Da febbraio 2025 l’AI Act chiede anche alle organizzazioni che utilizzano sistemi di intelligenza artificiale di occuparsi delle competenze delle persone che lavorano con questi strumenti.
La risposta più immediata è pensare alla formazione: un corso, qualche ora di webinar, magari un attestato finale. Il problema è che, mentre l’azienda organizza il corso, l’intelligenza artificiale potrebbe essere già entrata nel lavoro quotidiano da molte altre porte. Qualcuno la usa per riassumere documenti, qualcuno per preparare una risposta commerciale, qualcuno carica file per estrarre informazioni o genera immagini destinate alla comunicazione.
Non sempre questi usi sono stati decisi, censiti o persino discussi.
È qui che l’AI literacy in azienda diventa qualcosa di più interessante di un obbligo formativo. Prima di decidere che cosa insegnare, bisogna capire che cosa le persone stanno già facendo, con quali strumenti, su quali dati e con quali conseguenze.
In altre parole, il primo problema non è scegliere il corso. È rendere visibile il modo in cui l’intelligenza artificiale è già entrata nell’organizzazione.
Un obbligo che riguarda il lavoro reale
L’articolo 4 dell’AI Act riguarda provider e deployer, quindi anche le organizzazioni che utilizzano sistemi di intelligenza artificiale sotto la propria responsabilità. Nel luglio 2026 il testo è stato modificato, ma il principio che interessa le imprese resta molto concreto: le misure di alfabetizzazione devono essere adeguate alle persone coinvolte, alla loro esperienza e al contesto in cui l’AI viene utilizzata.
Questo non significa che ogni collaboratore debba saper spiegare come funziona un modello linguistico. Significa piuttosto capire quali competenze servono davvero a quella persona per utilizzare correttamente lo strumento che ha davanti.
È una distinzione importante, perché l’uso dell’AI dentro un’azienda può assumere forme molto diverse. Uno studio professionale può usare un assistente per sintetizzare un verbale. Un e-commerce può generare bozze delle schede prodotto. Un ufficio commerciale può chiedere a un chatbot di preparare una risposta a un cliente.
Il gesto sembra simile. Il contesto, i dati coinvolti e le conseguenze possono essere molto diversi.
Prima di decidere la formazione, bisogna capire gli usi
Immaginiamo tre persone.
In amministrazione qualcuno utilizza un assistente per estrarre scadenze da documenti e fatture. Nel reparto grafico un generatore di immagini viene usato per preparare materiali di comunicazione. Un commerciale chiede a un chatbot di aiutarlo a rispondere alle richieste dei clienti.
Usano tutti l’intelligenza artificiale, ma non hanno bisogno delle stesse competenze.
Chi lavora sui documenti deve sapere quali informazioni può affidare allo strumento, quali dati richiedono maggiore attenzione e come verificare che ciò che è stato estratto sia corretto.
Chi genera immagini deve conoscere i limiti del sistema, controllare ciò che produce e sapere come gestire correttamente quei contenuti quando vengono pubblicati o utilizzati per un cliente.
Chi prepara una risposta commerciale deve riconoscere una differenza fondamentale: un testo convincente non è necessariamente un testo corretto. Una frase generata dall’AI e inviata a un cliente può avere conseguenze molto diverse dalla stessa frase lasciata dentro una bozza.
Un corso identico per tutti difficilmente riesce a coprire bene situazioni così diverse.
Per questo una buona AI literacy in azienda dovrebbe partire dai compiti, dai dati e dalle conseguenze prima ancora che dagli strumenti.
Rendere visibile l’AI che è già entrata in azienda
Nelle organizzazioni l’intelligenza artificiale raramente arriva attraverso un unico grande progetto.
Più spesso entra poco alla volta: un abbonamento personale, una funzione aggiunta a un software già utilizzato, un’estensione del browser, un collega che scopre uno strumento utile e comincia a usarlo, una piattaforma di marketing che introduce nuove funzioni basate sull’AI.
Il risultato è che un’azienda può utilizzare parecchia intelligenza artificiale senza aver mai deciso formalmente di adottarla.
Per questo il primo passo utile è una ricognizione semplice, abbastanza concreta da descrivere ciò che succede davvero nel lavoro quotidiano.
Per ogni utilizzo può essere sufficiente annotare:
- quale strumento viene utilizzato;
- da quale persona o reparto;
- per quale attività;
- quali informazioni vengono inserite;
- che tipo di risultato produce;
- dove finisce quel risultato;
- chi lo controlla prima che venga utilizzato.
Non è un esercizio burocratico. Serve a distinguere situazioni che, viste superficialmente, sembrano uguali.
Un riassunto destinato a rimanere all’interno di un gruppo di lavoro ha conseguenze diverse da un testo pubblicato sul sito. Una bozza commerciale è diversa da un’offerta già pronta per essere inviata. Un suggerimento è diverso da una decisione.
Quando questi utilizzi vengono messi uno accanto all’altro, diventa molto più semplice capire dove servono competenze, regole e controlli differenti.
Lo stesso strumento può avere rischi molto diversi
Supponiamo che lo stesso assistente venga utilizzato per tre attività: proporre cinque titoli per un articolo, sintetizzare un contratto e preparare una valutazione preliminare su una candidatura.
L’interfaccia è la stessa. Anche il gesto è quasi identico: inseriamo qualcosa e aspettiamo una risposta.
Le conseguenze di un errore, invece, cambiano completamente.
Un brutto titolo si riscrive. Una sintesi sbagliata può far perdere un passaggio importante di un contratto. Una valutazione apparentemente convincente può incidere sul modo in cui guardiamo una persona.
La competenza necessaria, quindi, non dipende soltanto da quanto è sofisticato lo strumento. Dipende soprattutto da che cosa facciamo con il suo risultato, quali dati attraversa e quali conseguenze può produrre.
È uno dei criteri più utili da portare dentro un’organizzazione: più aumenta l’impatto possibile di un errore, più deve essere chiaro il controllo umano.
Le regole servono quando aiutano a decidere
Dopo aver reso visibili gli usi reali, diventa più facile stabilire regole che abbiano senso.
Per molte PMI non serve necessariamente un manuale di quaranta pagine. Sono spesso più utili poche indicazioni comprensibili, collegate a situazioni concrete e semplici da aggiornare.
Quali strumenti sono approvati? Quali tipi di informazioni possono essere inseriti? Quali dati devono rimanere fuori da determinati servizi? Quali risultati richiedono sempre una verifica prima di essere utilizzati all’esterno? Che cosa deve fare una persona quando vuole introdurre un nuovo strumento?
Domande semplici, che evitano però una situazione frequente: lasciare che ciascuno costruisca le proprie regole.
Serve anche sapere a chi rivolgersi quando emerge un caso nuovo.
Una piccola impresa non ha necessariamente bisogno di creare una struttura dedicata all’intelligenza artificiale. Ha però bisogno di una responsabilità riconoscibile: qualcuno che sappia quali strumenti vengono utilizzati, tenga aggiornate le indicazioni e raccolga i casi nuovi quando si presentano.
La responsabilità può essere distribuita. L’importante è che non rimanga anonima.
Sapere quando non fidarsi è una competenza professionale
Quando si parla di formazione sull’intelligenza artificiale, molta attenzione viene dedicata a come ottenere risultati migliori: scrivere prompt più precisi, fornire contesto, strutturare bene le richieste.
Sono competenze utili. In azienda ne serve però un’altra, meno spettacolare e spesso più importante: riconoscere quando una risposta plausibile non è abbastanza.
Un sistema generativo può scrivere con grande sicurezza anche quando parte da informazioni incomplete. Può interpretare male un documento, restituire un dato inesatto, suggerire una fonte che non esiste o semplificare troppo un’eccezione.
Non serve trasformare ogni collaboratore in un tecnico dell’intelligenza artificiale. Serve che sappia quali risultati può utilizzare direttamente, quali deve verificare e quando è necessario fermarsi e chiedere un controllo ulteriore.
È qui che l’AI literacy smette di essere conoscenza generale sulla tecnologia e diventa competenza professionale.
L’AI cambia, quindi anche le regole devono poter cambiare
Gli strumenti evolvono molto più rapidamente delle procedure aziendali.
Una funzione che oggi si limita a generare un testo domani può collegarsi ai documenti dell’azienda. Un assistente che oggi suggerisce una risposta può acquisire la possibilità di inviarla. Un software già presente nei processi può introdurre nuove funzioni AI senza che l’azienda debba installare nulla di nuovo.
Per questo l’AI literacy in azienda funziona meglio come processo periodico che come evento isolato.
Ogni tanto bisogna tornare sugli usi reali e verificare che cosa è cambiato.
Quali nuovi strumenti sono comparsi? Quali vengono davvero utilizzati? Un uso occasionale è diventato parte stabile di un processo? Sono emersi errori ricorrenti? Ci sono attività che prima richiedevano soltanto una bozza e che oggi possono essere eseguite automaticamente?
Anche la formazione può seguire lo stesso principio: interventi brevi e mirati quando cambia il lavoro, invece di accumulare ore di teoria scollegate dai problemi reali.
Far emergere gli usi sommersi è già parte del lavoro
Quando un’azienda non parla apertamente di intelligenza artificiale, le persone non smettono necessariamente di utilizzarla. Possono semplicemente farlo senza dirlo.
Magari perché non sanno se è consentito. Magari perché temono che utilizzare un assistente venga interpretato come un modo per lavorare meno. Oppure perché nessuno ha mai affrontato l’argomento.
È proprio questo uso sommerso a rendere difficile qualsiasi controllo.
Creare uno spazio in cui sia normale raccontare come si utilizzano questi strumenti permette invece di scoprire pratiche utili, intercettare quelle problematiche e capire dove l’azienda potrebbe adottare l’AI in modo più strutturato.
La ricognizione iniziale, quindi, non serve soltanto alla compliance. Può diventare anche uno strumento per capire dove l’intelligenza artificiale sta già producendo valore e dove, invece, sta semplicemente aggiungendo un altro passaggio o un altro software alla giornata.
Dall’adempimento a un modo più consapevole di adottare l’AI
L’AI Act offre alle aziende un motivo concreto per occuparsi di alfabetizzazione sull’intelligenza artificiale. Il valore del lavoro, però, va oltre l’adempimento.
Sapere quali strumenti vengono utilizzati, da chi, con quali dati e dentro quali decisioni permette di capire dove servono competenze, dove occorrono regole e dove l’AI può effettivamente migliorare un processo.
Una buona domanda iniziale potrebbe essere questa: se domani chiedessimo alle persone che lavorano nella nostra organizzazione quali strumenti di intelligenza artificiale utilizzano e per fare cosa, quante risposte ci sorprenderebbero?
È da questo tipo di ricognizione che partiamo anche in Go Wave. Osserviamo il lavoro reale, rendiamo visibili strumenti, flussi e responsabilità e solo dopo definiamo formazione, regole o automazioni coerenti con ciò che l’organizzazione vuole rendere possibile.
Se vuoi capire come l’AI è già entrata nella tua organizzazione e come darle una direzione più consapevole, possiamo partire da lì.