L’intelligenza artificiale sta rapidamente diventando una parte integrante del mondo del lavoro, promettendo di aumentare l’efficienza e la produttività. Tuttavia, l’adozione di questa tecnologia non è senza sfide. Le aziende devono affrontare una serie di ostacoli per sfruttarne appieno il potenziale.
Secondo recenti studi, il 65% dei dipendenti che lavorano in organizzazioni dove l’AI è già stata adottata dichiara di essere più efficiente rispetto a prima. Tuttavia, solo il 12% dei dipendenti è convinto che l’azienda abbia davvero cambiato il modo in cui si lavora. Questo divario tra efficienza percepita e trasformazione reale è un problema che molte aziende stanno cercando di risolvere.
Il divario tra efficienza individuale e trasformazione aziendale
Il dato riguarda solo le organizzazioni che hanno già superato la fase pilota, non l’intero mercato del lavoro. Un dipendente più rapido con un assistente AI non trasforma da solo la struttura dei processi aziendali, e i due fenomeni procedono a velocità diverse. La produttività personale si misura in settimane, il cambiamento organizzativo in trimestri o anni.
Chi usa un assistente AI scrive la prima versione di un report in metà tempo, ma se quel testo finisce comunque nella stessa catena di revisioni, negli stessi passaggi di approvazione e negli stessi tre livelli di firma, il guadagno individuale si dissolve nel sistema prima di arrivare a un risultato misurabile per l’azienda. Il collo di bottiglia era altrove, non nella scrittura del report.
Il paradosso di Solow
A maggio si era osservato come gli investimenti in AI fatichino a tradursi in produttività aggregata, un effetto che gli economisti chiamano paradosso di Solow. L’entusiasmo delle aziende, nel frattempo, si è raffreddato proprio mentre arrivavano i primi dati sui risultati reali, come emerge da un confronto tra le promesse di inizio anno e i bilanci di metà anno.
Ridisegnare i flussi di lavoro per sfruttare l’AI
Le aziende con i risultati migliori hanno quasi triplicato la probabilità di aver ridisegnato i propri flussi di lavoro rispetto alle altre: 55% contro 20%. La differenza sta nel lavoro lento e poco visibile di riscrivere le procedure attorno allo strumento, non nello strumento scelto.
Ridisegnare un flusso di lavoro significa togliere passaggi, non aggiungerne. Vuol dire decidere che un’approvazione non serve più, che un ruolo cambia mansione, che un controllo manuale diventa automatico e che qualcuno deve assumersi la responsabilità di quella decisione davanti al resto dell’organizzazione. È un lavoro politico interno, non solo tecnico, e per questo viene rimandato.
Quel lavoro, però, quasi nessuno lo finanzia. L’86% dei dirigenti dichiara che la propria organizzazione non era pronta a integrare l’AI nel momento in cui l’ha adottata. La licenza si compra in un giorno, il processo si ridisegna in mesi.
Il ruolo dei manager nell’adozione dell’AI
A guidare il ridisegno dei processi dovrebbero essere i manager di linea, le persone che conoscono i flussi di lavoro reali meglio di chi scrive le strategie in sede centrale. Quasi nessuno li forma per questo compito, e quasi nessuno li paga per farlo bene. Restano il collo di bottiglia non retribuito di ogni trasformazione annunciata.
Il motivo è quasi sempre lo stesso: i manager vengono valutati su obiettivi di output trimestrale, non su quanto hanno ridisegnato un processo. Chi passa settimane a rivedere un flusso di lavoro rischia di perdere terreno sui propri numeri, mentre chi si limita a distribuire la nuova licenza al team ottiene lo stesso plauso con una frazione dello sforzo.
Tra i lavoratori di prima linea la tendenza è la stessa, con numeri più marcati: l’adozione dell’AI è arrivata al 74%, venti punti percentuali in più rispetto a due anni fa. Il 47% dei lavoratori dichiara di passare più tempo a gestire lo strumento che a svolgere il compito per cui lo aveva adottato, un segnale che il processo intorno allo strumento non è mai stato aggiornato.
Senza manager coinvolti, ogni strumento AI resta un esperimento isolato.
I rischi privacy nell’adozione dell’AI
L’intelligenza artificiale entra nelle imprese anche senza un progetto approvato dal consiglio di amministrazione o un piano di trasformazione digitale. Può arrivare con un contratto caricato in un generatore per ottenere un riassunto, un brief cliente copiato in un prompt, una schermata del CRM condivisa con un assistente digitale o un documento interno elaborato attraverso un servizio esterno.
Queste operazioni promettono di ridurre i tempi di lavoro, ma possono aprire flussi di trattamento che l’impresa non ha censito. Il problema non riguarda più soltanto le informazioni che un dipendente decide di inserire in una richiesta. Riguarda anche i dati che il sistema può leggere durante l’esecuzione del compito: testi visibili sullo schermo, allegati, cartelle, email, cronologie commerciali e archivi collegati.
Il rischio privacy si sposta oltre il prompt. Nella prima fase di diffusione dell’AI generativa, l’attenzione si è concentrata soprattutto sui prompt. Le imprese hanno iniziato a chiedersi quali informazioni fosse lecito copiare nelle finestre di dialogo e se un dipendente potesse caricare contratti, dati dei clienti, materiali riservati o documenti relativi al personale.
Quel rischio rimane. I sistemi più recenti, però, non ricevono soltanto il testo digitato dall’utente. Alcuni possono processare screenshot, leggere documenti aperti, analizzare ciò che appare sul monitor o interagire con applicazioni aziendali. Un assistente collegato a più servizi può inoltre recuperare informazioni da caselle email, calendari, archivi cloud e software gestionali.
Il perimetro del trattamento dipende quindi dalle autorizzazioni concesse, dalla configurazione tecnica e dal compito assegnato. Un utente può chiedere di sintetizzare una trattativa commerciale, mentre lo strumento accede a una schermata che contiene nomi, recapiti, cronologia dei contatti, annotazioni riservate e informazioni su altri clienti.
Lo stesso può accadere in una casella email, dove il sistema potrebbe incontrare allegati contrattuali, dati finanziari o conversazioni che non servono per completare l’attività. Nei documenti delle risorse umane possono apparire dati di candidati e dipendenti, valutazioni professionali, informazioni sulla salute o elementi relativi alla vita privata.
Un accesso non necessario resta un trattamento. Il regolamento generale sulla protezione dei dati, il Gdpr, si applica al trattamento automatizzato di informazioni riferite a persone identificate o identificabili. La nozione comprende operazioni come raccolta, consultazione, organizzazione, conservazione e comunicazione. Anche la lettura di un dato da parte di un sistema può quindi assumere rilevanza, senza che l’informazione venga copiata volontariamente nel prompt.
Ogni trattamento deve avere una base giuridica e rispettare principi come limitazione delle finalità, minimizzazione dei dati, esattezza, sicurezza e responsabilizzazione. L’impresa deve stabilire quali informazioni siano necessarie per il compito affidato al sistema e impedire, per quanto possibile, l’accesso a contenuti estranei.
La valutazione diventa più delicata quando vengono coinvolte categorie particolari di dati, segreti commerciali o informazioni soggette a obblighi di riservatezza. Un documento medico del dipendente o una valutazione disciplinare non possono essere trattati come un normale testo amministrativo. Anche un dato apparentemente innocuo può produrre effetti rilevanti se associato ad altre informazioni presenti nei sistemi aziendali.
Non basta scegliere un tool “sicuro”. La sicurezza dichiarata dal fornitore costituisce soltanto uno degli elementi da verificare. L’impresa deve comprendere il funzionamento effettivo del servizio: quali dati riceve, dove vengono conservati, per quanto tempo rimangono disponibili, chi può accedervi e se vengono utilizzati per addestrare o migliorare i modelli.
Quando il fornitore tratta dati personali per conto dell’azienda, il rapporto deve essere disciplinato secondo l’articolo 28 del Gdpr. Il contratto o il Data processing agreement, spesso indicato con la sigla Dpa, deve definire natura, durata e finalità del trattamento, tipologie di dati, categorie di interessati, misure di sicurezza e obblighi delle parti. Le clausole devono corrispondere all’uso reale, non a una descrizione generica del servizio.
Serve inoltre controllare l’eventuale trasferimento di dati fuori dallo Spazio economico europeo e individuare i subfornitori coinvolti. Le impostazioni predefinite meritano una verifica separata: funzioni di memorizzazione delle conversazioni, cronologie condivise o collegamenti automatici possono estendere il trattamento oltre quanto previsto dall’utente.
Anche il tipo di account incide sulle garanzie. La versione consumer e quella business dello stesso prodotto possono applicare condizioni contrattuali diverse.
