C’è una domanda che attraversa quasi tutte le conversazioni sull’AI in azienda, ed è una domanda onesta: stiamo davvero cambiando il modo in cui si lavora, oppure ci stiamo limitando a far correre più in fretta processi che esistevano già? È una distinzione tutt’altro che accademica.
Comprimere i tempi di una pratica, generare in automatico una bozza di documento o sintetizzare una riunione sono benefici reali, ma appartengono ancora alla logica dell’efficientamento: si fa la stessa cosa di prima, più rapidamente. La trasformazione è un’altra cosa, e comincia nel momento in cui cambia non la velocità dell’attività, ma la sua natura, quando cambiano le decisioni che possiamo prendere, le competenze che servono per prenderle e il modo in cui persone e sistemi si distribuiscono il lavoro.
Dall’assistente all’agente: dove inizia il cambiamento
Per molti anni l’AI generativa è stata, di fatto, un assistente reattivo: poneva una domanda, otteneva una risposta.
In questa configurazione l’accelerazione è quasi inevitabile, ma la trasformazione resta marginale, perché l’essere umano rimane l’unico motore del processo.
Il salto qualitativo arriva con gli agenti AI: sistemi capaci non solo di rispondere, ma di pianificare una sequenza di passi, usare strumenti esterni, interrogare fonti, eseguire azioni e verificare i risultati con un grado crescente di autonomia.
Non è un caso che i principali laboratori abbiano spostato il baricentro proprio verso questo paradigma.
Lo si vede anche in Europa: Mistral ha presentato a marzo 2026 Mistral Small 4, un modello ibrido multimodale ottimizzato per chat generale, coding, compiti agentici e ragionamento complesso, pensato esplicitamente per i carichi di lavoro misti dei sistemi ad agenti più che per la singola conversazione.
È qui che la domanda iniziale trova la sua risposta più interessante. Un agente che porta a termine un compito articolato non sta semplicemente accelerando un’attività umana: sta ridisegnando la divisione del lavoro. All’essere umano resta il compito più qualificante: definire l’intento, stabilire i criteri di accettabilità, supervisionare e validare l’esito. La trasformazione reale non consiste nel sostituire la persona, ma nel ricollocarla verso ciò che richiede giudizio, responsabilità e visione d’insieme.
La sovranità tecnologica come precondizione, non come bandiera
C’è però una ragione concreta per cui la trasformazione, in Europa e in particolare nel tessuto delle nostre imprese, non può essere lasciata alla sola adozione di strumenti proprietari.
I modelli aperti europei (Mistral è oggi l’esempio più maturo, con una famiglia di modelli a pesi aperti distribuiti su licenze permissive e installabili sulle infrastrutture che le aziende già utilizzano) cambiano l’equazione in modo sostanziale. Il valore dei modelli aperti emerge soprattutto quando i team possono effettivamente distribuirli e adattarli con gli strumenti che già conoscono: significa poter mantenere i dati all’interno del perimetro aziendale, ispezionare e personalizzare il modello, evitare il lock-in verso un singolo fornitore e costruire competenza interna anziché dipendere da una scatola nera remota.
Questa logica trova una sponda istituzionale nelle iniziative europee di sistema. Gli IPCEI, gli Importanti Progetti di Comune Interesse Europeo, sono lo strumento con cui più Stati membri finanziano congiuntamente innovazioni strategiche che il mercato, da solo, non realizzerebbe.
Il 10 marzo 2026 è stata avviata ufficialmente a Berlino la fase di “matchmaking” dell’IPCEI sull’intelligenza artificiale, che riunisce le aziende i cui progetti sono stati pre-selezionati attraverso i bandi nazionali nei singoli Stati membri. A oggi sono coinvolti 18 Stati membri, che attraverso i bandi nazionali hanno pre-selezionato circa 150 progetti, con l’obiettivo dichiarato di costruire un ecosistema AI europeo orientato ai bisogni reali dell’industria. Per un’azienda, tutto questo non è geopolitica astratta: è la differenza tra subire la trasformazione come consumatrice di tecnologia altrui e parteciparvi come soggetto che contribuisce a definirne le regole e i modelli.
La fiducia come infrastruttura: perché l’etica diventa fattore competitivo
Resta il nodo decisivo, quello che separa l’entusiasmo da un’adozione che dura nel tempo: la fiducia.
Nessuna trasformazione del lavoro regge se le persone non si fidano dei sistemi con cui devono collaborare, e nessuna organizzazione delega a un agente compiti che incidono su clienti, dipendenti o conti se non può spiegare, tracciare e correggere ciò che quel sistema fa.
L’etica dell’AI, in questa prospettiva, smette di essere un vincolo di conformità da gestire a posteriori e diventa un’infrastruttura abilitante: trasparenza sulle logiche decisionali, supervisione umana significativa, valutazione e mitigazione dei rischi, chiarezza su responsabilità e limiti d’uso.
Il quadro normativo europeo, con l’AI Act, formalizza proprio questo principio (un’adozione tanto più ampia quanto più è governata) ma il punto va oltre la conformità: in un mercato in cui tutte le persone avranno accesso a capacità simili, la differenza la farà chi saprà rendere quelle capacità affidabili.
È qui che le diverse tessere compongono un disegno unitario.
Gli agenti spostano il lavoro verso autonomia e giudizio; i modelli aperti europei rendono questa autonomia ispezionabile e sovrana; le iniziative come gli IPCEI costruiscono l’ecosistema industriale che la sostiene; l’etica fornisce le condizioni di fiducia senza le quali nulla di tutto questo viene effettivamente messo in produzione. Il nome che meglio descrive questo equilibrio è Human-AI Teaming: non l’automazione che rimpiazza, ma una squadra mista in cui macchina e persona contribuiscono con ciò che sanno fare meglio, all’interno di regole condivise e verificabili.
Cultura e competenze: la trasformazione che non si compra
Ne discende una conseguenza pratica, e forse la più scomoda. La parte tecnologica di questa trasformazione è ormai accessibile a chiunque: modelli, agenti e piattaforme sono a portata di abbonamento o di download.
Ciò che non si acquista, e che fa la reale differenza tra accelerare e trasformare, è la cultura organizzativa e la competenza delle persone.
Servono professionisti e professioniste capaci di formulare bene gli intenti, di leggere criticamente gli output, di riconoscere quando un sistema sta sbagliando e di assumersi la responsabilità della validazione finale.
È un profilo di competenza nuovo, fatto di pensiero critico, alfabetizzazione ai dati e capacità di collaborare con sistemi non deterministici, e si costruisce solo attraverso una formazione continua e strutturata.
La domanda di partenza, allora, contiene già la sua risposta più utile. Se ci limitiamo a installare strumenti per fare più in fretta ciò che già facciamo, staremo soltanto accelerando, e i guadagni saranno reali ma effimeri.
La trasformazione vera comincia quando un’organizzazione decide consapevolmente come ridistribuire il lavoro tra persone e sistemi, su quali fondamenta tecnologiche poggiare quella scelta, entro quali regole etiche muoversi e, soprattutto, quali competenze coltivare perché le sue persone restino al centro.
L’intelligenza artificiale non cambia il lavoro al posto nostro: ci mette di fronte alla responsabilità di decidere quale lavoro vogliamo che diventi.
L’autore:
Emanuele Frontoni è professore ordinario di Informatica all’Università di Macerata e co-director del VRAI Lab, Affiliated Researcher presso l’Istituto Italiano di Tecnologia di Genova e dal 2022 Direttore scientifico del NemoLab, presso l’Ospedale Niguarda di Milano. La sua attività di ricerca si concentra nel settore dell’intelligenza e della visione artificiale, dell’analisi del comportamento umano, della realtà aumentata e degli spazi sensibili. È autore di oltre 300 articoli internazionali e collabora con numerose aziende. Dal 2021 è stato inserito nella annuale lista “World’s Top 2% Scientists” (nella categoria “Artificial Intelligence & Image Processing”) curata dalla Stanford University e dalla Elsevier, che elenca il 2% degli scienziati più citati al mondo.
