AI in azienda: formazione, governance e fiducia

Tra il 24 e il 31 agosto 2026 il segnale più chiaro è che l’adozione dell’AI non si gioca più sulla sperimentazione, ma sulla capacità di governarla. Le aziende che stanno creando valore sono quelle che formano le persone, limitano la proliferazione incontrollata degli agenti e verificano che i risultati siano affidabili prima di portarli in produzione.

Perché l’AI sta diventando un problema di governance e non solo di adozione?

L’AI sta spostando il baricentro dalla scelta degli strumenti alla disciplina con cui vengono usati. La settimana mostra tre pressioni convergenti: formazione insufficiente, proliferazione di agenti creati dai dipendenti e crescente bisogno di fiducia nei risultati prodotti dai modelli [1][4][5].

Il punto non è se i team possano usare l’AI, ma se l’organizzazione riesca a farlo in modo coerente. In West Monroe, più di 200 dipendenti hanno creato oltre 550 agenti dal lancio dello store interno a maggio, e Bret Greenstein parla di una popolazione ampia che costruisce in autonomia [4]. Questo crea energia e innovazione, ma apre anche il tema di chi decide quali agenti servono, quali costi generano e quali rischi introducono.

La stessa tensione emerge nella qualità dell’output. L’articolo di CIO.com sui report generati con AI mostra che la velocità non basta se il risultato non è comprensibile, modificabile e difendibile davanti a CFO e auditor [5]. In altre parole, l’AI non elimina il lavoro di controllo: lo rende più importante.

Quanto conta davvero la formazione per far funzionare l’AI?

Conta quanto la tecnologia stessa, perché senza formazione l’adozione resta casuale. Secondo il Harvey Nash Tech Talent Salary Report citato da CIO.com, tre quarti del personale IT hanno accesso a strumenti AI, ma un quinto dei tecnologi è atteso a imparare da solo e il 23% aspetta una formazione formale [1]. Il dato segnala una distanza netta tra disponibilità degli strumenti e capacità organizzativa di usarli bene.

Michael Cole, chief technology officer del DP World Tour, descrive la formazione come un programma che deve estendersi a tutta l’azienda, non solo al reparto IT. Per lui usare bene l’AI significa lavorare su processo, mentalità e cultura, non soltanto su competenze tecniche [1]. È un’indicazione rilevante per chi decide budget: la spesa per training non è accessoria, ma parte dell’architettura di adozione.

Sanofi adotta un approccio multilivello e ha fatto completare ai dirigenti il programma Drive Digital, sviluppato con la ESSEC business school di Parigi [1]. Il messaggio implicito è che la formazione non può fermarsi ai livelli operativi: se il management non capisce limiti, opportunità e responsabilità dell’AI, l’organizzazione riceve segnali incoerenti.

Come si evita che gli agenti AI diventino troppi e troppo costosi?

Con una governance che nasce prima della scala, non dopo. L’uso diffuso di agenti interni è ormai una realtà: West Monroe ha superato quota 550 agenti creati da oltre 200 dipendenti, mentre Gartner prevede che entro il 2028 le aziende Fortune 500 avranno in media più di 150.000 agenti [4]. La crescita è rapida, ma non tutte le organizzazioni stanno misurando il valore con la stessa velocità.

Michael Murphy di Adaptovate osserva che negli ultimi sei mesi il racconto è cambiato: dalla spinta a “agentificare” tutto si è passati alla necessità di capire se gli agenti costruiti siano davvero quelli giusti e se producano il valore atteso [4]. È un passaggio cruciale per CIO e CTO, perché la proliferazione senza selezione porta a costi distribuiti, duplicazioni e difficoltà di controllo.

Tiago Azevedo, CIO di OutSystems, descrive una pressione a tre vie: i dipendenti chiedono più libertà d’uso, il CFO vede crescere la spesa in token e il CEO vuole risultati e innovazione [4]. Questa triade riassume bene il problema di budget: l’AI non va solo autorizzata, va anche resa sostenibile e misurabile.

Perché la fiducia nei report generati con AI è un tema di management?

Perché un report utile non è solo veloce: deve essere spiegabile, aggiornabile e difendibile. L’articolo del 28 agosto mostra un caso concreto in cui l’AI produce in pochi secondi oltre 1.700 righe di codice Python, ma la validazione diventa complicata quando servono modifiche, filtri per le controllate e approvazione di CFO e auditor [5].

Il problema non è la generazione del contenuto, ma la sua manutenzione. Se il modello accelera la prima bozza ma rende opaco il ragionamento, il guadagno operativo si trasforma in debito di controllo [5]. Per un dirigente IT questo significa che l’adozione va valutata lungo l’intero ciclo di vita del deliverable, non solo nel momento in cui viene creato.

Ethan Mollick, citato nell’articolo, avverte che l’AI può produrre un numero infinito di presentazioni, ma se non serve allo scopo la produttività diventa una trappola [5]. La frase è utile perché sposta l’attenzione dal volume alla pertinenza: il valore non è generare di più, ma generare ciò che l’azienda può usare e verificare.

Che cosa cambia per CIO e CTO nelle prossime settimane?

Che il successo dell’AI dipende sempre meno dalla curiosità dei team e sempre più dalla capacità di mettere ordine. Le fonti di questa settimana convergono su una stessa priorità: formare le persone, controllare la proliferazione degli agenti e pretendere output affidabili prima di considerare l’AI una capacità industriale [1][4][5].

Per i leader IT, questo implica tre scelte pratiche. Primo, trattare la formazione come programma aziendale e non come iniziativa episodica [1]. Secondo, definire criteri di approvazione e misurazione per gli agenti interni, così da evitare che la crescita del parco strumenti superi la capacità di governo [4]. Terzo, introdurre controlli di qualità e tracciabilità nei flussi che producono report, analisi e documenti destinati a decisioni formali [5].

La lezione della settimana è semplice: l’AI crea valore quando entra in un sistema di responsabilità chiaro. Senza formazione, governance e verificabilità, la tecnologia accelera anche gli errori.

FAQ

La priorità è formare tutti o solo i team tecnici?

La formazione deve coinvolgere tutta l’azienda, non soltanto l’IT. Le fonti indicano che l’uso efficace dell’AI dipende da processo, mentalità e cultura, quindi anche il management deve capire limiti, rischi e casi d’uso. Se il vertice non è allineato, l’adozione resta frammentata [1].

Gli agenti AI vanno lasciati costruire liberamente dai dipendenti?

Possono essere una buona leva di innovazione, ma solo se esiste un perimetro di governance. La settimana mostra che la crescita rapida degli agenti porta entusiasmo e produttività, ma anche sprawl, costi e duplicazioni. La libertà senza catalogo e criteri di valore diventa difficile da sostenere [4].

Perché un report generato con AI può essere meno utile di uno tradizionale?

Perché la velocità di generazione non garantisce comprensibilità o manutenzione. Se il report deve essere modificato, spiegato a un CFO o difeso davanti a un auditor, il codice o la logica prodotta dal modello devono restare leggibili e controllabili. Altrimenti il risparmio iniziale si perde nella validazione [5].

Qual è il rischio più immediato per il budget IT?

Il rischio più immediato è finanziare iniziative AI sparse senza una misura chiara del valore. La pressione arriva da più lati: dipendenti che chiedono strumenti, CFO che vedono crescere i costi di utilizzo e CEO che vogliono risultati rapidi. Senza priorità, la spesa si frammenta [4].

Fonti

• [1] CIO.com, 10 steps to implement an effective AI training program
• [2] CIO.com, 5 hard truths of change management
• [3] CIO.com, A spreadsheet is not a strategy
• [4] CIO.com, AI agent sprawl pressures CIOs to recalibrate governance
• [5] CIO.com, AI built the report, but can your business trust it?