La tua strategia di IA è già obsoleta?
IA Invisibile: I lavoratori utilizzano chatbot personali senza approvazione, creando uno stack di IA non riconosciuto nelle organizzazioni.
Limitazione nella progettazione: L’IA dovrebbe trasformare le strutture lavorative, non solo sovrapporsi a quelle esistenti, per un’adozione efficace.
Sfide di adozione: Il controllo dell’IT del passato non si applica, poiché gli strumenti di IA richiedono una formazione minima grazie alla familiarità esistente.
Resistenza alla tecnologia: Le organizzazioni faticano nell’implementazione dell’IA, concentrandosi sulla tecnologia più che sulla trasformazione dei flussi di lavoro.
Urgenza nell’IA: Coinvolgiti su come i team utilizzano ora l’IA per affrontare i vincoli, evitare interruzioni di business e favorire l’innovazione.
I dirigenti di diversi settori commettono lo stesso errore con l'adozione dell'IA.
La trattano come una decisione di approvvigionamento. Acquista questa piattaforma. Prova quell'agente. Aggiungi questa funzionalità allo stack.
Il problema è più profondo della semplice scelta degli strumenti. Secondo il rapporto MIT Stato dell’IA nelle aziende 2025, i dipendenti di oltre il 90% delle aziende utilizzano account chatbot personali per compiti quotidiani, spesso senza approvazione IT, mentre solo il 40% delle aziende possiede abbonamenti ufficiali a LLM. I tuoi dipendenti hanno già costruito le fondamenta del tuo stack IA. L'hanno fatto semplicemente senza chiedere il permesso.
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.
Have an account? Log In
Questo crea una realtà singolare: la tecnologia che la maggior parte dei leader sta ancora pianificando di implementare, è già attiva nelle loro organizzazioni. Quando è stato formato il comitato per valutare gli strumenti di IA, il tuo team aveva già scelto i propri preferiti e li aveva integrati nei flussi di lavoro quotidiani.
Il problema dell’architettura
Quando si affronta l’IA come una decisione di approvvigionamento, si perde l’opportunità di ridisegnare.
Gabriela Mauch, Chief Customer Officer e Head of Productivity di ActivTrak, vede questo schema ripetersi più volte.
I team possono immaginare casi d’uso trasformativi dell’IA, ma vengono bloccati da un’infrastruttura organizzativa che non è stata progettata per un lavoro abilitato dall'IA. Se la leadership si limita a misurare l’uso degli strumenti, non riesce a vedere questi soffitti invisibili.
Il risultato è che l’IA viene semplicemente stratificata sulle strutture organizzative esistenti invece di trasformare il modo in cui si lavora. Le competenze si atrofizzano invece di evolvere.
L’alternativa richiede di trovare corsie per l’IA e corsie per gli esseri umani. L’IA dovrebbe occuparsi dell’analisi, redigere report, gestire compiti ordinari. Deve informare gli umani e porre domande che non riesce a contestualizzare. La decisione finale spetta a chi può esserne ritenuto responsabile.
La responsabilità conta, perché l’IA non perderà il lavoro. Nel marzo 2024, Air Canada l’ha imparato quando un cliente ha fatto causa dopo che il chatbot della compagnia aerea aveva fornito informazioni errate sulle tariffe di lutto. Il tribunale ha stabilito che Air Canada era responsabile degli errori del suo chatbot. Qualsiasi danno reputazionale all’IA è stato temporaneo. Il team legale dell’azienda ha sopportato le conseguenze reali.
Questa è la restrizione di progettazione che la maggior parte delle conversazioni sull’IA evita.
Perché i dirigenti esperti inciampano
I leader che hanno gestito con successo la migrazione al cloud e le implementazioni di ERP stanno commettendo errori da principianti con l’IA. Tre fattori rendono questa ondata diversa.
- Il ritmo è senza precedenti. Gartner prevede che il 40% delle applicazioni aziendali integrerà agenti IA entro la fine del 2026, rispetto a meno del 5% nel 2025. Si tratta di un aumento di 8 volte in un anno. Quando hai appena compreso uno sviluppo, la prossima ondata propone qualcosa di radicalmente diverso.
- La questione etica è complessa. Ogni implementazione richiede di chiedersi: l’IA può fare questo compito bene quanto un essere umano? Cosa servirebbe per arrivarci? Gli umani dovrebbero rimanere al comando?
- Il modello di adozione è invertito. La tecnologia precedente in azienda richiedeva formazione, certificazione, rollout controllati. Gli strumenti IA richiedono una specializzazione minima perché le persone li usano già.
Questa è la sfida fondamentale. Nelle precedenti ondate tecnologiche, l’IT controllava il rollout. Ora il livello base del tuo stack è già attivo e in larga misura invisibile.
Il divario tra annuncio e adozione
Un problema comune è l'idea che dopo l’annuncio di una nuova strategia, le persone sapranno subito come lavorare in modo diverso.
"Vediamo spesso questo con l’IA," afferma Iris Cremers, CHRO di GoodHabitz. "Quando la leadership afferma ‘adotteremo l’IA’, si presume che tutti improvvisamente lavoreranno in modo più intelligente ed efficiente. In realtà, persone e team hanno bisogno di tempo, indicazioni chiare e un apprendimento pratico."
La nuova tecnologia può sembrare complessa o minacciosa senza il giusto supporto. GoodHabitz ha progettato un programma di formazione aziendale con la loro piattaforma Goodlearn AI per offrire a tutti un modo semplice e sicuro per acquisire fiducia e competenze.
"Ha contribuito a ridurre l’ansia e l’ha sostituita con curiosità ed entusiasmo mentre introducevamo questi nuovi strumenti nel nostro lavoro quotidiano", ha detto Cremers.
Sharon Steiner, CHRO di Fiverr, la vede in modo diverso.
"La più grande disconnessione che noto è che spesso la leadership affronta l’IA come una strategia tecnologica o di efficienza, mentre i team la vivono come una trasformazione fondamentale nel modo di lavorare," afferma. "I dirigenti chiedono: ‘Quali strumenti dovremmo adottare?’, mentre i dipendenti si chiedono: ‘Come cambia il mio ruolo, le mie competenze e come verrò valutato?’"
Quello che sta davvero accadendo a livello di team è sperimentazione. Le persone stanno già usando l’IA per muoversi più velocemente, apprendere nuove competenze e risolvere problemi in tempo reale.
Quando le decisioni tecnologiche ignorano la realtà organizzativa
Mauch ha condiviso l’esempio di un cliente dei servizi finanziari che ha implementato l’IA aziendale con approcci tecnologici standard: accesso agli strumenti, formazione, librerie di casi d’uso e figure di riferimento. Sei mesi dopo, l’adozione si era stabilizzata e il ROI non si concretizzava nonostante un 70% di utenti attivi.
L’azienda voleva usare l’IA per smistare automaticamente le richieste dei clienti in base alla complessità e indirizzarle in modo appropriato, il che avrebbe rappresentato una vera trasformazione dei flussi di lavoro. Non ci riuscivano perché:
- L’IT non aveva dato priorità al lavoro sulle API per accedere ai sistemi informativi dei clienti
- I flussi di approvazione dei manager non erano stati modificati per permettere all’IA di prendere decisioni di instradamento
- I processi di QA erano ancora pensati per un lavoro svolto solo da persone
- I modelli di coordinamento tra team erano ancora strutturati attorno alle assegnazioni individuali dei compiti
“La leadership continuava a considerare questi aspetti come ‘dettagli della gestione del cambiamento da risolvere più avanti’”, ha detto Mauch. “Nel frattempo, hanno investito in altre tecnologie come modelli avanzati, più strumenti, più integrazioni. Ma la vera limitazione non era tecnologica.”
I dipendenti risultavano nei dati di adozione come "utenti IA attivi" perché continuavano a utilizzare l’IA per attività basilari, ma avevano abbandonato i casi d’uso ad alto valore aggiunto che avrebbero davvero generato un ROI.
La visione a lungo termine che nessuno affronta
Quando parlo di adottare una visione a lungo termine sull’IA, intendo due aspetti specifici.
Cambiamenti nel personale
Una società di servizi professionali ha identificato i propri migliori utilizzatori dell’IA—consulenti che producevano tre volte la produttività media—e li ha premiati con promozioni, bonus e presentazioni aziendali. Un tipico riconoscimento del talento.
Tre mesi dopo, l’adozione dell’IA a livello di team nei gruppi di questi “superstar” era in realtà diminuita.
“L’azienda ha premiato i guadagni di produttività individuale, quindi i top performer hanno tenuto per sé le tecniche IA invece di condividerle,” ha detto Mauch. “Perché aiutare i colleghi ad adottare l’IA se questo aumenta la concorrenza per la prossima promozione? L’azienda ha mancato l’occasione di creare mentori sull’IA.”
Hanno riorganizzato gli incentivi puntando sull’adozione a livello di team anziché sulla produttività individuale. I bonus sono stati legati al supporto dato ai colleghi per migliorare le proprie competenze IA. Ottenere una promozione richiedeva dimostrare di aver fatto da mentore ad altri.
Con questo cambiamento, i top performer hanno iniziato a insegnare attivamente e l’adozione di gruppo è accelerata. Le superstar individuali sono preziose, ma solo se la loro conoscenza si diffonde in tutta l’organizzazione invece di restare un vantaggio competitivo personale.
Evoluzione organizzativa
I leader adorano un piano quinquennale, ma non abbiamo idea di come sarà il mondo già alla fine di quest’anno.
Inserite flessibilità nella pianificazione. Il vostro profilo dei talenti e come sviluppate le persone vi aiuterà a restare agili. L’alternativa è puntare tutto sull’IA come perno della strategia, per poi accorgersi che servono persone per farla funzionare, e infine affrontare un mercato del lavoro in cui le competenze specifiche sono difficili da trovare.
Pianificate per due anni e vedete cosa succede. Il ritmo dei cambiamenti è troppo rapido per orizzonti più lunghi.
Come costruire quando le basi sono già in movimento
È necessario comunicare.
“Smettetela di pensare che l’adozione sia una questione binaria e iniziate a diagnosticare l’impatto,” ha detto Mauch. “La maggior parte delle organizzazioni ha moltissimi usi basilari, ma quasi nessun uso trasformativo, che è dove si genera valore.”
La maggior parte dei dirigenti monitora accessi, interrogazioni e licenze, invece che la trasformazione comportamentale. Il vero ROI si ottiene quando l’IA ridisegna i flussi di lavoro, e questo richiede di capire se la tecnologia ha cambiato davvero i modi di lavorare, non solo se è aumentato l’uso degli strumenti IA.
L’analista che usa l’IA per redigere sezioni di report non ha trasformato il proprio flusso di lavoro. L’analista che ha riprogettato tutto il processo analitico attorno alle capacità di monitoraggio continuo dell’IA, sì.
Steiner sottolinea l’importanza del dialogo sull’apprendimento.
Chiedete ai vostri team come stanno usando l’IA oggi, su quali aree vogliono sviluppare competenze e quale supporto serve per crescere,” ha detto. “Date loro spazio per sperimentare, migliorare le proprie competenze e acquisire fiducia in questi strumenti.
Nel frattempo che analizzate le opzioni di ristrutturazione, alcune persone stanno cercando di imparare. Stanno acquisendo nuove competenze senza sapere se sono quelle giuste. Potete indirizzarli nella direzione di cui l’azienda ha bisogno e aiutarli a sviluppare le capacità richieste dal business.
In questo modo, capirete quali strumenti stanno utilizzando, dove stanno ottenendo valore e dove l’organizzazione può supportarli meglio in ciò che stanno facendo.
Questo ti permette di restare al passo con i cambiamenti e ti aiuta a mantenere sotto controllo l’etica. Diventi più a tuo agio nel seguire una direzione, piuttosto che lasciarti trascinare dal clamore.
E invece di pensare “siamo indietro, dobbiamo farlo per stare al passo”, ti chiedi “quella nuova scintillante novità ci aiuta davvero a coltivare la visione che abbiamo per dove vogliamo essere tra due anni?”
Il passaggio da una gestione reattiva a una intenzionale richiede di rivedere completamente la governance.
Governance come Allineamento, non come Controllo
Quando scopri che un dipendente ha creato un proprio flusso di lavoro con l’AI, considera la cosa come una collaborazione.
“Tratta l’AI ombra come ricerca di mercato, non come problema di conformità”, ha detto Mauch. “I tuoi dipendenti che hanno adottato strumenti non approvati ti stanno dicendo che hanno trovato soluzioni a problemi reali che i tuoi strumenti ufficiali non riescono a risolvere.”
Poll: How is your org handling AI adoption?
Cremers e il suo team di GoodHabitz hanno adottato questo approccio quando si sono accorti che i dipendenti già utilizzavano strumenti AI esterni.
Invece di bloccare tutto, abbiamo scelto un approccio più aperto e di supporto," ha detto. "Abbiamo invitato tutti coloro che già usavano uno strumento esterno a condividerlo con noi. Successivamente controllavamo se poteva essere usato in sicurezza. Se superava la verifica, veniva reso disponibile all’intera organizzazione così da farne beneficiare anche altri.
Questo ha costruito fiducia, ridotto i rischi e dimostrato che l’obiettivo era aiutare le persone a lavorare in modo più intelligente, non a controllarle. E come ci si poteva aspettare, alcuni dipendenti avevano scoperto strumenti utili di cui l’azienda non era ancora a conoscenza.
“Anche Goodlearn ci ha aiutato fornendo a tutti una comprensione di base su come trattare le informazioni in modo sicuro e responsabile, e su come riconoscere quali strumenti si possono considerare affidabili,” dice Cremers.
Mauch suggerisce un approccio in tre parti:
Comprendere prima di standardizzare
Mappa effettivamente gli strumenti utilizzati e il perché, non per punire, ma per imparare. In un caso, ActivTrak ha scoperto che un team prodotto utilizzava uno strumento AI per la programmazione non approvato quattro o cinque ore al giorno.
Invece di bloccare lo strumento, la direzione ha chiesto il motivo. Il team aveva trovato funzionalità specifiche che lo strumento “ufficiale” non offriva e aveva sviluppato autonomamente flussi di lavoro sofisticati che nessun altro aveva ancora realizzato.
Differenziare i livelli di rischio
Non tutta l’AI ombra comporta lo stesso rischio. L’analista che usa l’AI per creare la struttura di una presentazione non rappresenta lo stesso rischio di chi processa dati personali dei clienti attraverso uno strumento non approvato. Crea dei criteri semplici:
- Quali dati vengono elaborati?
- Quali decisioni può guidare l’output dell’AI?
- Quanto è maturo il giudizio dell’utente sull’uso appropriato?
Lascia continuare usi a basso rischio e alto valore mentre costruisci delle vere linee guida protettive.
Co-crea la governance con gli utenti
Coinvolgi chi usa l’AI ombra nelle politiche. Comprendono meglio di chiunque altro i compromessi pratici tra sicurezza e utilità. Chiedi loro:
- Cosa perderebbero se bloccassimo questo strumento?
- Quali sono le tue preoccupazioni?
- Quali linee guida vorresti?
Questo fa emergere soluzioni come ambienti sandbox dove i team possono sperimentare strumenti non approvati su dati sintetici prima di ottenere l’approvazione per l’uso in produzione.
La realtà è che l’AI fa già parte di come viene svolto il lavoro, e tentare di bloccarlo mette le aziende indietro invece che in controllo," ha detto Steiner. "La governance resta importante, ma in un ambiente guidato dall’AI deve abilitare il progresso, non rallentarlo.
Per far funzionare questi processi occorre integrarli nei sistemi che le persone già utilizzano. Può essere un modulo nell’hub di documentazione interna? Dei responsabili possono approvare rapidamente le idee tramite Slack entro un certo limite di tempo? Rendere l’approvazione parte integrante dei flussi di lavoro esistenti riduce l’attrito e aiuta a valutare idee per chiarezza, allineamento agli obiettivi e impatto sul business.
Devi premiare la trasparenza dei dipendenti che sperimentano. Se qualcuno condivide qualcosa che non rappresenta un buon uso della tecnologia, non può essere punito.
Come appare davvero "Troppo tardi"
Non hai molto tempo a disposizione.
Essere troppo tardi significa lanciare funzionalità che i tuoi concorrenti hanno introdotto sei mesi prima. Significa vedere i tuoi migliori talenti frustrati e pronti ad andarsene. Significa manager che si sentono intermediari confusi tra strategia ed esecuzione.
Soprattutto, significa non essere in grado di implementare l’AI come risposta ai reali problemi dell’organizzazione.
Alcune aziende stanno già vivendo questa situazione. Ecco perché ricorrono a licenziamenti e a misure di breve termine. Non hanno una visione chiara del ritorno a lungo termine, così stanno smontando il business mentre cercano di capirlo.
Una ricerca di Reco AI ha rilevato che due strumenti shadow AI hanno avuto una durata mediana di utilizzo rispettivamente di 403 e 401 giorni. Ben oltre un anno di utilizzo continuo senza approvazione formale o supervisione. Dopo 100 giorni di utilizzo continuativo, uno strumento AI non è più una prova. È ormai integrato nei processi aziendali principali. Provare a rimuoverlo non è solamente un compito IT, ma rappresenta una potenziale interruzione per il business.
È questo il significato di "troppo tardi". L'incapacità di governare ciò che è già stato adottato.
La Prima Mossa
Steiner ha un consiglio chiaro per i dirigenti che si sentono indietro.
"La vera domanda non è se iniziare a usare l’AI, ma quando e capire come, e la risposta è ora e con sperimentazione", ha detto. "Questo non è un momento in cui restare a guardare. L’AI sta ridefinendo molto rapidamente il modo in cui avviene il lavoro."
Inizia la conversazione su come i tuoi team stanno lavorando con l’AI. Quali strumenti stanno utilizzando. Dove trovano valore. Cosa vorrebbero poter fare ma non possono.
Una domanda semplice come "cosa faresti con l’AI se i vincoli organizzativi non fossero un ostacolo?" può far emergere barriere invisibili.
"Vediamo costantemente persone che immaginano applicazioni trasformative, ma che sono bloccate dall’accesso ai dati, dai flussi di approvazione o da politiche di governance pensate per rischi da principianti," ha detto Mauch.
Quella conversazione rivela dove la tua base invisibile esiste già. Ti mostra quali esperimenti meritano di essere ampliati e quali invece vanno indirizzati diversamente. Ti aiuta a capire se stai costruendo su basi solide o su debito tecnico.