governare la complessità tra delega tecnologica e governo dei processi

Il valore del professionista si trasferisce così dall’efficienza esecutiva alla capacità di audit, all’interpretazione del contesto e alla responsabilità della decisione finale. Per evitare il rischio di una nuova “burocrazia” a più alta velocità, la vera sfida per le organizzazioni non riguarda l’adozione della tecnologia, ma la riprogettazione dei processi: ricalibrare la gestione del tempo a favore della verifica, sviluppare competenze critiche di controllo e ridisegnare flussi autorizzativi coerenti con la nuova operatività.

Il lavoro al tempo dell’algoritmo

C’è un cortocircuito evidente nel modo in cui il mercato sta comunicando e gestendo l’intelligenza artificiale. 

Da un lato, infatti, la tranquillizzante narrazione main stream ci illustra l’AI come una “magnifica evoluzione incrementale”, una sorta di “regalo” da parte del mondo tech per aiutarci a sbrigare le pratiche più noiose con la stessa naturalezza con cui un software gestionale ha mandato in pensione i vecchi registri cartacei.

Dall’altro, persino chi la sviluppa e la vende ha cominciato a metterci in guardia: la posta in gioco è sistemica, il 2026 segnerà un punto di rottura irreversibile, intere categorie professionali dovranno reinventarsi da zero per non finire fuori mercato.

Il problema di questa visione manichea è che sembra non esistere spazio per una visione alternativa, più equilibrata: nessuna delle due narrazioni, infatti, sembra considerare l’uso reale che (non solo) i professionisti fanno ogni giorno di questi strumenti.

Ovviamente, servono regole – e non a caso è stato emanato l’AI Act – e i pericoli evocati non sono certo infondati, ma fra una narrazione bucolica e gli allarmi sventolati da chi la tecnologia la crea, esiste un oceano di sfumature.

E sono proprio le sfumature a rappresentare la complessità del quadro generale, specie in un momento di transizione sociale, economica ed ambientale come quella che stiamo vivendo, dove la spinta a correre – che ci raccontano come un’esigenza del “mercato” o della “società”, come se noi non fossimo parte di entrambi – scivola continuamente nella fretta cieca, mentre invece avremmo bisogno di tenere insieme l’urgenza e la necessità di controllare, valutare e scegliere.

Attività che richiedono tempo.

In mezzo a questo turbinio di sollecitazioni, scadenze e proclami ci ritroviamo con dubbi irrisolti, competenze nuove da formare a partire da zero e soluzioni pratiche da inventare sul campo, per governare e reinventare ogni giorno un’organizzazione complessa.

Cosa fare allora e come?

Oltre la tecnologia: la sostenibilità come specchio del mercato

Per capire come l’intelligenza artificiale stia già cambiando il lavoro, possiamo partire da ciò che accade nei settori in cui una parte rilevante dell’attività consiste nell’analizzare informazioni, interpretare dati, produrre documenti e formulare valutazioni.

Il mondo della sostenibilità e dei dati ESG, da questo punto di vista, offre un caso particolarmente interessante (alcuni aspetti li avevamo esaminati in questo articolo): negli ultimi anni ha conosciuto una crescita rapidissima, accompagnata da una complessità normativa e informativa che sarebbe ormai difficile gestire con i soli metodi tradizionali.

Regole europee, standard volontari, informazioni provenienti dalle filiere, emissioni, consumi, questionari, rating, matrici di rischio, stakeholder, piani d’azione: negli stessi anni in cui la sostenibilità diventava un sistema sempre più fondato sulla raccolta e sulla verifica di informazioni, la trasformazione digitale metteva a disposizione strumenti sempre più potenti per organizzarle, elaborarle e metterle in relazione.

È proprio l’intreccio tra queste due trasformazioni a fare dell’ESG un osservatorio privilegiato per capire come l’intelligenza artificiale stia modificando il lavoro professionale: mentre aumentano il numero, la varietà e la complessità delle informazioni da governare, cresce anche la possibilità di affidare alla tecnologia una parte sempre maggiore delle attività necessarie a raccoglierle, ordinarle ed elaborarle.

Il cambiamento è già visibile nelle attività quotidiane.

Fino a poco tempo fa, una parte consistente del lavoro di un ESG manager o di un consulente consisteva nel raccogliere dati, “inseguire” fornitori, incrociare fogli di calcolo, controllare documenti, compilare questionari e predisporre prime bozze di report.

Oggi molte di queste operazioni possono essere svolte, o almeno fortemente accelerate, da strumenti capaci di estrarre informazioni da grandi quantità di documenti, mettere in relazione dataset diversi, proporre classificazioni, segnalare anomalie e predisporre prime strutture di analisi.

Ci si potrebbe aspettare che il risultato sia un aumento altrettanto rapido dell’efficienza complessiva; al contrario, osservando come queste tecnologie si inseriscono nei processi organizzativi, emerge uno dei paradossi più interessanti di questa trasformazione: rendere molto più veloce una singola attività non significa necessariamente rendere più veloce il sistema nel quale quell’attività è inserita.

Un questionario può essere compilato in un decimo del tempo, un set di dati può essere analizzato in pochi secondi, una prima bozza può essere prodotta quasi istantaneamente, ma se il risultato deve poi attraversare gli stessi passaggi autorizzativi, gli stessi controlli, gli stessi sistemi informativi e le stesse procedure organizzative di prima, il guadagno complessivo può essere molto più modesto di quanto la velocità dello strumento lasci immaginare.

A questo paradosso se ne aggiunge un altro: la maggiore facilità con cui possiamo produrre analisi, sintesi, documenti e presentazioni tende ad aumentare anche la quantità di materiale che circola all’interno delle organizzazioni. E ciò che viene prodotto deve comunque essere letto, selezionato, verificato e approvato.

L’accelerazione di una fase può – quindi – generare nuovo lavoro nelle fasi successive: più output richiedono più controllo e, per gestire quel controllo, si introducono a loro volta nuovi strumenti automatici, capaci di produrre ulteriori elaborazioni da verificare.

Il collo di bottiglia – rappresentato, di volta in volta, da un passaggio autorizzativo, da un controllo ancora interamente manuale, da un sistema informativo non integrato, dalla necessità di validare i dati o semplicemente dal tempo umano necessario per assumere una decisione – non scompare: si sposta.

È un passaggio importante, perché suggerisce che il lavoro non viene semplicemente eliminato dall’automazione. Una parte certamente si riduce o scompare, ma un’altra cambia natura, si trasferisce lungo il processo e finisce per concentrarsi proprio nei punti in cui occorre controllare, interpretare e decidere.

Ed è proprio questo spostamento, più della semplice riduzione dei tempi, a modificare il contenuto del lavoro professionale.

 Dove si sposta il valore

Di fronte a questa trasformazione, le reazioni dei professionisti finiscono curiosamente per assomigliare alle due narrazioni da cui siamo partiti.

Da un lato c’è chi cede alla delega in bianco: tuttavia, l’output ordinato e convincente generato dall’AI, magari corredato da punteggi e tabelle, può trasmettere un’apparenza di oggettività che induce a trascurare la qualità dei dati, la correttezza dell’interpretazione o i vuoti informativi su cui è costruito.

Dall’altro c’è chi considera ogni automazione una perdita di qualità, e continua a fare manualmente ciò che faceva dieci anni fa, quasi trasformando la lentezza in una prova di rigore. Una posizione difficile da sostenere quando la quantità di informazioni cresce oltre ciò che una persona può realisticamente gestire.

Il punto, allora, non è scegliere tra fiducia e diffidenza verso la tecnologia, ma capire dove si sposta il valore del lavoro professionale quando raccogliere, ordinare e sintetizzare informazioni richiede sempre meno tempo umano.

Una parte si sposta a monte: formulare correttamente il problema, individuare le informazioni davvero rilevanti, definire il perimetro dell’analisi. Un’altra si sposta a valle: verificare il risultato, riconoscerne i limiti e decidere se abbia realmente senso.

Il valore del professionista, allora, non consiste nel sapere più cose della macchina, ma nel riconoscere che cosa manca, perché è importante e quando una risposta apparentemente completa non è sufficiente.

E poi, qualcuno deve decidere.

Perché raccogliere informazioni, elaborarle e assumersi la responsabilità di una scelta sono attività diverse: le prime possono essere sempre più automatizzate; l’ultima implica ancora la capacità di valutare alternative, gestire l’incertezza e rispondere delle conseguenze.

È soprattutto qui che si sposta il valore liberato dall’automazione: dalla produzione dell’informazione alla capacità di interpretarla, metterla in discussione e trasformarla in una decisione.

C’è però un’altra conseguenza da considerare.

Una parte dell’esperienza professionale si è sempre costruita proprio attraverso quel lavoro esecutivo che oggi l’AI permette di comprimere: controllando dati, correggendo errori, riconoscendo anomalie. Non avrebbe senso conservare attività inefficienti per ragioni formative; bisognerà però capire come costruire quell’esperienza in modo diverso. Il rischio è formare professionisti molto abili nell’utilizzare gli strumenti, ma poco allenati a dubitare dei risultati che producono.

Cambiare il processo, non soltanto lo strumento

Se il valore si è spostato ai due estremi del lavoro – la definizione del problema a monte e la validazione della decisione a valle –, continuare a inserire strumenti automatici in flussi pensati per l’era manuale produce un solo risultato: creare una sorta di nuova “burocrazia” a più alta velocità.

Rispondere alla domanda da cui siamo partiti — cosa fare, e come? — richiede un intervento metodico su tre leve operative dell’organizzazione:

– ricalibrare la gestione del tempo. La produttività non può più essere misurata sul volume di output o di pagine prodotte: il tempo risparmiato nella fase di elaborazione va riallocato interamente sulla verifica. Se un’analisi si genera in pochi secondi, l’efficienza ha valore solo se le ore liberate vengono investite nel valutare a fondo quel risultato, evidenziando lacune informative e limiti di contesto;

– spostare le competenze dall’uso all’audit. L’obiettivo formativo non è soltanto insegnare ai professionisti a compilare un prompt o ad addestrare l’ennesimo software. Diventa competenza decisiva la capacità di audit: conoscere il dominio di riferimento a un livello tale da identificare i dati mancanti, individuare i bias dell’algoritmo e contestare una sintesi apparentemente impeccabile;

– ridisegnare i flussi autorizzativi. Un’accelerazione nella produzione di informazioni rende insostenibili le vecchie filiere decisionali. Se un report viene preparato in pochi minuti ma resta bloccato per settimane in passaggi autorizzativi pensati per il lavoro cartaceo, l’organizzazione annulla il vantaggio tecnologico. Occorre snellire la governance, distribuendo l’autonomia e definendo con chiarezza chi valida e chi decide nei singoli passaggi.

Governare questa transizione non significa rincorrere l’ennesimo strumento, né cedere alla tentazione di delegare il pensiero strategico alla macchina, ma compiere un lavoro di riprogettazione dei processi: cambiare i criteri di valutazione, ridistribuire il tempo e costruire competenze di controllo adeguate alla complessità.

È qui che si gioca la partita reale, sul campo e lontano dai proclami.