IA in azienda: come valutare il punto di partenza e definire una strategia di adozione

In questa fase è normale che ogni azienda si inizi ad interrogare su come integrare l’AI all’interno dei processi, delle attività quotidiane e quali sono le condizioni necessarie per attuare un cambiamento.

Da dove dovrebbe partire un’organizzazione che vuole adottare l’Intelligenza Artificiale?

Considerando che gli strumenti di IA evolvono rapidamente, il rischio è che sia la tecnologia a guidare le scelte; la prima reazione è spesso chiedersi quale tool scegliere, quale soluzione sia più adatta e da quali funzionalità partire.

Eppure, prima di rispondere a queste domande, c’è un passaggio meno visibile ma fondamentale: capire il punto di partenza e il punto di arrivo desiderato.

Perché questo passaggio conta così tanto? Ci può aiutare a comprendere Lev Vygotskij, uno dei principali teorici della teoria socio-culturale, ci mette a disposizione una teoria utile anche in questo contesto, quella della zona di sviluppo prossimale, ovvero la distanza tra ciò che una persona sa fare da sola e ciò che riesce a fare con la guida di qualcuno più esperto[1].

Nonostante il concetto nasca nella psicologia dello sviluppo individuale il principio di fondo resta utile anche in contesto aziendale per ragionare sul gap tra ciò che sa fare oggi e ciò che potrebbe arrivare a fare.

Da dove partire

Accompagnare un’azienda in un percorso di crescita significa partire da un percorso di conoscenza di sé: capire quali competenze sono già presenti, come funzionano i processi, dove l’IA può davvero portare valore in funzione delle strategie di crescita aziendale. È lo step che chiamiamo Discovery e Assessment.

Questa fase permette di mappare competenze, processi, cultura interna e obiettivi aziendali, elementi che condizionano sia cosa può fare oggi con l’IA, ma soprattutto fin dove potrà arrivare.

Quindi prima di concentrarsi sugli strumenti, vale la pena capire come si lavora concretamente all’interno dell’organizzazione. Quali attività assorbono più tempo e dove si concentrano le attività ripetitive? Quali competenze sull’IA sono già presenti, e chi ha iniziato a sperimentarla, anche autonomamente?

Rispondere a queste domande permette di andare oltre una lettura binaria della “readiness” (pronti o non pronti) e di esaminare quali possibilità di sviluppo emergono dalle competenze, dalle pratiche e dalle risorse già presenti nell’azienda e nelle persone.

Quando le persone sono già più avanti dell’organizzazione

A tal proposito, un dato recente aiuta a rendere concreto questo scarto tra readiness individuale e organizzativa: il Work Trend Index 2026 di Microsoft, che ha coinvolto 20.000 lavoratori che utilizzano l’IA in diversi paesi, tra cui l’Italia, mette appunto in relazione due dimensioni, la capacità individuale di lavorare con l’IA e la readiness dell’organizzazione nel sostenerne l’utilizzo[2].

Il risultato è estremamente interessante: solo il 19% degli utenti IA si trova in quella che Microsoft chiama la zona Frontier, dove capacità individuale e condizioni organizzative sono entrambe elevate e si rafforzano reciprocamente

Questa distribuzione rende visibile che persone e organizzazioni possono procedere a velocità diverse, e hanno bisogno di strumenti diversi di crescita

Il restante 80% coinvolge sia chi mostra una readiness individuale elevata mentre l’organizzazione non offre ancora condizioni sufficienti per sostenerne l’utilizzo dell’IA, ovvero la zona che Microsoft definisce “Blocked Agency”; sia gli utenti che si collocano nella zona Emergent, dove sia pratiche individuali che le condizioni organizzative sono ancora in fase di sviluppo.

Pensiamo a un team che ha già iniziato autonomamente a usare l’IA generativa per sintetizzare documenti o preparare bozze: le persone hanno acquisito autonomia, ma l’azienda non ha ancora chiarito quali dati si possano usare o come verificare i risultati. Aggiungere altri strumenti, in questo caso, non basterebbe, anzi renderebbe il processo più difficile da gestire.

Può succedere anche il contrario: un’organizzazione investe in licenze, infrastrutture e linee guida, ma le persone non trovano ancora applicazioni concrete nel proprio lavoro, o non hanno le competenze per usarle in modo consapevole.

Questi due scenari mostrano perché non esiste un unico punto di partenza per l’IA adoption e perché la readiness individuale e quella organizzativa devono essere lette e valutate insieme.

Prima il contesto, poi la tecnologia

La fase di Discovery e Assessment mette quindi a fuoco il punto di partenza dell’organizzazione evidenziando il livello di maturità digitale, i processi, le competenze disponibili e il modo in cui le persone stanno già sperimentando l’IA, anche al di fuori delle iniziative promosse dall’organizzazione, effettuando quindi una mappatura completa dell’ecosistema organizzativo.

Questa attenzione al contesto trova un riferimento utile anche in framework più tecnici, come il NIST AI Risk Management Framework, realizzato allo scopo di aiutare le organizzazioni a comprendere e valutare i possibili impatti dell’AI per promuoverne un utilizzo affidabile e responsabile.

Lo strumento prevede come fase iniziale quella chiamata “Map”: capire, prima di introdurre un sistema di IA, a cosa serve, chi lo userà, in quale contesto e quali rischi comporta³. Un principio diverso nell’ambito di applicazione, ma vicino nello spirito: conoscere prima di agire.

Quindi la fase di discovery e assessment, in questo senso, deve mettere in relazione ciò che le persone fanno già, i processi in cui lavorano e gli obiettivi dell’organizzazione: una competenza può essere presente senza un’applicazione ancora significativa, così come un processo può offrire un’opportunità concreta senza che ci siano le capacità per coglierla.

Per chi si occupa di formazione e di supportare le aziende nell’inserimento dell’AI nei processi la considerazione è semplice, ed è la stessa logica della zona di sviluppo prossimale: insegnare uno strumento è solo l’inizio.

Dalla fotografia alla strategia

Quindi, la fase di discovery e assessment permette di capire come introdurre efficacemente percorsi di Ai Adoption, realizzati sui reali flussi di lavoro e diventa possibile capire dove concentrare gli sforzi e quali interventi abbiano più senso rispetto agli obiettivi aziendali.

La direzione da intraprendere nasce dall’incontro tra ciò che l’organizzazione vuole ottenere e ciò che è già in grado di mettere in campo: tra le competenze esistenti e il supporto necessario per svilupparle ulteriormente.

È qui che la fotografia del presente diventa strategia: un percorso di scelte progressive che tiene insieme gli obiettivi di business, i processi in cui l’IA può portare valore, le competenze delle persone e il contesto organizzativo in cui il cambiamento dovrà prendere forma.

La tecnologia diventa così una leva per costruire il cambiamento, insieme a persone, processi e competenze. Per chi progetta percorsi formativi e di sviluppo comprendere il punto di partenza significa poter individuare il percorso più adatto per accompagnare l’organizzazione verso il passo successivo. È la stessa logica che, per analogia, ritroviamo nella zona di sviluppo prossimale di Vygotskij: comprendere ciò che una persona è già in grado di fare e individuare il supporto necessario per permetterle di raggiungere un livello superiore.

Riferimenti bibliografici

Vygotsky, L. S. (1978), Mind in Society: The Development of Higher Psychological Processes, edited by M. Cole, V. John-Steiner, S. Scribner, E. Souberman, Cambridge (MA), Harvard University Press

Microsoft (2026), 2026 Work Trend Index Annual Report: Agents, human agency, and the opportunity for every organization, Microsoft WorkLab, 5 maggio 2026. La ricerca è stata condotta in dieci mercati, con 20.000 lavoratori che utilizzano l’IA; i dati sulla readiness individuale e organizzativa sono basati su risposte auto-riferite e non su dati comportamentali o di telemetria.

Tabassi, E. (2023), Artificial Intelligence Risk Management Framework (AIRMF 1.0), NIST AI 100-1, National Institute of Standards and Technology.

[1] Vygotsky, L. S. (1978), Mind in Society: The Development of Higher Psychological Processes, edited by M. Cole, V. John-Steiner, S. Scribner, E. Souberman, Cambridge (MA), Harvard University Press, p. 86.

[2] Microsoft (2026), 2026 Work Trend Index Annual Report: Agents, human agency, and the opportunity for every organization, Microsoft WorkLab, 5 maggio 2026. La ricerca è stata condotta in dieci mercati, con 20.000 lavoratori che utilizzano l’IA; i dati sulla readiness individuale e organizzativa sono basati su risposte auto-riferite e non su dati comportamentali o di telemetria.