L’AI agentica non è solo automazione, ma un cambiamento profondo nei processi e nella leadership, con nuove sfide su responsabilità, collaborazione e valorizzazione del sapere professionale

L’intelligenza artificiale sta cambiando rapidamente il modo di lavorare e stando al pensiero comune di vari esperti il passaggio più significativo potrebbe non essere quello che riguarda la produttività individuale. Con l’AI generativa abbiamo imparato a dialogare con sistemi capaci di produrre testi, immagini e sintesi; ora, con l’AI agentica il rapporto cambia ancora. Al modello non viene più chiesto soltanto di rispondere ma di perseguire un obiettivo, pianificare una sequenza di azioni, utilizzare dati e applicazioni e agire con un certo grado di autonomia. È il passaggio da uno strumento di supporto a un vero e proprio soggetto organizzativo, destinato a incidere sui processi decisionali, sulla distribuzione delle responsabilità e sul modo in cui le imprese organizzano il proprio lavoro. L’analisi dell’Osservatorio Future of Workers della Fondazione Giacomo Brodolini, realizzata su un campione internazionale di 474 manager, consulenti e professionisti ad alta specializzazione tecnica, ha fatto luce su questa tematica.

Il punto di partenza, secondo Paolo Gubitta, professore ordinario di Organizzazione aziendale all’Università di Padova e co-autore della ricerca, è proprio questo cambio di prospettiva. «La nuova fase – spiega il docente al Sole 24Ore – comincia quando l’agente AI non lavora più soltanto accanto a una persona ed entra stabilmente dentro un processo aziendale, prendendo in carico attività, utilizzando dati e applicazioni, producendo risultati che diventano input per altre attività e così via». Il suo impatto sull’organizzazione, in altre parole, non riguarda semplicemente l’introduzione di un nuovo software, perché se l’agente diventa parte del processo, è il processo stesso a dover essere ripensato. «Conviene partire – sottolinea ancora Gubitta – da strutture e processi organizzativi, e quindi capire come devono funzionare, eliminare passaggi ridondanti, chiarire responsabilità e punti decisionali e solo dopo decidere dove e come inserire gli agenti».

Una precisazione tutt’altro che teorica, in considerazione del fatto che l’automazione agentica richiede dati affidabili, accessi e permessi definiti, tracciabilità delle attività, controllo della qualità dei risultati, attenzione a privacy e sicurezza. E, non di meno, impone una collaborazione più stretta tra chi conosce il processo, le funzioni IT che gestiscono l’infrastruttura digitale dell’impresa e strutture di controllo dedicate. La strada più prudente, suggerisce il docente, è partire da ambiti circoscritti e misurare gli effetti su tempi, costi, qualità, errori e livello di servizio.

La riflessione forse più necessaria, fra le tante, riguarda il lavoro di chi coordina persone e processi. Se l’agente è in grado di analizzare informazioni, confrontare alternative e formulare proposte, il manager non necessariamente avrà meno decisioni da prendere. Avrà, piuttosto, più alternative tra cui scegliere. «Il cambiamento più interessante per questi ruoli – sottolinea in proposito Gubitta – è relativo all’esercizio del giudizio, a quel quid che l’agente non ha, almeno per ora. Si riduce da una parte il costo per generare scenari alternativi, dall’altro cresce il costo, anche in termini di stress, per scegliere a quali decisioni dedicare tempo e giudizio». Quella a cui stiamo assistendo è dunque una progressiva e significativa trasformazione del ruolo manageriale: diverse attività di routine possono essere progressivamente assorbite dai sistemi, mentre alle persone rimangono le situazioni ambigue, le eccezioni, i casi in cui gli effetti di una decisione non sono interamente traducibili in dati. A detta del professore «farà la differenza chi saprà bilanciare calcolo e giudizio», delegando all’agente l’elaborazione delle informazioni e concentrandosi sulla definizione delle priorità, sull’interpretazione del contesto e sulla valutazione delle conseguenze. Il tema, come facile immaginare, non si limita al rapporto tra un singolo manager e un algoritmo. Se gli agenti diventano numerosi, nasce una vera e propria workforce digitale da governare e i team leader saranno chiamati a sapere quali agenti sono attivi, che cosa fanno, con quali dati operano, quali vincoli rispettano e quali risultati e costi producono.

«Il manager dovrà orchestrare e capire chi-fa-meglio-cosa – conclude Gubitta – e questo significa distribuire le attività affidando agli agenti quelle ad alta intensità di dati, velocità, comparazione e continuità operativa, mentre alle persone restano esperienza, relazioni, creatività, interpretazione del contesto e gestione degli imprevisti. L’ulteriore e imprescindibile anello della catena è governare le interdipendenze, ovvero sia chi avvia un’attività, chi prende in carico il passaggio successivo, quando interviene una persona, quando può procedere autonomamente un agente». La tecnologia, paradossalmente, può dunque riportare il fattore umano al centro della leadership: se parte della supervisione routinaria viene automatizzata, il manager o il responsabile di un team può dedicare più tempo allo sviluppo delle persone, al feedback, alla gestione dei conflitti e alla costruzione della fiducia. La domanda che ogni azienda deve farsi, suggerisce in tal senso Gubitta, è quante persone oggi impiegate nei ruoli intermedi saranno in grado di fare questo salto.

Un’altra grande trasformazione in atto, meno visibile ma destinata ad avere conseguenze importanti sul rapporto tra imprese e lavoratori, è quella del sapere professionale. Per funzionare bene, gli agenti non hanno bisogno soltanto di grandi quantità di dati ma devono anche essere istruiti e allenati da chi conosce il lavoro, trasferendo agli algoritmi esperienza, criteri di giudizio, processi, eccezioni e routine. In estrema sintesi, una parte di quella conoscenza tacita che si costruisce nel corso degli anni. La ricerca della Fondazione Brodolini introduce rispetto a questo concetto la distinzione tra capitale conferito e capitale catturato. Come spiega Maria Laura Fornaci, coordinatrice dell’Osservatorio Future of Workers, «se questo trasferimento avviene senza regole ex ante su utilizzo, riuso e valorizzazione da parte dell’organizzazione, rischia di diventare capitale catturato, e cioè valore professionale individuale assorbito dall’azienda, attraverso gli agenti, in modo opaco». Il problema, di conseguenza, non si ferma al fatto che l’AI sostituirà un certo numero di posti di lavoro: a chi verrà distribuito il valore generato dalla conoscenza dei lavoratori una volta che quella conoscenza sarà incorporata nei sistemi aziendali?

Se finalità, tracciabilità, limiti di utilizzo e forme di valorizzazione vengono invece definiti e condivisi in anticipo, quel sapere può diventare invece “capitale conferito” di cui possono beneficiare entrambe le parti. «L’impresa – precisa in proposito Fornaci – mette infrastrutture e capacità computazionale, le persone conferiscono capitale cognitivo. Ma se una parte di quel sapere continua a produrre valore attraverso l’agente anche dopo essere stata trasferita, diventa legittimo chiedersi come quel valore debba essere riconosciuto e redistribuito». Il dibattito sulla tecnologia degli algoritmi si sposta quindi fuori dal terreno della sostituzione occupazionale verso quello della proprietà e della distribuzione del valore prodotto dal lavoro cognitivo.

Il nodo della responsabilità è la componente finale. La ricerca evidenzia in tal senso un livello di fiducia relativamente alto nelle raccomandazioni dell’AI, ma una forte cautela sulla delega totale. Il 63% dei manager intervistati considera infatti non negoziabili il presidio umano e la responsabilità finale, ribadendo il concetto che l’intelligenza artificiale deve supportare il decisore, non esautorarlo. Validare una decisione elaborata da un algoritmo significa però assumersene la responsabilità senza averne necessariamente seguito ogni passaggio, e da qui nasce il rischio di una nuova forma di “fatica decisionale”, nella quale l’uomo diventa l’ultimo anello di una catena che non è più interamente in grado di governare.

Proprio questo, probabilmente, è il punto su cui si giocherà la qualità della transizione delle competenze, perché l’AI agentica richiede (oltre a una visione sistemica del lavoro per garantire l’equilibrio dell’intero processo) nuove skill in fatto di governance per stabilire i confini dell’autonomia della macchina, gestire le escalation, verificare e rendere tracciabili le decisioni, integrare raccomandazioni algoritmiche, esperienza e giudizio umano. In discussione, oltretutto, non c’è solo il rapporto tra uomo e macchina ma anche quello tra impresa e lavoratore.

«Se una parte di quel sapere continua a produrre valore attraverso l’agente anche dopo essere stata trasferita, diventa legittimo chiedersi come quel valore debba essere riconosciuto e redistribuito». La questione, secondo l’interpretazione di Fornaci, non può essere insomma affrontata soltanto sul piano economico ma servono regole su finalità, tracciabilità, limiti di utilizzo e valorizzazione della conoscenza trasferita. Il rischio, in caso contrario, è che l’aumento dell’autonomia degli agenti venga percepito dai lavoratori come una perdita del proprio valore professionale, alimentando resistenze e conflitti invece di collaborazione. Da qui, sempre secondo la coordinatrice dell’Osservatorio Future of Workers, la necessità di riaprire in una forma nuova il rapporto tra capitale e lavoro: l’impresa mette infrastrutture e capacità computazionale, le persone conferiscono capitale cognitivo.

La sfida, in definitiva, non è soltanto decidere quanto lavoro affidare all’AI, ma stabilire quale lavoro lasciare alle persone, quale responsabilità non può essere delegata e come redistribuire il valore generato dalla conoscenza umana incorporata nelle macchine. Ed è su questo terreno che l’AI agentica diventa, a tutti gli effetti, una questione di organizzazione e management.

Fonte: Il Sole 24 Ore