// TOM'S HARDWARE ITALIA — INTELLIGENZA ARTIFICIALE
Il change management nell'era dell'AI non può più avere una data di fine
L'ottanta per cento delle trasformazioni digitali fallisce. Non per problemi tecnologici: per incapacità di portare l'organizzazione al passo con la tecnologia adottata. È il dato con cui Mauro Bartoletti, responsabile della trasformazione digitale in una grande azienda e autore di un libro appena uscito sull'argomento, apre l'ultimo episodio di Two Humans in the Loop, il podcast di Tom's Hardware dedicato all'intelligenza artificiale e al suo impatto sul lavoro.
Bartoletti porta in dote una definizione precisa di change management — gestione del cambiamento — che spesso viene confusa con la formazione degli utenti. La formazione è una delle azioni, non l'intera disciplina: viene molto dopo l'inizio del processo, quando resistenze, paure e redistribuzioni di potere interne sono già in moto. Ignorarle significa comprare un'auto e lasciarla parcheggiata.
Il change management esiste da prima che qualcuno inventasse l'intelligenza artificiale. I primi framework risalgono alla fine degli anni Quaranta, con rafforzamenti negli anni Ottanta e Novanta. Quello che l'AI sta scardinando è il presupposto fondamentale di quei modelli: avere chiaro dove si sta andando.
Con i sistemi generativi, la destinazione cambia ogni tre mesi. Quello che era vero in gennaio potrebbe non esserlo in aprile. Il vecchio ciclo — progetto, training, ipercare, modalità operativa — non regge più: il piano di formazione su un copilot andrebbe rivisto quasi in tempo reale. Non è una complicazione, spiega Bartoletti; è un'evoluzione. L'AI che crea problemi è anche l'AI che aiuta a risolverli: analizzare i dati di adozione di uno strumento, prima richiedeva settimane; oggi un agente restituisce il report in trenta secondi e personalizza la comunicazione di rinforzo verso ogni singolo utente.
Il problema in effetti non è tanto "tecnico", ma ha implicazioni etiche e umane che possono pesare molto. Per esempio, c'è il tema dell'illusione dell'automazione, quando i dirigenti festeggiano l'efficienza, mentre i direttori operativi gestiscono il caos di legacy system e persone da riqualificare. Chi gestisce il cambiamento senza aver chiarito in modo esplicito e dimostrabile le intenzioni dell'azienda rispetto al personale, perde la partita prima ancora di scendere in campo.
Bartoletti descrive come nella propria organizzazione la comunicazione attorno all'AI sia stata impostata su un principio preciso: l'AI affianca le persone per permettere loro di concentrarsi su attività a maggior valore, non per ridurle. E quella comunicazione non è stata fatta una volta: viene ripetuta, verificata e incarnata nelle decisioni concrete. Se le parole non corrispondono ai fatti, la mischia si spezza e il cambiamento si ferma.
La metafora della mischia è quella che Bartoletti usa per descrivere la resistenza: due squadre contrapposte, le forze che vogliono il cambiamento e quelle che lo temono. L'AI ha reso il confronto asimmetrico. Se sei una startup contro gli All Blacks, dice Bartoletti, non vai in campo a vincere sulla forza: o cambi terreno di gioco, o ti rafforzi prima di scendere. Molte aziende che inseguono l'AI per paura di restare indietro (il classico FOMO) stanno scendendo in campo senza aver ancora costruito la squadra. Le aziende ridisegnano se stesse intorno agli agenti AI, ma nessuno sa ancora come: l'articolo che abbiamo pubblicato qualche settimana fa lo descriveva con dati precisi.
Il punto che resta aperto, è quello della distanza tra dichiarazioni e comportamenti. Tutte le grandi aziende affermano che l'AI non elimina le persone. I dati sull'occupazione raccontano una storia più sfumata. Bartoletti non generalizza, parla della propria organizzazione, dove conosce i fatti, ma il problema strutturale esiste: il reskilling richiede tempo e investimento, e l'AI migliora più velocemente di quanto un'azienda media riesca a riqualificare il proprio personale. Il risultato non sono tanto i licenziamenti (comunque ce ne sono stati molti) ma un forte rallentamento ne