AI Adoption: il progetto funziona, ma le persone continuano a lavorare come prima

La dimostrazione è andata bene. La soluzione risponde con precisione, i documenti interni vengono recuperati in pochi secondi e il responsabile del progetto è visibilmente soddisfatto.
Poi si torna al lavoro quotidiano e le persone continuano a usare i vecchi fogli Excel, le solite email e il consueto giro di telefonate informali.
Immaginiamo questa situazione tipica in un’azienda che abbia appena introdotto un assistente AI. Prima di saltare alla sbrigativa conclusione che «le persone fanno resistenza al cambiamento», vorrei capire che cosa abbiamo realmente chiesto loro di cambiare. E, soprattutto, se le abbiamo messe nelle condizioni pratiche di farlo.
Una soluzione software può superare brillantemente una prova tecnica controllata senza essere minimamente pronta a trovare posto nel lavoro di tutti i giorni. Per occuparci seriamente di AI Adoption dobbiamo entrare proprio in questa distanza.
Guardiamo il percorso completo, non soltanto la risposta dell’AI
Prendiamo un caso concreto: un team commerciale e operativo prepara aggiornamenti per i clienti sullo stato di avanzamento degli ordini. Le informazioni necessarie sono frammentate tra ERP gestionale, documenti di magazzino ed email.
Viene introdotto un nuovo assistente AI che aiuta a cercarle e produce una bozza di risposta.
Durante la demo sembra straordinario. Nell’uso quotidiano, però, l’operatore deve:
- aprire un’ulteriore applicazione o scheda browser;
- copiare e incollare il codice dell’ordine;
- controllare manualmente se la data di spedizione è realmente aggiornata;
- ricopiare la risposta generata nel sistema gestionale o nel client email abituale.
Se il nuovo flusso basato su IA aggiunge passaggi senza eliminarne alcuno di quelli precedenti, preferire il vecchio metodo non è pigrizia: è una scelta perfettamente razionale dell’operatore. Anche quando l’AI produce un testo stilisticamente impeccabile.
Per questo motivo osserverei sempre una richiesta dal momento in cui entra in azienda fino alla chiusura definitiva: dove si inserisce l’assistente? Quali passaggi manuali sostituisce per davvero? Quali verifiche umane rimangono obbligatorie? Dove il flusso si inceppa?
Spesso il problema da correggere non è l’algoritmo, ma un’integrazione mancante, una fonte dati disallineata o una responsabilità organizzativa ancora ambigua.
Chi lavora sul processo deve poter incidere sul progetto
Coinvolgere gli utenti non significa fare loro una presentazione del prodotto quando la tecnologia è già stata acquistata e configurata.
Chiederei alle persone che gestiscono quotidianamente gli ordini di portare al tavolo di lavoro sia i casi semplici sia quelli più spinosi: una consegna posticipata all’ultimo minuto, un ordine speciale modificato a voce, un’informazione critica che arriva via chat e non è ancora registrata nell’ERP. Sono proprio queste eccezioni a fare la differenza tra un giocattolo tecnologico e uno strumento utile.
Le osservazioni degli operatori devono avere un riscontro operativo immediato:
- Se un collaboratore segnala un attrito o un errore, chi lo prende in carico?
- Chi ha l’autorità per modificare la procedura o i parametri del modello?
- Come viene comunicata la correzione al resto del team?
Un elenco generico di feedback senza un responsabile assegnato non serve a nulla. È indispensabile un ponte continuo tra chi vive il processo sul campo, chi ne detiene la responsabilità di business e chi gestisce la soluzione tecnica.
Il responsabile di funzione ha un ruolo insostituibile
Supponiamo che la nuova procedura richieda all’operatore di verificare scrupolosamente le fonti prima di inviare la risposta al cliente. Se quello stesso operatore continua a essere valutato dal management esclusivamente sul numero di pratiche evase all’ora, stiamo trasmettendo indicazioni incompatibili.
Il responsabile di funzione deve chiarire:
- quali metriche contano prioritariamente nella nuova fase;
- quanto tempo dedicare all’apprendimento e alla sperimentazione protetta;
- quale canale seguire quando il flusso automatizzato non funziona o restituisce un’anomalia.
Deve inoltre avere il coraggio manageriale di stabilire se e quando dismettere definitivamente la vecchia procedura.
Mantenere indefinitamente due flussi paralleli raddoppia il carico di lavoro, genera confusione e rende impossibile capire quale sia il processo effettivo dell’azienda. Il periodo di convivenza deve avere una durata prefissata e concludersi con una decisione netta.
Governare l’uso mentre si abilita il cambiamento
Nel nostro esempio operativo dobbiamo sapere con certezza: quali dati l’assistente può consultare? Chi è autorizzato a interrogarlo? Quali risposte richiedono una firma umana prima dell’invio? E se la data proposta dall’AI contrasta con quella del gestionale, quale fonte prevale giuridicamente e a chi si notifica la discrepanza?
Nel mio articolo sulla Governance dell’AI ho evidenziato come queste regole debbano essere definite a monte; nel focus dedicato all’AI Literacy abbiamo visto come allenare le persone a esercitare spirito critico.
Qui il punto focale è portare quelle scelte dentro la routine lavorativa: se una verifica è prescritta, il personale deve disporre delle competenze, degli strumenti e del tempo necessario per eseguirla senza penalizzazioni.
Misurare il lavoro effettivo per decidere cosa correggere
Il conteggio dei login o il numero di token consumati ci dicono soltanto che una piattaforma è stata aperta. Non ci dicono affatto se il lavoro dell’azienda è migliorato.
Per misurare l’adozione reale su un caso concreto partirei da parametri tangibili:
- Quanto tempo richiede l’evasione completa di una pratica, includendo verifiche e correzioni manuali?
- In quale percentuale di casi la bozza dell’AI viene accolta, modificata o cestinata, e per quali motivi specifici?
- Quali errori sfuggono fino al cliente finale e quali vengono intercettati internamente?
- Il processo funziona a regime anche quando il dipendente più esperto è assente?
Senza una misurazione rigorosa della situazione di partenza (baseline), attribuire un miglioramento o un risparmio all’introduzione dell’Intelligenza Artificiale diventa un esercizio privo di fondamento.
Una sperimentazione circoscritta che porti a una scelta definitiva
Avvierei sempre l’adozione con un gruppo ristretto di persone e su una tipologia specifica di richieste, concordando fin dall’inizio criteri di successo misurabili e condizioni per interrompere la sperimentazione.
Durante il test raccoglierei con particolare attenzione i motivi per cui la soluzione viene evitata o aggirata dagli operatori: sono proprio quelle resistenze a indicare che cosa manca nell’integrazione o nei dati.
Al termine del periodo concordato, si presentano alla direzione le evidenze raccolte: i colli di bottiglia risolti, i limiti strutturali emersi e i costi reali. È su questi dati che si prende una decisione informata: scalare la soluzione all’intera organizzazione, ricalibrarla oppure interromperla, evitando di lasciare l’azienda in un limbo di sperimentazione permanente.
Un Fractional Chief AI Officer affianca la direzione proprio in questo percorso: allinea responsabili di processo, reparti IT, HR e organi di controllo per far sì che la tecnologia si trasformi in valore operativo concreto, misurato nel lavoro che le persone riescono quotidianamente a svolgere.
Nel vostro team, qual è il passaggio del lavoro quotidiano che impedisce a una soluzione AI di diventare realmente utile ed efficace?
Se desiderate sbloccare l’adozione dell’AI nella vostra organizzazione partendo da un processo pilota misurabile, valutiamo insieme le opportunità.
Contattami per un confronto strategico oppure scrivi direttamente a richieste@ernestoamato.it.

Scritto da Ernesto Amato
Executive Leader e Fractional Chief AI Officer. Supporto Consigli di Amministrazione e team di Direzione nella definizione e nell'adozione di strategie di AI Governance e Change Management sostenibile.