La trasformazione digitale non si misura con l’acquisto di software, ma con la capacità di rielaborare il modo in cui un’organizzazione produce conoscenza e prende decisioni. È questo il filo conduttore dell’intervista a Roberta Cocco, figura di rilievo nel panorama dell’innovazione italiana, con un percorso che spazia dalla multinazionale americana alla Pubblica Amministrazione (Comune di Milano e Ministero per l’Innovazione Tecnologica e la Trasformazione Digitale – Governo Draghi) fino alle attività di consulenza e docenza attuali. Quest’anno ha pubblicato con Egea “Mente, cuore, mani. Le competenze come infrastruttura del futuro”. Cocco invita imprenditori e manager a superare la logica del “ribaltone immediato” a favore di un approccio progressivo, centrato sulle competenze umane e sulla governance responsabile.
Professoressa Cocco, molte organizzazioni introducono nuovi strumenti digitali ma continuano operativamente a lavorare come prima. Quando la digitalizzazione smette di essere cosmetica e diventa vera trasformazione?
Per rispondere, parto dalla mia esperienza: ho osservato dinamiche diverse passando dalla multinazionale americana, dove l’imprinting tecnologico è forte, al settore pubblico e infine alla consulenza. La distinzione chiave è questa: le nuove tecnologie, e in particolare l’Intelligenza Artificiale, non stanno semplicemente aggiungendo strumenti al toolkit aziendale. Stanno modificando radicalmente il modo in cui produciamo conoscenza, organizziamo le attività e prendiamo decisioni.
La trasformazione reale avviene quando si ridefiniscono i compiti che compongono una professione. Alcuni diventano automatizzabili, altri vengono potenziati, altri ancora richiedono nuove forme di collaborazione uomo-macchina. Ogni azienda, indipendentemente dalla dimensione, deve rendersi conto che l’impatto è a 360 gradi: colpisce l’intero ciclo organizzativo. Di conseguenza, sia la componente tecnologica sia le competenze richieste alle persone cambiano profondamente.
Stiamo ripetendo con l’AI gli errori commessi nelle precedenti ondate di trasformazione digitale?
Più che di errori, parlerei di “punti di attenzione”. Il rischio più pericoloso è affrontare questa fase come se fosse esclusivamente una questione tecnologica. Vedo spesso aziende partire dallo strumento senza aver definito l’obiettivo strategico sottostante. Si concentra l’attenzione sulla tecnologia invece che sul risultato che si vuole raggiungere, usando l’AI come mezzo e non come fine.
Un altro errore frequente è la delega eccessiva alla funzione IT. Alcune decisioni, anche quelle apparentemente tecniche, devono essere prese di concerto con il business. Inoltre, c’è la falsa attesa che la velocità di esecuzione equivalga alla qualità del risultato. L’efficienza assoluta non basta: l’uso dell’AI richiede tempi di consolidamento e, soprattutto, verifiche continue. Infine, tendiamo a lanciare troppi progetti pilota contemporaneamente, disperdendo risorse, mentre sarebbe meglio identificare un’area di business specifica, con un obiettivo da raggiungere condiviso internamente, monitorare costantemente lo stato di avanzamento e per poi scalare gradualmente l’applicazione delle nuove tecnologie.
C’è poi un tema cruciale, oggi parola d’ordine in ogni tavolo tecnico: la Governance dell’AI. Spesso messa in secondo piano, è invece prioritario definire ruoli, responsabilità e condizioni di gestione prima ancora di avviare la progettazione. Non so se stiamo replicando esattamente gli errori del passato, ma di certo la natura dirompente di questa tecnologia impone una cautela e un’attenzione analitica superiori alla norma.
Qual è oggi il principale ostacolo all’adozione dell’AI nelle imprese?
Da un lato, non si può parlare di progetti di Intelligenza Artificiale senza partire dai dati. L’AI è essenzialmente uno straordinario elaboratore di dati e generatore di contenuti; tecnicamente, la materia prima è quella. Se non si dispone di una base dati solida, è molto difficile che un progetto di AI abbia successo.
Dall’altro, e qui risiede l’ostacolo culturale più grave, si tende a non considerare l’AI come un motore di sviluppo umano. Ogni implementazione deve essere affiancata da formazione e coaching per le persone che la utilizzeranno. Anche chi possiede competenze tecniche qualificate ha bisogno di competenze trasversali e umane per gestire correttamente i nuovi flussi di lavoro. Senza questa integrazione, il potenziale resta inespresso.
Quali decisioni non possono più essere delegate esclusivamente all’area IT?
Tutte quelle che toccano la sostanza del business e la responsabilità etica. Serve una collaborazione costante tra tre anime: la sfera tecnologica, il business e la governance. La vecchia separazione netta tra “chi fa l’IT” e “chi fa il resto” impedisce di ottenere risultati concreti.
Ormai il concetto di Human-in-the-loop non è più una buzzword, ma una necessità pratica. L’AI è una trasformazione organizzativa: le competenze tecniche e quelle umane devono lavorare in sinergia. La responsabilità ultima delle decisioni deve sempre rimanere alle persone. Il decisore finale deve essere l’umano che presidia quella specifica area di business. Parallelamente, la formazione deve essere continua, concreta e differenziata in base al ruolo ricoperto.
Come dovrebbe scegliere il primo caso d’uso un manager, specialmente in una PMI?
Alle piccole e medie imprese suggerisco di evitare rivoluzioni improvvise. Meglio iniziare con un percorso semplice: individuate un singolo processo da migliorare, coinvolgete un gruppo eterogeneo per competenze e background, fornite una formazione mirata e sperimentate l’AI in condizioni controllate. Misurate i risultati, validateli e solo dopo estendete l’esperienza.
Diffidate da chi propone di “ribaltare tutto subito”: è un errore macroscopico. Non servono investimenti enormi iniziali, ma un apprendimento progressivo basato sui quick wins (successi rapidi). Avanzate per gradi: un traguardo raggiunto legittima il passo successivo. Questo approccio rende gli investimenti sostenibili e comprensibili per l’imprenditore, che altrimenti si spaventerebbe davanti a cifre esorbitanti.
Tuttavia, non possiamo fermare lo tsunami con le mani. Per le PMI, l’AI generativa rappresenta un’opportunità storica: ciò che prima richiedeva budget ingenti per ottenere certi livelli di supporto analitico o operativo, oggi è accessibile. Non usarla significa lasciare campo libero alla concorrenza. La sfida è creare una cultura diffusa dell’AI, calibrata sulle dimensioni e i settori specifici dell’azienda.
Come si distingue un investimento strategico in AI da un progetto nato dalla paura di restare indietro?
L’investimento deve essere sempre guidato da un obiettivo preciso. Che si tratti di efficientamento, revisione dei processi, riorganizzazione della forza vendita o esplorazione di nuovi mercati, la tecnologia è solo la leva. Non vedo mai l’AI come pura tattica, ma come componente di una strategia più ampia. Prima si definisce il traguardo che si intende raggiungere, poi si sceglie lo strumento più adatto e parallelamente si coinvolgono i team competenti.
Dal punto di vista della durabilità, quali segnali indicano che un’azienda sta costruendo una vera capacità digitale?
È difficile generalizzare, ma il segnale primario è l’allineamento tra tecnologia e bisogni reali. Prima di comprare piattaforme, l’azienda deve sapere quali problemi intende risolvere e quali competenze possiede internamente.
Una capacità durevole si nota quando l’AI è integrata nei processi critici con un controllo umano qualificato. Penso alle cosiddette black farms industriali, completamente automatizzate, dove tuttavia l’uomo interviene periodicamente per validare i passaggi di stato. Oppure ai processi decisionali: l’AI può raccogliere e analizzare dati sulla competizione in tempi record, ma servono persone con una conoscenza specifica per interpretare quei dati e confermarne la validità. La chiave è avere momenti strutturati in cui l’umano “entra” nel flusso tecnologico per esercitare giudizio e responsabilità.
Quali competenze saranno decisive per non dipendere passivamente dagli strumenti AI?
Nel mio libro, sviluppato dopo oltre trent’anni nel tech, propongo un modello tripartito: Mente, Cuore, Mani.
La Mente serve per comprendere e interpretare un mondo in rapida evoluzione. Poiché la raccolta grezza di contenuti diventa facile, cresce il valore della capacità di filtrare, giudicare le risposte, anticipare errori e contestualizzare i risultati.
Il Cuore riguarda le competenze che danno senso al lavoro: empatia, ascolto, collaborazione, intelligenza relazionale e passione. L’AI supporta le attività cognitive, ma non sostituisce la motivazione umana né la curiosità intellettuale, motori fondamentali per individuare nuove opportunità.
Le Mani rappresentano la sperimentazione pratica. Invito tutti a “giocare” con questi strumenti, a testarne i limiti attraverso l’uso diretto. Solo conoscendo lo strumento se ne comprendono i confini.
Soprattutto, emerge una competenza trasversale fondamentale: la responsabilità. Essere responsabili di ciò che chiediamo all’AI è un dovere ineludibile per imprenditori, manager e professionisti. Significa comprendere sempre l’impatto sociale, economico ed etico delle azioni automatizzate.
La formazione deve insegnare a usare gli strumenti o a riprogettare il lavoro?
Entrambe le cose, declinate diversamente per ciascun livello gerarchico. Agli imprenditori e top manager serve formare la visione strategica: come l’AI influenza gli investimenti, la governance e il bilanciamento rischio-opportunità. Ai manager e middle-management occorre insegnare a identificare i casi d’uso pertinenti, a riprogettare i processi e a monitorare i risultati intermedi, gestendo il cambiamento organizzativo. Agli specialisti e tecnici servono competenze avanzate su integrazione, interoperabilità, qualità dei dati e cybersecurity, inclusa la definizione di perimetri rigidi per proteggere asset informativi preziosi.
Come gestire gli squilibri generazionali nell’adozione dell’AI?
Siamo la prima epoca storica con cinque generazioni co-presenti nel mercato del lavoro, ognuna con un rapporto diverso con la tecnologia. Dai Boomer ai nativi digitali, fino ai nuovi “nativi AI”.
La soluzione è un patto intergenerazionale. I giovani portano immediatezza, familiarità con gli strumenti e nuove modalità operative semplici. Gli esperti portano conoscenza profonda dei settori, capacità di giudizio critico e comprensione dei processi end-to-end, indispensabili per capire dove inserire l’AI. Non esiste un approccio giusto o sbagliato in assoluto: il valore nasce dalla complementarità. Collaborare, anziché competere o diffidare l’un l’altro, è la risorsa competitiva più potente.
L’AI riduce o amplia i divari di competenza?
Dipende dall’uso. Se trattata come una “scatola nera” magica a cui chiedere output da accettare passivamente, l’AI ridurrà drasticamente le nostre capacità critiche e l’attenzione alla qualità. Diventeremo pigri intellettualmente.
Se invece la concepiamo come un amplificatore, un moltiplicatore delle nostre facoltà, essa aggiunge valore. Faccio un esempio scolastico applicabile alle aziende: invece di farsi scrivere una tesina completa, uno studente usa l’AI in “modalità tutor”. Chiede aiuto su Napoleone, riceve contesto storico, risponde a domande di verifica, esplora angoli letterari e artistici correlati, e solo alla fine, dopo aver dimostrato padronanza tramite quiz, ottiene l’elaborato strutturato. Questo metodo insegna molto più della vecchia enciclopedia cartacea consultata passivamente. Allo stesso modo, in azienda, l’AI può generare dashboard o sintesi, ma spetta all’analista verificarle, correggerle e trarne insight strategici.
Come evitare che le persone restino marginali rispetto alle decisioni sull’architettura AI?
Attraverso la governance. Non esistono scorciatoie. Nel disegnare un processo assistito dall’AI, bisogna mappare esplicitamente ruoli, responsabilità, punti di monitoraggio e criteri di revisione finale. L’umano deve intervenire in ciascuna di queste fasi. Affidarsi passivamente al prompt iniziale e dimenticare il sistema attivo è miopia strategica: si crede di risparmiare tempo, ma si perde valore e controllo.
Riguardo alla dipendenza dalle grandi corporazioni (Big Tech) che detengono le piattaforme base: è inevitabile. Tuttavia, la differenziazione competitiva non sta nel reinventare il modello fondativo, ma nella verticalizzazione. Possiamo costruire agenti specializzati, addestrati sui nostri dati proprietari e orientati alle nostre specifiche esigenze di business. Usando la nostra capacità cognitiva per formulare richieste precise e contestuali, trasformiamo l’AI generica in uno strumento sartoriale, perfettamente allineato alla nostra intenzione strategica.
Che lezioni porta dalla sua esperienza nella Pubblica Amministrazione per le PMI private?
Negli ultimi dieci anni, la PA italiana ha compiuto un’accelerazione digitale impressionante, creando piattaforme infrastrutturali (Anagrafe Nazionale, PagoPA, Notifiche) che hanno abilitato servizi moderni. Oggi vediamo applicazioni avanzate di AI, come i digital twin (gemelli digitali) urbani usati per simulare scenari di rischio idrogeologico o traffico.
La lezione per le PMI è duplice: primo, la capacità di muoversi velocemente nonostante la burocrazia dimostra che il cambiamento è possibile; secondo, se enti complessi riescono a innovare con l’AI, le imprese non hanno alibi. Bisogna superare la paura del rischio e abbracciare un utilizzo pragmatico e continuo della tecnologia, vedendola non come minaccia, ma come leva di resilienza e crescita.
Infine, se dovesse indicare un elemento imprescindibile in un percorso di preparazione all’AI per manager e organizzazioni, quale sarebbe?
Tre ingredienti essenziali: 1. Infarinatura di base condivisa: alfabetizzazione digitale uniforme per abbattere le barriere culturali. 2. Analisi dei processi interni: conoscere dove si spreca energia o si perde valore prima di automatizzare. 3. Change Management: curare la dimensione umana. Le persone devono cambiare mentalità (mindset) prima ancora di imparare a premere pulsanti. L’AI è un viaggio organizzativo, non un upgrade software. Insisto molto su questo punto: senza la testa giusta, la tecnologia migliore fallisce.
