
Introduzione di Marco Minghetti
L’intelligenza artificiale entra nelle organizzazioni attraverso una promessa misurabile: tempi più brevi, procedure automatizzate, nuove capacità di analisi. Nel conteggio delle ore recuperate resta però una domanda decisiva: a chi viene restituito il tempo e chi può decidere come impiegarlo? Il nodo riguarda la qualità del lavoro, l’autonomia delle persone e la possibilità di contestare i risultati di un sistema che suggerisce o prepara le decisioni.
Nel Prolegomeno 215, «Governare la delega prima di perdere il giudizio», ho discusso le esclusioni che precedono una raccomandazione algoritmica: informazioni, alternative e criteri possono scomparire dal campo della decisione prima che qualcuno assuma la responsabilità di scegliere. Il Prolegomeno 216 di Bernardo Lecci, «Il giudizio non è compreso nel biglietto», ha proseguito la riflessione sul rischio di cedere il giudizio attraverso una successione di piccoli gesti. Il tema comune è la capacità di riconoscere, verificare e, quando serve, revocare la delega.
Il libro di Riccardo Bubbio e Arianna Cataldo, «Comprendere le organizzazioni. Neuroscienze, AI e modelli organizzativi per lavorare in modo nuovo» (FrancoAngeli, 2026), amplia il quadro. Nel passaggio dall’organizzazione intesa come «macchina» all’organizzazione come «organismo» (pp. 20–23), le persone acquistano rilievo come soggetti capaci di apprendere, costruire relazioni e contribuire alle scelte. Gli autori richiamano quattro pilastri della felicità organizzativa: «scopo», «autonomia», «crescita e competenza», «relazioni di fiducia» (p. 33). Sono criteri da verificare nelle pratiche, specie quando una tecnologia ridistribuisce attività e responsabilità.
Red Change: tre incontri, una domanda organizzativa
Questa prospettiva ha trovato un riscontro nel percorso Red Change — Il filo rosso della trasformazione, promosso da BIP Red e concluso il 26 ottobre 2026 presso la sede Bip di Piazzetta Liberty di Milano. Il percorso ha collegato il laboratorio del 12 maggio sul linguaggio della trasformazione all’incontro su tecnologia, IA e organizzazioni del 23 settembre e alla plenaria finale. Nella presentazione del progetto, Moira Buzzolani ha insistito sul confronto fra esperienze di settori diversi, sulla collaborazione fra chi guida il cambiamento e su un apprendimento che prosegua oltre l’evento attraverso un white paper. La storia di Red Change descrive dunque una pratica di confronto fra persone, culture e organizzazioni, oltre che una sequenza di appuntamenti.
Fra le esperienze aziendali che hanno alimentato il confronto figurano anche quelle di Michele Maggiolini, Global Head of Organizational Effectiveness & Change, e Matteo Areni, Change Management Global Coordinator di Campari Group. Il loro coinvolgimento amplia la prospettiva di Red Change sul rapporto fra trasformazione organizzativa, sviluppo delle competenze e partecipazione delle persone, questioni centrali anche nella riflessione di Bubbio e Cataldo.
Dal primo laboratorio emerge una convinzione: le persone aderiscono più volentieri al cambiamento quando partecipano alla sua costruzione. Fiducia, ascolto e linguaggio condiviso diventano condizioni operative. L’analisi delle barriere ha identificato silos, conoscenze frammentate, abitudini consolidate, comunicazioni poco trasparenti e leadership intermittenti. Il rapporto fra parole e pratiche, al centro dei Prolegomeni dedicati al linguaggio organizzativo, acquista qui una conseguenza verificabile: raccontare l’innovazione può aiutare a comprenderla, ma serve anche il potere di modificarne il disegno.
Leadership, community e piattaforme
A questa riflessione si collega il Prolegomeno 155, «Leadership Pop», della stessa Moira Buzzolani. Il suo 3C-Model tiene insieme Comunicazione, Community e Capabilities e interpreta il change management come progettazione partecipata, capace di rendere accessibile la complessità senza cancellarla. È una chiave di lettura per Red Change: il linguaggio condiviso acquista efficacia attraverso comunità che discutono, sperimentano e sviluppano capacità, mentre la fiducia nasce da scelte riconoscibili. Il laboratorio del 26 ottobre rende visibile il passaggio dal modello alla pratica: coinvolgere chi vivrà il cambiamento fin dalla progettazione, anziché limitarsi a chiedere adesione a decisioni già prese.
La prospettiva si completa attraverso il Prolegomeno 205, «Sensemaking Pop», di Cristina Sangiorgi, anch’essa fra i protagonisti del percorso Red Change per Sky Italia. Il suo passaggio dall’Hero’s Journey al Community Journey — adozione, competenza, protagonismo, cittadinanza — permette di leggere gli insight della plenaria come tappe di una capacità collettiva, anziché come requisiti tecnici. L’adozione dell’AI diventa generativa quando casi d’uso, dubbi, criteri di verifica ed errori possono circolare fra le persone. Qui emerge anche una responsabilità della leadership: predisporre luoghi di ascolto e confronto, affinché il tempo restituito si traduca in apprendimento condiviso e in una più ampia possibilità di decidere.
A questo confronto ha contribuito anche Daniel Trabucchi del Politecnico di Milano, coautore insieme a Tommaso Buganza del Prolegomeno 192, «Platform Thinking: l’arte Pop di trasformare asset dormienti in ecosistemi». Il Platform Thinking invita a osservare il valore generato dalle relazioni fra attori, competenze e risorse, oltre la sequenza lineare delle attività. Questa lettura offre una chiave ulteriore per Red Change: fiducia e partecipazione hanno bisogno di un’architettura di scambio, di regole comprensibili e di una governance capace di riconoscere contributi diversi. La stessa questione ritorna nel dialogo fra persone e agenti AI: chi può partecipare, quali risorse vengono condivise e chi decide come distribuire il valore creato?
La comunicazione interna Unipol come infrastruttura del cambiamento
La partecipazione di Silvia Cervellera e Mariagiovanna Claps a Red Change dà concretezza a questa discussione. Nel Gruppo Unipol, Silvia guida Content and People Engagement, fra contenuti, ascolto e coinvolgimento delle persone; Mariagiovanna segue gli Internal Digital Channels, l’ecosistema dei canali e dei luoghi digitali nei quali circolano le informazioni e si consolidano le relazioni di lavoro. Sono due responsabilità distinte e complementari all’interno dell’area Internal Communication & Digital Workplace guidata da Alessandra Cappello. La loro presenza dimostra come il cambiamento si giochi nella relazione fra cultura, esperienza delle persone e infrastrutture digitali, oltre la sola disponibilità di tecnologie.
Il dialogo ha radici nella Conversazione Collaborativa sulle community aziendali del Prolegomeno 15, alla quale Alessandra Cappello ha contribuito per Unipol, e nell’Opinion Piece 77, «Engagement Pop», scritto insieme ad Alessandra Mazzei. La prima esperienza interroga il valore reale delle community aziendali, oltre il numero degli iscritti e le funzioni della piattaforma; la seconda collega l’engagement alla qualità della comunicazione e alla capacità delle persone di incidere sul contesto organizzativo. La questione è affine a quella posta da Bubbio e Cataldo: quale spazio rimane alla partecipazione quando il lavoro viene ridisegnato dall’AI?
Il tema ritorna nel primo episodio del Popcast «Ritorno al Prolegomeno», con Alessandra Cappello, dedicato alla Generosità Collaborativa. La conversazione mette alla prova un equivoco diffuso: strumenti e canali moltiplicano le occasioni di contatto, mentre la collaborazione richiede fiducia, reciprocità, conflitto costruttivo e riconoscimento dei contributi. È una lezione che valorizza il lavoro quotidiano di Silvia e Mariagiovanna: contenuti e canali diventano parte del cambiamento quando consentono ascolto, accesso alle informazioni e iniziativa delle persone.
Il tempo restituito e la responsabilità
Il secondo laboratorio ha messo a fuoco un’ulteriore distinzione. «Il tempo liberato dall’AI diventa valore solo se viene reinvestito»: è uno degli insight restituiti durante la plenaria del 26 ottobre. Bubbio e Cataldo, nel volume, parlano di «liberare tempo dalle attività ripetitive e automatizzabili» (p. 79). Le due formulazioni convergono su una verifica concreta: il tempo risparmiato viene destinato a comprensione, apprendimento, collaborazione e relazioni, oppure si traduce soltanto in nuove scadenze? Misurare l’efficienza senza misurare la qualità delle decisioni significa perdere una parte decisiva del risultato.
Un altro insight discusso a Red Change riguarda l’accountability lungo l’intera catena dell’intelligenza artificiale: dati, modelli, output e decisioni. Le slide segnalano anche la necessità di ridisegnare ruoli, strutture e potere decisionale, mentre sperimentazione e governance devono procedere insieme. Si tratta di esiti dei laboratori condivisi alla plenaria, che qui metto in dialogo con il testo degli autori, senza attribuire loro affermazioni pronunciate all’evento. Per chi utilizza un assistente generativo il tema diventa pratico: quali fonti può controllare, quali alternative può recuperare, quali errori può segnalare e chi può fermare una procedura?
Romanzo E: laboratorio di giudizio condiviso
Questo dialogo ha assunto una forma sperimentale anche nel lavoro su Romanzo E, sviluppato attraverso il Distant Writing Collaborativo. Il registro delle delibere, incluse le proposte respinte, conserva traccia delle alternative e delle responsabilità editoriali; la collaborazione fra più sistemi di IA e giudizio umano richiede confronto fra versioni, motivazioni e scelte. È significativo che nella «ideas wall» di Red Change sia comparso anche il distant writing fra le nuove pratiche della trasformazione: un metodo di scrittura può diventare un laboratorio per interrogare delega, coordinamento e produzione collettiva di significato.
Al lavoro di scrittura si affianca il gruppo Romanzo E — Social Reading Pop: attraverso esercizi di lettura critica, revisioni e discussione, la comunità mette alla prova interpretazioni divergenti e rende visibili le ragioni delle scelte. Il social learning offre un caso concreto della relazione fra coinvolgimento e autonomia. La fiducia nasce anche dal diritto di formulare obiezioni, lasciare traccia dei dissensi e contribuire alle correzioni. In questa esperienza, il valore dell’IA si misura nella qualità del lavoro che rende possibile fra persone, e nella loro capacità di conservare iniziativa.
Bubbio e Cataldo evocano «organizzazioni che fanno fiorire il potenziale umano attraverso l’intelligenza artificiale» (p. 88). Red Change suggerisce una verifica complementare: quanta conoscenza viene condivisa, quanta responsabilità resta esercitabile, quanta capacità decisionale cresce nel lavoro quotidiano? La felicità organizzativa, allora, richiede condizioni per comprendere le scelte, discuterle e contribuire al loro cambiamento. È lungo questo filo che il loro Opinion Piece entra nella conversazione dei Prolegomeni: la promessa dell’AI acquista credibilità quando le persone possono riconoscere, verificare e orientare il valore che essa genera.
L’AI promette efficienza. Le persone cercano senso
Felicità organizzativa, fiducia e responsabilità nell’epoca dell’intelligenza artificiale
Riccardo Bubbio e Arianna Cataldo
Cosa accade a un’organizzazione quando l’intelligenza artificiale smette di essere soltanto uno strumento e diventa parte integrante dei processi, delle decisioni e della produzione di significato?
La domanda riguarda il modo in cui un’organizzazione distribuisce responsabilità, costruisce fiducia, esercita il potere e definisce le condizioni del lavoro.
Negli ultimi anni abbiamo imparato a raccontare l’AI attraverso le sue prestazioni: genera contenuti, sintetizza informazioni, analizza dati, automatizza attività… Ma questa descrizione, pur corretta, resta incompleta. Ogni volta che un sistema entra stabilmente nel lavoro quotidiano non modifica soltanto ciò che viene fatto, ma anche il modo in cui quel lavoro viene compreso, valutato e governato.
Da questa prospettiva, l’intelligenza artificiale è una questione organizzativa.
Le parole dell’innovazione e le scelte organizzative
Dire che l’AI “libera tempo”, “aumenta la produttività”, “supporta le persone” o “semplifica il lavoro” ha conseguenze. Le parole hanno una valenza descrittiva nel definire una trasformazione, e ancora di più, possiedono la forza di orientarla. È il tema affrontato dal Prolegomeno 191, in cui il linguaggio non viene interpretato come semplice rivestimento della cultura organizzativa, ma come lo spazio in cui si costruisce o si consuma la fiducia.
Le organizzazioni diventano credibili quando esiste coerenza tra parole, pratiche e conseguenze osservabili e, quando questa coerenza si spezza, le parole continuano a circolare ma smettono via via di generare significato.
Applicata all’intelligenza artificiale, questa prospettiva acquista rilievo. Una tecnologia presentata come leva di autonomia può produrre nuovi livelli di controllo. Uno strumento descritto come opportunità di apprendimento può essere introdotto senza occasioni di comprensione e confronto. In entrambi i casi emerge una distanza fra promesse e pratiche: il problema riguarda le scelte organizzative.
Nel libro Comprendere le organizzazioni. Neuroscienze, AI e modelli organizzativi per lavorare in modo nuovo (FrancoAngeli, 2026), cerchiamo di leggere questa distanza. Molte imprese rischiano di confondere l’adozione di nuovi strumenti con la trasformazione dei propri modelli di funzionamento.
Il libro prende le mosse dalla possibilità di costruire organizzazioni più felici e arriva a una questione più ampia: quali condizioni rendono il lavoro sostenibile, sensato ed efficace in un contesto di trasformazione tecnologica?
I costi cognitivi nascosti dell’efficienza
La promessa del «tempo restituito» merita una verifica. Automatizzando attività ripetitive, l’AI può consentire alle persone di dedicare energie alla creatività, all’apprendimento, alle relazioni e al pensiero strategico. La promessa contiene un’opportunità reale, che dipende però dalle scelte di chi organizza il lavoro.
Qui torna utile la riflessione proposta dal Prolegomeno 13 sull’empatia sistemica. Ogni innovazione tende infatti a essere valutata a partire dai benefici subito visibili, mentre restano sullo sfondo gli effetti che produce sull’intero ecosistema del lavoro. Ridurre uno sforzo può infatti significare generarne altri: maggiore supervisione, più informazioni da verificare, nuove interruzioni, ulteriori richieste di coordinamento. L’empatia sistemica invita proprio a osservare queste conseguenze indirette, spesso meno evidenti ma di certo non meno rilevanti.
La questione assume una particolare importanza se osservata attraverso la lente delle neuroscienze che evidenzia come attenzione, memoria di lavoro, energia mentale e capacità decisionale non siano risorse infinite.
Consideriamo un ufficio nel quale un assistente generativo prepara la prima versione di un rapporto settimanale. La stesura richiede meno tempo; la verifica delle fonti, la correzione delle incongruenze e il confronto sulle eccezioni richiedono invece un lavoro nuovo. Se l’organizzazione misura soltanto i minuti risparmiati nella redazione, rischia di ignorare il tempo necessario a rendere il rapporto affidabile.
Questa differenza conta anche per la distribuzione dei compiti. La persona che prima componeva il documento può diventare responsabile del controllo di una sintesi che non ha costruito. Per svolgere bene questo incarico deve poter accedere ai materiali originali, conoscere i criteri adottati e disporre di tempo per contestare le scelte del sistema. Senza tali condizioni, la responsabilità cresce più della capacità effettiva di esercitarla.
Una tecnologia progettata per aumentare l’efficienza può ridurre alcuni carichi operativi e amplificarne altri sul piano cognitivo. Occorre quindi chiedersi quanto tempo si risparmi e come l’organizzazione scelga di investirlo.
Il dividendo di produttività: chi decide sul tempo recuperato?
Il tempo restituito dall’AI merita dunque una riflessione organizzativa. Se un’attività che richiedeva tre ore viene svolta in una, le due ore recuperate possono essere destinate alla riflessione, all’apprendimento e alle relazioni, oppure essere subito occupate da nuovi obiettivi. Si può così diventare più efficienti senza ridurre il carico di lavoro.
Il tempo liberato pone una questione economica e di distribuzione del potere: chi decide come utilizzarlo? Il dividendo di produttività appartiene per intero all’organizzazione oppure una parte può tradursi in maggiore autonomia, apprendimento e minore saturazione cognitiva per le persone? La risposta ridefinisce anche il contratto psicologico fra individuo e organizzazione.
Il rischio è una «inflazione del lavoro»: ogni minuto recuperato viene convertito in ulteriori richieste e aumenta la densità delle attività. In tale scenario si produce di più nello stesso intervallo, senza un miglioramento necessario della qualità del lavoro e dei risultati. Nel nostro libro proponiamo una direzione diversa: l’automazione delle attività ripetitive può lasciare spazio al pensiero critico, alla creatività, alle relazioni e alla capacità di attribuire significato. È il passaggio dall’automazione all’augmentation: la tecnologia può ampliare le capacità umane, oltre ad accelerare l’esecuzione.
Restituire tempo significa anche restituire attenzione. La possibilità di concentrarsi, approfondire un problema o confrontarsi con un collega costituisce una parte del valore generato dall’automazione. Per questo il tempo recuperato dovrebbe diventare una variabile della progettazione organizzativa: accanto a «quante ore abbiamo risparmiato?» occorre chiedere «quale qualità abbiamo dato alle ore recuperate?».
Felicità organizzativa: autonomia, crescita e relazioni
La scelta relativa al «tempo restituito» apre il tema della felicità organizzativa e della cura delle persone sviluppato nel Prolegomeno 30. La cura riguarda la qualità delle condizioni che consentono alle persone di esercitare autonomia, assumere responsabilità e riconoscere il significato del proprio contributo. Benefit e iniziative di wellbeing possono sostenere questa qualità; da soli non la garantiscono.
Un’organizzazione può dichiarare attenzione al benessere e alimentare, nelle pratiche quotidiane, sovraccarico, frammentazione dell’attenzione e opacità decisionale. Qui emerge l’incoerenza fra principi dichiarati ed esperienza concreta.
Nel nostro lavoro, la felicità organizzativa si colloca in una prospettiva eudaimonica: riguarda la possibilità di esprimere le proprie capacità, crescere, contribuire a qualcosa di significativo e riconoscere un legame fra ciò che si fa e ciò che si considera importante. Va distinta sia dalla soddisfazione occasionale sia dall’idea di uno stato emotivo positivo permanente.
Più che organizzazioni «felici», esistono organizzazioni capaci di costruire condizioni nelle quali le persone possano esserlo. La responsabilità dell’impresa riguarda la progettazione di un contesto favorevole all’autonomia, alla crescita e alle relazioni, anziché la promessa di produrre un’emozione.
La distinzione è importante nell’epoca dell’AI. Una tecnologia che libera tempo ma riduce l’autonomia offre un beneficio ambiguo; se accelera le attività ma impoverisce le relazioni, il risultato resta incompleto. Quando i suggerimenti di un sistema lasciano poco spazio alle domande e alla sperimentazione, la prestazione di breve periodo può crescere mentre si riducono le condizioni che rendono significativo il lavoro.
Partecipare alla progettazione del lavoro
Il tema acquista ancora più rilievo quando l’intelligenza artificiale entra nei processi quotidiani. Chiedere alle persone di adottare nuovi strumenti senza coinvolgerle nella ridefinizione del lavoro produce adesione formale e poca partecipazione. Il Prolegomeno 84, dedicato al «dare voce in capitolo», aiuta a comprendere questa differenza: l’engagement nasce anche dalla possibilità di incidere sulle decisioni che riguardano la vita organizzativa.
La partecipazione si misura allora nei momenti in cui l’organizzazione decide che cosa automatizzare e che cosa preservare. Chi esegue il lavoro sa quali eccezioni sfuggono alla procedura, quali informazioni arrivano tardi e quali conseguenze ricadono sui colleghi o sui clienti. Coinvolgerlo prima dell’adozione di un sistema consente di rendere visibili elementi che una mappa dei processi potrebbe trascurare.
Un confronto utile dovrebbe includere domande concrete: quali attività diventano più semplici? Quali verifiche aggiuntive richiedono? Chi ha l’autorità di fermare una procedura? Dove vengono registrati gli errori e come vengono corretti? Le risposte costituiscono una parte della progettazione organizzativa, non una comunicazione da affidare soltanto alla fase di lancio.
Agency e responsabilità: il diritto di incidere sulle decisioni
Se per agency intendiamo la capacità di incidere sulla realtà, orientare le decisioni e rispondere delle conseguenze delle proprie azioni, l’ingresso di sistemi più autonomi apre interrogativi nuovi. La responsabilità umana rimane, ma diventa più difficile attribuirla quando molte attività sono distribuite fra persone, procedure e strumenti.
Quando un sistema suggerisce una scelta, genera un contenuto o attiva una sequenza di azioni, dove risiede davvero la capacità di agire? Nella tecnologia, nella persona che la utilizza o nell’organizzazione che ne definisce obiettivi, regole e limiti?
La domanda richiama ancora una volta il tema della partecipazione. Le organizzazioni distribuiscono attività, ma anche possibilità di iniziativa, autonomia e responsabilità. L’AI rende questo equilibrio più delicato e, proprio per questo, più importante da governare consapevolmente.
La questione dell’agency rimanda infine a una domanda ancora più profonda: chi costruisce il significato del lavoro?
Immaginiamo che un sistema proponga una graduatoria di progetti. La qualità della decisione dipende anche dalla possibilità di conoscere le alternative escluse, i dati utilizzati e i criteri di valutazione. Se chi firma dispone soltanto del risultato conclusivo, assume una responsabilità senza avere gli elementi per esercitare un giudizio adeguato.
L’agency richiede quindi diritti organizzativi verificabili: accesso alle informazioni, facoltà di chiedere spiegazioni, tempo dedicato al riesame, possibilità di segnalare errori e canali per modificare le regole. Senza queste condizioni la richiesta di responsabilità rischia di diventare una formula retorica.
Linguaggio, fiducia e pluralità delle voci
Il Prolegomeno 191, dedicato a linguaggio, identità e potere nelle organizzazioni, invita a considerare le parole come una parte dell’esperienza organizzativa. Le persone interpretano il proprio ruolo anche attraverso ciò che l’impresa racconta di sé. La fiducia cresce quando le parole corrispondono alle pratiche e si indebolisce quando l’esperienza quotidiana le smentisce.
L’intelligenza artificiale aggiunge una questione a questo quadro. Una parte del linguaggio organizzativo è già prodotta o mediata da sistemi generativi: report, sintesi, presentazioni, comunicazioni interne e prime elaborazioni strategiche. Ne derivano problemi di qualità dei contenuti e di interpretazione del loro significato. Un testo plausibile può restituire una visione incompleta del contesto nel quale dovrebbe essere utilizzato.
Se il linguaggio contribuisce alla costruzione di identità, fiducia e appartenenza, la sfida consiste nel preservare la capacità delle persone di attribuire senso a ciò che fanno, discutere le decisioni e riconoscersi nelle narrazioni che guidano l’azione collettiva.
Da questa prospettiva, la centralità dell’essere umano non può essere ridotta alla semplice presenza di una supervisione finale. Richiede la costruzione di contesti nei quali le persone possano comprendere il funzionamento dei sistemi, discuterne i limiti, segnalarne i rischi e contribuire all’evoluzione dei processi.
Questo problema tocca anche la comunicazione interna. Una sintesi prodotta da un modello può uniformare linguaggi diversi, eliminare le esitazioni e rendere lineare una discussione che nel lavoro reale era ancora aperta. Il risultato appare ordinato, ma alcune divergenze utili possono scomparire. La scelta di conservare le voci e i dubbi, oppure di consegnare soltanto un messaggio levigato, ha conseguenze sulla fiducia.
Per tale ragione l’uso dei sistemi generativi dovrebbe essere accompagnato da criteri condivisi: quali documenti possono essere sintetizzati, quali contributi devono restare riconoscibili, come si dichiarano le fonti e chi verifica che nessuna posizione rilevante sia stata esclusa. Anche qui la qualità della tecnologia dipende dall’assetto delle responsabilità.
Il giudizio umano oltre la risposta algoritmica
Il Prolegomeno 187, dedicato a Edgar Morin, ricorda il valore del dialogo con una realtà che continua a sorprenderci. L’intelligenza artificiale può connettere informazioni e prospettive; può anche alimentare l’illusione che una risposta coerente equivalga a una comprensione adeguata. Un output ben costruito richiede comunque verifica, confronto e giudizio.
Il Prolegomeno 194 legge la collaborazione con l’intelligenza artificiale come esercizio di orchestrazione consapevole. Oltre al risultato ottenuto conta la capacità di comprenderne la genesi, valutarne i limiti e assumerne la responsabilità. La macchina può suggerire, combinare e accelerare. Il giudizio resta un compito delle persone, da sostenere attraverso competenze e regole condivise.
Forse è proprio questo il passaggio più delicato della fase che stiamo attraversando: decidere quale ruolo vogliamo attribuire al giudizio umano.
Dalle intenzioni alle verifiche organizzative
Per passare dalle intenzioni alla pratica, ogni progetto di introduzione dell’AI potrebbe essere esaminato attraverso alcune verifiche essenziali. Occorre rilevare i carichi cognitivi prima e dopo l’adozione, distinguere il tempo recuperato dal tempo trasferito ad altre persone, rendere leggibili i criteri dei sistemi e garantire una sede nella quale discutere gli effetti imprevisti.
Queste verifiche richiedono anche di riconoscere che la felicità organizzativa non può essere fissata una volta per tutte attraverso un indicatore unico. Dipende dalla possibilità di lavorare con dignità, comprendere l’utilità del proprio contributo e partecipare alla revisione delle regole quando le condizioni cambiano.
La questione urgente riguarda ciò che l’adozione dell’intelligenza artificiale rende visibile delle nostre organizzazioni: criteri di valutazione, distribuzione del potere, qualità delle relazioni e accesso alle decisioni.
Perché, come dichiarato in premessa, ogni tecnologia implica una proposta implicita di organizzazione.
Possiamo quindi chiederci che cosa conti per la nostra organizzazione, che cosa valga la pena misurare, quali attività siano accelerate e quali restino invisibili, chi interpreti i risultati, chi decida e chi risponda delle conseguenze.
In assenza di risposte condivise, il rischio è ottenere organizzazioni più efficienti, ma meno capaci di rendere il lavoro riconoscibile, discutibile e ricco di significato per chi lo svolge.
Il linguaggio partecipa alla costruzione di identità, fiducia e appartenenza. La sfida dell’intelligenza artificiale riguarda quindi anche il significato che le persone attribuiscono al lavoro.
Da questa capacità di attribuire e condividere significato dipendono la qualità della collaborazione e la possibilità di trasformare conoscenze e decisioni in azioni collettive. L’evoluzione tecnologica può contribuire al benessere economico e sociale quando le persone conservano la possibilità di comprendere, discutere e orientare il proprio lavoro.
Riccardo Bubbio è Vicepresidente AIDP Piemonte e Valle d’Aosta e coordinatore del progetto Neuroscienze applicate all’HR. Ha maturato una lunga esperienza manageriale nel settore bancario, occupandosi di risorse umane, modelli organizzativi e sviluppo delle competenze. Docente presso l’Università di Torino e membro del Comitato Scientifico del Master in Organizzazione e Risorse Umane, è autore e curatore dei volumi Il cervello al lavoro (2022) e Playthebrain (2024).
Arianna Cataldo è Responsabile di Innovazione e Benchmarking Organizzativi. Laureata in Giurisprudenza, con una specializzazione in HR Management e Change Management presso SDA Bocconi, ha ricoperto ruoli manageriali nelle risorse umane, nell’organizzazione e nell’innovazione aziendale, anche in contesti internazionali. La sua attività si concentra sull’evoluzione dei modelli organizzativi, sulla centralità delle persone e sui processi di trasformazione.
Insieme hanno pubblicato Comprendere le organizzazioni. Neuroscienze, AI e modelli organizzativi per lavorare in modo nuovo (FrancoAngeli, 2026), dedicato al rapporto fra innovazione tecnologica, felicità organizzativa e nuovi modi di lavorare.
222 – continua






