Le imprese stanno introducendo strumenti di intelligenza artificiale con una velocità senza precedenti. Ma tra rendere disponibile una tecnologia e cambiare realmente il modo di lavorare esiste una distanza che nessuna piattaforma può colmare da sola.
Quella distanza è fatta di competenze, cultura organizzativa, capacità di giudizio e responsabilità.
Ne parliamo con Gianna Martinengo, imprenditrice, umanista di formazione e tecnologa per scelta, impegnata da oltre quarant’anni nell’applicazione dell’intelligenza artificiale ai processi di apprendimento e innovazione. La sua esperienza permette di osservare l’attuale trasformazione da una prospettiva di lungo periodo, distinguendo ciò che rappresenta un’autentica discontinuità dalle questioni che accompagnano da sempre la relazione tra persone e tecnologie.
La scala e l’accessibilità dei sistemi sono cambiate. Il problema fondamentale, invece, rimane: come costruire una collaborazione tra intelligenza umana e artificiale che rafforzi l’autonomia cognitiva della persona anziché sostituirla?
Nel dialogo affrontiamo le competenze necessarie nei prossimi anni, i limiti dell’attuale offerta formativa, le condizioni che rendono possibile il trasferimento dell’apprendimento nel lavoro e il ruolo della diversità nella progettazione di applicazioni migliori. Emerge soprattutto un’indicazione: la formazione sull’AI non può limitarsi a spiegare come utilizzare uno strumento. Deve aiutare persone e organizzazioni a capire dove l’AI può creare valore, quali rischi può introdurre e quali decisioni non sono disposte a delegare.
Perché la sfida più importante potrebbe non essere imparare a usare l’intelligenza artificiale, ma continuare a esercitare la propria.
Se guardiamo ai prossimi tre-cinque anni, quali evoluzioni dell’intelligenza artificiale avranno l’impatto più significativo sul lavoro di professionisti e imprese?
Non sarà un singolo salto tecnologico a fare la differenza, ma la capacità delle organizzazioni di integrare sistemi sempre più agentivi – capaci di agire, non solo di rispondere – nei processi decisionali. L’impatto reale si misurerà sulla capacità delle persone di restare responsabili di decisioni sempre più mediate da sistemi che non comprendono del tutto.
Quali aspetti dell’AI sono oggi sopravvalutati e quali, invece, vengono ancora sottovalutati?
Sopravvalutata è l’idea che basti “adottare uno strumento” per trasformare un’organizzazione. Sottovalutato è il lavoro – lento, culturale, relazionale – necessario perché le persone cambino davvero il proprio modo di pensare e decidere insieme a sistemi intelligenti. La tecnologia si compra; la competenza si costruisce.
Dopo oltre quarant’anni di AI applicata all’apprendimento, quali elementi considera realmente nuovi e quali sono riproposizioni di problemi già noti?
Nuova è la scala – questi sistemi sono ora accessibili a chiunque, non solo ai laboratori di ricerca. Ma il problema di fondo che affrontavo già negli anni ’80 con Didalab resta lo stesso: come si progetta un’interazione tra intelligenza umana e artificiale che rispetti l’autonomia cognitiva della persona, invece di sostituirla. È una questione di sovranità cognitiva, non di potenza di calcolo.
Quali difficoltà incontra più frequentemente chi prova a utilizzare l’AI nel proprio lavoro?
La difficoltà più comune non è tecnica ma di contesto: le persone non sanno formulare la domanda giusta, non hanno un criterio per valutare una risposta sbagliata o imprecisa, e spesso lavorano isolate, senza un metodo condiviso con i colleghi.
Quali sono oggi i bisogni formativi più urgenti delle imprese che vogliono adottare l’AI in modo efficace?
Non servono altri corsi sull’uso degli strumenti. Serve la capacità di leggere i propri processi e capire dove l’AI crea valore reale e dove introduce rischio – un lavoro di analisi organizzativa prima ancora che tecnologico.
Perché molte iniziative di trasformazione digitale partono dalla tecnologia invece che dai bisogni delle persone?
Perché è più facile comprare uno strumento che cambiare un’abitudine. Partire dalla tecnologia dà l’illusione di un progresso misurabile e rapido; partire dalle persone richiede tempo, ascolto e una leadership disposta a rimettere in discussione i propri processi.
Quali competenze dovrebbe possedere qualunque professionista per lavorare in modo consapevole ed efficace con l’AI?
La capacità di interrogare criticamente un output – non accettarlo né rifiutarlo per principio, ma verificarlo – insieme a una comprensione di base di come questi sistemi costruiscono le loro risposte.
Oltre alla capacità di utilizzare gli strumenti, quali competenze cognitive e relazionali diventeranno più importanti?
Pensiero critico, capacità di giudizio in condizioni di incertezza, e – sempre più – la capacità di collaborare con altre persone per validare insieme ciò che un sistema propone. Sono competenze umanistiche prima che tecniche.
Quali competenze dovranno sviluppare manager e imprenditori per decidere dove e come adottare l’AI?
Devono saper decidere non “se” adottare l’AI, ma “dove”: distinguere i processi in cui il rischio di un errore è tollerabile da quelli in cui non lo è, e avere gli strumenti per governare quella distinzione nel tempo.
Che cosa dovrebbe comprendere una persona per possedere una vera Human AI Literacy?
Comprende tre livelli: sapere come funziona un sistema (letteratura tecnica minima), saperne valutare l’affidabilità nel proprio contesto (giudizio critico), e comprendere l’impatto etico e sociale delle proprie scelte d’uso – incluso il tema di chi progetta questi sistemi e per chi.
Osservando l’attuale offerta formativa sull’AI, quali limiti o carenze Le sembrano più evidenti?
Gran parte dell’offerta è ancora centrata sullo strumento – “come si usa questa piattaforma” – invece che sul cambiamento cognitivo e organizzativo che l’AI richiede. È formazione, non trasformazione.
Perché molte persone, anche dopo avere seguito un corso, faticano ad applicare concretamente ciò che hanno appreso?
Perché l’apprendimento avviene fuori dal contesto reale di lavoro: un corso isolato non produce cambiamento se poi manca il tempo, il permesso organizzativo o i colleghi con cui sperimentare al ritorno in ufficio.
Quali gruppi rischiano di essere esclusi dalle opportunità create dall’AI e per quali ragioni?
Chi non ha accesso continuo agli strumenti, chi lavora in organizzazioni senza cultura del cambiamento, e – un tema che mi è caro – le donne, ancora sottorappresentate nella progettazione di questi sistemi più che nel loro uso.
Quali metodologie didattiche ritiene più efficaci per imparare a utilizzare l’AI in contesti professionali reali?
L’apprendimento situato: partire da un problema reale del partecipante, non da un caso generico, e alternare momenti di teoria breve con momenti di applicazione immediata.
Quale tipo di attività pratica potrebbe dimostrare che un partecipante sa realmente applicare l’AI, e non soltanto utilizzare uno strumento?
Chiedere al partecipante di portare un proprio caso di lavoro non risolto e di costruire, con l’AI, una proposta concreta da presentare e discutere – non un esercizio simulato.
Come si potrebbe misurare l’efficacia della formazione a distanza di alcune settimane o mesi?
Non con un test finale, ma verificando a distanza di settimane se il partecipante ha effettivamente modificato un proprio processo di lavoro, e chiedendo un caso concreto d’uso, non un’autovalutazione.
Quale ruolo dovrebbero avere riflessione, azione, coinvolgimento e interazione in un percorso sull’AI?
Devono essere ricorsivi, non sequenziali: si agisce, si riflette su cosa è successo, si confronta con altri, e si riprova – è un ciclo, non una sequenza lineare di “teoria poi pratica”.
Se dovesse immaginare un percorso sull’AI realmente diverso da quelli oggi disponibili, quali caratteristiche dovrebbe avere?
Durata estesa nel tempo (non un evento isolato), gruppi eterogenei per funzione e background, un caso reale del partecipante come filo conduttore, e un accompagnamento che continua dopo l’aula.
Quale problema concreto dovrebbe riuscire a risolvere un corso sull’AI per essere considerato davvero utile da un professionista o da un’azienda?
Deve permettere al partecipante di tornare al lavoro e cambiare almeno una decisione o un processo – non semplicemente “sapere di più” sull’AI.
Come potrebbe un percorso valorizzare la diversità dei partecipanti come risorsa per progettare applicazioni AI migliori?
Gruppi misti per genere, funzione e generazione portano prospettive diverse su cosa un sistema AI dovrebbe fare bene: è un modo concreto per rendere le persone non solo utenti ma co-progettiste delle applicazioni.
Quale raccomandazione darebbe oggi a chi deve progettare percorsi di apprendimento capaci di preparare persone e organizzazioni all’AI?
Progettare percorsi che partano dalle persone e dai loro problemi reali, non dagli strumenti – e misurare il successo non in ore d’aula, ma in cambiamenti effettivi nel modo di lavorare.
Prima di concludere, c’è un tema che non abbiamo affrontato e che ritiene essenziale per comprendere come persone e imprese dovrebbero prepararsi all’intelligenza artificiale?
Sì: il rischio più grande non è usare male l’AI, ma delegarle il pensiero. È il tema che ho scelto come filo conduttore della Knowledge Series che stiamo portando a Milano Digital Week, “L’Intelligenza che non si delega”: più questi sistemi diventano capaci e comodi, più cresce la tentazione di affidare loro non solo compiti, ma giudizio e responsabilità. Prepararsi all’AI, per una persona come per un’impresa, significa prima di tutto decidere consapevolmente cosa non si è disposti a delegare – quali decisioni, quali valutazioni, quale visione del proprio lavoro devono restare umane. Senza questa consapevolezza, ogni competenza tecnica rischia di poggiare su una base fragile.
