Giovanni Pola, fondatore & ceo di Vertelya
Per decenni, il limite invalicabile di ogni dirigente è stato il perimetro del proprio organico. Abbiamo gestito il talento cercando di incastrare le persone giuste nei posti giusti, mediando tra competenze mancanti e budget HR. La leadership si misurava nella capacità di ottenere il massimo da ciò che il mercato del lavoro rendeva disponibile.
Oggi, però, gestire un team significa agire su tre leve insieme: hiring, upskilling delle persone e progettazione di collaboratori digitali. È qui che il discorso sull’IA cambia livello.
Primo step: velocità e qualità
Fin qui l’abbiamo vissuta soprattutto come un acceleratore della performance personale del manager: scrivere meglio, decidere più in fretta, preparare analisi, ridurre il tempo speso su attività a basso valore.
È tutto vero e lo conferma anche lo studio pubblicato su Science nel 2023 da Shakked Noy e Whitney Zhang, che mostra come l’IA generativa possa aumentare velocità e qualità in molti compiti professionali. Ma è solo il primo gradino.
Un flusso di lavoro autonomo
Il passaggio davvero strategico non è il manager che lavora meglio da solo. È il manager che smette di essere solo. Per capire perché, bisogna chiarire una cosa semplice: un agente è molto di più di “un chatbot evoluto”. Un agente è un flusso di lavoro reso autonomo.
Una sequenza di passaggi collegati: un nodo legge un input, un altro recupera un dato, un altro applica una regola, un altro invia un alert o aggiorna un sistema. In alcuni casi, uno di questi nodi può essere effettivamente un LLM (large language model)/LMM (large multimodal model), come ChatGPT, Gemini, Claude… oppure più di uno in cascata che si “controllano” fra loro quando serve interpretare un testo, riassumere un contenuto, classificare una richiesta o generare una bozza.
Ma il punto decisivo è questo: l’LLM non coincide con l’agente. È solo uno dei suoi componenti possibili.
Quanto rischio siamo disposti a prenderci?
Capire questa distinzione è essenziale anche per un altro motivo. Un nodo basato su regole fa sempre la stessa cosa; un LLM, invece, lavora in modo probabilistico. Può essere molto potente, ma anche meno prevedibile.
E qui entra una scelta che non è soltanto tecnica: quanto rischio siamo disposti a prenderci? Se devo verificare una scadenza, confrontare due date o inviare un alert, mi serve affidabilità assoluta. Se invece devo sintetizzare un’email, leggere un testo ambiguo o preparare una prima risposta, un modello linguistico può creare molto valore.
Decidere dove usare logica deterministica e dove accettare un nodo stocastico è una scelta strategica, non tecnica e non informatica, perché riguarda rischio, controllo e responsabilità.
Da tecnologico a manageriale
Ed è qui che il tema smette di essere tecnologico e diventa manageriale. Perché il punto non è usare un nuovo tool, ma conquistare un nuovo margine di autonomia.
Per la prima volta, un manager può costruire da sé una parte della propria squadra operativa.
Può definire cosa deve fare, quando intervenire, quali dati usare, quali regole seguire e quali risultati produrre. In pratica, può progettare collaboratori digitali su misura, capaci di lavorare anche mentre lui è altrove.
Ridefinire il ruolo dell’IT
Questo non significa scavalcare l’IT. Significa ridefinirne il ruolo. Per anni l’IT è stato il fornitore interno di soluzioni: raccoglie il bisogno, sceglie il software, governa i permessi, mette in produzione. In un mondo di agenti diffusi, però, questo modello non basta più.
Oggi il suo compito non è tanto selezionare e gestire software, quanto creare un ecosistema sicuro in cui i manager possano costruire e personalizzare direttamente i propri collaboratori agentici, anche senza capacità informatiche.
Ambienti protetti, tracciabili e governati
Qui si gioca la partita vera. Non sugli agenti in astratto, ma sulla capacità dell’azienda di offrire ambienti protetti, tracciabili e governati: dati accessibili con regole chiare, connettori approvati, permessi definiti, log monitorati, sandbox in cui sperimentare senza esporre l’organizzazione a rischi inutili.
Il AI Risk Management Framework pubblicato dal Nist insiste esattamente su questo punto: l’IA crea valore quando si sviluppa dentro perimetri chiari, responsabilità definite e controlli continui. Non si tratta di frenare la sperimentazione, ma di renderla sicura, tracciabile e governabile.
Ripensare processi, ruoli e modalità
Lo stesso vale sul piano organizzativo. Erik Brynjolfsson, Daniel Rock e Chad Syverson lo spiegavano già nel 2017, in un paper del NBER dal titolo Artificial intelligence and the modern productivity paradox: le tecnologie profonde non generano valore solo perché vengono adottate. Lo generano
quando costringono le organizzazioni a ripensare processi, ruoli e modi di lavorare.
Tradotto: l’IA non basta installarla, va orchestrata. E orchestrarla significa far lavorare insieme manager, IT, legal, compliance e HR. Il manager conosce il processo.
L’IT costruisce il perimetro sicuro. Legal e compliance fissano i confini. HR aiuta a diffondere linguaggio, metodo e formazione.
L’autonomia, da sola, produce caos. L’autonomia dentro una cornice condivisa produce innovazione.
Molti manager sono già vicini alla soglia di ingresso, ma continuano a pensare che servano competenze informatiche avanzate. In realtà, spesso, serve partire da una domanda molto concreta: quale attività ripetitiva, prevedibile e ad alto valore di continuità potrei togliere dalla mia agenda o da quella del team?
Le skill per costruire i propri agenti
Le skill che servono al manager per costruirsi i propri agenti, infatti, non sono informatiche.
La prima è la logica di workflow: scomporre un’attività in passaggi chiari.
La seconda è la pazienza iterativa: un agente non nasce perfetto, si prova, si corregge, si migliora continuamente.
La terza è la consapevolezza dei dati: sapere dove stanno, chi li governa, quali possono essere usati e con quali limiti.
La quarta, forse la più importante, è il giudizio strategico: capire dove ha senso automatizzare e dove invece il rischio supera il beneficio.
Un articolo di Fabrizio Dell’Acqua e colleghi, pubblicato da Harvard Business School nel 2023, “Navigating the jagged technological frontier”, lo dice bene: l’IA può migliorare molto alcune attività, ma non lo fa in modo uniforme.
Il vantaggio non sta nell’adottarla genericamente, ma nel collocarla nei processi giusti, con obiettivi chiari e confini ben progettati.
Marketing, finanza, operations e HR
Le applicazioni utili sono già davanti a noi. In ambito commerciale, un agente può controllare ogni sera il Crm, segnalare lead fermi e preparare follow-up.
Nel marketing, può raccogliere i dati delle campagne e costruire un report leggibile senza ore di consolidamento manuale.
Nella finanza, può monitorare scadenze, anomalie e documenti mancanti. Nelle operations, può segnalare ritardi di fornitura o stock critici.
Sul fronte people, può preparare note per i colloqui individuali, ricordare scadenze HR e sostenere l’onboarding.
Liberare le persone dalle attività ripetitive
Il punto non è sostituire le persone, ma liberarle da attività ripetitive, intermittenti, facili da dimenticare. È trasformare lavoro disperso in capacità operativa continua. È un cambiamento profondo, quasi antropologico.
Perché per la prima volta il manager non dipende solo da ciò che il mercato del lavoro, il budget o l’organizzazione gli mettono a disposizione.
Può creare una parte della propria capacità operativa da sé. Non da solo, ma dentro un ecosistema sicuro costruito bene. È lì che nasce il primo agente utile. Il collaboratore perfetto, almeno per alcune attività, non si trova. Si costruisce.
