torna indietro

Le tecnologie non arrivano, si fanno strada

di Luca Solari

Una tecnologia non porta risultati finché l’organizzazione non cambia per usarla in modo efficace: è successo con l’elettricità, sta succedendo con l’AI, perché gli strumenti restano troppo lontani dal lavoro reale. Per la funzione HR la priorità è una: partire dal problema organizzativo da risolvere, e solo dopo scegliere lo strumento.

TECNOLOGIAARTICOLOLuca Solari7 MINUTI

Abbiamo una storia delle tecnologie che è una storia per immagini. Arriva la macchina a vapore e tutto cambia, arriva l'elettricità e tutto cambia di nuovo, arriva il computer e il mondo si riorganizza attorno a uno schermo. È una storia comoda, perché ha un inizio e una fine e un protagonista. Peccato che sia in larga parte una semplificazione di chi ha studiato la rivoluzione industriale guardandola da lontano, quando i segni erano ormai compiuti e le alternative perdenti erano già state dimenticate.

Chi ha guardato da vicino racconta un'altra vicenda. Paul David, in un saggio del 1990 diventato un classico, ha mostrato che tra l'apertura della prima centrale elettrica di Edison a New York nel 1882 e il momento in cui l'elettricità ha prodotto guadagni di produttività visibili nell'industria americana sono passati circa quarant'anni. Il motivo non era la tecnologia, era l'organizzazione. Finché le fabbriche hanno sostituito la macchina a vapore con un grande motore elettrico centrale, lasciando intatti alberi, cinghie e disposizione dei reparti, non è successo quasi nulla. Il salto è arrivato quando una nuova generazione di ingegneri e di imprenditori ha ripensato la fabbrica attorno a tanti piccoli motori, uno per macchina, e con essa i flussi, i mestieri, le gerarchie di officina. Le tecnologie non trovano subito le applicazioni giuste. Faticano a diffondersi, si incagliano in usi provvisori, dipendono da incontri casuali tra chi le produce e chi, per ragioni sue, decide di provarle.

E quasi mai c'è una sola tecnologia. Brian Arthur ha descritto come paradigmi tecnologici in competizione si contendano il campo e come il vincitore non sia necessariamente il migliore, ma quello che per primo ha accumulato abbastanza adozioni da rendere costoso cambiare strada. Corrente continua contro corrente alternata, formati video, sistemi operativi. La storia della tecnica è piena di battaglie combattute più o meno consapevolmente, con esiti che a posteriori sembrano inevitabili e che al momento non lo erano affatto.

Più veloce, non più prevedibile

Tutto questo accadeva quando comunicare era difficile e lento. Le notizie di un'applicazione riuscita viaggiavano con le persone, con le fiere, con le riviste di settore, e i tempi di diffusione si misuravano in decenni. Oggi il digitale e la connessione permanente hanno compresso quei tempi in modo impressionante. Ma più veloce non vuol dire più razionale. Nella sfera digitale contano moltissimo i primi periodi della conversazione, quando si formano le aspettative, si fissano le parole d'ordine e si decide chi è credibile. Un processo che era vischioso e lungo è diventato rapido e, per questo, ancora più fortuito.

L'intelligenza artificiale generativa è l'esempio perfetto. In meno di tre anni ha monopolizzato la conversazione pubblica a un punto tale che Walter Quattrociocchi parla di epistemia, una condizione in cui la quantità di discorso su un tema supera la capacità collettiva di sapere davvero qualcosa a riguardo.

In un contesto simile qualunque contributo sull'AI e sui suoi effetti reali è un po' come il gatto di Schrödinger. Vale e non vale nello stesso momento, e lo sapremo solo quando apriremo la scatola, cioè quando le organizzazioni avranno accumulato abbastanza esperienza da distinguere ciò che ha funzionato da ciò che è stato soltanto raccontato.

Eppure la spesa corre. Un rapporto del MIT pubblicato nell'estate del 2025, The GenAI Divide, ha stimato che il 95 per cento dei progetti pilota di AI generativa nelle imprese si ferma alle fasi iniziali senza produrre ritorni misurabili, e che a spiegarlo non è la qualità dei modelli ma la distanza tra gli strumenti e i flussi di lavoro reali. Paul David lo avrebbe chiamato il problema dei piccoli motori. Noi, più semplicemente, lo chiamiamo organizzazione.

Quello che ho sentito a Londra

A inizio ottobre ero al Gartner HR Symposium di Londra, tre giornate dense di presentazioni e un salone pieno di fornitori. Sono tornato con un'impressione netta. Nessuno, né tra gli espositori né tra i relatori, ha presentato un modello compiuto di integrazione tra tecnologia e trasformazione della funzione che si occupa delle persone. Al massimo casi specifici, spesso brillanti, quasi sempre confinati a una pratica, la selezione, lo skill mapping, un cruscotto per i manager di linea. L'ecosistema è frammentato, con startup e grandi piattaforme legacy che si contendono lo stesso spazio promettendo tutte la stessa cosa, cioè di innestarsi senza fatica su ciò che già esiste. I paradigmi in competizione di cui parlavo sopra, in carne e ossa.

La seconda impressione è che la tecnologia sia ancora trattata come un tema puramente ingegneristico. Le priorità che emergevano dalle conversazioni erano, nell'ordine, l'usabilità e l'integrazione degli strumenti, poi come convincere la governance a finanziarli, e solo molto dopo come convincere le persone a usarli. Colpiva la richiesta diffusa di use case, un “fammi vedere cosa hai fatto tu” che tradisce la difficoltà di molte funzioni HR a costruire una propria visione e le condanna a rincorrere budget decisi altrove.

I dati che Gartner ha messo sul tavolo raccontano però una storia più interessante dei prodotti. Un dirigente su cinque dichiara che nella propria funzione i ruoli hanno visto cambiare più della metà dei compiti nell'ultimo anno, in gran parte senza alcuna riprogettazione deliberata del lavoro. Il 67 per cento dei CHRO riferisce aspettative di produttività cresciute, il 57 per cento aspettative di velocità cresciute. Un dipendente su quattro si dice già frustrato da come l'AI ha cambiato il proprio lavoro, solo il 35 per cento vede un percorso di carriera chiaro e l'intenzione di restare in azienda è scesa di quasi il 20 per cento in due anni. E chi usa di più l'AI dichiara di essere più occupato di prima, non meno. La ricercatrice che presentava questi numeri ha coniato un'espressione che mi è rimasta addosso, i bad jobs generati dall'AI. Lavori diventati più monotoni e più isolati perché il tempo liberato viene riempito con altre quote dello stesso compito, oppure lavori diventati insostenibili perché restano solo le parti più difficili, con più passaggi di revisione e più agenti da sorvegliare.

Sul fronte opposto, un grande fornitore di software ha aperto la sua presentazione chiedendo alla platea di domandare al proprio assistente AI un numero a caso tra uno e dieci. Quasi tutti hanno ottenuto sette. Non perché il modello scelga a caso, ma perché è addestrato a restituire ciò che gli esseri umani si aspettano. La morale del relatore era commerciale, un'AI senza contesto aziendale dà a te e al tuo concorrente la stessa risposta. La morale che porto a casa io è un'altra. Senza una domanda organizzativa precisa, la tecnologia risponde con il suo numero sette.

Alcuni interrogativi vitali

Come TheLab abbiamo richiamato più volte a un approccio maturo e razionale verso l'AI, lontano tanto dall'entusiasmo di chi vede ovunque la macchina a vapore quanto dallo scetticismo di chi aspetta che passi la moda. In questo numero vogliamo fare lo stesso, e lo facciamo nel modo che ci è più congeniale, ponendo interrogativi che nascono da trent'anni passati ad aiutare le organizzazioni a cambiare. Non sono domande retoriche. Sono le domande che, nella nostra esperienza, distinguono i progetti che lasciano un segno da quelli che si fermano al pilota.

La prima riguarda la domanda stessa. Qual è il problema organizzativo che vogliamo risolvere, formulato prima di aver scelto lo strumento? Se la risposta comincia con il nome di un prodotto, abbiamo già invertito l'ordine. A Londra la maggior parte delle conversazioni partiva dalla tecnologia e arrivava, forse, alle persone. L'esperienza dell'elettricità insegna che il valore sta nel percorso inverso.

La seconda riguarda il lavoro. Chi, nell'organizzazione, ha la responsabilità esplicita di riprogettare i ruoli che l'AI sta già cambiando? I dati di Gartner dicono che i compiti si trasformano a grande velocità e che quasi nessuno governa il processo. Il tempo liberato è una risorsa da investire, non un sottoprodotto. Se nessuno decide dove va, finisce in altra amministrazione o in altre email, e il lavoro peggiora mentre i cruscotti segnalano produttività in crescita.

La terza riguarda la funzione HR e il suo ruolo. Il CHRO è nella stanza quando si decide quali decisioni affidare agli algoritmi e quali tenere umane, oppure viene chiamato dopo, per gestire le conseguenze? Una delle intuizioni più interessanti raccolte a Londra è che la people analytics, potenziata dai modelli dialogici, può diventare qualcosa di diverso, la costruzione di scenari su problemi di business e la base per una vera strategia del capitale umano. È un'opportunità che richiede un investimento e una presa di posizione, non un'altra licenza software.

La quarta riguarda le persone e la loro fiducia. Stiamo misurando come cambia la qualità del lavoro, non solo la quantità di output? La ricerca sull'interazione tra esseri umani e robot ci ha insegnato che l'accettazione cresce con la familiarità fino a un punto in cui crolla, la cosiddetta uncanny valley. Siamo nella fase ascendente della curva, quella dell'entusiasmo. Nessuno può dire se e quando arriverà la discesa, ma chi oggi non misura engagement, soddisfazione e intenzione di restare non se ne accorgerà finché i migliori non se ne saranno andati.

L'ultima riguarda il tempo. Quale orizzonte ci siamo dati per giudicare questi investimenti? Se la lezione della storia è che le tecnologie generali si fanno strada attraverso tentativi, fallimenti e ricombinazioni organizzative, allora il 95 per cento di pilota senza ritorno non è un verdetto sull'AI. È la fotografia di un processo vischioso in corso, nel quale conta meno indovinare il paradigma vincente che costruire un'organizzazione capace di imparare da ogni tentativo. Le fabbriche che hanno vinto non erano quelle che avevano comprato per prime il motore elettrico. Erano quelle che avevano capito cosa farne. La tua organizzazione lo ha capito?

Fonti dei dati citati

  • Paul A. David, The Dynamo and the Computer: An Historical Perspective on the Modern Productivity Paradox, American Economic Review, 1990
  • W. Brian Arthur, Competing Technologies, Increasing Returns, and Lock-In by Historical Events, The Economic Journal, 1989
  • MIT NANDA, The GenAI Divide: State of AI in Business 2025 (95 per cento dei piloti senza ritorni, 150 interviste, 350 dipendenti, 300 implementazioni analizzate), ripreso in Computing
  • Gartner HR Symposium/Xpo, Londra, ottobre 2026, sessione AI-Driven Job Quality: Bad Job Types and HR Interventions (1 ruolo su 5 con oltre metà dei compiti cambiati; 67 per cento e 57 per cento dei CHRO su produttività e velocità; 25 per cento di dipendenti frustrati; 35 per cento con percorso di carriera chiaro; intenzione di restare in calo di quasi il 20 per cento in due anni)
  • Gartner HR Symposium/Xpo, Londra, ottobre 2026, presentazione SAP SuccessFactors (esperimento del numero sette)
  • Gartner HR Symposium/Xpo, Londra, ottobre 2026, sessione Transforming the HRBP Role (previsione che entro il 2030 l'AI svolga il 50 per cento delle attività HR attuali, non citata nel testo ma disponibile)

Scarica il White Paper

condividi su

Contenuti correlati