---
title: "AI-assisted, AI-first, AI-native: tre livelli di delega per misurare l'adozione reale dell'AI"
url: https://zerofive.ai/blog/strategia/ai-assisted-ai-first-ai-native-livelli-delega
canonical: https://zerofive.ai/blog/strategia/ai-assisted-ai-first-ai-native-livelli-delega
language: it
published: 2026-10-18
updated: 2026-10-17
author: "ZeroFive.AI"
tags: livelli di delega, AI-native, agenti AI, governance, business case
abstract: "Tre livelli di delega per classificare i processi aziendali in base a chi produce e chi verifica. Strumenti, business case e limiti dell'AI-native."
---

# AI-assisted, AI-first, AI-native: tre livelli di delega per misurare l'adozione reale dell'AI

**In sintesi.** Il livello di adozione dell'AI si misura sul singolo processo, guardando a chi produce l'output e a chi lo verifica. Al livello AI-assisted il lavoro resta della persona, al livello AI-first il modello produce e la persona rivede ogni output, al livello AI-native il processo gira senza revisione caso per caso dentro regole e controlli scritti. Ogni livello ha strumenti, costi e rischi diversi, e per alcune decisioni la scelta corretta è fermarsi prima del terzo.

Nelle presentazioni ai board di quest'anno la parola AI-native compare ovunque, nelle slide di strategia come nei comunicati che annunciano un nuovo modello operativo, e quasi sempre racconta un'intenzione più che un modo di lavorare. I numeri raccontano la stessa distanza da un'altra angolazione: secondo l'Osservatorio Artificial Intelligence del Politecnico di Milano, presentato il 5 febbraio 2026, il 71% delle grandi imprese italiane ha progetti di intelligenza artificiale attivi, mentre solo il 9% delle imprese dichiara una governance strutturata.

Quando chiediamo a un comitato di direzione a che punto è con l'AI, la risposta parte quasi sempre dagli strumenti, quante licenze e quanti pilot avviati nell'ultimo semestre, ed è una risposta che descrive un acquisto e dice poco del lavoro. Per questo nel nostro metodo di assessment la maturità si legge sul singolo processo, guardando a come il lavoro è distribuito tra persone e modelli: a chi spetta la produzione, a chi la verifica, dove sta la responsabilità quando qualcosa va storto.

L'idea ha un precedente nell'industria dell'auto. Nel 2014 SAE International ha pubblicato lo standard J3016 sui livelli di automazione della guida, da zero a cinque, e la sua intuizione più utile è passata quasi inosservata nel dibattito pubblico: il livello di automazione non appartiene all'auto, appartiene a una funzione che opera dentro un dominio definito (l'autostrada con il bel tempo, il parcheggio, la coda in tangenziale). La stessa vettura può avere funzioni a livelli diversi, e chiedersi "a che livello è questa macchina" porta fuori strada. Con l'AI in azienda succede esattamente lo stesso.

## I tre livelli di delega

### Livello 1, AI-assisted

Il lavoro resta della persona, che usa il modello come uno strumento tra gli altri: una traduzione veloce, il riassunto di una call, la riscrittura di una mail troppo lunga, la formula del foglio di calcolo che non ricordava. Il processo resta quello di prima, l'artefatto lo produce un essere umano dall'inizio alla fine, e il guadagno si misura in minuti risparmiati dal singolo.

È il livello più diffuso, e spesso viene scambiato per adozione perché il dato di utilizzo rassicura. Lo stesso Osservatorio del Politecnico rileva che il 47% dei lavoratori italiani usa regolarmente strumenti di AI, ma solo il 19% lo fa esclusivamente con strumenti forniti dall'organizzazione: è un livello 1 diffuso e in buona parte invisibile all'azienda, quello che nei report si chiama shadow AI.

### Livello 2, AI-first

Il modello produce la prima versione completa dell'artefatto, che sia una relazione trimestrale, la risposta a un reclamo o una scheda prodotto, e la persona ne diventa l'editor: prepara il materiale di partenza, corregge, chiede nuove versioni e decide quando il risultato può uscire. La produzione si è spostata sul modello, la verifica è ancora tutta umana, e ogni output passa da una persona prima di arrivare a destinazione.

Qui il processo cambia davvero, perché cambia il mestiere, e il tempo si sposta dalla scrittura alla preparazione del contesto e alla revisione. Cambia anche il collo di bottiglia, che smette di essere la produzione e diventa la capacità di rivedere bene.

### Livello 3, AI-native

Il processo gira senza una revisione caso per caso. Il contributo umano si sposta a monte e a lato del flusso: definire i criteri di accettazione, i confini entro cui il sistema può agire e le condizioni che lo obbligano a fermarsi e chiedere, poi osservarne l'andamento attraverso metriche e campioni.

È il modo in cui gestiamo una parte dello sviluppo software interno, su Company Brain e su modelli in inferenza locale: le richieste di modifica entrano nel flusso, gli agenti le trasformano in un piano e in codice, i test automatici e le regole di progetto stabiliscono cosa può essere integrato, e le persone intervengono quando un test fallisce o un caso esce dai confini previsti.

| | AI-assisted | AI-first | AI-native |
|---|---|---|---|
| Chi produce l'output | La persona | L'AI | L'AI |
| Chi rivede | La persona, sul proprio lavoro | La persona, ogni output | Il sistema di controllo, con campioni ed eccezioni |
| Cosa fanno le persone | Il lavoro | Contesto, revisione, correzione | Regole, metriche, gestione delle eccezioni |
| Unità di valore | Il tempo del singolo | L'output per persona | Il volume del processo |
| Rischio tipico | Uso non governato, dati fuori perimetro | Revisione che diventa un timbro | Errore sistematico non intercettato |

## Il livello si assegna al processo

Il primo errore che vediamo, e che abbiamo commesso anche noi, è usare questi livelli come un'etichetta d'impresa. Un'azienda che si definisce AI-native sta nei fatti facendo una media tra processi molto diversi, e una media in questo campo nasconde più di quanto mostri.

Dentro la stessa organizzazione la riconciliazione delle fatture passive può stare al livello 3, la produzione di contenuti marketing al livello 2, la valutazione di un'acquisizione al livello 1, e tutte e tre le scelte possono essere corrette. Come nella J3016, il livello vive dentro un dominio operativo: un processo ad alto volume, con regole scrivibili ed errori reversibili, è un candidato naturale alla delega piena, mentre un processo raro, ambiguo e con conseguenze difficili da annullare chiede che il giudizio resti in mano alle persone.

Un'azienda matura, in questa prospettiva, è quella che sa dire per ogni processo critico a che livello si trova, a che livello ha deciso di portarlo e perché, e che ha la governance per mantenere quel livello nel tempo. Alcuni processi resteranno per scelta al livello 1, e quando la scelta è motivata fa parte della strategia quanto un processo portato al livello 3.

## Come le aziende si percepiscono e dove si trovano

Se guardate ai processi della maggior parte delle aziende che incontriamo, la distanza tra auto-percezione e realtà segue uno schema abbastanza costante: un livello 1 molto diffuso, qualche sacca di livello 2 in funzioni dove un team motivato ha costruito da sé il proprio flusso di lavoro, e il livello 3 limitato a pochi casi, spesso nati dentro l'IT e poco conosciuti dal resto dell'organizzazione.

I dati pubblici vanno nella stessa direzione. L'Osservatorio AI4Innovation del Politecnico di Milano, su una rilevazione condotta tra febbraio e marzo 2026 su 85 organizzazioni, classifica il 25% delle imprese come AI Starters, con un approccio sporadico e affidato all'iniziativa individuale, il 49% come AI Experimenters, con pilot su casi specifici che non sono ancora entrati nella routine operativa, e solo il 26% come AI Scalers, con casi d'uso multipli, governance definita, ownership chiara e metriche di monitoraggio. Sul fronte globale, il report State of AI 2025 di McKinsey, basato su 1.993 risposte raccolte tra giugno e luglio 2025, indica che il 62% delle organizzazioni sta almeno sperimentando agenti AI e il 23% li sta scalando in qualche punto dell'impresa, ma in nessuna singola funzione la quota di chi scala agenti supera il 10%.

Letti con la lente dei livelli di delega, questi numeri dicono una cosa precisa: la sperimentazione con gli agenti è ampia, il livello 3 in produzione è raro e quasi sempre confinato in una o due funzioni. Per capire dove si trova davvero un processo bastano poche verifiche, che usiamo come primo filtro nelle sessioni di assessment:

- se togliete lo strumento di AI e il processo funziona uguale, solo più lentamente, quel processo è al livello 1;
- se l'AI produce la prima versione ma nessun output esce senza che una persona l'abbia letto e approvato, il processo è al livello 2;
- se la maggior parte degli output esce senza revisione individuale e qualcuno risponde per iscritto di regole, metriche ed eccezioni, il processo è al livello 3;
- se gli output escono senza revisione e nessuno ha mai scritto le regole, il processo è un'automazione non governata, e va trattato come un rischio aperto.

L'ultimo caso è più frequente di quanto si pensi, e nasce quasi sempre da un livello 2 che si è svuotato senza che nessuno lo decidesse.

## La trappola del livello AI-first

Nella J3016 il livello 3 è considerato il più delicato, perché chiede al conducente di non guidare ma di restare pronto a riprendere il controllo quando il sistema lo richiede, e le persone che non guidano smettono presto di prestare attenzione. Il livello AI-first ha lo stesso difetto di progetto. All'inizio la revisione è attenta, il revisore legge ogni riga e corregge molto, poi i volumi crescono, il modello sbaglia meno, le correzioni si diradano, e dopo qualche settimana chi approvava venti documenti al giorno ne approva duecento leggendone l'inizio.

La letteratura sui fattori umani chiama questo fenomeno automation complacency, la tendenza a fidarsi dell'automazione in proporzione alla sua affidabilità percepita, e il risultato in azienda è un processo che sulla carta è AI-first e nei fatti è AI-native senza averne le protezioni, senza regole scritte né metriche, con una firma umana che certifica una revisione mai avvenuta. È la combinazione peggiore, perché l'accountability formale rimane in capo alla persona mentre il controllo reale è sparito.

Per evitarlo bisogna misurare la revisione, quanti output vengono modificati e quante correzioni arrivano dopo l'approvazione, perché una revisione che non modifica più nulla è un segnale da leggere, e bisogna decidere in modo esplicito quando un processo passa al livello 3, costruendo prima le regole e i controlli invece di lasciarlo scivolare lì per stanchezza.

## Gli strumenti di ciascun livello

Salendo di livello, l'investimento si sposta dal modello allo strato di controllo che gli sta intorno, e chi alloca il budget dovrebbe saperlo prima di scegliere un fornitore.

Per il primo livello bastano assistenti generici, una policy d'uso chiara, la scelta di strumenti aziendali che tengano i dati dentro il perimetro e un programma di alfabetizzazione, che per le imprese europee è anche un obbligo: l'articolo 4 dell'AI Act richiede misure di AI literacy per il personale dal 2 febbraio 2025.

Nel livello AI-first il lavoro principale riguarda il contesto. Servono archivi di documenti, esempi e regole di stile che il modello possa leggere, librerie di prompt e template condivise invece che custodite nei computer dei singoli, integrazioni che portino il modello dentro gli strumenti dove il lavoro avviene, e soprattutto uno standard di revisione scritto, che dica al revisore cosa controllare e cosa può dare per acquisito.

Lo stack del livello AI-native cambia natura. Servono un'orchestrazione degli agenti con permessi minimi sui sistemi che toccano, regole scritte in forma verificabile, insiemi di casi di test su cui valutare il comportamento prima e dopo ogni modifica, log completi di cosa è stato fatto e perché, soglie di monitoraggio che facciano scattare l'escalation verso una persona, e la possibilità di fermare il processo e tornare indietro. Per i dati che non devono uscire dall'azienda entra in gioco anche l'inferenza locale, che sposta una parte della decisione dal fornitore del modello all'infrastruttura.

## Il business case per livello

Ogni livello ha un'economia diversa, e confonderle è la causa più comune dei business case che non tornano.

| Livello | Da dove viene il valore | Costo principale | Quando il caso non sta in piedi |
|---|---|---|---|
| AI-assisted | Tempo risparmiato dal singolo | Licenze e formazione | Il tempo liberato non viene riallocato e non arriva al conto economico |
| AI-first | Più output per persona | Preparazione del contesto e tempo di revisione | Rivedere e correggere costa quasi quanto produrre da zero |
| AI-native | Volume gestito a costo marginale basso | Progettazione delle regole, integrazione, monitoraggio | Volumi bassi, regole non scrivibili, errori costosi o irreversibili |

Il beneficio dell'AI-assisted è reale ma disperso: venti minuti risparmiati da ciascuno, ogni giorno, raramente diventano una riga di bilancio, perché si riassorbono in altre attività senza che nessuno li abbia riassegnati. Il report McKinsey del 2025 rileva che l'88% delle organizzazioni usa l'AI in modo regolare in almeno una funzione, mentre quasi due terzi non hanno ancora iniziato a scalarla sull'impresa.

Con l'AI-first il conto si fa processo per processo, e si fa meglio con una disequazione esplicita: la delega ha senso se il tempo di produzione manuale supera la somma del tempo per preparare gli input, del tempo di revisione e del tempo di correzione moltiplicato per la frequenza con cui serve correggere. Molti pilot falliscono qui, perché misurano la velocità con cui il modello produce una bozza e dimenticano il tempo che una persona esperta impiega a renderla utilizzabile.

Quando si passa all'AI-native cambia la struttura dei costi: accanto al costo variabile di inferenza compaiono un costo fisso di progettazione, fatto di regole, integrazioni, casi di test e monitoraggio, e il costo atteso degli errori non intercettati, che dipende da quanto spesso capitano e da quanto costano quando capitano. Il valore cresce con il volume, quindi il livello 3 ha senso su processi frequenti e ben definiti, dove un errore si corregge a costo basso. A giugno 2025 Gartner ha previsto che oltre il 40% dei progetti di agentic AI verrà cancellato entro la fine del 2027 per costi crescenti, valore di business poco chiaro o controlli di rischio inadeguati, e sono esattamente le tre voci di questa equazione lasciate senza risposta all'inizio del progetto.

## Cosa non delegare

Il livello 3 è una scelta da fare processo per processo, e per alcune decisioni la scelta corretta è restare più in basso. Due casi lo mostrano bene, l'individuazione e l'acquisizione di un'azienda da una parte e la gestione di un contenzioso dall'altra. In entrambi l'AI è utile, nello screening dei target, nell'analisi dei bilanci, nella revisione dei documenti di causa, nella prima stesura di una memoria, ma la decisione rimane umana per ragioni che vanno oltre la qualità tecnica del modello.

I criteri che usiamo per fissare il livello massimo di un processo sono pochi e verificabili:

| Criterio | Spinge verso il livello 1 | Spinge verso il livello 3 |
|---|---|---|
| Reversibilità dell'errore | Errore difficile o impossibile da annullare | Errore correggibile a costo basso |
| Volume e ripetitività | Decisioni rare, ognuna diversa | Molte decisioni simili ogni giorno |
| Scrivibilità del criterio di successo | Il buon risultato dipende da giudizio e contesto | Il buon risultato si descrive con regole e test |
| Responsabilità | Responsabilità fiduciaria o personale di chi decide | Responsabilità sul disegno del processo |
| Classificazione normativa | Ambiti ad alto rischio con supervisione umana obbligatoria | Ambiti a rischio limitato o minimo |

Un'acquisizione è il caso limite su quasi tutti i criteri, perché è una decisione rara e irreversibile, presa su segnali che non si codificano e sotto la responsabilità fiduciaria del board. Un contenzioso è più articolato, perché al suo interno la revisione documentale può stare al livello 2 mentre la strategia processuale rimane al livello 1, e questo mostra quanto sia utile scomporre i processi prima di classificarli.

## Il quadro normativo

L'AI Act entra in questa classificazione in modo diretto. L'articolo 14 chiede che i sistemi ad alto rischio siano progettati per consentire una supervisione umana efficace, e tra le capacità che le persone incaricate devono avere cita espressamente la consapevolezza della tendenza a fare affidamento eccessivo sull'output del sistema, cioè lo stesso automation bias che svuota il livello 2. L'articolo 26 chiede ai deployer di affidare la supervisione a persone con competenza, formazione e autorità adeguate.

Per i processi che ricadono negli ambiti dell'Allegato III, come la selezione del personale, la valutazione del merito creditizio o la determinazione dei premi nelle assicurazioni vita e salute, il livello 3 senza supervisione non è un'opzione disponibile. Gli obblighi per questi sistemi sono stati spostati al [2 dicembre 2027](/blog/compliance/ai-act-2-dicembre-2027-quattordici-mesi) dal regolamento Digital Omnibus (Reg. UE 2026/1744), ma la mappa dei livelli di delega va costruita prima, perché è da lì che si capisce dove serve la supervisione e chi la esercita. ISO/IEC 42001 offre la cornice di sistema di gestione in cui documentare queste scelte e tenerle aggiornate.

## Come muoversi

Il percorso che proponiamo ai nostri clienti parte da un inventario e arriva a una mappa decisionale, con passaggi che una direzione può avviare senza attendere un grande programma di trasformazione:

1. censire i processi in cui l'AI è già presente, partendo dall'[inventario dei sistemi AI](/blog/compliance/inventario-sistemi-ai-iso-42001), compresi gli usi individuali non autorizzati, che sono quasi sempre più numerosi di quelli dichiarati;
2. assegnare a ciascun processo il livello reale, usando le verifiche descritte sopra, e il livello obiettivo, deciso con i criteri della tabella e approvato da chi ne risponde;
3. per i passaggi dal livello 1 al livello 2, costruire il contesto e lo standard di revisione, e misurare dal primo giorno tempo di revisione e tasso di correzione;
4. per i passaggi dal livello 2 al livello 3, scrivere le regole in forma verificabile, preparare i casi di test, attivare log e soglie di escalation, nominare un [responsabile del sistema](/blog/ai-governance/agenti-ai-owner-nominativo-produzione) e mantenere per un periodo la revisione a campione prima di toglierla;
5. rivedere la mappa a intervalli regolari, tenendo presente che un processo può anche scendere di livello, quando i volumi calano o gli errori si rivelano più costosi del previsto.

Nel nostro lavoro questa mappa entra nell'AI Assessment, mentre l'AI Rating misura se l'organizzazione ha le condizioni per sostenere i livelli che si è data: senza capacità di monitoraggio, che il modello valuta nella dimensione Delivery, e senza presidi di rischio, valutati nella dimensione Risk, il livello 3 rimane un'intenzione dichiarata.

## Un vocabolario per la delega

La J3016 non ha portato su strada le auto a guida autonoma, e il livello 5 è rimasto in buona parte una promessa. Ha fatto però una cosa più utile nel breve periodo: ha dato a ingegneri e regolatori un vocabolario comune per dire con precisione chi guida e in quali condizioni.

Alle aziende serve lo stesso vocabolario, applicato ai propri processi: una mappa che assegni a ogni attività rilevante un livello di delega, un responsabile e i criteri per cambiarlo. Con una mappa così il board discute di scelte e di rischi accettati, e il regolatore trova scritto quello che altrimenti andrebbe ricostruito a posteriori. Il vantaggio andrà alle aziende che avranno deciso con cura dove fermarsi, e lo avranno messo per iscritto.

## Da dove partire

La distanza tra progetti avviati e governance strutturata è misurata in [il 71% parte, il 9% arriva](/blog/ai-governance/adozione-ai-tra-71-e-9-per-cento), mentre il metodo per costruire il conto economico di un singolo caso d'uso è in [il value case di un progetto AI](/blog/strategia/value-case-alternativa-non-ai-scartata).

Quando un processo sale al livello AI-native, la regola su cosa affidare al modello e cosa alle regole è in [probabilistico e deterministico](/blog/approfondimenti/probabilistico-deterministico-architettura-ai), e il modo in cui l'AI si collega ai dati aziendali è in [perché serve un AI Company OS](/blog/strategia/collegare-ai-dati-aziendali-ai-company-os).

Per mappare i livelli di delega dei vostri processi potete [fissare un incontro di valutazione](https://calendly.com/fabiolalli/zerofive).