Il Successo dell'AI in Azienda: Leadership, Laboratorio e Collaborazione Organizzata

Le aziende si stanno lanciando nella trasformazione AI con informazioni incomplete e risultati altalenanti. Come fondatore nel campo dell'IA, ho dedicato innumerevoli ore a confrontarmi con organizzazioni di diversi settori, alle prese con l'adozione dell'AI. Da queste conversazioni e dalle mie ricerche, ho identificato:

• L'uso individuale dell'IA aumenta la produttività, ma non si traduce automaticamente in guadagni a livello organizzativo.
• Molti dipendenti utilizzano l'IA "sotto traccia", evidenziando la necessità di un'apertura e di una guida all'esperimentazione.
• Il potenziale dell'IA è ampiamente sottovalutato; può gestire compiti complessi e multifase.
• L'innovazione organizzativa, non solo l'implementazione di strumenti, è fondamentale per cogliere il pieno valore dell'IA.
• Il successo dipende da un framework a tre pilastri: una Leadership visionaria, Laboratori agili e una Collaborazione Organizzata.

Quattro realtà chiave sull'AI nel mondo del lavoro oggi.

1. L'AI sta aumentando drasticamente la produttività individuale.

I dipendenti che utilizzano l'AI generativa riferiscono di completare attività complesse in una frazione del tempo. In un sondaggio, i lavoratori hanno dichiarato che l'uso dell'AI ha trasformato compiti da 90 minuti in compiti da 30 minuti, essenzialmente triplicando la loro produttività individuale. I resoconti personali possono essere esagerati, ma studi controllati confermano guadagni significativi (sebbene minori). Ad esempio, un esperimento sul campo in un call center di una delle maggiori aziende globali ha rilevato che fornire agli operatori del servizio clienti un assistente AI ha aumentato la loro produzione del 14% in media. Gli sviluppatori che utilizzano l'assistente di codifica AI di GitHub hanno completato i compiti il 26% più velocemente rispetto a quelli senza di esso. Che si tratti di scrittura, codifica o pianificazione, l'AI sta aiutando gli individui a lavorare più velocemente e, in alcuni casi, a produrre risultati di qualità superiore rispetto a prima.

2. Molti lavoratori stanno già usando l'AI, spesso in silenzio.

L'adozione dell'AI sul campo è stata esplosiva. Uno studio rappresentativo in Danimarca all'inizio dell'anno scorso ha rilevato che il 65% dei marketer, il 64% dei giornalisti e persino il 30% degli avvocati avevano già utilizzato l'AI sul lavoro. Negli Stati Uniti, la percentuale di lavoratori che dichiarano di usare l'AI sul lavoro è balzata da circa il 30% alla fine del 2024 a oltre il 40% entro aprile 2025. Questo aumento ha reso ChatGPT uno dei siti web più visitati al mondo. Eppure, gran parte di questo utilizzo dell'AI avviene "sotto traccia". I sondaggi rilevano che gli strumenti AI ufficiali forniti dalle aziende spesso registrano solo circa il 20% di adozione, mentre molti più dipendenti utilizzano l'AI in modo informale o segreto. Perché la segretezza? Alcuni temono sanzioni a causa di politiche AI vaghe; altri temono che ammettere enormi guadagni di efficienza porti solo a maggiori aspettative di carico di lavoro o addirittura a tagli di posti di lavoro. In altri casi, i lavoratori semplicemente non sanno come applicare l'AI in modo efficace, al di là della formazione di base che potrebbero aver ricevuto. In breve, i dipendenti in prima linea sono sia gli innovatori che gli "agenti segreti" dell'AI sul posto di lavoro — la usano con entusiasmo dove possono, ma spesso senza supporto o consapevolezza organizzativa.

3. C'è un potenziale trasformativo molto maggiore nell'AI di oggi di quanto la maggior parte delle aziende realizzi.

L'attuale generazione di sistemi AI può fare più che redigere e-mail o riassumere testi. Possono eseguire analisi profonde e complesse e attività multifase che un anno fa sarebbero sembrate fantascienza. Ad esempio, i nuovi strumenti di "ricerca approfondita" possono esplorare autonomamente centinaia di fonti e produrre un rapporto dettagliato di 30 pagine con citazioni in pochi minuti — un lavoro che potrebbe richiedere settimane agli analisti umani. Le prime versioni di "agenti" AI stanno comparendo, capaci di eseguire sequenze di attività (come ricercare un mercato, quindi generare un piano aziendale, quindi creare una presentazione). Nelle mie prove, ho fornito a un agente AI una descrizione di un paio di paragrafi di una startup ipotetica insieme a una direzione chiara. In risposta, ha generato un sito web funzionante, una presentazione PowerPoint e un'analisi del modello di business di 45 pagine, completa di ricerche di mercato e proiezioni finanziarie, in pochi prompt. L'analisi non era perfetta, ma era notevolmente approfondita — probabilmente più completa di quanto un team di consulenti umani potrebbe produrre in giorni. Ogni mese, gli strumenti AI stanno diventando più intelligenti (nel ragionamento, nella codifica e nella comprensione del contesto) e più capaci di produrre risultati di alta qualità. Il "tetto" di ciò che si può fare con l'AI di oggi continua a salire, e la maggior parte delle organizzazioni ha solo scalfito la superficie.

4. Eppure le aziende finora stanno cogliendo solo una frazione di questi guadagni.

Paradossalmente, mentre gli individui vantano grandi aumenti di efficienza dall'AI, a livello organizzativo, non stiamo ancora assistendo a miglioramenti drammatici delle prestazioni. Molte aziende riportano solo modesti aumenti di produttività dai loro progetti pilota AI. I dati economici generali non mostrano un salto significativo nella produttività del lavoro, né una riduzione delle ore lavorate, fino alla fine del 2024. Uno studio su larga scala sui luoghi di lavoro non ha riscontrato alcun impatto significativo dell'AI sulla produzione complessiva o sui guadagni dei dipendenti. In media, i lavoratori hanno risparmiato solo circa il 3% del loro tempo con l'AI, con un effetto minimo sulle metriche aziendali. In altre parole, gli aumenti di velocità individuali di 10 volte non si stanno ancora traducendo in prestazioni organizzative 10 volte superiori. Non ci sono neanche prove (finora) di licenziamenti di massa o cali salariali guidati dall'AI in tutti i settori, nonostante alcune aziende tecnologiche di alto profilo abbiano annunciato tagli al personale a favore dell'AI. In sintesi, molte persone stanno usando l'AI e stanno ottenendo vittorie personali in termini di produttività, ma la maggior parte delle aziende non ha capito come trasformare quelle vittorie individuali in vantaggi ampi e duraturi. Perché?

La ragione è che migliorare la produttività individuale con l'AI non migliora automaticamente la produttività organizzativa. Per cogliere i benefici dell'AI su larga scala, le aziende non possono semplicemente lasciare che i dipendenti "si arrangino" ad hoc, né possono semplicemente installare uno strumento AI e considerarlo fatto. Richiede innovazione organizzativa — ripensare i flussi di lavoro, gli incentivi e persino la progettazione fondamentale dei lavori. Nel corso dei decenni, molte organizzazioni si sono abituate a esternalizzare l'innovazione a consulenti o ad acquistare soluzioni software "pronte all'uso". Ma con l'AI, non esiste ancora una soluzione "chiavi in mano" o un manuale esperto: persino i fornitori di AI stessi sono spesso sorpresi dal modo in cui le persone finiscono per utilizzare i loro strumenti. Il contesto di ogni azienda è diverso, e siamo tutti a capire come procedere in tempo reale. Ottenere un vantaggio con l'AI significa imparare più velocemente degli altri e adattarsi al volo. Nella mia esperienza, le aziende che stanno iniziando a vedere reali aumenti di prestazioni hanno una cosa in comune: stanno sfruttando gli sforzi di Leadership, Laboratorio e Collaborazione Organizzata. Questi sono i tre pilastri di un'efficace trasformazione AI in un'organizzazione. Analizziamo ciascuno di essi e come lavorano insieme.

Leadership

Qualsiasi adozione di successo dell'AI inizia come una sfida di leadership. I leader devono riconoscere con urgenza sia le opportunità che i rischi che l'AI presenta per il futuro dell'organizzazione. Sei mesi fa, molti dirigenti erano indecisi; oggi, stiamo finalmente assistendo a un cambiamento. Infatti, un'ondata di promemoria interni da parte dei CEO sta circolando, tutti con un messaggio simile: l'AI è qui, è fondamentale per il nostro futuro, e tutti in azienda devono adeguarsi. Il CEO di Shopify, Tobi Lütke, ad esempio, ha detto ai dipendenti che usare l'AI "riflessivamente" è ora un'aspettativa di base in azienda. Il CEO di Duolingo, Luis von Ahn, ha proclamato una strategia "AI-first", esortando i team a abbracciare l'AI o rischiare di rimanere indietro. Mandati simili sono arrivati da leader di aziende che vanno dai giganti della tecnologia alle banche e al commercio al dettaglio. Questa improvvisa urgenza dall'alto è uno sviluppo positivo — segnala che la leadership si sta svegliando al momento dell'AI.

Ma l'urgenza da sola non basta. Il prossimo passo per i leader è dipingere un quadro vivido di come sarà un futuro basato sull'AI per l'organizzazione. Non è sufficiente dire "l'AI è importante, dobbiamo usarla" o vantare potenziali guadagni di efficienza. I dipendenti devono sentire come il lavoro cambierà e quale potrebbe essere la destinazione. L'AI renderà più facili i loro compiti quotidiani? Li libererà dalla routine per concentrarsi sul lavoro creativo? Come verrà misurato il successo in un team aumentato dall'AI? Crucialmente, cosa succede ai dipendenti se l'AI rende certi compiti 10 volte più veloci — verranno ridimensionati o verranno riqualificati per nuove opportunità? Queste sono le domande nella mente di tutti. La ricerca sul cambiamento organizzativo mostra che le persone rispondono a visioni concrete e specifiche del futuro, non a promesse astratte. Come leader, potresti non avere tutte le risposte (nessuno le ha in questo momento!), ma dovresti articolare una visione chiara o un insieme di principi. Ad esempio, potresti dichiarare: "Tra cinque anni, il nostro processo di vendita funzionerà 24 ore su 24, 7 giorni su 7 con assistenti AI che qualificheranno i lead, mentre i rappresentanti umani si concentreranno solo sulla chiusura degli affari e sulla gestione delle relazioni — e faremo crescere il team, non lo ridurremo, man mano che l'efficienza aumenta." Una visione come questa affronta il perché adottare l'AI e il cosa idealmente raggiungerà, dando alle persone un senso di direzione e rassicurazione. Senza questa chiarezza, i lavoratori potrebbero resistere al cambiamento o utilizzare i nuovi strumenti in modi controproducenti.

Avere una visione complessiva costringe anche la leadership ad anticipare come il lavoro e i ruoli si evolveranno in un'organizzazione abilitata all'AI. L'AI non sostituirà la maggior parte dei lavori a breve termine, ma sostituirà o altererà compiti specifici all'interno dei lavori. I leader devono iniziare a chiedersi: se l'AI può ora svolgere il compito X in pochi secondi, abbiamo ancora bisogno di esseri umani che svolgano il compito X, o dovrebbero concentrarsi sul compito Y? Ho parlato con manager di team legali che si rendono conto che l'AI può gestire la prima stesura di costose note di ricerca, il che cambia il modo in cui allocano il tempo degli avvocati junior (forse questi avvocati dedicano più tempo all'interazione con i clienti e alla consulenza strategica, e meno alla revisione della giurisprudenza). Nello sviluppo software, strumenti che possono generare codice ("vibe coding") significano che gli ingegneri potrebbero dedicare relativamente più tempo alla progettazione e all'architettura, e meno alla scrittura di codice boilerplate. Nel marketing e nella creazione di contenuti, l'ascesa del video generato dall'AI è un'anticipazione di ciò che verrà. Ad esempio, l'ultimo modello di video generativo di Google può produrre un breve clip pubblicitario con audio da un semplice prompt testuale ("Un annuncio per i cracker Cheesy Otters...") in pochi secondi. Quando qualsiasi dipendente con un prompt può evocare un video raffinato o un'app funzionante, cambia fondamentalmente la velocità e il ciclo dei progetti. I leader devono iniziare a sperimentare nuovi flussi di lavoro che integrano l'AI e il lavoro umano "mano nella mano". Potrebbe significare ridefinire le descrizioni dei lavori ("prompt editor", "AI workflow designer" potrebbero diventare ruoli), o smantellare vecchi "colli di bottiglia" di processo. Un'azienda che ho osservato ha fatto il passo audace di riorganizzare i suoi team di prodotto: invece di un gruppo centrale di sviluppo IT che gestiva tutta la codifica, hanno integrato ingegneri software all'interno di team interfunzionali insieme a product manager, esperti di dominio e marketer. Queste piccole squadre sono state abilitate a "vibe-work" — prototipare e lanciare rapidamente idee usando strumenti AI — senza strati di approvazione. Il risultato? Progetti che prima richiedevano 6 mesi attraverso dipartimenti "a silos" venivano completati in pochi giorni da un team focalizzato che utilizzava l'AI per gestire gran parte del lavoro di routine. Questo tipo di ripensamento radicale della struttura organizzativa potrebbe non essere adatto a ogni azienda, ma illustra la portata del cambiamento che l'AI abilita. I leader dovrebbero incoraggiare programmi pilota e progetti "skunkworks" per esplorare ciò che è ora possibile, e usarli per informare una strategia di trasformazione più ampia.

Infine, la leadership stabilisce il tono su come l'intera organizzazione si approccia all'AI. Oltre alla visione, i leader devono affrontare la cultura e le politiche relative all'uso dell'AI. Se la posizione predefinita è la paura o il controllo rigoroso (ad esempio, "non usare l'AI o verrai licenziato"), i dipendenti nasconderanno il loro utilizzo o eviteranno del tutto la tecnologia. Invece, i leader intelligenti creano zone sicure per la sperimentazione. Potrebbero designare esplicitamente certi progetti o dipartimenti in cui qualsiasi uso dell'AI è consentito (purché siano osservate le leggi e l'etica di base), in modo che le persone non si sentano paralizzate dalle preoccupazioni di conformità. Riscrivono anche le politiche per essere specifiche — ad esempio, "Sentiti libero di usare l'AI per assistere nella codifica o nella scrittura, ma non incollare dati riservati dei clienti in strumenti esterni" — piuttosto che un divieto "no AI" generico. Spesso vedo il dipartimento legale agire come un punto di strozzatura qui; la leadership dovrebbe spingerli ad aggiornare le preoccupazioni sulla privacy obsolete. (Ad esempio, i principali fornitori di AI ora consentono alle aziende di rinunciare all'utilizzo dei dati per la formazione, e ci sono modelli di livello aziendale che soddisfano rigorosi standard di privacy. L'uso dell'AI "ombra" sta già avvenendo indipendentemente — è più sicuro consentirlo con linee guida che spingerlo "sotto terra".) I leader possono inoltre incentivare e modellare l'adozione dell'AI. Alcune aziende hanno offerto ricompense sostanziali — giorni di ferie extra, riconoscimento pubblico, persino bonus in denaro — ai dipendenti che hanno trovato usi rivoluzionari dell'AI nel loro flusso di lavoro. Il messaggio è: vogliamo che tu sperimenti e condivida ciò che impari. E quando i dirigenti stessi usano l'AI in modi visibili (ad esempio, un VP che dimostra in una riunione come ha usato ChatGPT per aiutare ad analizzare un problema aziendale), invia un segnale potente che "questo non è barare o essere banali — questo è il nostro nuovo modo di lavorare." In sintesi, il ruolo della Leadership è definire la visione e preparare il terreno: comunicare urgenza e ottimismo, definire "guardrail" che incoraggino l'innovazione e riorganizzare le risorse per esplorare il potenziale dell'AI. Ma i leader non devono risolvere ogni dettaglio da soli. È qui che entrano in gioco gli altri due pilastri — la Collaborazione Organizzata e il Laboratorio.

La Collaborazione Organizzata

Nel contesto dell'adozione dell'AI, la "Collaborazione Organizzata" (The Crowd) significa la vostra forza lavoro generale — tutti i dipendenti in prima linea che svolgono il lavoro effettivo. Sono cruciali perché la vera innovazione su come l'AI può essere utilizzata spesso "emerge dal basso". Perché? Non esiste un manuale su come applicare l'AI a ogni lavoro — stiamo tutti imparando facendo. I lavoratori esperti, che comprendono profondamente i loro compiti e i loro punti dolenti, sono solitamente quelli che individuano modi intelligenti in cui uno strumento AI può aiutare. Ho visto contabili costruire prompt AI per automatizzare il controllo di fogli Excel per errori, reclutatori usare l'AI per redigere e-mail di contatto personalizzate in pochi secondi e project manager che creano interi rapporti di valutazione del rischio tramite AI che in precedenza richiedevano loro giorni. Queste sono cose che nessun consulente esterno avrebbe potuto predefinire perfettamente, perché si basano su una conoscenza intima del lavoro. Quindi, abilitare la Collaborazione Organizzata a sperimentare è fondamentale per sbloccare il valore dell'AI. Quando i dipendenti iniziano a provare l'AI sui propri compiti, scoprono flussi di lavoro che manager o IT non avrebbero mai immaginato.

Molte aziende dicono di volere questa innovazione "dal basso". Sta diventando comune per le aziende (anche in settori regolamentati) implementare un assistente in stile ChatGPT per tutto il personale, insieme a sessioni di formazione di base su "come scrivere buoni prompt". I risultati, tuttavia, sono stati contrastanti. Tipicamente, si osserva un picco iniziale di curiosità seguito da un plateau: forse il 15-20% dei dipendenti diventa utente regolare dello strumento AI ufficiale, e il resto torna alle vecchie abitudini. Quando intervistati, questi utenti ufficiali riportano solo lievi miglioramenti della produttività. Questo può portare la direzione a concludere: "Beh, immagino che l'AI non sia poi così importante qui." Nel frattempo, una rivoluzione silenziosa sta accadendo sotto i loro occhi: in recenti sondaggi, oltre il 40% dei lavoratori ammette di utilizzare strumenti AI sul lavoro in qualche forma — spesso utilizzando strumenti pubblici o scrivendo i propri piccoli script — e molti di loro giurano che ha drammaticamente migliorato la loro efficacia. La discrepanza rivela due gruppi di dipendenti: i "Cyborg Segreti" e la maggioranza incerta. I Cyborg Segreti sono coloro che utilizzano attivamente (ma segretamente) l'AI per aumentare il loro lavoro. Lo tengono segreto per una varietà di ragioni molto umane: paura di essere penalizzati per aver infranto qualche regola, paura che se ammettono che un'AI ha co-prodotto il loro lavoro, i loro contributi verranno sminuiti, o paura che se rendono il loro flusso di lavoro troppo efficiente, potrebbero ritrovarsi senza lavoro. D'altra parte, la maggioranza incerta è composta da coloro che non sono andati oltre gli usi superficiali dell'AI. Hanno provato il chatbot aziendale una o due volte, hanno ottenuto una risposta irrilevante e hanno scrollato le spalle. O semplicemente non sanno quali parti del loro lavoro potrebbero essere facilitate dall'AI — specialmente se non sono esperti di tecnologia o se il loro manager non ha incoraggiato la sperimentazione.

Affrontare entrambi i problemi, la segretezza e l'esitazione, è essenziale. La Leadership (come discusso) deve creare un ambiente in cui l'uso dell'AI sia incoraggiato e sicuro. Se i dipendenti temono che "efficienza AI = licenziamenti", comprensibilmente terranno i loro "trucchi" AI per sé. I leader dovrebbero rassicurare esplicitamente i team che i guadagni di produttività verranno utilizzati per far crescere o migliorare l'azienda, non solo per tagliare il personale. Ad esempio, potrebbero promettere: "Se l'AI ci permette di gestire il doppio del carico di lavoro, mireremo a riassegnare le persone a nuovi progetti e mercati che prima non potevamo affrontare — non a sostituirle." Sostenere questo con azioni (come non tagliare immediatamente la dimensione del team quando arriva uno strumento AI) costruisce fiducia. Inoltre, celebrate coloro che usano l'AI apertamente: rendete chiaro che capire come migliorare il proprio lavoro con l'AI è una strada per la promozione, non una scorciatoia vergognosa. Alcune aziende hanno istituito forum interni o "fiere dell'AI" dove i dipendenti dimostrano i loro flussi di lavoro aumentati dall'AI a colleghi e dirigenti, scambiando consigli e ottenendo riconoscimenti. Questo tipo di condivisione della conoscenza trasforma i "cyborg segreti" in orgogliosi pionieri.

Per i dipendenti che sono incerti su come iniziare, l'istruzione e gli strumenti del Laboratorio (sezione successiva) saranno fondamentali. Ma anche a livello di Collaborazione Organizzata, si può fare molto. Oltre ai generici corsi di prompt engineering, è utile fornire alle persone pratica concreta e pratica nella comunicazione con l'AI e nell'integrazione nelle attività quotidiane. Un approccio che abbiamo visto è l'organizzazione di hackathon o sfide interne: ad esempio, "Usa i dati della nostra azienda + uno strumento AI per risolvere il problema X", con team in competizione. Un altro approccio è identificare "campioni AI" in diversi dipartimenti — "early adopter" che possono affiancare i loro colleghi individualmente su casi d'uso semplici (come un venditore che mostra agli altri come usa GPT per abbozzare proposte). L'obiettivo è abbassare la barriera per gli scettici: una volta che vedono alcuni esempi pratici rilevanti per il loro lavoro, spesso si accende la lampadina.

Vale la pena notare che la Collaborazione Organizzata produrrà un flusso di idee e esigenze innovative se li ascolterete. Forse un analista finanziario si avvicina e dice: "Se solo avessimo un'AI personalizzata che potesse estrarre dati da questi 5 sistemi e rispondere alle mie domande, risparmierei 10 ore a settimana." O un rappresentante del supporto clienti dice: "Ho usato ChatGPT a casa per riassumere le e-mail dei clienti, ma sarebbe fantastico se avesse accesso in tempo reale alla nostra base di conoscenza." Queste intuizioni sono oro. Dovrebbero confluire direttamente nel vostro Laboratorio AI (o qualsiasi processo di innovazione abbiate) perché evidenziano opportunità ad alto impatto. In breve, i vostri dipendenti in prima linea sono un'estensione del vostro team di R&S nell'era dell'AI. Incoraggiando la sperimentazione, facendo emergere le loro scoperte e riducendo la paura, la Collaborazione Organizzata può aumentare significativamente le prestazioni a livello aziendale. Ma per capitalizzare veramente su questo, avete bisogno di struttura e supporto tecnico, ed è qui che entra in gioco il Laboratorio.

Il Laboratorio

Se la Collaborazione Organizzata è decentralizzata, il Laboratorio è un motore più centralizzato per l'innovazione AI. Non si tratta di un laboratorio di R&S tradizionale in una torre d'avorio, né solo di un team di data science che fa analisi. Pensatelo come una task force di implementazione e scoperta per l'AI, un gruppo incaricato sia di esplorare le possibilità future che di sfruttare le opportunità attuali. La missione del Laboratorio è duplice: costruire nuove capacità in modo rapido e continuo, e tracciare la strada da seguire. Per fare questo, dovrebbe essere composto da un mix di persone: alcuni ingegneri o data scientist, sì, ma anche non-ingegneri esperti e specialisti di dominio. Infatti, alcuni dei migliori membri del Laboratorio sono spesso quegli stessi dipendenti entusiasti della Collaborazione Organizzata che stavano "hackerando" soluzioni AI nei loro vecchi dipartimenti. Inserendoli in un team dedicato, li si libera per concentrarsi sulla moltiplicazione di queste soluzioni in tutta l'organizzazione.

Cosa fa realmente il Laboratorio giorno per giorno? Innanzitutto, costruisce e itera su strumenti e flussi di lavoro basati sull'AI per l'azienda. Un buon Laboratorio opera con l'agilità di una startup: identifica un caso d'uso, prototipa una soluzione in pochi giorni, la testa con utenti reali, raccoglie feedback, la perfeziona e la scala o la scarta e passa oltre. Ad esempio, se gli addetti al marketing stanno smistando manualmente centinaia di messaggi clienti in arrivo, il Laboratorio potrebbe costruire un rapido sistema AI per etichettare e instradare automaticamente quei messaggi — magari usando un modello "off-the-shelf" "fine-tuned" sui vostri dati. Se i consulenti della vostra azienda passano ore a creare presentazioni, il Laboratorio potrebbe creare un "Assistente AI per Slide" interno che genera bozze di PowerPoint (ad esempio, Gamma) da pochi punti elenco. La chiave è la rapida implementazione delle idee provenienti dal campo (la Collaborazione Organizzata). Il Laboratorio dovrebbe quasi avere un "nastro trasportatore" dalle intuizioni della Collaborazione Organizzata alle soluzioni pilota. Una settimana, stanno impacchettando un prompt intelligente scritto da qualcuno in un'app riutilizzabile; la settimana successiva, stanno collegando un agente AI per gestire un processo di routine end-to-end. Diffondendo rapidamente queste innovazioni, il Laboratorio garantisce che un trucco brillante scoperto da un dipendente possa beneficiare centinaia di dipendenti.

In secondo luogo, il Laboratorio deve sviluppare benchmark AI e metriche di valutazione che contano per la vostra attività. Non è sufficiente fare affidamento su benchmark generici come test di codifica o quiz di cultura generale (quelli sono ciò che i fornitori di modelli AI usano per pubblicizzare la bravura del loro modello). Il vostro Laboratorio dovrebbe capire, ad esempio, quale modello è migliore per scrivere un rapporto pronto per il cliente nello stile della vostra azienda, o quale chatbot fornisce le risposte più utili sul vostro catalogo prodotti. Questo potrebbe comportare la creazione di compiti di esempio e la valutazione di diversi strumenti AI in base a precisione, chiarezza e così via. Alcune di queste valutazioni possono essere automatizzate, ma molte richiederanno il giudizio umano, e va bene così. Potete letteralmente far fare agli esperti un "blind taste test" degli output del Modello A rispetto al Modello B e decidere quale sia di qualità superiore per il compito. Tracciate questi risultati nel tempo. Potreste scoprire che un modello open-source più economico funziona altrettanto bene di un'API costosa per un particolare compito, risparmiando costi. Oppure potreste vedere che, sebbene nessuna AI attuale possa conciliare adeguatamente due documenti legali contrastanti (ad esempio), il divario si sta riducendo con ogni nuova versione del modello, il che vi informa che questo compito potrebbe essere automatizzabile l'anno prossimo. (Anthropic, un'azienda AI, ha pubblicato una guida utile sulla creazione di benchmark personalizzati per la valutazione AI organizzativa — un buon riferimento di partenza.) Il Laboratorio diventa essenzialmente il vostro centro interno di prestazioni AI, chiedendo costantemente: Quanto sono brave le AI ora in ciò di cui abbiamo bisogno? e Quando dovremmo cambiare o aggiornare i nostri strumenti?

In terzo luogo, un Laboratorio lungimirante costruirà cose che non funzionano completamente... ancora. Questo è un po' controintuitivo in un contesto aziendale — perché costruire qualcosa che fallisce? Il punto è anticipare il futuro. Supponiamo che ci sia un processo aziendale fondamentale (ad esempio, la stesura di un contratto complesso o la gestione di un programma della catena di approvvigionamento) che oggi è troppo complicato perché l'AI lo gestisca da sola. Il Laboratorio potrebbe tentare di creare un agente AI o un flusso di lavoro per farlo comunque, sapendo che all'inizio si comporterà male. Facendo ciò, si impara dove la tecnologia attuale è carente — forse l'agente può redigere l'80% di un contratto ma perde importanti sfumature, o può gestire la pianificazione di routine ma fallisce quando si verifica un evento imprevisto. Si mantengono questi sistemi prototipo e si collegano periodicamente i modelli AI più recenti. Un giorno, scoprirete che un nuovo modello ha superato la soglia e il vostro prototipo, un tempo fallimentare, funziona improvvisamente abbastanza bene. Poiché avete già costruito la pipeline, potete considerare immediatamente di implementarlo. In effetti, avete pre-investito in soluzioni per quando la tecnologia si metterà al passo. Dato quanto velocemente l'AI sta avanzando, questo approccio può mettervi chilometri avanti rispetto ai concorrenti che iniziano a integrare nuove capacità solo mesi dopo la loro comparsa.

Infine, il Laboratorio dovrebbe creare "provocazioni AI" — dimostrazioni ed esperimenti che scuotono il pensiero dell'organizzazione. Questi non sono pensati per un ROI immediato; sono pensati per ampliare l'immaginazione e superare l'inerzia. Ad esempio, il Laboratorio potrebbe automatizzare completamente una proposta di progetto fittizia, dalla richiesta iniziale del cliente alla presentazione finale, solo per mostrare che è (quasi) possibile. Oppure generare una campagna di marketing finta e iper-personalizzata per un prodotto inventato in un pomeriggio. Oppure far simulare a due agenti AI una negoziazione tra un cliente e un venditore. Queste dimostrazioni possono essere mostrate in riunioni "all-hands" o riunioni di team per stimolare la discussione. Spesso, vedere per credere — quando le persone assistono a un'AI che fa qualcosa che normalmente solo un esperto farebbe, può ispirarle a ripensare il proprio lavoro e a essere più creative con l'AI. Le provocazioni possono anche far emergere preoccupazioni legittime e questioni etiche, che la leadership e il Laboratorio possono quindi affrontare in modo proattivo.

In sintesi, il Laboratorio è il ponte tra possibilità e pratica. Prende l'energia grezza e le idee dalla Collaborazione Organizzata, aggiunge "savoir-faire" tecnico e risorse, e le trasforma in soluzioni tangibili allineate con la visione della leadership. Fornisce anche informazioni alla leadership — ad esempio, cosa i modelli più recenti possono o non possono fare — aiutando a perfezionare la strategia. Molte aziende che iniziano il loro percorso AI non hanno un "Laboratorio" formale all'inizio; spesso, inizia come una piccola task force assumendo un singolo "guru AI" di talento che inizia a avviare progetti. Ma man mano che si scala, dedicare un team (anche modesto) a questa funzione fa un'enorme differenza. Crea un centro di gravità per la conoscenza dell'AI e aiuta a garantire che l'organizzazione nel suo complesso si muova in modo coordinato, piuttosto che frammentarsi in esperimenti AI disparati.

Ripensare la Natura del Lavoro

Anche con una Leadership forte, una Collaborazione Organizzata potenziata e un Laboratorio attivo, le aziende potrebbero dover affrontare una domanda più profonda: stiamo facendo il lavoro giusto? Tutte le nostre strutture e processi organizzativi sono stati costruiti in un'era in cui la "potenza cerebrale" umana era l'unica intelligenza disponibile. Ora che abbiamo macchine in grado di fornire intelligenza su richiesta, dobbiamo ripensare alcune ipotesi molto basilari su come il lavoro è organizzato.

Considerate questo: se un'AI può generare un rapporto di ricerca completo in 30 minuti, il "collo di bottiglia" non è più fare la ricerca — è definire quali domande ricercare e decidere come agire sui risultati. Se scrivere codice diventa 10 volte più veloce grazie all'AI, la risorsa scarsa non è il codice; è una chiara comprensione delle esigenze degli utenti e idee creative per nuove funzionalità (poiché produrre codice è economico). Se i contenuti (blog, social media, persino video) possono essere "sfornati" quasi istantaneamente da modelli generativi, allora semplicemente produrre contenuti non è un fattore di differenziazione — il focus si sposta sulla strategia, la curatela e una creatività veramente originale, oltre a costruire fiducia con un pubblico. In breve, quando l'AI si assume certi compiti, eleva l'importanza dei compiti "intorno" a quei compiti. Dobbiamo chiederci: "Cosa è veramente prezioso qui? Su cosa dovrebbero concentrarsi gli esseri umani, ora che l'AI può fare X o Y?" Questo potrebbe portare a interrompere del tutto certe attività. Ad esempio, se un rapporto interno può essere generato automaticamente in pochi secondi ma nessuno legge effettivamente 100 rapporti generati automaticamente, forse il team che prima passava giorni a preparare i rapporti dovrebbe invece dedicare tempo a sintetizzare intuizioni, costruire relazioni o qualcosa con un impatto maggiore.

Il ritmo del cambiamento tecnologico aggiunge urgenza a questa riconsiderazione. Sei mesi fa, la maggior parte delle AI non poteva analizzare in modo affidabile un foglio di calcolo e formulare raccomandazioni aziendali; ora, alcune possono. Un anno fa, non avevamo modelli generativi in grado di creare brevi video con audio da testo; ora sì. E domani, gli agenti AI potrebbero essere in grado di navigare sul web, eseguire codice o interagire con i nostri database interni autonomamente per raggiungere obiettivi. Ogni nuova capacità significa che i compiti che erano saldamente nel dominio degli esseri umani potrebbero essere condivisi con (o affidati a) l'AI. Le organizzazioni devono diventare estremamente adattabili. Questa è fondamentalmente una sfida di apprendimento: le aziende che prospereranno saranno quelle in grado di imparare e reimparare come lavorare ogni volta che l'AI apre una nuova porta. Si tratta meno di un singolo strumento e più della mentalità e del processo di adattamento. Ecco perché i "loop di feedback" tra Leadership, Laboratorio e Collaborazione Organizzata sono così importanti — creano un sistema per l'apprendimento continuo. La Collaborazione Organizzata trova ciò che funziona sul campo, il Laboratorio lo amplifica e lo valuta, e la Leadership adatta di conseguenza strategia e visione, il che a sua volta incoraggia la Collaborazione Organizzata a esplorare ulteriormente.

Crucialmente, le aziende non possono esternalizzare questo adattamento. Potete e dovete avvalervi di esperti esterni per aiuto tecnico, acquistare ottimi strumenti AI e imparare dalle migliori pratiche del settore, ovviamente. Ma nessun consulente può dirvi esattamente come la vostra combinazione unica di persone, cultura e operazioni dovrebbe integrare l'AI, almeno non ancora. Agli albori dell'elettricità, le fabbriche dovevano ripensare i loro layout (non più raggruppando le macchine attorno a un'unica fonte di energia). Agli albori di internet, le aziende dovevano ripensare completamente i processi (ad esempio, passando dai moduli cartacei ai portali web). Siamo in un momento simile. L'AI non è solo un altro sistema IT da installare; è una capacità "general-purpose" che infonderà ogni processo, ogni ruolo, in modi imprevedibili. Richiede trasformazione organizzativa, non solo implementazione tecnologica.

La buona notizia è che prima si inizia, meglio si sarà posizionati. Siamo in una fase "disordinata" e incerta — ci saranno esperimenti che falliranno e correzioni di rotta necessarie. Ma rimanere in disparte è più rischioso. Sviluppando la triade Leadership-Laboratorio-Collaborazione Organizzata, si crea un'organizzazione che impara facendo. Si commetteranno errori, ma si faranno anche scoperte, e si sarà in grado di reagire quando l'ambiente cambia. Al contrario, le organizzazioni che aspettano "manuali" collaudati potrebbero scoprire che, quando arriva la certezza, sono già anni indietro in termini di esperienza.

In conclusione, far funzionare l'AI nella vostra azienda significa responsabilizzare le vostre persone a tutti i livelli. Significa che i leader stanno definendo una direzione audace e chiara e stanno garantendo una cultura di fiducia e sperimentazione. Significa scatenare la creatività dei dipendenti ("la Collaborazione Organizzata") incoraggiandoli a trovare soluzioni AI per il lavoro che conoscono meglio. E significa stabilire una capacità dedicata ("il Laboratorio") per trasformare quelle soluzioni in strumenti scalabili, valutare nuove tecnologie e mantenere l'organizzazione all'avanguardia. Fatto bene, questo crea un circolo virtuoso di innovazione: la leadership guida e impara, la Collaborazione Organizzata sperimenta e condivide, e il laboratorio costruisce e spinge l'intera organizzazione in avanti.

Vi invito a unirvi a questa conversazione. Come sta affrontando la vostra organizzazione l'integrazione dell'AI? Quali successi o ostacoli avete incontrato nell'allineare la visione della leadership, l'innovazione "dal basso" e i team AI dedicati? Le migliori pratiche per l'AI nel business sono ancora in fase di scrittura — discutiamone e scriviamole insieme. Sentitevi liberi di contattarmi o di condividere i vostri pensieri, esempi o domande, e impariamo gli uni dagli altri su come elaborare strategie AI efficaci per le nostre organizzazioni. Insieme, attingendo alla nostra intuizione collettiva, possiamo capire come far funzionare veramente l'AI per tutti.

---

Originally published: 2025-06-23

First AI Movers — Intelligenza pratica dell'IA per leader che agiscono.