Oltre l’adozione dell’AI: la vera sfida è l’evoluzione delle persone
Negli ultimi anni, l’intelligenza artificiale è entrata sempre più rapidamente nelle organizzazioni, trasformando processi, modelli operativi e modalità di esecuzione delle attività. Le aziende investono in strumenti generativi, agenti intelligenti e soluzioni capaci di automatizzare attività, accelerare progetti e migliorare la qualità delle decisioni.
Eppure, mentre l’attenzione si concentra sull’adozione tecnologica, emerge una domanda ancora più strategica: come possiamo far evolvere le capacità delle persone alla stessa velocità con cui evolve l’intelligenza artificiale?
Il vero valore dell’AI, infatti, non si misura soltanto nella sua capacità di realizzare un progetto più velocemente o di rendere un processo più efficiente. Si misura anche nella sua capacità di amplificare il potenziale umano, accelerare l’apprendimento e rendere le persone più autonome, consapevoli e capaci di affrontare nuove sfide.
È in questo passaggio che si apre una nuova prospettiva: evolvere dall’AI per i progetti all’AI per le capability delle persone.
Non si tratta di due approcci alternativi, ma di due dimensioni complementari di una stessa trasformazione. La prima utilizza l’intelligenza artificiale per ottenere risultati; la seconda la utilizza per sviluppare le capacità necessarie a generare risultati migliori, oggi e domani.
L’AI applicata ai progetti rappresenta spesso il primo livello di adozione nelle organizzazioni. Il suo obiettivo è concreto: supportare team e professionisti nella realizzazione di attività, deliverable e obiettivi di business, aumenta la capacità di realizzare.
Può aiutare a elaborare analisi, strutturare documenti, generare codice, sintetizzare informazioni, sviluppare scenari, automatizzare task e facilitare la collaborazione. Può diventare un copilota per il project manager, un assistente per l’analista, un acceleratore per il team marketing o uno strumento di supporto per chi opera nelle risorse umane.
In questa prospettiva, il successo viene misurato attraverso indicatori quali la riduzione dei tempi, la qualità degli output, l’efficienza operativa e la capacità di completare attività complesse con minori risorse.
Si tratta di benefici importanti, ma non sufficienti.
Se l’AI viene utilizzata esclusivamente per produrre più velocemente, esiste il rischio di creare una dipendenza dallo strumento senza sviluppare una corrispondente crescita delle competenze. Le persone possono ottenere risultati migliori senza comprendere pienamente i processi che li generano, le decisioni che li sostengono o i limiti delle risposte prodotte.
Per questo, la vera evoluzione consiste nel trasformare ogni progetto supportato dall’AI anche in un’occasione di apprendimento.
L’AI non dovrebbe limitarsi a fornire una risposta: dovrebbe aiutare le persone a capire come arrivare a quella risposta, valutare le alternative, riconoscere gli errori e sviluppare un metodo riutilizzabile in contesti diversi.
Il progetto diventa così non soltanto un obiettivo da raggiungere, ma anche un ambiente nel quale sviluppare nuove capability.
L’AI per le capability delle persone sposta il focus dal risultato immediato alla crescita delle capacità individuali e collettive, trasformare il lavoro in apprendimento.
In questa prospettiva, l’intelligenza artificiale non è soltanto uno strumento che esegue, suggerisce o accelera. Diventa un supporto per imparare, sperimentare, ricevere feedback e applicare nuove conoscenze direttamente nel contesto lavorativo.
La differenza è sostanziale: non si tratta soltanto di usare l’AI per fare meglio il proprio lavoro, ma di usare l’AI per diventare capaci di affrontare lavori, responsabilità e problemi nuovi.
Questo approccio apre la strada a modelli di apprendimento più personalizzati, continui e contestuali. L’apprendimento non è più necessariamente confinato in un corso, in un’aula o in un momento separato dall’attività lavorativa. Può avvenire nel flusso del lavoro, quando emerge un bisogno reale e quando una nuova competenza può essere immediatamente sperimentata.
E’ stato questo il tema di un interessante dibattito e confronto durante la tavola rotonda dell’evento “Governare le competenze La collaborazione pubblico- privato per il futuro digitale del Paese” organizzato da Youtrend/fastweb/vodafone che ha visto all’ordine del giorno discutere sulla trasformazione delle competenze e il grande tema di superare l’idea della formazione come intervento occasionale e adottare una logica di evoluzione continua.
In questo scenario, upskilling, microskilling e reskilling diventano tre leve complementari.
L’upskilling consiste nel rafforzare e ampliare le competenze necessarie per svolgere meglio il proprio ruolo e l’AI può supportare questo processo attraverso esercitazioni personalizzate, feedback tempestivi, casi pratici e simulazioni costruite sulle esigenze professionali della persona. L’obiettivo non è semplicemente conoscere nuovi strumenti, ma elevare il livello di padronanza professionale.
Il microskilling rappresenta un approccio particolarmente adatto alla velocità con cui cambiano strumenti, processi e aspettative professionali. Consiste nello sviluppo di microcompetenze circoscritte, immediatamente utilizzabili e collegate a un bisogno concreto. Può significare imparare a formulare una richiesta efficace a un modello generativo, verificare una risposta prodotta dall’AI, costruire un prompt per analizzare dati o riconoscere quando un risultato richiede una revisione umana. L’AI può rendere questo processo più efficace, proponendo esercizi brevi, adattando la difficoltà, simulando situazioni realistiche e offrendo feedback mirati.
Il reskilling riguarda lo sviluppo di competenze nuove per affrontare un cambiamento significativo del ruolo, delle responsabilità o dell’area professionale. Quando l’AI automatizza alcune attività o modifica il modo in cui viene svolto un lavoro, il reskilling consente alle persone di prepararsi a nuove opportunità, anziché limitarsi a reagire alla trasformazione.
Scopri il nuovo numero: “Autunno caldo 2026”
Ci approcciamo alle varie manifestazioni, tornate elettorali, rivendicazioni, conflitti, dando immediatamente un giudizio. Spesso prima ancora di aver capito cosa sia successo. Ci basta riconoscere una bandiera, una parola, qualcuno che sta dalla nostra parte o da quella opposta. Con buona pace dell’approfondimento, dello studio, dell’analisi.
L’intelligenza artificiale può contribuire a identificare le competenze trasferibili, individuare i gap rispetto a un ruolo futuro, suggerire percorsi progressivi e creare ambienti di simulazione nei quali esercitarsi prima di affrontare situazioni reali.
Il punto centrale è che il reskilling non dovrebbe essere concepito soltanto come risposta alla perdita di rilevanza di alcune competenze. È anche un investimento preventivo nella mobilità professionale e nella capacità delle persone di cogliere nuove opportunità.
Upskilling, microskilling e reskilling descrivono esigenze differenti, ma possono convergere in un unico ecosistema di sviluppo delle persone.
Immaginiamo un’organizzazione che utilizza l’AI per realizzare un progetto di trasformazione digitale.
Nell’approccio tradizionale, il team utilizza strumenti intelligenti per accelerare l’analisi, produrre documentazione, automatizzare attività e raggiungere gli obiettivi nei tempi previsti.
Nell’approccio evoluto, lo stesso progetto diventa anche un’occasione per identificare le competenze sviluppate, rendere espliciti i metodi di lavoro efficaci, creare esercitazioni a partire dai problemi affrontati e trasferire le conoscenze ad altri team.
Le persone non si limitano a consegnare un risultato: acquisiscono capacità che possono riutilizzare in progetti futuri. L’organizzazione non accumula soltanto deliverable, ma anche capitale di competenze.
È qui che si realizza il passaggio dall’AI per i progetti all’AI per le capability.
Il primo approccio ottimizza il valore prodotto nel presente. Il secondo contribuisce a costruire la capacità di produrre valore nel futuro.
La combinazione dei due genera un circolo virtuoso: i progetti offrono contesti reali per imparare, le nuove competenze migliorano la qualità dei progetti successivi e ogni esperienza alimenta un patrimonio condiviso di conoscenze e pratiche.
Perché questo accada, occorre progettare consapevolmente il collegamento tra lavoro e apprendimento. Non basta introdurre un chatbot o rendere disponibili nuovi strumenti: è necessario chiedersi quali competenze si vogliono sviluppare, come verranno esercitate e quali evidenze dimostreranno il cambiamento.
Una strategia di sviluppo delle competenze legata all’AI non può limitarsi alla conoscenza degli strumenti.
Le capacità più importanti includono la formulazione dei problemi, il pensiero critico, la valutazione delle fonti, la capacità di verificare gli output, il ragionamento analitico e la gestione dell’incertezza.
A queste si aggiungono competenze relazionali e organizzative: comunicazione, collaborazione, creatività, negoziazione, leadership e capacità di prendere decisioni responsabili.
La crescita delle competenze deve includere anche la capacità di riconoscere i limiti dell’AI, proteggere le informazioni, individuare i bias e decidere quando affidarsi allo strumento e quando intervenire con il giudizio umano.
La sfida non è formare persone che sappiano soltanto utilizzare l’AI. È sviluppare professionisti capaci di lavorare con l’AI, valutarla criticamente e governarne l’impiego in funzione degli obiettivi.
Il vantaggio competitivo del futuro non dipenderà soltanto da quanto efficacemente un’organizzazione saprà utilizzare l’AI, ma da quanto sarà capace di sviluppare persone che sappiano evolvere insieme all’AI.
Perché la tecnologia può accelerare il lavoro. Ma sono le capability delle persone a determinare fino a dove un’organizzazione può arrivare.