Mandati sull’IA: Colpo a segno o fallimento? I leader raccontano tutto
Attualmente, i mandati per l’IA sono ovunque. Alcuni sono solo sussurrati come aspettative culturali, altri sono scritti negli OKR e nelle valutazioni delle performance. Ma funzionano davvero?
Abbiamo chiesto ai leader che hanno imposto mandati sull’IA, e alle persone che hanno lavorato sotto questi mandati, in cosa consisteva effettivamente il mandato, come veniva misurato il successo e cosa è successo dopo. Le loro risposte evidenziano una linea divisoria sorprendentemente costante, e non si tratta della semplice esistenza o meno del mandato. Ciò che conta è cosa misurava il mandato.
Com’erano realmente i mandati
La parola “mandato” suggerisce una circolare, ma le versioni reali andavano da semplici obblighi formativi a rigide quote di ingegneria. All’estremo meno restrittivo c’è Aniket Ghonge, Senior Supply Chain Manager presso Amazon, dove non esiste alcuna quota d’uso. "Non c’è alcuna misurazione di quanto utilizzo l’IA", afferma.
Sblocca Gratis
Crea un account gratuito per terminare la lettura di questo articolo e unirti a una community di leader innovativi che accedono a strumenti, playbook e approfondimenti per prosperare nell’era dell’AI.
Have an account? Log In
Quello che Amazon richiede, a ogni livello dell’organizzazione, è la formazione sull’IA: "Dobbiamo completare la formazione sull’IA. Altrimenti, la questione può essere segnalata", spiega, definendola "una prassi standard in Amazon." Tuttavia, questa aspettativa leggera non l’ha ostacolato: Ghonge ha finito per realizzare con il vibecoding uno strumento per il suo team che ha fatto risparmiare molto tempo.
Non c’è alcuna misurazione di quanto utilizzo l’IA. Tuttavia, dobbiamo completare la formazione sull’IA.
All'estremo opposto, Liu Peng, Founder & Tech Lead di ReelPulse e Quartz, ha imposto una regola interna ferrea: "Il 100% delle pull request per pipeline di data scraping e script di localizzazione devono utilizzare generazione di codice assistita dall’IA, e ogni ingegnere deve registrare quotidianamente i propri workflow di prompt LLM durante le retrospettive degli sprint."
La maggior parte dei casi si collocava a metà strada, limitando l’IA a fasi specifiche del lavoro invece di imporne l’uso costante. Neal J. McLeod, Founder di CTK Industries, ha definito attentamente il limite: “La regola non era ‘usa l’IA ogni giorno.’ La regola era ‘usala dove riduce il lavoro manuale a basso valore senza togliere la revisione umana dai passaggi sensibili alla fiducia.’” Bogdan Condurache, CPO & Co-Founder di Brizy, ha adottato un approccio simile lato prodotto: “Il nostro mandato era che ogni nuova funzionalità dovesse essere esplorata con l’IA prima di iniziare il lavoro.”
Quando i mandati hanno funzionato
Le storie di successo hanno una costante: i leader misuravano i risultati finali, mantenevano l’uomo nel loop di revisione e lasciavano spazio alla valutazione umana. Rick Elmore, CEO e Founder di Simply Noted, ha imposto che ogni membro del team incorporasse l’IA nel proprio workflow settimanale a partire dal Q1 2025, ma lo monitorava tramite i risultati, domandando: “le proposte richiedevano meno tempo? I ticket di supporto si chiudevano più velocemente? Le bozze di marketing necessitavano di meno revisioni?” Il risultato: “Il nostro output di marketing è raddoppiato in volume senza aumentare il personale.”
Il nostro output di marketing è raddoppiato in volume senza aumentare il personale.
Carlos Rios, Founder di Tabula, ha osservato progressi simili dopo aver reso l’IA il modo standard di lavorare nel suo team. "Circa il 95% dei nostri contenuti blog ora parte da una bozza realizzata con l’IA. Un articolo che prima richiedeva circa una settimana per essere scritto ora richiede circa un’ora di prompt ed editing prima di essere pronto per la revisione,” dice, con la precisazione che ogni pezzo passa comunque attraverso la sua revisione prima della pubblicazione.
Anche in ambito tecnico i numeri hanno confermato questa tendenza. Chongwei Chen, Presidente e CEO di DataNumen, ha legato il suo mandato a un OKR del Q1 che prevedeva che il 30% dei ticket fosse gestito con assistenza dell’IA. “Il tempo medio di risoluzione dei casi di recovery è sceso da 4,2 giorni a 2,8 giorni. Il tasso di soddisfazione dei clienti sui ticket è passato da 4,1 a 4,6,” racconta.
Il tempo medio di risoluzione dei casi di recupero è sceso da 4,2 giorni a 2,8 giorni. Il tasso di soddisfazione dei clienti riguardo ai ticket è passato da 4,1 a 4,6.
Non ogni successo si è tradotto in un aumento di velocità. Kristiyan Yankov, Co-founder & Growth Marketer presso Above Apex, ha trovato benefici altrove: “Non abbiamo improvvisamente dimezzato il carico di lavoro. Ciò che è cambiato è stata la costanza.” Condurache è rimasto sorpreso in modo simile. “La più grande sorpresa è stata che l’IA ha favorito la collaborazione più che la produttività. Prodotto, design ed engineering partivano dallo stesso draft invece che da documenti separati,” riferisce.
Quando i mandati hanno avuto un effetto contrario
Anche i fallimenti seguono uno schema — ed è l’immagine speculare dei successi. Ankita Pathak di OneMetrik ha vissuto il più chiaro monito: la leadership richiedeva l’uso quotidiano di ChatGPT, verificato tramite screenshot inviati in un canale Slack entro le 16. Ha funzionato per alcune settimane, poi la situazione è peggiorata. "Al secondo mese, l’effetto è stato opposto. Le persone lo usavano ogni giorno solo per fare il compitino, così hanno iniziato a usarlo anche per scopi per cui non era adatto," racconta. L’agenzia ha abbandonato il mandato dopo otto settimane. La sua conclusione: "forzare l’uso quotidiano dell’AI non costruisce abitudini migliori, crea solo conformismo."
Anche i mandati che hanno prodotto risultati avevano costi nascosti. La quota di pull-request di Peng ha raddoppiato la velocità di consegna del suo team in 60 giorni — poi è arrivato il conto, quello che lui chiama la "tassa di rielaborazione dell’AI". Come spiega lui: "Gli sviluppatori junior accettavano alla cieca query ORM complesse e parser regex generati dall’AI senza verificare i casi limite. Questo ha provocato perdite di memoria silenziose durante scraping di dati video ad alta concorrenza, facendo aumentare i nostri costi cloud del 22% in un mese." Da allora è passato da un mandato d’uso a un mandato di governance, sostenendo che "i mandati AI funzionano solo se consideri gli sviluppatori come 'direttori dell’intento' che possiedono l’architettura, e non semplici dattilografi passivi."
Ha creato quella che io chiamo la Tassa di Rielaborazione dell’AI. Questo ha portato a perdite di memoria silenziose durante scraping di dati video ad alta concorrenza, facendo aumentare i nostri costi cloud del 22% in un mese.
Andrea Sommer, Fondatrice & CEO di Hive Founders, ha osservato la stessa modalità di fallimento dalla prospettiva della fondatrice. "I mandati che falliscono sono quelli misurati sull’attività. 'Tutti usano Copilot ogni giorno' o 'X percentuale di ticket toccati dall’AI' si trasforma nelle persone che aggirano la metrica invece di migliorare il proprio lavoro," afferma. McLeod è ancora più diretto: "i mandati falliscono quando premiano l’uso visibile invece del miglioramento operativo misurabile."
Cosa ha sorpreso i leader
Oltre ai risultati eclatanti, i leader con cui abbiamo parlato hanno continuato a incontrare gli stessi effetti collaterali, pochi dei quali erano previsti nel piano iniziale di implementazione.
Il blocco non è la paura; è l’abitudine. Elmore si aspettava resistenza e ha trovato qualcosa di più silenzioso: "Il principale ostacolo non era la paura dell’AI, era l’inerzia dell’abitudine." La sua soluzione sarebbe strutturale: abbinare a ogni futuro mandato uno sprint di apprendimento di 30 giorni, perché "Il mandato senza impalcatura è solo pressione."
L’AI è una radiografia dei processi. McLeod ha scoperto che il risultato più illuminante dell’AI riguardava la propria operazione: "se l’input era vago o la procedura operativa standard era debole, l’AI faceva emergere rapidamente l’incoerenza. In tal senso, l’AI ha evidenziato più i problemi di processo che risolti."
Il giudizio umano senior acquista valore. Barnett ha notato che "le persone che hanno tratto maggiore beneficio non erano i più assidui utilizzatori dell’AI. Erano coloro che sapevano quando smettere di affidarsi all’AI e applicare il proprio giudizio."
E il clamore ha un limite. Rion Haber, Cofondatore e Chief Strategy Officer di Catalyst Marketing Agency, che ha imposto un esperimento AI di sei mesi senza vincoli al proprio team di leadership, lancia un monito a chiunque pensi che il solo mandato possa trasformare il business: "l’idea che basti un prompt per decuplicare l’investimento è una truffa."
Il paradosso del mandato AI
Ecco il paradosso che attraversa tutte queste storie: i mandati AI hanno successo in proporzione a quanto poco impongono effettivamente l’AI. Le implementazioni che hanno funzionato imponevano risultati, momenti di verifica e apprendimento — lo strumento era quasi incidentale, libero di essere utilizzato molto da alcuni e poco da altri. Quelle che hanno fallito imponevano lo strumento e ottenevano esattamente ciò che misuravano: screenshot su Slack, caselle spuntate, prompt registrati. Un mandato misurato in prompt produce prompt. Un mandato misurato in risultati produce risultati — e, come si è scoperto, anche adozione dell’AI.
Vuoi altre informazioni di questo tipo? Registrati per un account DPM gratuito per sentire altri esperti come questi.