Il divario nelle competenze sull’IA: come organizzazioni e leader lo stanno colmando
Cambio di cultura: Colmare il divario sulle competenze di IA richiede di affrontare questioni culturali piuttosto che limitarsi a fornire formazione.
Mandati specifici: Perché l’adozione dell’IA sia efficace, i mandati devono essere operativi e chiari, specificando flussi di lavoro e responsabilità.
Apprendimento su misura: La formazione specifica per ruolo, focalizzata su applicazioni immediate, favorisce l’adozione dell’IA e il cambiamento comportamentale nei team.
Focus sull’abilitazione: L’IA deve essere vista come una funzione di abilitazione che migliora l’efficienza, non come un sostituto dei ruoli esistenti.
Misurazione dei risultati: La valutazione dell’adozione dell’IA deve mettere al centro la qualità del lavoro prodotto, non solo le metriche di utilizzo.
In tutti i settori, le organizzazioni si trovano ad affrontare la stessa scomoda realtà: hanno investito in strumenti di intelligenza artificiale, hanno emesso direttive per utilizzarli e hanno visto comunque l’adozione dell’IA ristagnare.
Il problema non è la tecnologia. È il divario tra accesso e reale capacità — e la crescente consapevolezza che colmare questo divario richiede più di un semplice ordine.
Unlock for Free
Create a free account to finish this piece and join a community of forward-thinking leaders unlocking tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
I leader in prima linea su questo tema stanno ripensando a come vengono sviluppate le competenze, a come viene misurata l’adozione e a cosa significhi davvero integrare l’IA nel modo in cui i team lavorano. Per comprendere come le organizzazioni stiano affrontando la questione in pratica, ho parlato con responsabili di operations e project management riguardo i loro approcci per colmare questo inedito divario nella preparazione della forza lavoro.
Il vero problema è la cultura, non solo la formazione
L’istinto di considerare il gap nelle competenze sull’IA come un problema di conoscenza è comprensibile, ma i professionisti affermano che si tratta di una visione superficiale. Moe Rosenfeld, CIO di eCopier Solutions, lo dice senza mezzi termini: "L’adozione è fondamentalmente un problema culturale mascherato da problema di formazione."
Ciò che appare come una mancanza di competenze è spesso una mancanza di sicurezza psicologica, aspettative poco chiare o un ambiente di leadership che manda segnali contraddittori. Rosenfeld prosegue: "Le aziende che hanno difficoltà di solito impongono l’IA dall’alto mentre fanno sentire le persone a disagio nel suo utilizzo. Non si possono fare entrambe le cose." Quando l’adozione diventa una metrica di performance prima che una pratica supportata, le persone imparano a sembrare impegnate invece di imparare a lavorare in modo diverso.
Graham Mann, Founder di SEOTakeoff, lo ribadisce: "Il divario di conoscenza sull’IA peggiora quando le organizzazioni la trattano come formazione sull’utilizzo di uno strumento. La formazione utile è sui flussi di lavoro." Insegnare a qualcuno come usare una piattaforma non è la stessa cosa che insegnargli dove si inserisce nel proprio modo di lavorare.
Il divario di conoscenza sull’IA peggiora quando le organizzazioni la trattano come formazione sull’utilizzo di uno strumento. La formazione utile è sui flussi di lavoro.
Perché le direttive vaghe sull’IA falliscono — e come sono quelle operative
Anche le organizzazioni veramente motivate ad adottare l’IA spesso si ostacolano da sole con direttive troppo generiche per essere attuate. Mann mette in guardia proprio da questo: "Evito direttive sull’IA troppo generiche come ‘Tutti devono usare l’IA’. Creano un utilizzo solo di facciata." In effetti, Meta ha dato un volto a questa dinamica quando ha fatto il giro del web il suo “token leaderboard” interno sull’uso dell’IA trapelato recentemente.
Quando uno standard è vago, le persone si limitano a rispettare la forma senza cambiare nulla di concreto. Ilya Margolin, Strategic AI and Data Workflow Consultant, descrive cosa serva davvero per una direttiva efficace: "Le direttive IA devono avere un linguaggio operativo. ‘Usare l’IA’ è troppo vago. Una direttiva seria nomina i flussi di lavoro, gli strumenti ammessi, i dati soggetti a restrizioni, lo standard di revisione e il responsabile." Questo livello di specificità trasforma una direttiva in qualcosa di concretamente attuabile.
All’opposto, Alexander Debelov, Founder e CEO di Go X, descrive un’organizzazione che ha portato la direttiva alla sua forma più chiara: "La regola è semplice: se un compito può essere svolto da un agente, allora deve esserlo." Mentre alcune realtà sono ancora indecise sull’adozione dell’IA, altre hanno assunto come impostazione di default il suo impiego e stanno costruendo da lì.
Le direttive IA devono avere un linguaggio operativo. ‘Usare l’IA’ è troppo vago.
Il rischio della via di mezzo — cioè l’incoraggiamento senza una struttura — è quello che Margolin indica come il rischio silenzioso della sperimentazione incontrollata: "La sperimentazione individuale nascosta crea qualità incoerente ed espone i dati. Standard operativi condivisi trasformano l’IA in una capacità replicabile."
Formazione specifica per ruolo, vicina alle decisioni
Uno dei tratti più evidenti tra i leader che hanno visto avere successo la formazione sull’IA è la specificità — specifica per il ruolo, per la decisione e per il flusso di lavoro.
Stein Janssen, Chief Operating Officer, Poki, descrive come si traduce questo nella pratica: "Ad esempio, ciò che un Project Manager deve sapere è come applicare l'IA alle attività di definizione dello scope, ai processi di passaggio di consegne e al monitoraggio dei problemi; mentre ciò che un Operations Lead deve sapere è come utilizzare l'IA per garantire coerenza nella progettazione dei processi di escalation."
I programmi generici di alfabetizzazione all’IA possono creare consapevolezza, ma raramente cambiano i comportamenti perché non sono ancorati ai problemi che le persone stanno davvero cercando di risolvere. Janssen è chiaro sul perché la vicinanza sia importante: "Questo tipo di apprendimento deve essere molto vicino al luogo in cui si prendono le decisioni, perché se è troppo distante da questi processi decisionali, l'apprendimento diventerà teorico e potrebbe non portare a nessun cambiamento di comportamento."
La vera prova di qualsiasi formazione è vedere se si riflette nel modo in cui una persona lavora il lunedì successivo — ed è molto più probabile che ciò accada quando la formazione è centrata sulle decisioni che già stanno prendendo.
Come le organizzazioni stanno strutturando i programmi di formazione sull’IA
Le organizzazioni stanno adottando approcci diversi per sviluppare le competenze sull’IA su larga scala e quelli più efficaci tendono a sovrapporre una base di alfabetizzazione con uno sviluppo più profondo e auto-diretto.
Aniket Ghonge, Senior Supply Chain Manager in Amazon, descrive la base: "A tutti i livelli dell'organizzazione viene offerta una qualche forma di formazione basata sull’IA. Si tratta di una formazione molto basilare, come spiegare quali sono i diversi tipi di IA. Questa è disponibile per tutti ed è obbligatoria." Questa base di comprensione condivisa è importante — crea un vocabolario comune e assicura che nessuno si trovi ad affrontare discussioni sull’IA partendo completamente da zero.
A tutti i livelli dell’organizzazione, viene proposta una qualche forma di formazione basata sull’IA. Si tratta di una formazione molto basilare, come spiegare quali sono i diversi tipi di IA. Questa è disponibile per tutti ed è obbligatoria.
Per chi vuole andare oltre, Amazon ha creato un percorso: "Amazon offre anche certificazioni universitarie e corsi di machine learning gratuitamente agli Amazoniani", nota Ghonge. "Infatti sono iscritto a uno di questi corsi, ed è un ambiente a ritmo libero dove si può effettivamente imparare il machine learning e i diversi concetti."
A livello di team, i leader stanno anche costruendo infrastrutture proprie. Jeff Chamberlain, Manager of Broadband Services and PMO presso il governo della contea di Frederick, ha adottato un approccio dal basso: "Ho effettivamente creato una piccola task force sull’IA nel mio team, un gruppo di project manager in tutto il mondo che sono davvero appassionati di continuare a evolvere i nostri metodi IA." Questo tipo di comunità interne — persone che ci tengono abbastanza da spingere il lavoro avanti senza che venga loro richiesto — tendono a muoversi più velocemente e con maggiore credibilità rispetto ai soli programmi dall’alto verso il basso.
Ho effettivamente creato una piccola task force sull’IA nel mio team, un gruppo di project manager in tutto il mondo che sono davvero appassionati di continuare a evolvere i nostri metodi IA.
L’IA come abilitazione, non come sostituzione — e come si traduce questo nella pratica
Uno dei cambiamenti più ricorrenti indicati dai professionisti riguarda il modo in cui l’IA viene categorizzata. Chamberlain spiega cosa emerge costantemente nella sua task force: "L’IA non è uno strumento. Non è un metodo. È una funzione abilitante. In sostanza, è un metodo di abilitazione che ci consente di fare le cose più velocemente, meglio e in modo più efficace. Non è pensata per sostituire nulla. Serve a favorire velocità e qualità. Ma servono comunque le persone."
Questa impostazione è importante perché cambia ciò verso cui le organizzazioni mirano a costruire — non la sostituzione, ma l'amplificazione. Debelov offre un esempio concreto di cosa succede quando viene effettivamente concessa la piena autorizzazione all'uso dell'IA. La sua organizzazione ha dispiegato nove agenti digitali per effettuare chiamate vocali IA a più di 100 aziende locali: "Gli [agenti] hanno fissato 15 incontri con potenziali partner, e 15 di questi sono diventati nuovi partner sul territorio. Il costo totale delle chiamate degli agenti è stato di circa $50. L'ultima volta che abbiamo svolto la stessa attività con persone, ci è costato circa $1.500 organizzare lo stesso numero di incontri."
La tecnologia non era nuova. Ciò che era nuovo era la decisione di utilizzarla. Secondo Debelov, ciò che frena davvero la maggior parte delle organizzazioni è inequivocabile: "Il divario non è tecnico. È una questione di permesso."
Misurare l'adozione nel modo corretto
Se l'obiettivo è una reale capacità e non la semplice conformità di facciata, anche la misurazione deve rispecchiare questo approccio. Margolin descrive il proprio standard: "Misuro l'adozione dell'IA attraverso la qualità del lavoro prodotto, non in base al numero di prompt o accessi agli strumenti." Il numero di accessi e le metriche di utilizzo sono facili da manipolare e dicono poco su quanto l'IA stia effettivamente migliorando il lavoro.
Misuro l'adozione dell'IA attraverso la qualità del lavoro prodotto, non in base al numero di prompt o accessi agli strumenti.
Mann offre un test altrettanto orientato ai risultati: "Il processo è diventato più veloce, più chiaro o meno soggetto a errori senza ridurre la qualità? Se no, il livello di IA probabilmente è solo rumore." La questione non è semplicemente se sia stata usata l'IA, ma se il lavoro sia effettivamente migliorato. Le organizzazioni che misurano l'adozione e dichiarano di voler migliorare la qualità produrranno sempre lo stesso risultato — un'adozione superficiale che non diventa mai una reale capacità.
Colmare il divario nel modo giusto
Colmare il divario di competenze sull'IA non è principalmente una sfida tecnica o di formazione. Si tratta di una sfida di leadership. Le organizzazioni che stanno facendo progressi reali non sono quelle con gli strumenti più sofisticati o i programmi più aggressivi — sono quelle che sono state trasparenti sulle condizioni culturali necessarie perché l'adozione si consolidi, precise su cosa significhi concretamente usare l'IA in ciascun ruolo e rigorose nel misurare i risultati invece che l'attività.
Il divario esiste, ma anche la strada per colmarlo. La decisione di usare l'IA è già stata presa. Quel che resta è la parte più difficile — costruire la cultura, la specificità e gli standard di misurazione che trasformano quella decisione in qualcosa di realmente duraturo. Vuoi altre intuizioni come queste? Iscriviti gratuitamente a DPM per ascoltare altri esperti come questi.