Le statistiche attuali non restituiscono scenari allarmanti di sostituzione massiva, ma piuttosto scenari di potenziamento delle attività e miglioramento dell’efficienza individuale.

Abbiamo intervistato Giovanni Rossi, consulente in ambito human capital, che ci ha parlato dello stato di adozione dell’intelligenza artificiale nelle imprese italiane, delle principali resistenze che frenano la trasformazione digitale e di come strutturare un percorso di implementazione efficace, con un focus particolare sulle applicazioni nell’ambito HR.

In dettaglio:

• La situazione delle aziende in Italia
• Barriere e resistenze
• Il percorso di adozione
• Un focus su HR

La situazione delle aziende in Italia

Qual è il reale livello di interesse riguardo all’Intelligenza Artificiale nelle imprese italiane oggi?

L’intelligenza artificiale è un tema molto discusso dai media e ha catturato l’attenzione di moltissime aziende, anche solo come argomento da approfondire. Le statistiche mostrano che l’interesse è diffuso, ma con livelli di adozione diversi a seconda delle dimensioni dell’impresa.

Come spesso accade con le nuove tecnologie, sono le grandi aziende a fare da apripista: il 24% ha già progetti attivi di intelligenza artificiale generativa. Seguono le medie imprese al 13% e le piccole al 5%. Questi numeri fotografano bene come le imprese stanno affrontando il tema.

Il percorso tipico parte dalla curiosità iniziale, passa attraverso un’attività di informazione – che può essere un confronto con i fornitori per capire quali soluzioni offrono o la partecipazione a corsi di formazione – e arriva infine alla fase di implementazione vera e propria. Quest’ultima fase, però, è ancora appannaggio principalmente delle grandi aziende.

Le grandi imprese stanno già sperimentando concretamente, ma con la giusta cautela. Serve tempo per valutare come introdurre una nuova tecnologia in modo coerente: non si tratta di adottarla solo per averla, ma di capire come integrarla nei processi esistenti, perché qualsiasi processo aziendale già collaudato deve essere modificato in maniera consapevole.

Puoi farmi degli esempi concreti?

Bisogna distinguere tra due tipi di utilizzo dell’intelligenza artificiale: uno per migliorare la produttività personale e individuale, l’altro con obiettivi trasformativi che coinvolgono l’intera azienda, come la revisione di processi o la riconfigurazione organizzativa. Quest’ultimo tipo di utilizzo è quello che deve ancora diffondersi davvero.

Oggi moltissime aziende usano l’AI generativa per efficientare il lavoro quotidiano: velocizzare compiti, evitare di dover ricorrere a competenze esterne o distogliere risorse interne. Ma questo utilizzo spesso non è strutturato e non tocca i processi aziendali veri e propri.

Vediamo un paio di esempi di AI strutturata:

1. Manutenzione predittiva: nella manutenzione classica si segue un calendario periodico: il responsabile controlla i macchinari a intervalli prestabiliti. Con l’AI, invece, l’azienda può installare sensori e sistemi di alert che si attivano automaticamente quando rilevano l’insorgere di segnali di anomalia – come un macchinario sotto tensione o segnali precoci di rottura.

Grazie a modelli di intelligenza artificiale e reti neurali che elaborano dati reali (l’esperienza di quel macchinario) o dati sintetici (esperienze di altri macchinari simili), il sistema può cogliere segnali deboli o early warning che l’operatore umano faticherebbe a notare. Si passa così da una manutenzione programmata a una manutenzione predittiva: il reparto non lavora più solo su scadenze fisse, ma interviene quando davvero necessario.

2. Gestione delle scorte nella ristorazione: un ristorante può usare l’AI per prevedere il flusso di clientela considerando molteplici variabili: condizioni meteo, orari di apertura e chiusura delle aziende vicine, eventi locali. Invece di basarsi solo sullo storico dell’anno precedente, il sistema elabora previsioni molto più precise e aiuta a prendere decisioni su: quanto ordinare di scorte, quanti dipendenti far lavorare e in quali orari.

Il denominatore comune Tutti questi esempi hanno in comune la capacità di lavorare sui dati – che sono il carburante dell’intelligenza artificiale – e di mettere l’operatore umano nelle condizioni di prendere decisioni migliori grazie a informazioni che la macchina riesce a elaborare molto meglio di quanto potrebbe fare una persona.

E cosa ne pensi delle applicazioni verticali che integrano già l’AI, che un’azienda può acquistare ed utilizzare fin da subito? Pensi saranno funzionali?

Penso sia una grande opportunità: sviluppare sistemi di intelligenza artificiale da zero è complesso e costoso, quindi avere un fornitore che propone una soluzione già integrata con l’AI offre diversi vantaggi.

Innanzitutto, permette di testare la tecnologia in maggiore sicurezza. Inoltre, un fornitore che conosce bene la tua azienda può suggerirti soluzioni su misura, perché sa già di cosa potresti aver bisogno. Queste soluzioni sono già inserite in un contesto operativo familiare, all’interno di processi che l’azienda già utilizza, rendendo l’adozione più naturale e meno rischiosa.

Conosco molte aziende che hanno un atteggiamento di attesa: preferiscono aspettare per vedere cosa propongono i loro fornitori. Soprattutto per le PMI, questa strategia si sta consolidando sempre di più ma in realtà non è una novità: lo stesso approccio è stato valido anche per l’introduzione di tante altre tecnologie in passato. 

Barriere e resistenze

Quali sono le principali resistenze che stai riscontrando?

Le principali resistenze si possono riassumere su due livelli: quelle delle aziende e quelle delle persone.

Barriere a livello aziendale:

1. Mancanza di conoscenze: le aziende non sanno cos’è davvero l’AI e quali potenzialità offre. È una naturale mancanza di informazione di base sulla tecnologia.

2. Mancanza di competenze interne: l’azienda sa cos’è l’AI e di cosa si tratta, ma non ha persone internamente in grado di gestirla operativamente.

3. Percezione di costi eccessivi: si pensa che l’AI costi troppo e sia un investimento insostenibile. Questo è spesso un luogo comune basato su narrazioni ed esperienze indirette. In realtà, come tutte le tecnologie, esistono soluzioni di AI per tutti i budget: bisogna capire il bisogno specifico, ma non si può escludere a priori pensando che sia troppo costosa.

4. Timore della prima mossa: molti preferiscono aspettare: “Vediamo cosa fanno gli altri e poi li seguiamo”. Questa, a mio avviso, è la resistenza principale.

Barriere a livello individuale:

Quando parliamo di persone, le barriere sono simili ma con sfumature diverse:

1. Mancanza di conoscenza: il dipendente non sa di cosa si stia parlando, è completamente a digiuno della materia o ne ha solo sentito parlare superficialmente.

2. Mancanza di competenze: qui siamo a uno step successivo, la persona sa cos’è l’AI ma non si sente in grado di gestirla praticamente. Sia la conoscenza che le competenze si possono colmare con adeguati interventi formativi e informativi.

3. Questione della responsabilità: quando lavorerò con un sistema di intelligenza artificiale, di chi sarà la responsabilità di ciò che produco? È mia o del sistema? Sono aspetti di governance che vanno chiariti. È naturale che lavorando con l’automazione una persona si chieda se il risultato del suo lavoro sia merito o responsabilità dell’AI, soprattutto in caso di errore.

4. Paura della sostituzione (il punto più scottante): quello che verrà introdotto un giorno mi sostituirà o semplicemente aiuterà il mio lavoro? Anche questo punto va affrontato con chiarezza. Le statistiche attuali non restituiscono scenari allarmanti di sostituzione massiva, ma piuttosto scenari di potenziamento delle attività, miglioramento dell’efficienza e della produttività individuale. In Italia non si ipotizzano certamente licenziamenti di massa a causa dell’AI anche perché nel nostro contesto di carenza di manodopera diffusa e di calo demografico c’è ancora molto bisogno dell’intervento umano.

Il percorso di adozione

E voi come strutturate il percorso di adozione dell’AI in azienda? Chi va coinvolto e in che modo?

È necessario coinvolgere innanzitutto la leadership aziendale. Si parte sempre dal vertice, dalle funzioni di direzione, per far comprendere correttamente di cosa si sta parlando. Bisogna togliere la mistificazione e dare una dimensione realistica della tecnologia: possibilità, limiti e rischi. Quando parliamo di tecnologia dobbiamo capirci su cosa stiamo discutendo, altrimenti si finisce in dibattiti interminabili sulla definizione di intelligenza che ci portano lontano dagli interessi concreti dell’azienda.

Un altro aspetto importante è portare avanti questa attività informativa all’interno di tutta l’azienda. Non possiamo dimenticarci di coinvolgere anche le persone e i collaboratori che saranno necessari al progetto per farlo andare a buon fine. Nella nostra esperienza c’è un coinvolgimento di tutta l’impresa: con gradazioni e intensità diverse, ma l’informazione deve arrivare a tutta l’azienda.

Una volta completata l’attività informativa generale, si lavora sulle competenze specifiche. Qui si fanno interventi più mirati sulle persone che avranno maggiore coinvolgimento nello sviluppo dei modelli e dei sistemi adottati: attività che riguardano competenze tecniche e l’utilizzo di determinati strumenti. Questa fase è molto più operativa rispetto alla precedente e deve includere anche aspetti legali, di compliance e di sostenibilità – tutto ciò che serve per portare il progetto a compimento.

Il modello di implementazione:

L’intelligenza artificiale, per quello che stiamo osservando, parte necessariamente con una spinta top-down: l’investimento e il commitment devono venire dall’alto.

Poi lo sviluppo deve avvenire bottom-up: chi opera sul campo deve poterlo far evolvere concretamente.

Infine serve un impegno middle-out, da parte manageriale: il management deve fare in modo che il progetto, partito dal basso, abbia continuità e si instauri nelle abitudini aziendali, stabilizzandosi effettivamente nell’organizzazione.

In sintesi: è necessario coinvolgere tutti con gradi diversi, attraverso processi informativi e formativi mirati e utili per far sì che il progetto abbia successo.

Un focus su HR

E cosa puoi dirmi del mondo dell’HR? Storicamente è un po’ più refrattario, difficilmente è il primo a recepire nuove tecnologie…tu cosa stai vedendo?

Ci sono soluzioni importanti che da tempo supportano le aziende nelle attività HR, ma l’AI generativa – e qui sta la novità – sta aiutando questo reparto da molti punti di vista, sia in modo strutturato che non strutturato.

Mi riferisco soprattutto a quei processi particolarmente dispendiosi in termini di tempo e risorse, che oggi possono essere svolti molto più rapidamente. Alcuni esempi concreti:

• Estrazione automatica delle competenze da un curriculum vitae
• Matching in tempo reale tra un CV e una job position
• Screening intelligente: sistemi in grado di analizzare centinaia di candidature e identificare le 5-6 più in linea con le esigenze aziendali

Tutte queste attività, che normalmente richiedono moltissimo tempo a un ufficio HR, oggi possono essere gestite con sistemi di AI generativa. Le possibilità di creare maggiore efficienza all’interno di un ufficio HR sono elevatissime.

Le precauzioni necessarie:

Dove è fondamentale mantenere alta l’attenzione è sull’affidabilità della risposta. Servono modelli particolarmente robusti per operare determinate scelte. Non è un caso che l’AI Act abbia classificato i sistemi di valutazione del personale e di percorsi formativi come sistemi ad alto rischio, proprio perché possono generare discriminazioni nei processi valutativi.

È quindi fondamentale rispettare i requisiti di:

• Spiegabilità (explainability)
• Trasparenza
• Responsabilità

Questo non solo per rispettare gli adempimenti legali – che sono importantissimi – ma anche per garantire che il dato e l’informazione restituita siano di qualità, utili e attendibili. 

La raccomandazione è quindi di scegliere soluzioni che tutelino effettivamente la privacy di candidati e imprese e che garantiscano la qualità del dato.

Quindi l’AI in ambito HR si ferma al recruiting?

Sto vedendo parecchio movimento nella parte iniziale, sì, quella legata al recruiting e alle attività correlate. Sulla parte di gestione del personale, invece, siamo ancora molto indietro.

Certo, esistono già tante soluzioni di automazione che prevedono l’impiego di sistemi di machine learning e da ultimo dell’AI generativa e che supportano alcuni processi HR. Ma la vera differenza che l’AI può fare è portare personalizzazione alla user e candidate experience: definire percorsi
personalizzati sugli MBO (obiettivi individuali), sulla gestione di carriera one-to-one, percorsi formativi e di sviluppo personalizzati, pensare all’esperienza delle persone dentro l’azienda in modo veramente su misura.

Al momento è più facile agire sulla prima parte – il recruiting – perché è più operativa e time consuming. La seconda parte invece è molto più complessa: apre tantissimi temi all’interno dell’azienda, richiede molto più impegno e più tempo per essere implementata correttamente, e
chiama in causa percorsi di valutazione dei processi necessari per poter veramente dare al servizio HR un concreto valore aggiunto.