Usare l'AI non basta: cosa deve imparare il team

Il working paper di Randazzo e colleghi, tra cui Karim R. Lakhani di Harvard Business School, analizza il lavoro di 244 consulenti BCG. Distingue collaborazione integrata, uso selettivo e delega con scarso coinvolgimento, associati a esiti diversi nell'apprendimento. Non dimostra che una modalità sia migliore per qualsiasi attività aziendale.

La ricerca sulla frontiera tecnologica irregolare mostra inoltre prestazioni diverse tra compiti. Sono studi circoscritti, non previsioni per ogni modello o team. La proposta operativa che segue è la mia lettura di queste evidenze, non un protocollo Harvard né una garanzia di miglioramento.

Un abbonamento attivo o molte conversazioni non dicono se il lavoro migliora. Scegli un'attività delimitata e scrivi il risultato atteso: un report con dati riconciliati, una scheda prodotto coerente con il catalogo, una proposta che rispetti vincoli documentati. Individua chi può giudicare la consegna e con quali informazioni.

Registra il punto di partenza con casi confrontabili. Considera tempo totale, correzioni e qualità, includendo il lavoro di revisione. Se l'AI prepara una bozza velocemente ma il team impiega più tempo a verificarla, il vantaggio non è ancora dimostrato. Anche una modifica del processo senza AI può essere un'alternativa valida.

Scrivi un mandato prima di iniziare. Non basta chiedere di fare ricerca o migliorare un report: servono materiali ammessi, risultato atteso, limiti e criteri di accettazione. Definisci quali azioni sono autorizzate e quali richiedono una persona. Accesso ai dati e permesso di agire sono decisioni distinte.

Il responsabile del processo concorda questi confini con chi svolge il lavoro e, quando necessario, con IT e sicurezza. Un agente può preparare un confronto senza avere il permesso di inviarlo al cliente. Sapere costruire una demo non equivale ad avere autorizzazione e controlli per usarla in produzione.

Immagina un team e-commerce che deve preparare un confronto tra prodotti usando un catalogo approvato. È uno scenario illustrativo, non un caso cliente né un risultato misurato. L'agente propone una tabella; il team controlla se specifiche, varianti e disponibilità corrispondono alle fonti e se il confronto risponde alla domanda iniziale.

Introduci poi una variante senza un attributo essenziale o due documenti discordanti. Il risultato utile non è una tabella comunque completa: è riconoscere il limite, segnalare l'informazione mancante e non trasformare un'ipotesi in un fatto. Chi verifica deve spiegare quale criterio ha applicato, non soltanto approvare il testo.

Chiedere obiezioni può far emergere alternative, ma non rende vere le risposte. La sicurezza dichiarata dal modello non è una misura validata del rischio del tuo processo. Anche due agenti possono condividere la stessa premessa sbagliata o usare una fonte incompleta.

Usa controlli adatti all'output: riconciliazione dei numeri con i dati originali, fonti per le affermazioni, test e revisione per il codice, approvazioni per le azioni rilevanti. Conserva gli errori incontrati come casi di prova. Se cambia il modello, il contesto o un'integrazione, valuta quali controlli ripetere prima di estendere l'uso.

Propongo di osservare comportamenti, non soltanto output o soddisfazione a fine sessione. Chiedi alle persone di motivare una scelta, riconoscere una proposta non supportata e adattare le istruzioni a un'attività simile. Sono segnali da documentare sul caso scelto, non una certificazione generale di competenza AI.

Se manca la scelta del processo o il disegno di dati, ruoli e controlli, AI Strategy & Integration aiuta a definire il caso prioritario e il piano operativo. Sviluppo e integrazione rientrano nel lavoro solo quando previsti nel perimetro concordato.

Se il progetto è già scelto e il bisogno è imparare a lavorarci, Agentic Execution Lab affianca il team sul caso reale. Restano la consegna concordata, file, istruzioni e checklist riutilizzabili. I due servizi possono essere complementari, ma non sono un percorso obbligatorio in due acquisti. Esercizio e manutenzione continuativa vanno definiti separatamente.