Le aziende investono in cloud, AI, cybersecurity, ma senza engagement delle persone, il ROI (Return on Investments) cala drasticamente.
Come riportato dal Politecnico di Milano in occasione della presentazione dei risultati dell’Osservatorio Intelligenza Artificiale 2025, gli investimenti delle aziende italiane in soluzioni di Intelligenza Artificiale sono cresciuti del 50% nel 2025 raggiungendo la cifra di 1,8 miliardi di euro e con un CAGR 2022-2025 pari a +54%.
Tuttavia, il ROI dei progetti AI molto spesso non è quello atteso ed uno dei principali motivi è la mancanza di coinvolgimento delle persone.
Il vero collo di bottiglia più che tecnologico, è culturale. Spesso riscontriamo un problema di “digital divide”, cioè di divario di competenze digitali tra i dipendenti di un’azienda e non si tratta solo di una questione di mancanza di accesso alla tecnologia, ma soprattutto di mancanza di partecipazione. Inoltre, esiste anche un importante tema di “gender gap” cioè di divario di competenze tecnologiche legate al genere.
Vedremo a uno ad uno come gestire tutti questi aspetti.
Indice degli argomenti
Il ruolo dell’IT Director come architetto culturale
Il ruolo dell’IT Director sta profondamente cambiando e passando da responsabile di sistemi ad abiliitatore di comportamenti. Ogni progetto tecnologico è un progetto di change management, pertanto la leadership tecnica deve diventare leadership consapevole con le seguenti caratteristiche:
- ascolto attivo (ascoltare le paure dei dipendenti di non essere in grado di usare i nuovi strumenti o, peggio, il timore di essere sostituiti dagli algoritmi)
- comunicazione chiara (è fondamentale spiegare l’obiettivo dei progetti, chi ne sarà impattato, quali sono i piani di formazione e le relative tempistiche)
- inclusione delle competenze “non tecniche” (oltre a corsi su come funziona l’AI, occorre spiegare bene quali sono gli impatti legali, sociali, i rischi di bias, di allucinazioni, nonché l’importanza del dato sicuro protetto e attuale)
- capacità di creare fiducia nei processi di automazione e AI.
Coinvolgimento attivo delle persone: cosa significa davvero
1. Co-creazione
È importante coinvolgere i dipendenti fin dall’inizio di un progetto, coinvolgere chi ha le competenze di dominio e di processo, chi userà la soluzione e anche chi magari ne sarà impattato in quanto sarà tagliato fuori dal nuovo processo automatizzato. Ad esempio l’assistente di direzione che scrive le minute dei meeting , organizza le trasferte, risponde alle mail deve essere coinvolta; l’operatrice del call center che teme di essere sostituita da un chatbot o di non essere capace di integrarne l’uso nel proprio lavoro; il manutentore dei data center che dovrà usare una knowledge base della quale a priori non si fida e che però, se è coinvolto nella creazione della knowledge base stessa, si renderà conto che la nuova applicazione non andrà a sostituire il suo lavoro, ma lo semplificherà. Questo in particolare vuol dire:
- Far partecipare i team alla definizione dei requisiti.
- Organizzazione di workshop di design thinking.
- Ascolto delle paure e delle aspettative.
2. Trasparenza nei processi di AI
Nella formazione è necessario chiarire come funziona l’AI, non solo insegnare l’uso dei tool. Spiegare ad esempio cos’è il machine learning che sta alla base sia dell’AI predittiva sia di quella generativa. Evidenziare che l’algoritmo impara dai dati senza essere esplicitamente programmato e se i dati contengono dei “bias”, anche l’algoritmo rischierà di rinforzare tali pregiudizi (pensiamo agli impatti in ambito HR, marketing, in ambito farmaceutico e sanitario). È importante quindi spiegare l’importanza dei dati, completi, inclusivi, rispettosi della privacy. Dati che devono essere protetti ed attuali.
È inoltre fondamentale ridurre l’ansia da sostituzione.
Fornire ai dipendenti degli esempi pratici e supportarli nelle prime fasi di utilizzo, li aiuta a rendersi conto che l’AI è di grande supporto, contribuisce a ridurre i tempi per portare a termine un certo compito. Nello stesso tempo l’AI non sostituisce il senso critico del dipendente, la sua conoscenza dell’azienda, dei clienti, del mercato specifico. Le due cose sono complementari. A volte la tentazione delle persone è affermare “lo faccio come l’ho sempre fatto poiché viene meglio”, e magari è anche vero, ma ciò non è più sostenibile perché non usare gli strumenti di AI che aumentano la produttività ci mette fuori mercato come azienda e come individui.
3. Upskilling continuo
Un altro aspetto fondamentale per il coinvolgimento delle persone è la formazione e l’upskilling continuo. Come abbiamo già menzionato la formazione deve includere, oltre ai corsi tecnici, anche le competenze trasversali (aspetti etici, legali, l’importanza del dato, di verificare il risultato ecc.).
È inoltre molto importante creare dei percorsi personalizzati, in particolare partire da un corso base per tutti, ma proprio tutti i dipendenti, anche chi al momento non è coinvolto dall’implementazione di una soluzione AI, perché prima o poi lo sarà e soprattutto per gestire e minimizzare il fenomeno dello “shadow AI”. Come ricorda il Politecnico di Milano (sempre durante la presentazione dei risultati dell’Osservatorio Intelligenza Artificiale 2025) da un’indagine su un campione di 1160 aziende italiane, francesi e inglesi è risultato che ben il 67% dei lavoratori usa strumenti AI non controllati dall’azienda, sia nel caso di assenza di strumenti aziendali, che nel caso in cui degli strumenti ci siano. In Italia la situazione è anche peggiore con una percentuale dell’81% di shadow AI.
Si possono poi pianificare corsi di livello intermedio per chi usa l’AI nei processi fornendo prompt efficaci, modelli ricorrenti ed illustrando vari casi d’uso.
Infine, va previsto un livello avanzato e con aggiornamento continuo per i referenti AI, per la leadership e per i tecnici. In quest’ambito vanno anche definite le policy e la governance.
4. Superare il divario digitale e di genere con competenze e AI
Ultimo punto, ma non meno importante, è quello del divario di competenza digitali che esiste in ogni azienda. Il “digital divide” è un rischio aziendale. Se una parte dell’organizzazione resta indietro, l’intera trasformazione rallenta. Il gap di competenze crea inefficienze, errori, resistenze. In particolare, vorrei portare l’attenzione sul divario di competenze digitali e tecnologiche legate al genere (“digital gender gap”)
Partiamo dai dati. Solo il 15% di chi studia materie ICT in Italia è donna, questo significa che l’85% di chi pensa, progetta, testa le applicazioni è uomo e potrebbe non conoscere i punti di vista e le esigenze dell’altra metà della popolazione. Ecco perché è importante prestare particolare attenzione alla formazione delle competenze digitali delle donne (anche a partire dalle bambine e ragazze) e più in generale è necessario formare team di progetto eterogenei, con diverse competenze, punti di vista, età, formazione per avere più innovazione e competitività.
Cosa può fare un IT Director da domani
Dopo questa premessa, vediamo in termini pratici cosa può fare da domani un direttore IT per coinvolgere attivamente le persone nei nuovi progetti.
1. Mappare le competenze digitali reali
Iniziare con il mappare le competenze digitali reali e non solo quelle dichiarate. Lo si può fare usando questionari, framework delle competenze e numerosi altri strumenti. È fondamentale sapere da dove si parte per poi definire un appropriato piano di adozione.
2. Creare un “AI Adoption Plan” centrato sulle persone
Dopo aver definito il punto di partenza delle competenze si può passare a definire un piano di adozione delle soluzioni AI basato su quattro punti:
- Formazione
- Comunicazione
- Governance
- Misurazione dell’impatto
Vorrei in particolare portare l’attenzione sull’importanza di una governance chiara, che definisca responsabilità, rischi, standard etici e criteri di adozione. L’AI agentica, in particolare, richiede un modello di supervisione continua.
È inoltre fondamentale garantire risorse minime (dove la risorsa, oltre alle licenze o altro, è anche il tempo per potersi formare e poter provare senza paura di sbagliare)
3. Introdurre KPI di inclusione nei progetti tecnologici
Oltre ai classici KPI di business per misurare l’incremento di fatturato, la riduzione dei costi, l’aumento dei clienti è importante introdurre anche dei KPI che vadano a misurare l’inclusione nei progetti tecnologici. Ad esempio, si può misurare la partecipazione, il coinvolgimento dei dipendenti, l’accessibilità dei nuovi strumenti e la diversità all’interno dei team di progetto.
4. Sperimentare in piccolo, scalare in grande
Questo è probabilmente il punto più noto agli IT director, ma è pur sempre importante ricordarlo. Prima di affrontare grossi progetti trasformativi è importante sperimentare in piccolo, raccogliere feedback, aggiustare il tiro prima di scalare in grande.
