Competenze AI: la fine della rendita cognitiva aziendale

Chi valuterebbe, in azienda, il prossimo fornitore AI?

Proviamo a fare una domanda diretta a chi legge, prima ancora di entrare nel merito del tema: se domani arrivasse sul tavolo la proposta di un nuovo fornitore di intelligenza artificiale, chi in azienda sarebbe in grado di leggerla con occhio critico, di capire dove il valore promesso è reale e dove invece è marketing ben confezionato?

In molte organizzazioni la risposta coincide con il nome di una sola persona, spesso arrivata a quel ruolo per interesse personale più che per un percorso strutturato.  Se quella persona cambia ruolo, lascia l'azienda o semplicemente è assente in un momento decisivo, la capacità di valutare le proposte AI sparisce con lei.

Nel frattempo i fornitori continuano a proporre soluzioni, i team continuano a sperimentare strumenti generativi in autonomia e le decisioni vengono prese comunque, solo con meno struttura di quanta ne servirebbe. La domanda scomoda quindi non riguarda quanto sia bravo il singolo esperto interno, riguarda quanto l'organizzazione nel suo complesso sia in grado di reggere l'urto se quel presidio venisse a mancare.

Perché il gap di competenze AI è un rischio materiale, non solo formativo?

Nel nostro bilancio di sostenibilità 2025 abbiamo indicato la formazione e le competenze come un tema materiale, descrivendo il rischio in modo esplicito:

la carenza di formazione può generare un disallineamento tra le competenze interne e le esigenze del mercato, con una conseguente riduzione dell'efficacia organizzativa.

Per capire perché questo rischio si sia fatto così concreto negli ultimi mesi, vale la pena introdurre un concetto che circola sempre più spesso tra chi si occupa di lavoro e competenze: la rendita cognitiva.

Che cos'è la rendita cognitiva?

Per decenni, molte carriere professionali si sono costruite su un vantaggio semplice: sapere qualcosa che pochi altri sapevano, e poter vivere di quella conoscenza senza doverla rimettere costantemente in discussione.

Una recente analisi di Manageritalia descrive proprio la fine di questo meccanismo, osservando che l'introduzione dell'intelligenza artificiale sta erodendo il valore di ciò che un tempo era una rendita stabile: processare dati, sintetizzare documenti, gestire flussi procedurali. Quando il costo di produrre questo tipo di output tende a zero, la distinzione tra competenze tecniche e competenze trasversali - tra hard e soft skill - perde di senso, e ciò che resta scarso, e quindi prezioso, è la capacità di giudizio critico e di visione.

Sull'AI questo rischio si manifesta in modo particolarmente rapido, perché il divario tra la velocità con cui evolvono gli strumenti e la velocità con cui evolvono le competenze interne tende ad allargarsi mese dopo mese: chi in azienda basava il proprio ruolo su una competenza tecnica isolata, oggi si trova a dover ridefinire cosa lo rende davvero utile al processo decisionale.

Il problema quindi non è la mancanza di curiosità dei team, che spesso sperimentano volentieri strumenti generativi nel proprio lavoro quotidiano. Il problema è che questa sperimentazione avviene raramente dentro un perimetro di governance chiaro, con criteri condivisi su cosa è accettabile automatizzare e su come verificare la qualità di un output prima di usarlo per una decisione.

Senza quel perimetro, la fine della rendita cognitiva individuale rischia di trasformarsi in una perdita di competenza collettiva, invisibile finché non genera un errore costoso.

Ai Act. Cosa ha già verificato la scadenza del 2 agosto?

Dal 2 agosto sono applicabili gli obblighi di trasparenza dell'articolo 50 dell'AI Act, e la scadenza ha già funzionato da banco di prova concreto per la governance AI di molte organizzazioni.

Vale la pena essere precisi su cosa è cambiato e cosa no:

• il Digital Omnibus ha rinviato al 2027-2028 i requisiti più stringenti per i sistemi ad alto rischio, ma questo non ha toccato gli obblighi di trasparenza dell'articolo 50, che restano pienamente in vigore dal 2 agosto.

• Anche il requisito di marcatura tecnica dei contenuti generati dall'AI, il cosiddetto watermarking, è slittato al 2 dicembre, ma la trasparenza verso le persone - informarle che stanno interagendo con un sistema automatizzato o che un contenuto è stato generato dall'AI - non ha beneficiato di alcun rinvio.

Il punto interessante, ai fini del nostro discorso sulle competenze, è che questi obblighi si appoggiano su un principio già in vigore da tempo, quello dell'alfabetizzazione AI richiesto a fornitori e utilizzatori di sistemi di intelligenza artificiale fin da febbraio 2025: il 2 agosto non ha introdotto un obbligo nuovo di competenza, ne ha verificato uno che esisteva già sulla carta.

Le organizzazioni che si sono trovate pronte sono quelle che avevano già mappato i propri sistemi AI, individuato i ruoli esposti e costruito percorsi formativi differenziati per funzione. Le competenze richieste, in questo caso, non sono solo giuridiche: servono capacità trasversali tra compliance, IT, comunicazione e risorse umane, perché riconoscere quando un contenuto richiede una dichiarazione di trasparenza è una competenza che riguarda chi scrive un testo tanto quanto chi lo approva.

La tabella qui sotto sintetizza il collegamento tra i principali obblighi e le competenze che servono per rispettarli.

Perché l'esperienza manageriale da sola non basta più?

Una recente ricerca del Vedrai Observatory sul tema del Capitale Decisionale osserva che l'intuito manageriale non è mai stato un limite, è una forma di razionalità accumulata nel tempo attraverso esperienza diretta e decisioni ripetute. Il punto che la ricerca solleva riguarda però il contesto in cui quell'esperienza oggi si trova a operare: più instabile, più interconnesso, più veloce di qualsiasi ciclo precedente e ora anche più normato.

Su una linea simile si muove anche un altra analisi di Manageritalia, che sposta lo spartiacque competitivo: non più tra chi usa l'intelligenza artificiale e chi no, ma tra i manager capaci di orchestrare l'algoritmo e quelli che ne restano travolti, descrivendo:

il manager del futuro è come un direttore d'orchestra tra intuizione umana e potenza di calcolo.

Applicato al tema delle competenze AI, questo significa che il giudizio di un manager esperto resta un patrimonio prezioso, ma da solo non è più sufficiente a valutare la qualità tecnica di un modello, l'affidabilità di un fornitore o la conformità di un caso d'uso ai nuovi obblighi normativi.

Servono strumenti che rendano esplicite le ipotesi che l'esperienza porta con sé in modo implicito, e serve soprattutto un processo condiviso che non lasci la valutazione affidata a un'unica persona o a un'unica sensibilità.

Come si costruisce la competenza AI come infrastruttura permanente?

Trattare le competenze AI come un'infrastruttura significa smettere di pensarle come un evento formativo isolato e iniziare a costruirle come si costruisce qualsiasi altro presidio di rischio: con ruoli definiti, con processi documentati, con un aggiornamento continuo che segue l'evoluzione degli strumenti e della normativa invece di rincorrerla in emergenza.

Si potrebbe parlare di reskilling come strategia di difesa aziendale, sostenendo che le imprese destinate a durare non sono quelle che si limitano a usare l'intelligenza artificiale, ma quelle capaci di ricostruire la propria cultura organizzativa attorno ad essa.

Questo è uno dei motivi per cui Quanture.AI, il nostro progetto dedicato all'adozione strutturata dell'intelligenza artificiale, nasce con un approccio concreto, misurabile e integrato ai processi aziendali. In questo modo, la valutazione dei casi d’uso non dipende dalla sensibilità del singolo referente, ma da un metodo chiaro e replicabile.

Il percorso più utile per chi legge non è chiedersi se la propria azienda abbia già le competenze giuste, ma chiedersi quale sia il prossimo passo utile per ridurre la dipendenza da un unico profilo interno: distribuire la capacità di valutazione su più persone, documentare i criteri con cui si sceglie un fornitore, verificare quali processi ricadono già negli obblighi di trasparenza in vigore.

La competenza AI, letta in questo modo, smette di essere un tema motivazionale e diventa quello che in realtà è sempre stato: una condizione di continuità operativa.