Dall’adozione all’autonomia: il nostro approccio alla trasformazione AI

Negli ultimi anni abbiamo accompagnato diverse organizzazioni nel loro percorso di adozione dell’intelligenza artificiale, spesso partendo da una situazione ricorrente: tecnologia disponibile, licenze attive, ma un utilizzo ancora limitato e un ROI difficile da dimostrare.

Il punto di partenza è quasi sempre lo stesso: le aziende hanno investito negli strumenti, ma si chiedono come trasformare quell’investimento in valore reale e diffuso. Come passare da sperimentazioni isolate a comportamenti quotidiani? Come attivare le persone, oltre la semplice disponibilità tecnologica?

Quello che abbiamo imparato, e che i dati di mercato confermano, è che la tecnologia non è il vero ostacolo: è il modo in cui viene introdotta, compresa e integrata nei comportamenti quotidiani a fare la differenza. È quindi il fattore culturale e umano che deve essere al centro.

Questa convinzione non nasce con l’Intelligenza Artificiale. In OpenKnowledge adottiamo da sempre un approccio che mette le persone al centro dei processi di trasformazione, partendo dal presupposto che il cambiamento non avvenga quando una tecnologia viene introdotta, ma quando viene compresa, accettata e integrata nei comportamenti quotidiani. L’AI rappresenta oggi una nuova frontiera di questa evoluzione, ma il principio resta invariato: il valore non deriva dagli strumenti in sé, bensì dalla capacità delle persone di farli propri e utilizzarli in modo consapevole, efficace e coerente con gli obiettivi dell’organizzazione.

All’interno di questo percorso, BIP Red ha sviluppato un approccio specifico all’adozione dell’intelligenza artificiale: l’AI Organizational Decluttering. Partendo dalla consolidata esperienza di OpenKnowledge nel change management e nell’engagement delle persone, questa metodologia aiuta le organizzazioni a fare chiarezza in una fase caratterizzata da forte accelerazione tecnologica e crescente complessità.

L’AI Organizational Decluttering mira a rimuovere gli elementi che ostacolano una reale adozione dell’AI: aspettative irrealistiche, iniziative isolate, sovrapposizione di strumenti e approcci technology-driven, per riportare l’attenzione su ciò che genera valore: obiettivi chiari, persone abilitate e processi ripensati. Perché la sfida non è adottare più tecnologia, ma costruire le condizioni affinché la tecnologia venga utilizzata in modo efficace, consapevole e sostenibile.

L’AI Organizational Decluttering rimette al centro ciò che conta davvero: le persone, i processi e le decisioni. Significa riportare chiarezza sugli obiettivi, identificare i casi d’uso ad alto impatto, sviluppare competenze rilevanti e costruire una relazione consapevole tra esseri umani e tecnologie intelligenti.

Da questa prospettiva nasce il concetto di organizzazione AI-empowered: un contesto in cui il “New Human” non si limita a supervisionare gli algoritmi, ma ne definisce la direzione, la governance e i criteri decisionali. Giudizio, etica, pensiero critico, sensibilità relazionale e capacità di interpretare il contesto diventano gli elementi che orientano l’azione dell’AI e ne determinano il valore reale per il business.

Avere un essere umano nel processo AI è un buon punto di partenza. Avere gli esseri umani che guidano il processo AI è dove si genera il valore vero.

Il concetto di “human in the loop”: la persona come supervisore, come verifica finale prima che l’output esca nel mondo, ha avuto un ruolo fondamentale nel costruire fiducia nei confronti dell’AI, soprattutto nelle prime fasi di adozione. Ha aiutato le organizzazioni a sperimentare con cautela, a non delegare troppo in fretta, a mantenere il controllo. È una base necessaria, e in molti contesti continua ad esserlo.

Ma è appunto una base, non un punto di arrivo. Il passo evolutivo successivo è quello verso una visione più ambiziosa: l’AI come strumento da orientare con intenzione, non solo da supervisionare. In questa prospettiva, è l’essere umano a portare il contesto, i valori, la visione. È l’essere umano a fare le domande giuste, a decidere quali problemi vale la pena risolvere, a interpretare i risultati alla luce di ciò che i dati da soli non possono vedere. L’AI amplifica questa capacità non la sostituisce.

Il passaggio non è quindi una rottura, ma una maturazione. E ha conseguenze pratiche su come si progettano i percorsi di adozione, su come si formano le persone, su come si misura il successo di una trasformazione AI. Più le organizzazioni avanzano in questo percorso, più il valore si sposta dalla correttezza dell’output alla qualità dell’intenzione che lo ha generato.

È un tema che emerge con forza anche nel dibattito internazionale. In un recente confronto su AI e inclusione, la professoressa Payal Arora dell’Università di Utrecht, fondatrice dell’Inclusive AI Lab, ha messo in luce qualcosa che raramente sentiamo affrontare con questa chiarezza: progettare AI “per tutti” spesso significa creare valore per nessuno. Sono il contesto specifico, l’esperienza vissuta, la diversità di prospettive a determinare dove e come l’AI genera impatto reale. Un sistema addestrato su dati omogenei, pensato per un utente medio che non esiste, produce output mediocri per chiunque.

Il corollario è straordinariamente positivo: la diversità umana di ruoli, esperienze, stili cognitivi, background culturali, non è un ostacolo alla trasformazione AI. È una delle sue risorse più preziose. Le organizzazioni che riescono a valorizzare questa varietà nell’interazione con l’AI ottengono risultati qualitativamente superiori: domande più ricche, prompt più contestualizzati, interpretazioni più sfumate.

Quello che ci affascina dell’AI, e che cerchiamo di trasmettere nelle organizzazioni con cui lavoriamo, è che non siamo di fronte a uno strumento che livella le persone verso il basso. Siamo di fronte a uno strumento che, usato con intenzione, porta in superficie il meglio di ciascuno: la capacità di analisi, il giudizio critico, la creatività, l’intelligenza emotiva, la curiosità intellettiva. Tutte competenze che il Microsoft Work Trend Index 2025 identifica come le più importanti da allenare nei prossimi anni, non a caso, sono tutte profondamente umane.

Il cambiamento di mentalità, quindi, conta quanto l’architettura tecnica. Non si tratta di imparare a usare un tool: si tratta di ridefinire come pensiamo, decidiamo e operiamo con l’AI come moltiplicatore del potenziale umano, non come suo sostituto.

Secondo il Microsoft Work Trend Index 2026, il 78% dei lavoratori dichiara di aver utilizzato almeno una volta soluzioni AI nel proprio lavoro. Eppure, nonostante questa diffusione capillare, la stragrande maggioranza delle organizzazioni fatica a trasformare l’uso sporadico in abitudine consolidata, e l’abitudine in vantaggio competitivo reale.

Le resistenze che incontriamo più spesso sul campo sono sempre le stesse: la paura di essere sostituiti, la scarsa familiarità con gli strumenti, la mancanza di fiducia nei risultati dell’AI, e, forse la più sottovalutata, l’inerzia. Passare da una pratica nuova a una routine richiede tempo, accompagnamento e un ambiente organizzativo che supporti attivamente il cambiamento.

Non basta un click, e non basta nemmeno una licenza software.

Quali competenze sarà più importante allenare? Microsoft ha analizzato i dati di una survey condotta su 31.000 lavoratori in 31 paesi, le tendenze del mercato del lavoro da LinkedIn e trilioni di informazioni di produttività dai dati di utilizzo di Microsoft 365.
Fonte: Microsoft Work Trend Index *

Il nostro offering AI-Ready Workforce Evolution nasce proprio da questa consapevolezza. La trasformazione AI non è un progetto tecnologico: è un percorso culturale che agisce progressivamente su tre leve strategiche, Consapevolezza, Competenze e Comportamenti.

Tre leve che non sono sequenziali ma interconnesse. Puoi formare le persone sugli strumenti, ma se non c’è consapevolezza del perché vale la pena usarli, la formazione evaporerà in poche settimane. Puoi costruire consapevolezza, ma se i comportamenti quotidiani non cambiano se le riunioni si continuano a preparare come prima, se i documenti si scrivono come sempre, se nessuno condivide le pratiche che funzionano, l’investimento rimane sulla carta.

Il modello che abbiamo sviluppato accompagna le persone lungo quattro fasi di maturità:

Il percorso si struttura attorno a quattro macro-fasi operative. Si parte da un Frame preliminare, analisi delle resistenze specifiche, mappatura dei gap di competenza, definizione della AI change roadmap, per poi attivare le iniziative di Consapevolezza (eventi, lightning talk, innovation lab, campagne di comunicazione), sviluppare le Competenze (bootcamp, advisory session, programmi ambassador, oggetti formativi), e infine consolidare i Comportamenti attraverso community, pulse survey, iniziative di nudging e monitoraggio continuo.

Ogni percorso parte da un punto di partenza definito con la leadership e lo sponsor di progetto: target, soluzioni, use case e KPI. Non esistono percorsi standard: esistono organizzazioni con esigenze specifiche, storie diverse, culture differenti. E noi costruiamo la risposta su misura perché un’organizzazione manifatturiera globale ha bisogni diversi da una realtà dei servizi finanziari, e una popolazione di 300 persone ha dinamiche diverse da una di 30.000.

Ma costruire una workforce AI-ready è solo il punto di partenza. Mentre molte aziende stanno ancora consolidando l’adozione di base, il mercato si sta muovendo verso un paradigma completamente nuovo: quello dell’Agentic AI.

È un salto qualitativo, non solo quantitativo. Fino a oggi abbiamo parlato di AI come strumento di assistenza: ti aiuta a scrivere, a sintetizzare, a cercare, a generare. Utile, ma sostanzialmente reattivo, risponde quando gli parli. L’Agentic AI fa qualcosa di diverso: agisce. Prende un obiettivo, lo scompone in passi, interagisce con sistemi e applicazioni, verifica i risultati, si adatta. Non aspetta che tu le faccia una domanda: porta avanti un processo. Ed è proprio qui che il paradigma human-driven smette di essere un principio astratto e diventa un imperativo operativo: più gli agenti sono autonomi, più è cruciale che siano le persone a definirne obiettivi, confini e valori.

Gli agenti AI non si limitano ad assistere: orchestrano workflow complessi, interagiscono con sistemi aziendali e prendono decisioni in modo proattivo. Le principali piattaforme, dall’ecosistema Microsoft con Copilot Studio e Azure AI, fino a soluzioni costruite su altri stack tecnologici, stanno rendendo questo scenario accessibile a ogni funzione aziendale. Le organizzazioni che sapranno sfruttarlo definiranno i nuovi standard di produttività e competitività. E lo faranno non perché avranno la tecnologia più avanzata, ma perché avranno le persone più preparate a guidarla.

Il nostro approccio alla trasformazione agentica si struttura in quattro fasi, indipendentemente dalla piattaforma su cui si lavora:

Definiamo le fondamenta: visione AI e agentica, backlog di use case con prioritizzazione del valore, valutazione delle scelte tecnologiche, assessment di dati e sicurezza, roadmap e KPI, sponsorship esecutiva. Il punto di partenza non è la tecnologia, ma la chiarezza sugli obiettivi.

Configuriamo l’ambiente tecnico per adottare le soluzioni scelte e costruire i primi scenari agentici: deployment degli strumenti, gestione degli accessi e dei dati, controlli di sicurezza e Responsible AI, integrazione con i sistemi esistenti. Una fase spesso sottovalutata, ma determinante per la qualità dell’adozione che verrà.

Attiviamo le persone con percorsi di skilling personalizzati per ruolo, programmi di ambassadorship, strategie di comunicazione, librerie di prompt e best practice, community of practice e monitoraggio continuo dell’adozione. Perché una piattaforma agentica usata male è peggio di nessuna piattaforma.

Estendiamo la trasformazione verso use case avanzati: sviluppo di agenti personalizzati, orchestrazione multi-agente, governance del ciclo di vita, tracking del ROI, riprogettazione dei processi e costruzione di un AI Center of Excellence. È la fase in cui l’adozione smette di essere un progetto e diventa un modo di lavorare.

Fonte: OpenKnowledge

Questi non sono approcci teorici. Sono framework affinati sul campo, in settori e contesti molto diversi tra loro, dal manufacturing ai servizi finanziari, da realtà globali a organizzazioni più compatte. E ogni progetto ci ha insegnato qualcosa che nessun modello astratto avrebbe potuto darci.

Quello che emerge con più frequenza, indipendentemente dal settore o dalla dimensione, è che le variabili critiche sono quasi sempre le stesse: la qualità della sponsorship esecutiva, la capacità di tradurre la visione in comportamenti concreti, e la coerenza tra ciò che si comunica e ciò che si vive ogni giorno nell’organizzazione. Quando queste tre cose si allineano, l’adozione accelera. Quando manca anche solo una di esse, anche le migliori piattaforme restano sottoutilizzate.

Un esempio concreto, è quello di un cliente internazionale che, abbiamo affiancato nell’evoluzione AI-driven su dieci workstream a livello di Zone Europe: dalla definizione della governance del Champions Network nell’ambito del programma Everyday Digital, al supporto alla leadership nella sponsorship del programma, fino alla change management per NIVA, il chatbot AI di IT e HR. Un progetto che ci ha confermato quanto la coerenza tra la narrativa globale e la declinazione locale sia determinante per l’adozione, e quanto il ruolo degli ambassador sia cruciale non solo per il cascading, ma per mantenere vivo il senso del cambiamento nel tempo.

Il lavoro sul campo ci ha insegnato che non esiste un percorso universale. Esiste un metodo, e poi esiste il momento in cui quel metodo si adatta alla realtà specifica di chi hai di fronte: alle sue resistenze, alla sua cultura, alle sue priorità, agli strumenti che già usa o che sta valutando.

Decidere. Creare. Connettere. Ispirare in un’era in cui la velocità tecnologica rischia di sopraffare la riflessione, questa è forse la cosa più importante che si può fare: aiutando le organizzazioni a restare umane, anche mentre diventano più intelligenti.

L’Agentic Era è già qui. La domanda non è se trasformarsi, ma con quale intenzione farlo.