cosa è successo negli ultimi sei mesi — di cosa avete parlato, cosa è andato bene, cosa meno, ecc. È anche un ottimo strumento per ricevere feedback su te stesso.
Selezione del personale
Nella selezione, ho usato l’IA per scrivere annunci di lavoro, selezionare le candidature più adatte e persino riformulare i feedback sui candidati per i responsabili delle assunzioni. Il vero vantaggio non è l’automazione di per sé, ma la coerenza. Tutti ricevono le stesse informazioni strutturate, il che riduce i bias e accelera il processo.
Ovviamente, è importante ricordare che l’IA non sostituisce il giudizio umano: elimina solo il rumore. I responsabili possono dedicare più tempo alle decisioni e meno a passare in rassegna i testi. Solo questo passaggio ha reso più strategici sia le selezioni che le valutazioni, non solo attività amministrative.
Perché l’adozione dell’IA si blocca e come superare gli ostacoli
C’è ancora un grande divario tra la promessa dell’IA e la sua realtà organizzativa spesso caotica.
Esiste quest’idea splendente dell’IA come motore miracoloso di produttività. Molti leader parlano di maggiori efficienze, ma nella pratica quotidiana rimangono processi obsoleti, dubbi sulla compliance e persone che non sanno quando possono davvero usare gli strumenti.
Quindi il vero problema non è la tecnologia, ma fiducia, chiarezza e progettazione. Le aziende acquistano licenze e pensano di “fare IA”, ma non la integrano realmente nei processi, nelle regole o nella cultura organizzativa. Ecco perché l’adozione si blocca.
Nella mia leadership cerco di renderla meno astratta.
Invece di dire al team: "L’IA ci farà risparmiare tempo", prova a dire: "Quali sono i tre compiti più noiosi che facciamo ogni settimana? Vediamo come l’IA può ridurli." Questo piccolo cambio riduce la paura e rende il valore concreto.
E nella progettazione organizzativa, spingo per una chiara assegnazione delle responsabilità. Qualcuno deve collegare HR, IT e legale, così che i lavoratori non rimangano bloccati nel dubbio su cosa sia permesso.
Quindi, per me, il vero divario è tra aspirazione e autorizzazione. L’IA promette il futuro del lavoro, ma serve qualcuno che ridisegni il presente affinché possa essere davvero usata.
Il consiglio di Johannes
L’IA promette il futuro del lavoro, ma serve qualcuno che ridisegni il presente affinché possa essere davvero usata.
Strategie comprovate per rendere duratura l’adozione dell’IA nelle organizzazioni
Approfondiamo la questione.
Per me, “pronti per l’IA” non è un’immagine su una slide. È quando i team cambiano davvero il loro modo di lavorare. Ed è proprio questo lo spazio in cui mi concentro: aiutare le organizzazioni a passare dalla strategia alla pratica. Non solo parlare di cosa potrebbe fare l’IA, ma stare insieme ai team, riprogettare i loro flussi di lavoro e mostrare loro come utilizzare l’IA subito, sul campo.
L’ho fatto con team manageriali, team HR, team finanziari — in tutti i settori — e il modello è sempre lo stesso: le persone non hanno bisogno di altra teoria, hanno bisogno di vedere come l’IA si collega alla loro realtà.
Una volta che fanno questa esperienza, l’adozione prende il volo.
Il problema è che la maggior parte delle organizzazioni tratta l’IA come un’altra implementazione IT: comprare le licenze, inviare una mail e aspettarsi che le persone si adattino. Non funziona mai.
Bisogna far crescere fiducia, competenza e cultura, affinché le persone si sentano realmente pronte a usare l’IA nel proprio lavoro. Questo è ciò che rende davvero un’organizzazione pronta per l’IA.
Concentratevi sul lato pratico. Stare con i team, riprogettare i processi, e mostrare subito cosa significa nel loro lavoro reale. Quando le persone provano tutto ciò, il cambiamento rimane — specialmente se si riesce a rendere il lavoro meno monotono. In pochi possono resistere dall’eliminare i compiti noiosi.
Concentratevi sul lato pratico. Stare con i team, riprogettare i processi, e mostrare subito cosa significa nel loro lavoro reale. Quando le persone provano tutto ciò, il cambiamento rimane. Senza questo, l’IA diventa soltanto un altro strumento inutilizzato nello stack.
Con questo, cambi la conversazione e il clima all’interno del tuo team verso l’IA. E, poco a poco, si trasforma anche la cultura aziendale.
Senza questo, l’IA diventa soltanto un altro strumento inutilizzato nello stack.
Perché la sperimentazione è la chiave per l’adozione dell’IA
Il tuo team non ha bisogno di una formazione perfetta per iniziare. Basta mostrare un caso d’uso reale che faccia risparmiare tempo, e partiranno subito. L’adozione si diffonde più tramite curiosità e piccoli successi che non tramite rollout calati dall’alto.
Questo vale anche per i leader. Se posso darti un consiglio, è questo: smetti di aspettare la chiarezza perfetta. La tecnologia si muove troppo velocemente per quello. Piuttosto, scegli alcune aree in cui puoi sperimentare in sicurezza e inizia a costruire competenze.
Smetti di aspettare la chiarezza perfetta. La tecnologia corre troppo veloce. Piuttosto, scegli alcune aree in cui puoi sperimentare in sicurezza e inizia a costruire competenze.
Smetti di aspettare la chiarezza perfetta. La tecnologia corre troppo veloce. Piuttosto, scegli alcune aree in cui puoi sperimentare in sicurezza e inizia a costruire competenze.
Spesso i leader pensano di dover avere una strategia compiuta prima di agire, ma in quest’ambito si impara facendo. Il tuo compito è creare le condizioni per provare, sbagliare e apprendere senza paura. È così che crescono le competenze e l’adozione.
E ricorda: non confondere l’acquisto di strumenti con la vera trasformazione. Il lavoro vero è culturale — dare il permesso di provare, impostare paletti chiari e dimostrare con l’esempio che l’IA entra davvero nel modo di operare quotidiano.
Se lo fai, sarai avanti al 90% delle organizzazioni che sono ancora ferme alla presentazione PowerPoint.
Cosa significa diventare una vera organizzazione AI-native
Al momento, la maggior parte delle organizzazioni non gestisce sistemi agentici in senso stretto. Vedo soprattutto automazione, collegamento di strumenti, ottimizzazione dei processi e riduzione dei passaggi manuali. Questo è il punto di partenza.
Il vero salto avviene con quelle aziende che riprogettano da zero come "AI-native". È un approccio completamente diverso. È esattamente lo spazio in cui opero oggi: aiutare le aziende a ripensare processi, strutture e perfino modelli di business, così che l’IA non sia un’aggiunta, ma parte integrante del progetto.
Ecco un esempio. Uno dei miei clienti ha ricostruito da zero l’intero processo di assunzione. Invece di far passare ore ai recruiter a fare screening, abbiamo inserito l’IA che crea short list e predispone i messaggi di contatto. I recruiter possono così dedicarsi alle relazioni con i candidati e alle strategie.
L’obiettivo è sempre lo stesso, ma il processo e i ruoli cambiano quando l’IA fa parte integrante del disegno operativo.
Dentro il mio stack di strumenti IA: uso quotidiano ed esperimenti
Attualmente, il mio stack è un po’ un mix: strumenti di base su cui faccio affidamento ogni giorno, più qualcuno che sto ancora sperimentando.
Quelli che uso di più sono ChatGPT Pro, Claude e Gemini. Passo dall’uno all’altro a seconda del tipo di compito.
ChatGPT per il mio lavoro quotidiano, così come per ricerche approfondite.
Claude per tutto ciò che riguarda la programmazione e le visualizzazioni, ad esempio per la creazione di dashboard di KPI.
E ho Gemini integrato nei miei prodotti Google. Inoltre, adoro il nuovo generatore di immagini, Nano Banana!
Per costruire ed esplorare, ultimamente sto usando Lovable e Replit. Ho realizzato il mio ATS personale, il mio sondaggio di coinvolgimento dipendenti, e ora sto sperimentando con un portale per manager.
E per i contenuti, lavoro molto con ElevenLabs per la voce e Gamma per le presentazioni.
La grande svolta: Collegare strumenti IA per flussi di lavoro end-to-end
La grande svolta qui è che sto passando a concatenare gli strumenti tra loro. Invece di chiedermi: “Qual è lo strumento migliore?” ora mi chiedo: “Come posso collegare questi strumenti in modo che il flusso di lavoro proceda dall’inizio alla fine senza che io debba intervenire?”
Questa è stata la vera svolta recentemente.
Per esempio, per le email, ho collegato la mia Gmail a un agente ChatGPT che determina se si tratta di una mail di marketing o di una comunicazione a cui devo rispondere. Se è il secondo caso, prepara anche una bozza di risposta. Addestrato sui miei dati, conosce il mio tono, ecc. Questo, da solo, mi ha rivoluzionato il modo di lavorare.
Lo strumento IA più impattante nel mio flusso di lavoro
Se dovessi sceglierne uno, sarebbe GPT-5 Pro e le sue capacità sui dati. Come dicevo, gli ho fornito insiemi di dati enormi, rapporti corposi, documenti lunghissimi, e li gestisce senza problemi.
L’impatto è duplice. Primo: la velocità. Posso passare da materiale grezzo ad un’analisi strutturata in poche ore invece che in giorni. Secondo: la prospettiva. Non si limita a sintetizzare, ma individua schemi che potrei lasciarmi sfuggire se fossi immerso nei dettagli. Cambia completamente il modo in cui mi preparo per i clienti e prendo decisioni.
Dunque sì, sono un po’ ossessionato. È la prima volta che sento che il collo di bottiglia non sono i dati o il tempo di lettura, ma solo quanto sono bravo a porre le domande giuste.
L’ascesa dei manager IA e il futuro della leadership
Tutto questo è solo l’inizio. Nei prossimi cinque anni inizieremo a vedere manager virtuali gestiti da IA.
In certi sensi, già esistono. Pensiamo a Uber — nessuno ti assegna manualmente all’autista; è il sistema a decidere. Quella è gestione. I compiti vengono assegnati, la performance viene monitorata e le risorse ottimizzate, tutto senza intervento umano diretto.
Penso che vedremo questa logica applicarsi anche in altri ambiti del lavoro conoscitivo. Non solo programmare corse, ma assegnare progetti, bilanciare i carichi di lavoro, gestire anche parti della valutazione della performance. Gli umani guideranno ancora, ma l’IA si occuperà di gran parte delle attività di coordinamento e presa di decisioni.
Questo cambiamento costringerà i leader a ridefinire ancora una volta il proprio ruolo. E si tratterà meno di “chi fa cosa” e più di “perché lo facciamo e come renderlo significativo”. In altre parole, la leadership sarà meno operativa e più centrata su scopo, fiducia e contesto - passando da revisioni annuali a coaching continuo.
Scopri di più
Puoi approfondire seguendo Johannes sulla sua newsletter, FullStack HR, dove tratta il futuro del lavoro e della leadership.
