La tua azienda ha comprato strumenti di IA. Ora arriva la parte difficile.

Le licenze sono facili. Le credenziali di accesso richiedono cinque minuti. Ma sei mesi dopo, la maggior parte dei dipendenti usa ancora ChatGPT nello stesso modo in cui usa la ricerca Google: domande vaghe e speranza di ottenere risposte utili. Gli strumenti restano lì, costosi e sottoutilizzati, mentre i manager si chiedono perché i promessi aumenti di produttività non si siano mai materializzati.

Questo divario tra avere strumenti di IA e saperli usare bene è il punto in cui muoiono in silenzio la maggior parte delle iniziative di IA in azienda. Una ricerca SHRM del 2025 ha rilevato che il 75% dei lavoratori si aspetta che il proprio ruolo cambi in modo significativo a causa dell’IA entro cinque anni, ma solo il 45% ha ricevuto di recente una qualche riqualificazione. L’infrastruttura formativa non ha tenuto il passo con la distribuzione degli strumenti, e i risultati lo dimostrano.

La formazione può chiudere quel divario. Ma non il tipo di formazione che fa la maggior parte delle aziende.

Le competenze che contano davvero

La maggior parte dei programmi di formazione sull’IA si concentra sulle cose sbagliate. Insegnano le funzioni degli strumenti quando dovrebbero insegnare schemi di pensiero.

Prompting come comunicazione, non come incantesimo. Fare buoni prompt non significa usare parole magiche o formule segrete. Significa chiarezza. Specificità. Sapere cosa vuoi prima di chiederlo. Come ha scritto l’utente di Hacker News bobwaycott in una discussione sulla prompt engineering, la competenza di fondo è “precision to communicate ideas, requirements, and expected outcomes effectively.” È una competenza che si trasferisce ovunque, non solo agli strumenti di IA.

Chi ottiene di più dall’IA di solito è chi era già bravo a dare istruzioni alle persone. Sa scomporre i problemi. Fornisce contesto. Definisce che cosa significa “fatto bene”.

Giudizio prima dell’automazione. Ecco la verità scomoda che la maggior parte dei programmi evita: l’IA rende il giudizio più importante, non meno. Una recente analisi di Harvard Business Review ha colto questo paradosso con precisione: “AI simultaneously increases the need for judgment and erodes the experiences that produce it.”

Quando l’IA gestisce il lavoro di routine, le decisioni che restano sono quelle difficili. I casi limite. Le situazioni in cui il contesto conta. Addestrare le persone a usare l’IA senza addestrarle a valutare l’output dell’IA crea una dipendenza pericolosa. Producono lavoro in fretta, ma non sanno dire se sia buono.

Verifica come abitudine. Ogni output dell’IA va controllato. Non una doppia verifica paranoica di ogni parola, ma una verifica calibrata in base a posta in gioco e complessità. Nello stesso thread di Hacker News, l’utente rapatel0 ha proposto un’immagine utile: trattare gli LLM “like a junior intern that has access to google.” Non pubblicheresti la prima bozza di uno stagista senza revisione. Non lasceresti che uno stagista prenda decisioni importanti senza supervisione. Lo stesso vale per l’IA.

Sapere quando non usarla. Questa potrebbe essere la competenza più difficile da insegnare, perché va contro l’intera premessa della formazione. A volte la risposta è chiudere lo strumento di IA e fare il lavoro da soli. A volte il prompt richiederebbe più tempo del compito in sé. A volte serve davvero il giudizio umano, e usare l’IA sarebbe una scorciatoia che produce risultati peggiori. La saggezza è saper distinguere.

Perché la formazione fallisce quasi sempre

La formazione aziendale sull’IA fallisce in modi prevedibili. Capire i pattern ti aiuta a evitarli.

La trappola della demo. Qualcuno dell’IT mostra le funzioni dello strumento. Ecco come si apre. Ecco dove si scrive. Ecco alcune cose che sa fare. I partecipanti annuiscono educatamente. Tornano alla scrivania e non lo usano mai, perché sapere cosa può fare uno strumento è completamente diverso dal sapere come usarlo per il tuo lavoro reale.

Il problema del “una volta e basta”. Un workshop di tre ore, un attestato, una spunta sulla dashboard di conformità di qualcuno. Poi il nulla. Le competenze decadono in fretta quando non vengono usate, e quelle legate all’IA decadono ancora più velocemente perché gli strumenti cambiano di continuo. Quello che hai imparato a gennaio potrebbe non funzionare allo stesso modo a giugno.

L’approccio “idrante”. Provare a coprire tutto ciò che lo strumento può fare in una sola sessione. Tecniche avanzate di prompting. Istruzioni personalizzate. Integrazioni API. Automazione dei flussi di lavoro. Alla fine, i partecipanti non ricordano nulla perché hai provato a insegnare tutto.

L’errore di astrazione. Insegnare la prompt engineering come abilità astratta scollegata dai compiti reali del lavoro. “Ecco come scrivere un buon prompt” è inutile rispetto a “Ecco come usare l’IA per fare ricerca su un potenziale cliente prima di una chiamata commerciale.” Le persone imparano collegando la nuova conoscenza al lavoro che già fanno, non assorbendo teoria che non sanno applicare.

Una ricerca di McKinsey ha rilevato che, mentre l’89% delle organizzazioni dice che la propria forza lavoro ha bisogno di migliori competenze di IA, solo il 6% ha iniziato una riqualificazione in modo significativo. Il divario tra riconoscere il problema e fare qualcosa di efficace resta enorme.

Approcci di formazione che funzionano

Una formazione efficace sull’IA ha un aspetto diverso dalla formazione aziendale tradizionale. Meno lezione, più pratica. Meno panoramica delle funzioni, più applicazione ai compiti.

Parti dal lavoro reale. Non insegnare l’IA in astratto. Chiedi alle persone quali attività consumano il loro tempo. Poi mostra come l’IA può aiutare con quelle attività specifiche. Un marketer che scrive post social riceve una formazione diversa da un analista che costruisce report, anche se potrebbero usare lo stesso strumento.

Inserisci tempo di pratica. Imparare l’IA guardando qualcun altro usare l’IA è come imparare a nuotare guardando video su YouTube. Devi entrare in acqua. Ogni sessione di formazione dovrebbe includere tempo pratico in cui le persone usano davvero gli strumenti, sbagliano e capiscono come fare, con una guida disponibile.

Distribuiscila nel tempo. Una singola sessione lunga affatica e limita la ritenzione. Sessioni brevi distribuite su settimane, con compiti da svolgere tra una sessione e l’altra, costruiscono competenze durature. La prima settimana copre le basi. La seconda settimana copre applicazioni specifiche per il ruolo. La terza settimana affronta i problemi e le domande comuni emersi dalla pratica.

Dai il permesso di sperimentare. Molte persone hanno paura di sembrare stupide usando l’IA. Temono di perdere tempo. Esitano a provare cose che potrebbero non funzionare. Una buona formazione concede esplicitamente il permesso di sperimentare, fallire e imparare. La sicurezza psicologica conta tanto quanto l’istruzione tecnica.

Affianca chi impara in fretta a chi è più lento. L’apprendimento tra pari è potente. Le persone che prendono confidenza con l’IA rapidamente possono aiutare i colleghi in difficoltà, e insegnare rafforza il loro stesso apprendimento. Questo distribuisce anche il supporto nell’organizzazione invece di concentrarlo in pochi formatori.

Il problema del giudizio

Ecco qualcosa che la maggior parte della formazione sull’IA ignora del tutto: il problema dei junior.

I lavoratori esperti usano l’IA come amplificatore. Hanno decenni di giudizio su cosa sia un lavoro fatto bene, e l’IA li aiuta a produrne di più, più in fretta. Gli strumenti, come notava l’articolo HBR, “amplified existing judgment rather than compensating for its absence.”

Ma per i junior la situazione è completamente diversa. Non hanno ancora sviluppato il giudizio che nasce da anni di pratica. Non sanno cosa “è buono” perché non hanno commesso abbastanza errori per imparare. E ora l’IA gestisce i compiti ripetitivi che un tempo erano il terreno di allenamento per quel giudizio.

Questo crea un rischio organizzativo reale. Se formi le persone a usare l’IA senza affrontare come svilupperanno il giudizio, finisci con una forza lavoro che produce output in fretta ma non sa valutare se quell’output sia davvero buono. Il dipendente entry-level che usa l’IA per scrivere report non ha mai lottato per scrivere report scadenti e imparare dai feedback. Salta direttamente a un lavoro dall’aspetto rifinito che può mancare della sostanza o del contesto che l’esperienza avrebbe fornito.

I buoni programmi di formazione affrontano la cosa a viso aperto. Includono esercizi in cui le persone devono valutare criticamente l’output dell’IA. Richiedono di individuare errori inseriti intenzionalmente negli esempi. Insegnano la verifica come competenza, non solo come casella da spuntare.

Apprendimento continuo vs. eventi una tantum

L’IA cambia in fretta. Un programma di formazione che funzionava sei mesi fa oggi può essere parzialmente obsoleto. Questa realtà richiede un approccio diverso rispetto alla formazione aziendale tradizionale.

Costruisci infrastruttura, non eventi. Invece di pianificare un evento formativo, costruisci un sistema di apprendimento continuo. Un canale Slack in cui le persone condividono scoperte. Ore di ricevimento in cui le domande trovano risposta. Una libreria di documenti con prompt e approcci efficaci. Aggiornamenti regolari quando gli strumenti cambiano o emergono nuove capacità.

Identifica dei referenti. Trova persone in ogni team che gravitano naturalmente verso gli strumenti di IA e sono disposte ad aiutare gli altri. Formale più in profondità. Dai loro tempo per supportare i colleghi. Crea una rete distribuita di competenza invece di un dipartimento di formazione centralizzato.

Misura l’uso reale. La presenza alla formazione non significa nulla se poi le persone non usano gli strumenti. Traccia l’adozione reale. Chiedi quali ostacoli impediscono l’uso. Adatta la formazione in base a ciò che impari dall’applicazione sul campo.

Accetta l’iterazione. Il tuo primo programma di formazione non sarà perfetto. Neppure il secondo. Crea cicli di feedback che ti permettano di capire cosa funziona e migliorare continuamente. L’obiettivo è il progresso, non la perfezione.

Una ricerca BCG ha rilevato che quando i leader dimostrano un forte supporto per l’IA, la quota di dipendenti che si sente positiva al riguardo sale dal 15% al 55%. Il coinvolgimento della leadership conta enormemente. Se i dirigenti trattano la formazione sull’IA come un esercizio di conformità “spunta e via”, lo faranno anche i dipendenti.

Il fattore paura

Molti dipendenti temono che imparare l’IA significhi addestrare il proprio sostituto. Questa paura è reale e va affrontata direttamente, non ignorata né liquidata.

Alcuni lavori cambieranno. Alcune attività si sposteranno. È successo con ogni adozione tecnologica significativa nella storia. La risposta non è far finta di niente, ma inquadrare le competenze di IA come protezione della carriera, non come accettazione della minaccia. I dipendenti che imparano a lavorare in modo efficace con l’IA saranno più preziosi, non meno.

Affronta la resistenza direttamente nella formazione. Riconosci che alcune preoccupazioni sono legittime. Spiega cosa l’IA non può fare: costruire relazioni, esercitare vero giudizio, capire il contesto organizzativo, tenere davvero ai risultati. Posiziona l’IA come uno strumento che gestisce le parti noiose così gli esseri umani possono concentrarsi su quelle significative.

Non tutti saranno convinti. Va bene così. Un certo scetticismo è sano. L’obiettivo non è un entusiasmo unanime, ma un’adozione sufficiente a ottenere i benefici.

Come partire

Se stai costruendo da zero un programma di formazione sull’IA, parti in piccolo. Scegli un team. Identifica i casi d’uso di maggior valore. Formali bene. Impara dall’esperienza. Poi espandi.

Non provare a formare tutti su tutto, subito. Quell’approccio produce copertura superficiale e nessun vero sviluppo di competenze. La profondità batte l’ampiezza, soprattutto all’inizio.

Misura ciò che conta: non le ore di formazione completate, ma il cambiamento reale di comportamento. Le persone stanno usando gli strumenti? Li stanno usando bene? La qualità del loro lavoro sta migliorando? Sono queste le domande che contano.

E preparati al fatto che la formazione stessa dovrà evolvere. Ciò che funziona oggi andrà aggiornato man mano che gli strumenti cambiano, che la tua organizzazione impara, che emergono nuove applicazioni. Costruire capacità di adattamento conta più che azzeccare il programma iniziale al primo colpo.

Le aziende che capiranno la formazione sull’IA otterranno vantaggi significativi rispetto a quelle che non lo faranno. Gli strumenti sono disponibili per tutti. La differenza sta nel fatto che le persone sappiano usarli, e che quella conoscenza resti al passo con l’evoluzione della tecnologia.

Non è un problema che risolvi una volta. È una capacità che costruisci.