Ovvero: perché smettere di inseguire l’entusiasmo e cominciare a fare le domande giuste
Grazie Martino! 🙏
Il tuo lavoro mi ha dato esattamente quello che cercavo: non un’altra promessa entusiastica sull’AI, ma una mappa concreta e onesta per chi vuole affrontare questa trasformazione con i piedi per terra. La tua intuizione fondamentale, che l’AI amplifica ciò che già esiste, nel bene e nel male, è la chiave di lettura più lucida che abbia incontrato in questo dibattito spesso caotico. I framework AIRA e DVRA che hai costruito dimostrano che si può fare rigore senza perdere flessibilità, e che il vero punto di partenza è sempre la realtà organizzativa così com’è, non come vorremmo che fosse. Hai trasformato la complessità in un percorso percorribile: questo, per me, è il segno di chi sa davvero di cosa parla.
Martino Pirella linkedin.com/in/martino-pirella
Consulente e Formatore AI | Aiuto PMI, Professionisti e Formatori a integrare l’AI in modo sicuro (DVRA) e umano (Metodo AIRA) | Membro del Comitato Tecnico Scientifico di ENIA®.
Perché il problema con l’AI in azienda non è tecnologico. Il problema è narrativo. Siamo stati inondati da promesse, slogan, pitch entusiastici che dipingono l’intelligenza artificiale come una sorta di divinità capace di risolvere ogni inefficienza, automatizzare ogni noia, trasformare ogni piccola realtà imprenditoriale in una startup da copertina di Wired. Questa narrazione è seducente. È anche, nella maggior parte dei casi, pericolosamente fuorviante.
Il Peccato Originale: Comprare Prima di Capire
Lasciami essere diretto su una cosa che ho visto accadere decine di volte, nelle aziende più diverse tra loro per dimensione, settore e cultura organizzativa. Il peccato più comune che si commette quando si vuole “fare AI” è acquistare uno strumento, un abbonamento, una piattaforma, un software, prima ancora di aver capito dove quella tecnologia dovrebbe entrare, come si integra con i processi esistenti, e soprattutto chi in azienda la userà davvero e in che modo.
Il risultato di questo approccio è prevedibile quanto triste: la licenza viene pagata ogni mese, qualcuno la usa sporadicamente per qualcosa di marginale, e dopo sei mesi il CFO chiede giustamente dove siano i ritorni promessi. Non ci sono. E nasce il mito che l’AI “non funziona per noi”.
La verità è che l’AI funziona benissimo. Ma come ogni strumento potente, e qui mi piace pensare al torchio di Gutenberg, che non ha trasformato la società perché era una macchina potente, ma perché c’era un ecosistema culturale, economico e sociale pronto ad accoglierlo, anche l’intelligenza artificiale ha bisogno di un terreno preparato. Ha bisogno di un’organizzazione che prima di tutto si faccia alcune domande fondamentali e abbia il coraggio di rispondersi onestamente.
Il Fantasma che Già Abita la Tua Casa: lo Shadow AI
C’è qualcosa che trovo affascinante e al tempo stesso un po’ inquietante nel concetto di Shadow AI. Lo Shadow AI è quel fenomeno — già presente, già attivo, già operativo — per cui le persone nella tua organizzazione stanno già usando strumenti di intelligenza artificiale. Spesso senza che l’azienda lo sappia. Spesso senza policy, senza linee guida, senza la minima consapevolezza dei rischi che questo comporta.
Il tuo copywriter sta usando ChatGPT per scrivere le prime bozze di contenuti che poi finiscono nei materiali ufficiali. Il tuo responsabile acquisti sta incollando contratti in un’interfaccia AI per ricevere riassunti veloci. Qualcuno del team HR ha caricato dati sensibili dei dipendenti per generare reportistiche automatiche. Tutto questo accade, adesso, mentre leggi queste righe.
Non lo dico per spaventare nessuno, e non credo che queste persone stiano facendo qualcosa di malvagio. Anzi, molto spesso stanno cercando di essere più efficienti con gli strumenti che hanno a disposizione, e questo merita rispetto. Ma l’assenza di governance in questi processi è un rischio reale: rischio di conformità con il GDPR e con l’AI Act europeo, rischio di qualità delle informazioni prodotte, rischio di opacità decisionale. Prima di introdurre nuova AI in azienda, bisogna fare i conti con quella che già c’è.
Tre Binari che Corrono Insieme, Non in Sequenza
Una delle intuizioni che trovo più preziose nell’approccio metodologico che mi convince di più — e che ritrovo rispecchiata nel framework AIRA sviluppato da Martino Pirella, architetto e consulente di AI Governance — è che il lavoro sull’intelligenza artificiale in un’organizzazione non può essere lineare. Non si risolve prima la governance, poi si forma il personale, poi si costruisce l’offerta verso l’esterno. Questi tre piani devono muoversi in parallelo, come tre binari di un treno che corrono affiancati verso la stessa destinazione.
Il primo binario è quello della governance interna: costruire policy minime ma efficaci, stabilire protocolli di validazione, chiarire chi è responsabile di cosa quando l’AI entra davvero nei processi decisionali. Non si tratta di scrivere un regolamento infinito che nessuno leggerà. Si tratta di rispondere a domande pratiche: se il sistema sbaglia, chi se ne accorge? Se i dati vengono trattati in modo scorretto, chi interviene? Queste domande sembrano astratte finché non servono, e quando servono è già troppo tardi per farle.
Il secondo binario è quello della formazione e della cultura organizzativa. E qui mi sento particolarmente a casa, perché è il territorio dell’umanesimo digitale che mi appassiona da anni. Non basta che le persone sappiano aprire un tool di AI generativa. Bisogna che sviluppino un linguaggio comune, una capacità critica nei confronti degli output prodotti, una consapevolezza di dove l’AI aggiunge valore e dove invece rischia di produrre decisioni opache e di qualità inferiore rispetto al giudizio umano. La differenza tra un’azienda che usa l’AI in modo superficiale e una che la usa in modo strategico si misura proprio qui: nella qualità del pensiero critico che le persone portano nell’interazione con questi strumenti.
Il terzo binario — spesso il più trascurato — è quello dei nuovi servizi e dell’offerta verso l’esterno. Perché il lavoro interno, se fatto bene, produce un patrimonio metodologico che può diventare esso stesso un prodotto: modelli di lavoro, check-up organizzativi, toolkit trasferibili a partner e clienti. Chi fa bene questo percorso internamente acquisisce una competenza che vale anche sul mercato.
La Fase Zero: Quella che Nessuno Vuole Fare Ma Che Cambia Tutto
🔍 Se dovessi indicare il momento più importante dell’intero percorso di introduzione dell’AI in un’organizzazione, sceglierei senza esitazione quella che nel framework AIRA viene chiamata Fase 0: la valutazione iniziale. È esplorativa, è concreta, ed è fondamentale per separare le priorità reali dal rumore di fondo.
Questa fase si articola in quattro momenti distinti. Prima c’è la pre-valutazione: questionari strutturati che servono a far emergere il gap — spesso sorprendente — tra la percezione del management e le pratiche operative reali. Ho visto aziende in cui il CEO era convinto che il team usasse già l’AI in modo strutturato, mentre il 90% delle persone non aveva mai ricevuto una sola ora di formazione sull’argomento. Questo gap non è una colpa di nessuno. È semplicemente la realtà da cui bisogna partire.
Poi c’è il sopralluogo: osservare i processi reali, dialogare con i referenti operativi, mappare i workflow così come sono — non come dovrebbero essere sulla carta. Questa fase richiede umiltà e ascolto, perché le informazioni più preziose vengono sempre dalle persone che svolgono il lavoro ogni giorno, non da chi lo pianifica dall’alto.
Il terzo momento è il risk assessment: una prima mappatura di dove ci sono rischi di conformità, dove lo Shadow AI è già entrato, dove i dati vengono gestiti in modo non conforme, dove l’affidabilità degli output non è verificata. È in questa fase che si scopre che la realtà è più complessa — e più interessante — di quanto si immaginasse.
Infine arriva la roadmap: una sintesi per il management, costruita su ciò che emerge dall’analisi, che propone solo i percorsi che hanno davvero senso attivare per quella specifica organizzazione. Non un catalogo di tutto ciò che sarebbe bello fare. Solo ciò che è realistico, prioritario, e misurabile nei suoi effetti.
La Bussola Metodologica: Rigore Senza Rigidità
Quello che mi convince profondamente nell’approccio che ho descritto finora è la sua base metodologica rigorosa, che però non si trasforma mai in rigidità dogmatica. Il Metodo AIRA funziona perché collega norme, assessment, policy, formazione e implementazione in un unico percorso coerente — non in compartimenti stagni che poi non si parlano tra loro. Il Framework DVRA permette una valutazione quantitativa dei rischi digitali e algoritmici, con priorità operative di mitigazione che tengono conto della complessità reale dell’organizzazione.
C’è poi uno strumento che trovo particolarmente illuminante: la Amplification Risk Matrix. L’idea alla base è tanto semplice quanto potente. I processi organizzativi già fragili — i workflow mal definiti, i ruoli poco chiari, le responsabilità ambigue — non vengono corretti dall’introduzione dell’AI. Vengono amplificati. Se un processo decisionale è opaco prima dell’AI, con l’AI diventa ancora più opaco. Se una catena di responsabilità è già debole, l’automazione la indebolisce ulteriormente. Questo strumento serve esattamente a vedere queste dinamiche prima che producano danni.
I Quattro Principi Che Mi Convincono Profondamente
🧭 Nell’approccio metodologico che mi sento di condividere ci sono quattro principi di lavoro che rispecchiano profondamente la mia visione di come si fa cambiamento reale nelle organizzazioni, e non solo nel campo dell’AI.
Il primo è la co-costruzione: il percorso si definisce insieme, in base alle priorità reali, ai vincoli oggettivi e alla maturità organizzativa effettiva. Non esiste una soluzione standard che vada bene per tutti. Ogni organizzazione è una storia a sé, con la sua cultura, i suoi ritmi, le sue resistenze e i suoi punti di forza. Chi arriva con una ricetta già pronta sta vendendo qualcos’altro, non consulenza vera.
Il secondo principio è la misurabilità: i progressi devono potersi vedere. Non in modo astratto, ma attraverso review costanti che permettono di osservare dove si avanza, dove emergono resistenze organizzative, quali sono i ritorni effettivi. Senza misurazione, si procede a intuito — e l’intuito nel cambiamento organizzativo è uno strumento terribilmente inaffidabile.
Il terzo principio è la trasparenza: se qualcosa non va fatto, o richiede competenze diverse da quelle disponibili, va detto con chiarezza estrema. Questa forma di onestà è rara nel mondo della consulenza, dove spesso si tende ad allargare il perimetro del proprio intervento piuttosto che a riconoscerne i limiti. La trovo invece un segno di maturità professionale autentica.
Il quarto principio è la flessibilità: ci si può fermare dopo l’assessment iniziale, se emerge che quello è già sufficiente. Oppure si può procedere solo sulle aree nevralgiche, senza dover necessariamente attivare tutto il framework. Questa libertà di calibrazione è fondamentale per evitare che il percorso diventi un’imposizione dall’esterno anziché una scelta consapevole dall’interno.
Cosa Significa Tutto Questo , Concretamente
Permettimi di chiudere con quello che mi sta più a cuore, e che cerco di trasmettere ogni volta che parlo di AI con chi si avvicina a questo tema per la prima volta o con chi si ritrova nel mezzo di una transizione difficile. L’intelligenza artificiale non è una religione che richiede atti di fede. Non è un treno già partito che ti ha lasciato a piedi se non sei salito entro il 2023. Non è nemmeno una minaccia inevitabile che sostituirà le persone prima che tu possa fare qualcosa.
È uno strumento straordinariamente potente che richiede, come tutti gli strumenti potenti, di essere compreso prima di essere usato. Richiede che tu conosca il tuo punto di partenza reale, non quello che vorresti fosse, ma quello che è. Richiede che tu formi le persone non solo sull’utilizzo tecnico, ma sulla qualità del pensiero critico con cui si interfacciano con questi sistemi. Richiede che tu costruisca una governance che non sia un fardello burocratico, ma un sistema di orientamento che aiuta le decisioni difficili.
Secondo l’ultimo rapporto McKinsey sull’AI nel mondo del lavoro, circa il 75% dei dirigenti aziendali dichiara di voler accelerare l’adozione dell’AI nei prossimi tre anni. Ma meno del 30% delle stesse organizzazioni ha già definito una policy interna sull’uso di strumenti AI da parte dei dipendenti. Questo divario tra intenzione e struttura è esattamente il territorio in cui si perdono i progetti più ambiziosi e i budget più generosi.
La strada giusta, quella che mi sento di raccomandare con convinzione, inizia non da una firma su un contratto di licenza software, ma da una domanda onesta: dove siamo adesso, davvero? Da quella domanda, se si ha il coraggio di rispondervi senza filtri, si può costruire un percorso che sia scalare, progressivo, e soprattutto sostenibile nel tempo. Come diceva qualcuno che stimo molto in questo campo: ogni intervento deve partire da processi reali, non da slogan o promesse generiche. Questo, alla fine, è l’unico punto di partenza che abbia senso.
Franco, inserire il “Secondo Cervello” (Second Brain) nella tua piramide è la mossa perfetta per rendere tangibile il passaggio dallo studio passivo alla costruzione attiva del sapere.
Per articolare la spiegazione con i tuoi studenti universitari, ti suggerisco di presentarlo non come un “software da imparare”, ma come l’infrastruttura tecnologica che abilita la Mente Critica e il Lifelong Learning.
“Il sapere non va conservato, va orchestrato”
Potresti articolare il discorso su tre livelli, collegandoli direttamente alla piramide:
- La base (Mente Critica) è l’Architetto: Il Second Brain non serve a “salvare tutto” (sarebbe un disordine digitale). La mente critica decide cosa è degno di essere conservato, distinguendo tra rumore di fondo e segnale.
- Il centro (Lifelong Learning) è il Costruttore: Il Second Brain è dove il Lifelong Learning smette di essere un concetto astratto. È il laboratorio dove le idee lette anni fa incontrano quelle studiate oggi, generando nuove intuizioni.
- La punta (Competenze Digitali & IA) è l’Amplificatore: Qui le competenze digitali servono a padroneggiare il flusso delle informazioni. L’IA, in particolare, diventa il “bibliotecario” che, dentro il tuo Second Brain, ti aiuta a trovare connessioni tra le note che tu stesso avevi dimenticato.
Il Metodo C.O.D.E. come framework di classe
Per renderlo concreto, usa il framework C.O.D.E. di Tiago Forte, traducendolo in un linguaggio da “Umanesimo Digitale”:
- Captura (Cattura): Insegna loro a non fidarsi della memoria biologica. Catturare il sapere è un atto di rispetto verso la propria intelligenza.
- Organizza: Non catalogare per argomento (troppo rigido), ma per progetti (cosa devo fare con questa informazione?).
- Distilla (Sintesi): La parte più importante. Insegna loro a riassumere le note fino a trovare l’essenza (la “Progressive Summarization”).
- Esprimi: Il sapere che non viene condiviso o applicato è sapere morto. Il Second Brain esiste solo per permettere loro di creare qualcosa di nuovo (tesi, progetti, articoli, codice).
Introdurre l’AI in azienda
Le domande più frequenti su un percorso concreto, scalare e governabile.
Non da un software da acquistare, ma da una valutazione onesta della realtà organizzativa. Il primo passo è capire dove si è davvero: quali processi esistono, come funzionano nella pratica, dove ci sono inefficienze e dove l’AI è già entrata — spesso in silenzio, sotto forma di Shadow AI. Solo da questa analisi concreta si può costruire un percorso che abbia senso.
Lo Shadow AI è l’insieme di strumenti AI già in uso in azienda senza autorizzazione o policy formali. Dipendenti che incollano dati sensibili in ChatGPT, contratti caricati su piattaforme non verificate, reportistiche generate con dati riservati. Il rischio è triplice: violazione del GDPR, opacità decisionale e qualità degli output non verificata. Ignorarlo non lo fa sparire — anzi, cresce.
Assolutamente sì. La governance non significa scrivere regolamenti di cento pagine che nessuno legge. Significa definire policy minime ed efficaci: chi decide dove l’AI entra nei processi, chi valida gli output, come si gestiscono i dati. L’AI Act europeo si applica a tutte le organizzazioni che usano sistemi AI nell’UE, indipendentemente dalla dimensione. Prima si struttura, meno si subisce.
La resistenza nasce quasi sempre dalla paura di essere sostituiti o di non essere all’altezza. La formazione più efficace non parte dagli strumenti tecnici, ma dalla costruzione di un linguaggio comune e di una capacità critica. Le persone devono capire dove l’AI aggiunge valore e dove invece produce decisioni opache. Chi comprende lo strumento lo usa meglio — e lo teme meno.
Dipende dalla maturità organizzativa, ma un percorso credibile si misura in mesi, non in settimane. La Fase 0 — valutazione iniziale, sopralluogo, risk assessment e roadmap — richiede normalmente 4-8 settimane. Da lì si attivano solo le aree effettivamente prioritarie. Chi promette trasformazioni complete in 15 giorni sta vendendo entusiasmo, non metodo.
Sì, ed è uno dei punti più sottovalutati. I processi già fragili — ruoli poco chiari, responsabilità ambigue, workflow mal definiti — non vengono corretti dall’AI: vengono amplificati. Un processo decisionale opaco diventa più opaco con l’automazione. Per questo la valutazione iniziale è essenziale: bisogna sapere cosa si sta automatizzando prima di farlo.
Il ROI dell’AI non si misura solo in ore risparmiate. Si misura anche in qualità delle decisioni, riduzione degli errori, conformità normativa e riduzione dei rischi operativi. Un buon percorso prevede review costanti con indicatori definiti fin dall’inizio. Senza una baseline di partenza misurabile, non si può sapere se si sta davvero migliorando — o solo spendendo.
Sì, e questa è una delle caratteristiche più importanti di un approccio serio. Non esiste un obbligo di attivare tutto il framework. Dopo la Fase 0 si può decidere di procedere solo sulle aree davvero prioritarie, oppure fermarsi con una roadmap chiara in mano e attivarla in futuro. Un consulente onesto te lo dice apertamente — anche quando significa rinunciare a lavoro aggiuntivo.
Da informatico a cercatore di senso
Unisciti al mio mondo di conoscenza e iscriviti al mio canale WhatsApp.
Sarai parte di una comunità appassionata, sempre aggiornata con i miei pensieri e le mie idee più emozionanti.
Non perderti l’opportunità di essere ispirato ogni giorno, iscriviti ora e condividi questa straordinaria avventura con me!
Nota di trasparenza sull’uso dell’AI nel blog
In questo spazio digitale, dedicato alla comprensione critica dell’innovazione tecnologica, desidero condividere con chiarezza due aspetti importanti del lavoro che porto avanti.
Immagini generate con l’AI
La quasi totalità delle immagini presenti nel blog è generata tramite strumenti di intelligenza artificiale. Le utilizzo sia come supporto visivo sia come modo per sperimentare nuove forme di comunicazione creativa, coerenti con i temi trattati.
Un blog nato dalla scrittura… e trasformato dalla velocità dell’AI
Scrivere è sempre stata una mia passione. Dopo anni di appunti, riflessioni e sperimentazioni, tre anni fa è nato questo blog. Fin da subito, però, ho dovuto confrontarmi con una sfida evidente: l’incredibile accelerazione dell’evoluzione scientifica legata all’intelligenza artificiale rende complesso mantenere aggiornato un progetto di divulgazione che ambisce alla qualità e alla precisione.
Per questo, in coerenza con la mia missione di promuovere consapevolezza, oggi più che mai un elemento vitale, ho scelto di farmi affiancare da piattaforme di AI in molte fasi del lavoro editoriale. In particolare, l’AI mi supporta in:
- ricerca e verifica preliminare delle notizie
- organizzazione e strutturazione degli articoli
- creazione di sezioni HTML per FAQ e link alle fonti
- ideazione di infografiche
- esplorazione di titoli efficaci e pertinenti
L’obiettivo non è delegare il pensiero, ma amplificare la capacità di analisi e di sintesi, così da offrire contenuti sempre più chiari, accurati e utili.
