La mappa degli attriti nell'adozione dell'AI

In sintesi. Il numero di licenze attivate e la quota di persone che usano un assistente misurano quanto l'AI è diffusa in azienda, e dicono molto poco su quanto l'organizzazione sia matura. Proponiamo di leggere la maturità dagli attriti, quello che un'azienda ha già risolto e quello che sta pagando adesso. La mappa che usiamo mette in fila sette stati, dall'uso spontaneo ai processi AI-native, e accanto a ogni attrito indica la decisione che lo scioglie e il gate o la dimensione dell'AI Rating su cui quella decisione si verifica.

Quando l'AI entra nell'ordine del giorno di un consiglio di amministrazione, la prima slide riporta quasi sempre un numero di diffusione: le licenze acquistate, gli utenti attivi nel mese, a volte le ore risparmiate stimate dagli stessi utenti. Sono numeri facili da raccogliere, perché li produce il fornitore, e facili da far crescere, perché basta una campagna interna o una formazione obbligatoria per spostarli.

Due aziende con la stessa percentuale di utenti attivi possono però trovarsi in condizioni opposte. Nella prima l'assistente serve a riformulare le email e il resto del lavoro è rimasto com'era, nella seconda tre processi girano già con l'AI che esegue e una persona che controlla, con un responsabile nominato e una procedura per tornare indietro se qualcosa si rompe. Il cruscotto le mostra uguali, e chi deve decidere dove mettere il prossimo budget non ha in mano niente che le distingua.

Le metriche di adozione

Le metriche di diffusione hanno un limite più insidioso della loro superficialità. Appena diventano un obiettivo, l'organizzazione trova il modo di raggiungerlo, e la misura smette di dire qualcosa sul lavoro reale: un obiettivo trimestrale sugli utenti attivi si raggiunge con un accesso a settimana, e un programma di formazione valutato sul numero di attestati può chiudersi senza che un solo processo sia cambiato.

La diffusione resta un dato utile, a patto di trattarla come una condizione di partenza. Nel nostro AI Rating l'adozione ha una dimensione propria, Confidence, misurata con indicatori di uso reale e di fiducia degli utenti accanto a Readiness, Delivery e Risk, come abbiamo descritto nell'articolo sulle quattro dimensioni della maturità AI. Anche quattro punteggi ben costruiti, però, descrivono uno stato, e da soli non dicono quale sia la prossima decisione da prendere né chi debba prenderla.

Per arrivare a quella decisione serve una lettura diversa, che parta da ciò che l'organizzazione sta sperimentando come problema.

L'attrito come unità di misura

Chiamiamo attrito un costo ricorrente che l'organizzazione paga perché manca una decisione. Si riconosce senza strumenti di analisi, perché lo raccontano le persone che lavorano (il pilot fermo da mesi, la domanda dell'ufficio legale a cui nessuno sa rispondere), e ha sempre un costo che si può nominare in tempo perso o in budget immobilizzato.

La proprietà che rende l'attrito utile come misura è il suo legame con una decisione. Una carenza tecnica si risolve comprando o costruendo qualcosa, un attrito si scioglie quando qualcuno con l'autorità per farlo stabilisce una regola o nomina un responsabile. E ogni decisione presa bene fa emergere l'attrito successivo, che prima era nascosto dietro quello più grande: quando gli strumenti sono autorizzati e l'uso diventa visibile, la domanda passa da chi usa l'AI a cosa sia cambiato nel lavoro.

Questa sequenza permette di leggere la maturità come una posizione verificabile. Se un'azienda dice di avere processi AI-first ma l'attrito che descrive è ancora l'assenza di un criterio per scegliere gli use case, la posizione dichiarata e quella reale non coincidono, e la differenza è già un risultato dell'assessment.

La mappa degli attriti

La mappa che usiamo con i clienti mette in fila sette stati. Per ognuno indica l'attrito tipico, la decisione che lo scioglie e il riferimento del nostro metodo, cioè il gate decisionale o la dimensione dell'AI Rating su cui quella decisione si verifica.

	Stato	Attrito	Decisione che lo scioglie	Riferimento
01	Uso spontaneo	Shadow AI: dati aziendali nei prompt e nessuna traccia di cosa entra nei modelli	Policy d'uso, strumenti autorizzati e un registro di cosa entra nei modelli	AI Risk
02	Strumenti autorizzati	Adozione come KPI: si contano le licenze e nessuno sa cosa sia cambiato nel lavoro	Misura della maturità su quattro dimensioni, con gate critici che non si compensano	G1 Prontezza
03	Maturità misurata	Nessun criterio: ogni funzione porta il suo use case e manca una regola per dire no	Ogni use case entra con un Value Case e un'alternativa non-AI scartata per iscritto	G0 Legittimità
04	Portfolio deciso	Pilot purgatory: il prototipo dimostra ciò che doveva e resta senza proprietario	Ipotesi dichiarata prima del prototipo, owner nominato e rollback prima dell'esercizio	G2 Validazione, G4 Scala
05	Processi AI-first	Contesto frammentato: ogni sistema ricostruisce da capo una conoscenza sparsa tra cartelle e persone	Una conoscenza aziendale leggibile dagli agenti, con un owner e un ciclo di aggiornamento	AI Readiness
06	Company OS	Autonomia da dichiarare: gli agenti possono agire da soli e nessuno ha deciso fin dove	Un livello di autonomia dichiarato per ogni sistema, coerente con la sua classe di rischio	G3 Autorizzazione
07	Processi AI-native	Responsabilità: chi risponde di una decisione presa da un agente davanti a un audit	Adozione misurata nel tempo e un responsabile per ogni decisione delegata	G5 Presidio

Le righe hanno un ordine perché ogni decisione presuppone quella precedente. Un portfolio di use case non si decide senza una misura della prontezza, e il livello di autonomia di un agente non si può dichiarare con serietà se l'agente lavora su una conoscenza frammentata, di cui nessuno conosce l'aggiornamento.

Dall'uso spontaneo alla misura

Il primo attrito è quello che quasi tutte le aziende hanno attraversato. Le persone usano il chatbot che preferiscono, spesso con l'account personale, e dentro i prompt finiscono contratti e dati dei clienti. Il costo non si vede finché non diventa un incidente, ed è il motivo per cui la decisione che lo scioglie riguarda la dimensione Risk prima di qualunque altra: una policy d'uso comprensibile, strumenti autorizzati che rendano inutile l'alternativa personale, un registro di cosa entra nei modelli. Ne abbiamo scritto nel pezzo dedicato allo shadow AI.

Con gli strumenti autorizzati l'uso diventa finalmente visibile, ed emerge l'attrito della seconda riga. L'organizzazione vede chi usa l'AI e non vede cosa sia cambiato, e la tentazione è trasformare il numero di licenze attive nel risultato del programma. La decisione che serve è una misura della maturità che guardi oltre la diffusione, con soglie minime su ogni dimensione: è il primo dei nostri gate organizzativi, G1, e il suo criterio è che nessuna dimensione stia sotto soglia, perché i gate critici non si compensano con un'eccellenza altrove.

Una volta misurata la maturità, ogni funzione arriva con il suo use case. È un buon segnale, e diventa un attrito quando manca una regola per scegliere e soprattutto per dire no. La regola che usiamo è il gate G0: un use case entra in portfolio solo con un Value Case che documenti un'alternativa non-AI valutata e scartata, scritta prima di sapere quale sarà la risposta. Una parte consistente delle richieste si risolve con automazione deterministica o con un cambio di processo, e scoprirlo prima costa molto meno che scoprirlo dopo un prototipo.

Il passaggio in esercizio

La quarta riga è quella in cui si fermano più progetti. Il prototipo funziona, la demo convince, e sei mesi dopo il sistema è ancora in pilota perché nessuno ne è proprietario, nessuno ha previsto cosa fare se smette di funzionare, e il budget per portarlo in produzione non era mai stato stanziato. Le cause ricorrenti dei pilot bloccati sono quasi sempre di questo tipo.

Le decisioni che sciolgono questo attrito sono due e stanno ai due estremi del prototipo. Prima di avviarlo va dichiarata un'ipotesi falsificabile, cioè cosa deve dimostrare e con quale soglia, ed è il criterio del gate G2. Prima di metterlo in esercizio vanno nominati un owner con nome e cognome e una procedura di rollback, ed è il criterio del gate G4. Senza la prima non si sa se il prototipo ha funzionato, senza la seconda non si sa a chi chiedere quando smette di funzionare.

Superato questo passaggio, i processi diventano AI-first: l'AI esegue il lavoro e una persona rivede ogni output. Qui emerge un attrito meno visibile e molto costoso, perché ogni sistema ricostruisce da capo il contesto di cui ha bisogno. Le informazioni su clienti e procedure sono sparse in cartelle condivise, caselle email e nella testa delle persone, e ogni agente le ricompone a modo suo, con risultati diversi sullo stesso tema. La decisione che serve riguarda la dimensione Readiness: una conoscenza aziendale organizzata per essere letta dagli agenti, con un responsabile e un ciclo di aggiornamento, quello che chiamiamo AI Company OS.

L'autonomia degli agenti

Quando gli agenti lavorano su una conoscenza comune e affidabile, possono fare molto più di prima, e questo apre l'attrito della sesta riga. Gli agenti sono tecnicamente in grado di agire da soli (inviare un messaggio, modificare un ordine) e nessuno ha deciso fin dove debbano spingersi. La decisione è il gate G3: per ogni sistema va dichiarato un livello di autonomia coerente con la sua classe di rischio, e ridichiarato quando l'autonomia cresce. Ne abbiamo descritto la logica nei livelli di delega e nel perimetro di delega degli agenti.

AI-native non è un traguardo da raggiungere per ogni processo. Ci sono attività, come un'acquisizione o un contenzioso, in cui il giudizio deve restare umano anche quando la tecnologia permetterebbe altro, e dichiararlo è parte della stessa decisione.

L'ultima riga descrive i processi in cui gli agenti lavorano end-to-end, entro policy e guardrail scritti dalle persone, con un'adozione misurata nel tempo secondo il criterio del gate G5. È anche la riga dove vediamo arrivare il prossimo attrito, che è organizzativo prima che tecnico: chi risponde di una decisione presa da un agente quando un cliente la contesta o un auditor la esamina. La responsabilità va assegnata prima che il processo diventi AI-native, decisione per decisione, e il tema esce dalla sola governance interna, come abbiamo scritto a proposito dell'articolo 25-vicies del D.Lgs. 231/2001.

Le funzioni su righe diverse

Nessuna azienda sta su una riga sola. Il marketing può avere processi AI-first mentre l'ufficio legale è ancora fermo allo shadow AI, le operations possono essere bloccate nella quarta riga con un prototipo senza proprietario, e le risorse umane possono avere licenze per tutti senza sapere cosa sia cambiato nel lavoro.

La media di queste posizioni descrive un'organizzazione che non esiste, ed è il motivo per cui il rating si legge dimensione per dimensione e, quando serve, funzione per funzione. La riga più bassa sulla dimensione Risk è anche quella che vincola tutte le altre, perché un gate critico non superato blocca la classe complessiva indipendentemente da quanto siano avanzati i processi altrove.

L'uso della mappa in azienda

La mappa funziona meglio come strumento di conversazione che come questionario. In una riunione con i responsabili delle funzioni chiediamo a ciascuno di descrivere l'attrito che il suo team sta pagando questa settimana, senza nominare uno strumento. Le risposte si collocano sulle righe quasi da sole, e le incongruenze tra la posizione dichiarata e l'attrito raccontato sono il punto da cui parte l'assessment.

Da lì la domanda per il vertice cambia forma. Invece di chiedersi quanto l'azienda abbia adottato l'AI, ci si chiede quale decisione manchi a ciascuna funzione per passare alla riga successiva e chi abbia l'autorità per prenderla. È una domanda che un consiglio di amministrazione può discutere e a cui può assegnare un responsabile, cosa che con un numero di licenze non succede. Su come impostare quella discussione c'è l'articolo su come presentare lo stato dell'AI al consiglio di amministrazione.

Per capire su quale riga si trova la vostra organizzazione, funzione per funzione, potete avviare un AI Rating o fissare un incontro di valutazione.