AI literacy in azienda: basta un corso sull’Intelligenza Artificiale?

La risposta breve è: un buon corso di base è necessario, ma non sempre è sufficiente.

 

Da quando l’AI literacy è entrata nel perimetro dell’AI Act europeo, molte aziende stanno cercando di capire che cosa debbano fare concretamente.

• Serve formare tutti all’AI?
• Basta un corso introduttivo di AI?
• Bisogna differenziare la formazione di AI tra HR, marketing, finance, IT e management?
• E soprattutto: come si costruisce un percorso di AI che abbia senso per le persone e per l’organizzazione?

Sono domande che incontro sempre più spesso anche quando lavoro con le aziende. Il punto, a mio avviso, è evitare i due estremi.

Da una parte c’è chi pensa che basti organizzare una sessione di qualche ora sull’Intelligenza Artificiale e considerare chiuso il tema.

Dall’altra c’è il rischio di trasformare l’AI literacy in un enorme progetto di compliance, dimenticando che il suo primo obiettivo è molto più concreto: fare in modo che le persone capiscano che cosa stanno usando, quali sono i limiti dell’AI e quali responsabilità rimangono umane.

---

Che cosa significa davvero AI literacy?

 

AI literacy non significa semplicemente saper usare ChatGPT, Copilot o Gemini. Significa invece acquisire una combinazione di conoscenze e capacità che permetta alle persone di utilizzare l’Intelligenza Artificiale in maniera consapevole.

 

Per esempio:

• capire che cosa può e non può fare un sistema di AI;
• riconoscere errori, hallucination e risposte apparentemente plausibili ma sbagliate;
• sapere quali dati possono essere utilizzati e quali invece devono essere protetti;
• valutare criticamente gli output;
• comprendere quando una decisione può essere supportata dall’AI e quando deve rimanere sotto controllo umano.

In altre parole, non si tratta soltanto di imparare come interrogare una macchina, ma anche di imparare quando fidarsi, quando verificare e quando fermarsi.

 

---

Un corso base sull’AI è quindi inutile?

 

Assolutamente no. Anzi, considero il corso introduttivo uno dei passaggi più importanti. Nei miei percorsi aziendali parto proprio da qui: costruire una base comune.

• Come funziona l’AI generativa?
• Che differenza c’è tra chatbot, copiloti e agenti?
• Come si formula una richiesta efficace?
• Che cosa sono le allucinazioni, contesto, dati di training e modelli?
• Quali informazioni non dovrebbero essere inserite nei sistemi?
• Quali sono le responsabilità dell’utilizzatore?

Sono conoscenze trasversali.

Un manager HR, un responsabile commerciale, una persona che lavora in amministrazione o un professionista del marketing devono tutti possedere questo vocabolario minimo. Senza una base comune, il rischio è creare un’azienda nella quale ciascuno usa l’AI secondo regole proprie. Ed è probabilmente lo scenario peggiore.

 

---

Perché allora un solo corso può non bastare?

 

Perché non tutti utilizzano l’AI nello stesso modo. Una persona che usa un sistema generativo per migliorare una presentazione non affronta gli stessi rischi di chi lo utilizza per analizzare dati finanziari.

• Chi lavora nelle risorse umane può usare l’AI in processi che riguardano persone, candidati e valutazioni.
• Chi opera nella comunicazione può lavorare su contenuti, copyright, immagini e reputazione.
• Chi lavora in produzione può utilizzare sistemi di AI per analizzare dati di processo, qualità o manutenzione.
• E chi opera nell’IT deve governare accessi, sicurezza, integrazioni e flussi informativi.

La tecnologia può essere la stessa. Il contesto cambia completamente. Ed è proprio il contesto a determinare quale livello di conoscenza sia necessario.

 

---

Che cosa sono i moduli contestuali di AI literacy?

 

Sono percorsi formativi costruiti intorno alle attività reali delle persone. Non significa organizzare venti corsi diversi ma progettare una struttura formativa intelligente.

Si può partire, per esempio, da un modulo comune di AI literacy per tutta l’organizzazione. Successivamente si possono introdurre moduli più specifici.

 

• Per HR: AI, persone, recruiting, valutazione e dati personali.
• Per Marketing e Comunicazione: contenuti generativi, copyright, brand reputation e controllo degli output.
• Per Finance: analisi dei dati, verificabilità, forecasting e rischio decisionale.
• Per Sales: utilizzo dell’AI nella ricerca, nella preparazione commerciale e nella gestione delle informazioni sui clienti.
• Per Operations: dati industriali, qualità, manutenzione e supporto decisionale.
• Per Management: governance, responsabilità, rischi, investimenti e criteri di adozione.

La formazione diventa così una sorta di mappa delle competenze AI dell’organizzazione.

 

---

Bisogna quindi formare ogni ruolo in modo diverso?

 

Non necessariamente ogni ruolo. Ma è utile distinguere almeno tra gruppi di persone che presentano livelli di utilizzo e di rischio differenti.

Una buona progettazione può prevedere, ad esempio:

• un livello di AI awareness per chi deve conoscere principi, opportunità e rischi;
• un livello di AI user per chi utilizza concretamente strumenti generativi nel proprio lavoro;
• un livello di AI specialist per chi configura, integra o sviluppa sistemi;
• un livello di AI governance per chi deve prendere decisioni, definire policy o assumersi responsabilità organizzative.

La logica è simile a quella che utilizziamo da anni nella cybersecurity. Tutti devono sapere che una password debole è un problema. Non tutti devono diventare cybersecurity specialist. Con l’AI accadrà qualcosa di molto simile.

 

---

Chi dovrebbe progettare questi percorsi?

 

Qui nasce una parte del lavoro che considero particolarmente interessante.

L’azienda conosce i propri processi. Gli esperti legali conoscono il quadro normativo. I professionisti dell’AI conoscono tecnologie, strumenti, limiti e modalità di utilizzo. I responsabili HR e formazione conoscono persone e competenze.

 

Il vero valore nasce quando questi mondi vengono messi insieme. Per questo, nei progetti aziendali, il mio lavoro non consiste necessariamente nell’essere la docente di ogni singolo modulo. Posso progettare l’architettura didattica complessiva del percorso.

• Partire dai sistemi AI utilizzati.
• Analizzare i gruppi professionali coinvolti.
• Individuare le competenze necessarie.
• Definire i diversi livelli di AI literacy.
• Costruire programma, contenuti, esercitazioni e casi aziendali.

 

E, quando necessario, coinvolgere docenti o specialisti verticali: legali, cybersecurity expert, data specialist, HR specialist o professionisti di settore. La qualità della formazione non dipende dal numero di slide ma dalla capacità di collegare tecnologia, persone, processi e responsabilità.

 

---

Un corso standard può quindi essere il primo passo?

 

Sì. E spesso è proprio il passo giusto da cui iniziare.

Il problema nasce quando viene considerato anche l’ultimo. Un corso introduttivo crea conoscenza. I moduli contestuali trasformano quella conoscenza in capacità operativa.

Le policy e le procedure trasformano infine quella capacità in comportamento organizzativo.

Potremmo sintetizzarlo così:

Conoscere → utilizzare → valutare → governare.

È questo, probabilmente, il percorso verso una vera AI literacy.

 

---

Da dove dovrebbe iniziare oggi un’azienda?

 

Non dalla scelta del corso ma, bensì, dalla mappa degli utilizzi.

 

• Quali strumenti AI vengono già utilizzati?
• Da quali persone?
• Per quali attività?
• Con quali dati?
• Quali decisioni vengono influenzate?
• Quali rischi possono emergere?

Solo dopo ha senso chiedersi quali competenze debbano essere sviluppate. Perché la formazione più efficace non parte dall’AI. Parte dal lavoro. Ed è forse questo il cambiamento più importante che l’Intelligenza Artificiale sta portando nella formazione aziendale. Non dobbiamo insegnare semplicemente alle persone a usare nuovi strumenti. Dobbiamo aiutarle a capire come cambia il loro modo di lavorare quando una parte del processo cognitivo viene condivisa con una macchina.

Ed è una domanda che riguarda molto più della tecnologia.