Gli incrementi di produttività hanno un valore limitato se il lavoro continua a passare attraverso gli stessi comitati, approvazioni, trasferimenti e silos funzionali. Il vincolo diventa sempre più la latenza organizzativa: il tempo necessario a un’organizzazione per prendere decisioni, modificare processi e trasformare nuove capacità in risultati aziendali.
Il lavoro che prima richiedeva più specialisti, reparti o settimane può essere completato molto più rapidamente. Questo cambia il modo in cui i team collaborano e prendono decisioni, nonché gli ambiti in cui servono competenze specialistiche.
I vantaggi si concretizzano pienamente quando le organizzazioni rivoluzionano la propria struttura e ripensano flussi di lavoro, governance, incentivi, flussi di conoscenza e processi decisionali, così che gli incrementi di produttività generati dall’IA si moltiplichino nell’intera azienda.
Le organizzazioni native per l’IA hanno bisogno sia di una struttura portante stabile sia di una periferia adattiva, valorizzando al contempo le capacità umane più preziose nel giudizio e nel coordinamento delle azioni.
Su LinkedIn, Substack e altri forum si legge spesso: “Non vedo il ROI dell’IA“. Con il decollo di un’adozione concreta, osserviamo invece un ottimo ROI delle soluzioni di IA e dell’adozione di strumenti pronti all’uso come ChatGPT, Codex e Claude. Il punto, comunque, è comprensibile. Pur essendo possibili notevoli incrementi della produttività individuale, il loro impatto resta limitato se i flussi di lavoro dell’organizzazione non cambiano. La struttura organizzativa deve evolvere.
Purtroppo, però, non è possibile rendere un’organizzazione a prova di futuro, soprattutto considerata la rapidità con cui avanza l’IA. Nessuno può affermare con certezza come dovrebbe essere, fra tre anni, una banca, un’assicurazione, un’azienda retail, energetica o di consulenza ottimizzata per l’IA. Tecnologia, economia e modelli di lavoro cambiano troppo rapidamente, facendo della capacità di adattamento uno dei vantaggi decisivi del prossimo decennio.
Ma se le competenze specialistiche sono disponibili all’istante e gli agenti IA possono lavorare autonomamente per ore, bisogna presumere che il modo di lavorare cambierà, e debba cambiare. Di conseguenza, anche il modello operativo deve cambiare per beneficiare della tecnologia. Le organizzazioni disposte ad adattarsi più rapidamente ai nuovi modelli di lavoro e alle applicazioni emergenti di questa tecnologia saranno quelle che ne trarranno maggior vantaggio.
Il modo più semplice per comprendere l’impatto organizzativo dell’IA è partire da una semplice ipotesi. Supponiamo che chiunque nell’organizzazione possa accedere all’istante a competenze di livello specialistico. Due anni fa era difficile immaginarlo, ma oggi è già praticamente realtà. E, anche se queste competenze non sono ancora perfette, è ragionevole supporre che si avvicineranno alla perfezione in un futuro molto prossimo.
Aggiungiamo una seconda ipotesi. Supponiamo che agenti autonomi possano collaborare per ore, giorni e infine settimane, completando blocchi di lavoro significativi. Non una o poche attività, ma una sequenza concreta e articolata di lavoro che coinvolge più discipline. Un team interfunzionale racchiuso in un gruppo di agenti capaci di definire autonomamente il proprio flusso di lavoro.
Se entrambe queste ipotesi sono anche solo tendenzialmente vere, il modo di lavorare cambierà, e dovrà cambiare. I tempi di completamento si riducono, la collaborazione interna evolve e il ritmo del cambiamento accelera.
Un cambiamento così rapido favorisce decentramento, autonomia e innovazione, mentre la maggior parte delle grandi organizzazioni si fonda sul principio opposto.
Le grandi aziende centralizzano il potere in reparti organizzati per funzione. Separano strategia, tecnologia, dati, rischio, attività operative, finanza, risorse umane e business in strutture diverse, ciascuna con priorità, incentivi e, soprattutto, controlli propri.
Il cambiamento è governato da comitati per gli investimenti e di indirizzo, commissioni architetturali, valutazioni dei rischi, verifiche di conformità, processi di approvvigionamento, cicli di pianificazione annuale e business case. Alcuni team di gestione del cambiamento fungono inoltre da intermediari tra gli stakeholder senza aggiungere valore alle informazioni.
Ancora una volta, nulla di tutto questo è irrazionale: questi meccanismi esistono per buone ragioni. Gestiscono il rischio, allocano il capitale, evitano duplicazioni, proteggono i clienti e definiscono le responsabilità, ma impongono anche un determinato ritmo. Un ritmo probabilmente troppo lento per un mondo in cui i concorrenti nativi per l’IA possono sperimentare, imparare e riprogettare il lavoro molto più rapidamente.
Anche il messaggio culturale conta. In molte organizzazioni, gli incentivi continuano a premiare chi resta entro i confini della propria funzione, indipendentemente da quante volte un leader affermi: "Hai l’autonomia per prendere decisioni". Perché? Proteggere il team. Proteggere il budget. Proteggere la roadmap. Evitare fallimenti visibili. Demandare le decisioni difficili a un comitato. Non discostarsi troppo dal processo approvato.
Questo approccio centralizzato ha senso quando sperimentare è costoso e i cambiamenti occasionali sono evolutivi anziché rivoluzionari. Diventa però problematico quando le capacità migliorano sensibilmente ogni pochi mesi e le opportunità migliori vengono scoperte dai team più vicini al lavoro.
Rispondere all’IA con la centralizzazione tradizionale crea una latenza che impedisce di ottenere un ROI significativo. Se ogni cambiamento deve attraversare diversi comitati prima di incidere sul lavoro reale, l’organizzazione imparerà troppo lentamente.
Per le persone che vogliono crescere e progredire più rapidamente, limitare le opportunità di sfruttare l’IA rende l’azienda un luogo di lavoro meno attraente.
La maggior parte delle organizzazioni parte dalla padronanza individuale dell’IA. È il punto di partenza giusto. Le persone devono sapere come impartire istruzioni all’IA, metterla in discussione, verificarne il lavoro, proteggere le informazioni sensibili e capire quando non usarla. Servono sicurezza, capacità di giudizio ed esperienza pratica.
La padronanza individuale, però, ha un limite. Un analista può produrre cinque volte più analisi, ma l’organo decisionale continua a riunirsi ogni mese. Uno sviluppatore può generare più codice, ma il processo di revisione e rilascio non è cambiato. Un professionista del marketing può creare più contenuti, ma l’approvazione del brand resta nella stessa coda.
Anche a livello di team, cambiare un flusso di lavoro non aumenta necessariamente la velocità se altre parti dell’organizzazione continuano a operare come sempre.
L’individuo lavora quindi più velocemente, e forse anche il team, ma la velocità dei risultati resta vincolata dalle altre parti del flusso end-to-end dell’organizzazione. Per questo il percorso verso l’IA deve passare dalla padronanza individuale a quella del team, fino a quella dell’intera organizzazione.
Quando l’azienda sa modificare strutture, incentivi, governance, flussi di conoscenza e modelli tecnologici, i benefici locali ottenuti da persone e team si trasformano in valore aziendale.
È una sfida difficile, ma è qui che si trova l’opportunità di generare valore. Le aziende native per l’IA, nate negli ultimi anni dopo il lancio di ChatGPT, hanno creato flussi di lavoro con l’IA già integrata e restano agili grazie a strutture piatte. Le grandi aziende, invece, hanno inserito l’IA nei processi esistenti, creando un mosaico disomogeneo che non cambia il modo in cui viene svolto il lavoro.
Essere nativi per l’IA non significa essere caotici, sconsiderati o ossessionati dagli strumenti. Non significa lasciare che ogni dipendente utilizzi l’ultimo modello come preferisce. E certamente non significa sostituire la governance con l’entusiasmo, né fingere che le persone non servano più.
Il vecchio modello di progettazione organizzativa presuppone che sia possibile definire uno stato futuro, disegnare la struttura, attuare il cambiamento e stabilizzarsi. È troppo lento per l’IA.
Le organizzazioni native per l’IA saranno progettate per il cambiamento continuo. Un’organizzazione nativa per l’IA è un’organizzazione che riprogetta continuamente il lavoro intorno ai punti di forza combinati di persone, sistemi di IA, dati, flussi di lavoro e governance. Non punterà tutto su un unico progetto. Svilupperà la capacità di capire rapidamente quali flussi di lavoro modificare, quali ruoli far evolvere, quali controlli adottare, quali competenze contano di più, quali modelli riutilizzare e quali presupposti sono già superati.
Ciò richiede due elementi simultanei: una struttura portante stabile e una periferia adattiva. Insieme, garantiscono un equilibrio tra centralizzazione e autonomia dei team più vicini al lavoro.
La struttura portante stabile offre all’organizzazione fiducia e scalabilità. L’intera azienda ha accesso a strumenti approvati, modelli riutilizzabili, canali di accesso ai dati, metodi di valutazione, controlli di sicurezza, principi di governance, monitoraggio, infrastrutture della conoscenza e responsabilità chiare.
La periferia adattiva è il luogo in cui il lavoro si svolge e cambia spesso, senza attriti. Piccoli team interfunzionali vicini al problema dispongono dell’autorità necessaria per riprogettare i flussi di lavoro, applicare l’IA, sperimentare nuovi modi di lavorare e condividere quanto appreso con l’organizzazione.
L’equilibrio tra il centro e la periferia è importante. Con troppo controllo centrale, l’organizzazione impara troppo lentamente. Con troppa libertà locale, l’organizzazione si frammenta. Un’organizzazione nativa per l’IA richiede disciplina al centro e adattabilità alla periferia.
La conclusione più semplicistica sull’automazione del lavoro è che l’IA riduca la necessità delle persone. In alcuni ambiti sarà così, per esempio nel lavoro intellettuale ripetitivo e con poco contesto, che verrà ridotto o eliminato. Saranno sotto pressione tutte le attività prevalentemente transazionali: colmare le lacune dei sistemi, trasferire informazioni, svolgere analisi iniziali, produrre prime bozze e fornire risposte dal limitato 'valore aggiunto'.
Il rovescio della medaglia è che il 'contributo' umano sale di livello: se le competenze specialistiche sono disponibili all’istante, le rare qualità umane che l’IA non può e non deve sostituire diventano capacità di giudizio, creatività, responsabilità, comprensione del contesto e fiducia.
Le organizzazioni dovrebbero concentrarsi sempre più sulle persone capaci di prendere decisioni in situazioni ambigue. Persone che conoscono il settore abbastanza a fondo da guidare l’IA e capire quando sbaglia. Persone capaci di porre domande migliori. Persone capaci di collegare le realtà commerciali, tecniche, operative e umane. Persone capaci di costruire relazioni, infondere fiducia e coordinare molteplici stakeholder. E, soprattutto, la capacità di passare rapidamente da un contesto all’altro e interpretare le informazioni in modo rapido e corretto diventa ancora più essenziale quando un’intera settimana di lavoro si concentra nel lunedì mattina.
I profili generalisti diventano quindi più preziosi, non meno, se sanno mantenere il contesto tra funzioni diverse e coordinare il lavoro supportato dall’IA. Anche gli esperti possono diventare più preziosi, non meno, perché un lavoro più rapido moltiplica i momenti in cui qualità e capacità di giudizio fanno la differenza. I leader, inoltre, dovranno controllare meno le attività e progettare maggiormente sistemi, contesto e ritmi.
Le competenze su cui investire non sono soltanto le “competenze di IA“. Sono le caratteristiche umane che acquistano importanza quando l’IA gestisce più attività operative di base: curiosità, capacità di giudizio, resilienza, chiarezza, creatività, risolutezza, collaborazione e dimestichezza con l’ambiguità. Le organizzazioni dovrebbero già assumere, sviluppare e premiare le persone che dimostrano queste caratteristiche.
Concentrare così tanto lavoro è impegnativo e le organizzazioni native per l’IA non possono operare sempre a ritmi vertiginosi. Dovranno lasciare alle persone il tempo e lo spazio necessari per recuperare energie e riallacciare i rapporti. Per valutare e decidere con efficacia, le organizzazioni dovrebbero favorire ambienti in cui incontri fortuiti possano generare idee innovative.
Oggi molte aziende tardano a usare l’IA per ciò che è già possibile fare. Si crea così un divario crescente tra i progressi delle capacità agentiche e quelli del loro utilizzo.
È normale. Le grandi organizzazioni assimilano lentamente la tecnologia a causa di sistemi legacy, vincoli normativi, resistenza culturale, dati frammentati, responsabilità poco chiare e rischi reali che devono essere gestiti.
A un certo punto, però, un numero sufficiente di leader, team e concorrenti capirà come applicare l’IA ai flussi di lavoro reali in modo sicuro e ripetibile. I modelli operativi matureranno, la governance diventerà più integrata, gli agenti più affidabili e la fiducia delle organizzazioni crescerà. Il divario tra ciò che l’IA rende possibile e ciò che le aziende utilizzano davvero inizierà a ridursi.
Quando quel punto di svolta arriverà, il vantaggio non andrà alle aziende con i modelli migliori o i maggiori budget per l’IA, ma alle organizzazioni capaci di cambiare rapidamente il modo di lavorare.
Le aziende che centralizzano ogni decisione, proteggono ogni funzione, governano attraverso comitati lenti e premiano chi 'non smuove le acque' faticheranno a tenere il passo.
Le aziende che costruiranno una solida struttura portante e una periferia adattiva impareranno più velocemente. Scopriranno prima flussi di lavoro migliori, reindirizzeranno verso attività di maggior valore un sano equilibrio di talenti generalisti, specialistici e dirigenziali e trasformeranno gli esperimenti locali in modelli riutilizzabili.
Oggi la domanda potrebbe essere "Come adottiamo l’IA con successo?", ma presto dovrà diventare "Quanto rapidamente può adattarsi la nostra organizzazione mentre l’IA trasforma il lavoro?"
Un’organizzazione lenta con un’IA potente resterà lenta; un’organizzazione adattiva con un’IA potente moltiplicherà i risultati.