Formazione AI in azienda: perché non basta usare gli strumenti, bisogna creare cultura!
L’AI non è il futuro. È il presente. E il presente, in azienda, va capito, allenato e governato.
In un mio precedente articolo dedicato all’AI Act europeo ho richiamato un punto: la normativa si concentra molto sulla prevenzione dei rischi ma afferma che per aziende e manager la prima vera azione strategica resta l’alfabetizzazione diffusa sul tema.
Per chi volesse approfondire, rimando al seguente articolo:
In questo articolo voglio invece concentrarmi proprio su questo aspetto: l’importanza della formazione sull’Intelligenza Artificiale a tutti i livelli dell’azienda.
A mio avviso, gran parte del successo o dell’insuccesso di qualsiasi iniziativa di AI dipende, in primis, dalla cultura aziendale.
La formazione viene prima della tecnologia
La formazione, per l’uomo, è sempre stata un elemento decisivo. È ciò che permette di creare cultura, di interpretare il cambiamento e non di subirlo soltanto.
Quando arriva una trasformazione importante, la prima reazione possibile è la paura. È comprensibile. Ma la paura si governa con la comprensione. E la comprensione passa dalla formazione.
Per questo, ogni Manager, a maggior ragione ogni Temporary Manager chiamato a guidare o accompagnare un percorso di innovazione, dovrebbe partire da qui:
- creare consapevolezza;
- aiutare le persone a capire di cosa si stia parlando davvero;
- distinguere tra entusiasmo superficiale e comprensione reale;
- mettere l’azienda nelle condizioni di usare bene ciò che adotterà.
“Ma noi usiamo già ChatGPT…”
Oggi molte imprese, specialmente nel nostro contesto, tendono a dire: “Noi usiamo già l’AI, abbiamo ChatGPT”.
È una frase che contiene una parte di verità ma solo una parte.
Sì, usare ChatGPT significa usare un pezzetto di Intelligenza Artificiale.
Ma pensare che l’AI coincida con questo, significa confondere un singolo strumento con un intero cambiamento di paradigma.
ChatGPT, come altri strumenti ormai noti sul mercato, è solo un pallino dentro una nuvola molto più grande.
Che cosa dovremmo intendere davvero per Intelligenza Artificiale
Senza pretendere qui una definizione accademica formale, possiamo dire che l’AI rappresenta un cambiamento molto netto rispetto al software tradizionale.
Software tradizionale
Prima dell’AI, il software era essenzialmente un sistema deterministico.
In sostanza:
- se succede questo, fai questo;
- se succede quest’altro, fai quest’altro.
Era lo sviluppatore a prevedere i casi e a istruire il sistema in modo puntuale.
Se si dimenticava un caso, poteva emergere un errore, oppure un comportamento non previsto.
Applicazione AI
L’AI introduce invece un’altra logica: un sistema che, entro certi limiti, è capace di:
- prendere decisioni non definite in anticipo in modo rigido;
- adattarsi al contesto;
- produrre un output sulla base di una valutazione probabilistica.
È qui il salto.
Non siamo più davanti a un software che esegue soltanto una lista di istruzioni predefinite.
Siamo davanti a sistemi che interpretano, stimano, decidono e generano.
Ed è proprio per questo che aumentano:
- le opportunità;
- i vantaggi competitivi;
ma anche…
- i punti di attenzione;
- le responsabilità.
Perché l’AI è esplosa proprio negli ultimi anni
La teoria dell’Intelligenza Artificiale non nasce oggi. Esiste da molto tempo.
Quello che è cambiato: negli ultimi anni, si sono allineate una serie di condizioni favorevoli.
Tra le principali:
- una enorme disponibilità di dati, grazie a internet e alla crescente digitalizzazione dei processi;
- la drastica riduzione dei costi di memorizzazione;
- l’aumento della potenza di calcolo;
… e nell’ultimo periodo soprattutto:
- lo sviluppo di modelli capaci di riconoscere il linguaggio umano;
- la capacità di leggere e interpretare immagini.
Questi fattori, messi insieme, hanno creato un’accelerazione fortissima.
A noi oggi può sembrare quasi normale che un sistema:
- capisca quello che scriviamo;
- colga il senso di una domanda;
- legga il testo dentro un’immagine;
- riconosca oggetti;
- produca testo coerente;
- costruisca immagini, tabelle, sintesi, bozze, piani.
Ma non c’è nulla di banale in tutto questo.
Il linguaggio umano è molto più complesso di quanto sembri
Una delle svolte fondamentali è stata la capacità di arrivare a un riconoscimento del linguaggio umano molto più evoluto rispetto ai vecchi bot.
Chiunque ha fatto esperienza dei primi chatbot, ricorda la sensazione: noi facevamo una domanda, loro rispondevano con qualcosa di rigido, fuori fuoco, spesso ripetitivo.
Era evidente che non avessero capito davvero.
Oggi il salto è stato enorme. Perché?
Perché non basta tradurre parola per parola. Bisogna capire:
- il contesto;
- il tono;
- il senso della frase;
- la relazione con ciò che è stato detto prima.
Faccio un esempio molto semplice.
Se io chiedo:
“Che temperatura fa oggi a Roma?”
e poi subito dopo domando:
“Quindi c’è il sole?”
il nostro cervello collega naturalmente la seconda domanda alla prima e cioè che stiamo domandando se “a Roma” c’è il sole.
Un sistema tradizionale, invece, dovrebbe essere istruito esplicitamente su questo collegamento.
Qui entra in gioco il tema della memoria conversazionale, cioè del contesto.
Il modello non ragiona più solo sulla frase isolata, ma su ciò che è stato detto prima.
Ed è proprio questo che rende l’interazione molto più naturale.
Anche la comprensione delle immagini ha cambiato tutto
Accanto al linguaggio, un secondo salto epocale è stato il riconoscimento delle immagini.
Il fatto che un sistema riesca a:
- riconoscere oggetti dentro una foto;
- leggere testo contenuto in un’immagine;
- interpretare un contenuto visivo;
- collegare immagine e linguaggio;
ha aperto un mondo di applicazioni.
L’AI non è “roba da informatici”: riguarda tutta l’azienda
Uno degli errori più comuni è pensare che l’Intelligenza Artificiale riguardi solo chi sviluppa software o chi lavora in area IT.
Non è così !!!
Riguarda chiunque, perché chiunque si trova o si troverà a:
- usarla direttamente;
- subirne gli effetti;
- delegare attività a strumenti che la incorporano;
- prendere decisioni sulla base di output prodotti anche con AI.
Per questo la formazione deve essere diffusa, ma con livelli diversi a seconda dei ruoli.
Non serve trasformare tutti in data scientist.
Serve però che tutti comprendano almeno i concetti essenziali.
Per esempio:
- che cos’è un modello;
- che cos’è un prompt;
- che cosa significa sistema probabilistico;
- che cosa sono bias e allucinazioni;
- perché servono controllo e spirito critico;
- perché la qualità dei dati conta più della fascinazione per lo strumento.
Il paragone della calcolatrice: l’AI va usata bene, non evitata
Ogni evoluzione porta con sé timori. È sempre successo.
Pensiamo alla meccanizzazione nei campi, oppure a innovazioni molto più piccole, come la calcolatrice negli uffici.
La calcolatrice, se usata male, può impoverire alcune competenze.
Per esempio, se una persona non ha mai imparato a fare i conti e usa sempre e solo la calcolatrice, rischia di non intercettare un errore macroscopico.
Ma da qui non deriva la conclusione che la calcolatrice non vada usata.
Anzi: oggi togliere la calcolatrice dagli uffici significherebbe bloccare il lavoro.
Lo stesso vale per l’AI, in modo molto più ampio e molto più impattante.
Il punto non è evitarla.
Il punto è:
- capirla;
- usarla bene;
- governarla;
- controllarla;
- integrarla con responsabilità.
Perché, piaccia o no, ci sono opportunità che diventano vantaggio competitivo per chi le coglie, e rischio di esclusione per chi rimane fermo.
L’aspetto energetico e ambientale non va ignorato
Parlando di AI non posso non citare un tema che raramente entra nelle conversazioni aziendali iniziali, ma che invece merita almeno un cenno: l’impatto energetico.
L’istruzione dei modelli richiede capacità elaborativa enorme e, di conseguenza, energia e raffreddamento in quantità rilevanti.
Non è un dettaglio marginale. Fa parte della valutazione responsabile del fenomeno.
Anche questo conferma che parlare di AI significa parlare di una materia complessa, in cui tecnologia, sostenibilità, organizzazione ed etica si intrecciano.
Il ruolo del Temporary Manager: accompagnare la cultura, non sostituirla
Arrivati a questo punto, entra in gioco in modo naturale anche il ruolo del Temporary Manager.
Un progetto di AI non è solo un progetto tecnologico.
È un progetto manageriale, organizzativo e culturale.
Spesso nelle aziende il vero problema non è tanto l’assenza di interesse, quanto la mancanza di tempo e di focalizzazione strutturata per affrontare il tema con metodo.
Il Temporary Manager può dare un contributo prezioso proprio qui, sul tema AI, in affiancamento al Management aziendale, perché può:
- portare visione e metodo;
- aiutare a distinguere priorità, casi d’uso e livelli di maturità;
- costruire un percorso di consapevolezza diffusa;
- collegare tecnologia, processi, persone e governance;
- accompagnare l’azienda in una fase che richiede accelerazione ma anche equilibrio.
Un punto, però, è molto importante: il Temporary non deve creare dipendenza.
Deve aiutare a costruire un patrimonio interno.
Quindi il valore non sta solo nel “fare partire” un’iniziativa.
Sta nel lasciare all’azienda:
- cultura;
- metodo;
- linguaggio comune;
- criteri di valutazione;
- maggiore autonomia nelle scelte future.
In questo senso il Temporary Manager può essere davvero un “accompagnatore della creazione di cultura aziendale”, non un semplice attivatore di strumenti.
What to do: da dove partire in modo concreto
Se dovessi riassumere in modo operativo il senso di tutto questo, direi che un progetto AI in azienda dovrebbe partire prima da formazione e consapevolezza.
1. Costruire alfabetizzazione diffusa
Creare un livello minimo comune di comprensione, differenziato per ruoli su una serie di concetti base.
A. Chiarire che cosa l’AI è e che cosa non è
Evitare sia il mito salvifico sia la paura irrazionale.
B. Formare su opportunit e punti di attenzione
Non solo produttività, ma anche:
- bias;
- allucinazioni;
- privacy;
- qualità del dato;
- responsabilità del controllo.
C. Introdurre il concetto di delega e supervisione
Chi usa l’AI deve sapere che sta anche gestendo un processo, non solo ottenendo un output.
D. Collegare AI e cultura del dato
Senza dati affidabili non c’è AI affidabile.
2. Far emergere dubbi, bisogni e casi d’uso reali
La formazione deve aiutare le persone a dire:
“Qui forse l’AI può esserci utile”
oppure:
“Qui invece non ha senso”.
3. Passare solo dopo alla progettualit applicativa
Prima consapevolezza, poi scelta degli ambiti, poi sperimentazione concreta.
What Next: lo Step successivo
Il passo successivo naturale, a valle della formazione e della consapevolezza, è rispondere alla domanda:
“Come raccogliere in modo strutturato le tematiche aziendali su cui l’AI può essere davvero utile?”
Ma questa è un’altra storia…
Conclusione
La formazione sull’AI non è un accessorio del progetto.
È il primo progetto che serve a:
- ridurre la paura senza cancellare il senso critico;
- creare linguaggio comune;
- far nascere domande intelligenti;
- evitare che l’azienda confonda l’uso occasionale di uno strumento con una vera capacità organizzativa.
E soprattutto serve a ricordarci una cosa molto concreta:
l’AI può essere potente, ma da sola non basta. Senza cultura, metodo, controllo e qualità del dato, il rischio è di usarla molto e capirla poco.
Con cultura, invece, l’AI può davvero diventare un patrimonio diffuso dell’impresa e un vantaggio competitivo.
Riassumendo in una frase
L’AI non va solo adottata: va capita, governata e resa patrimonio aziendale.
