L’intelligenza artificiale nel management sta evolvendo da fase celebrativa a quella operativa, trasformando radicalmente il modo in cui i responsabili osservano, valutano e coordinano il lavoro. Non si tratta più solo di accelerare processi come email, report o analisi. Un recente sondaggio condotto da Nielsen per monday.com rivela che, sebbene l'AI prometta maggiore produttività, porta con sé un effetto collaterale significativo: per molti manager, distinguere il contributo umano da quello algoritmico sta diventando sempre più complesso.
La sfida della valutazione delle performance
L'indagine, che ha coinvolto 1.701 director e senior manager di aziende con almeno 500 dipendenti in sette Paesi (Stati Uniti, Regno Unito, Australia, Germania, Francia, Brasile e Singapore), evidenzia una criticità centrale. Oltre la metà dei leader intervistati ammette che l'AI rende più ardua la valutazione dei contributi originali dei propri collaboratori. Il motivo risiede nella natura degli output già rifiniti, spesso corretti e impaginati, che riducono drasticamente la visibilità sul processo cognitivo e operativo sottostante.
Questa crescente opacità sta ridefinendo i criteri di performance. Il valore del lavoro non risiede più esclusivamente nella produzione di un documento, una presentazione o un'analisi, ma si sposta sulla capacità di discernere quando e come impiegare l'AI, di formulare prompt efficaci, di delegare le attività appropriate e di verificare accuratamente i risultati.
L'AI nel management, in questo senso, sposta il focus dalla mera quantità di lavoro alla qualità del controllo e della supervisione umana.
Entusiasmo e integrazione: un divario evidente
Nonostante l'ottimismo, l'adozione aziendale dell'AI presenta un quadro meno lineare. L'83% dei leader si dichiara soddisfatto della propria configurazione AI, tuttavia ben sette su dieci ammettono che l'integrazione di queste tecnologie nei processi centrali non è ancora completa. Questo divario è comune per le tecnologie generative: eccellenti nell'uso individuale, diventano più complesse da gestire quando applicate a workflow condivisi, dati aziendali e procedure trasversali.
Le criticità principali si concentrano su tre aree: infrastruttura frammentata, difficoltà nell'attribuzione dei risultati e problemi nella supervisione degli agenti AI.
Contrariamente all'aspettativa di semplificazione, solo una minoranza delle aziende dispone di un sistema centralizzato e ottimizzato. Molti manager, al contrario, segnalano un aumento degli strumenti in circolazione, spesso alimentando il fenomeno della shadow AI, ovvero l'utilizzo di strumenti non approvati o non gestiti centralmente dai dipendenti.
Dagli strumenti agli agenti autonomi: nuove sfide di controllo
Una delle prospettive più delicate e in rapida evoluzione riguarda la gestione degli agenti autonomi basati sull'AI. Il 58% dei manager prevede di supervisionare un numero maggiore di agenti AI rispetto ai dipendenti umani entro un anno. Questa transizione solleva preoccupazioni significative, in particolare la perdita di controllo e la questione della responsabilità per decisioni prese da sistemi autonomi.
In sintesi, l'AI non si configura unicamente come un'opportunità di produttività, ma emerge anche come un complesso problema organizzativo e di controllo. Le aziende si trovano di fronte alla necessità impellente di sviluppare nuove strategie e processi per gestire questa evoluzione tecnologica, bilanciando i benefici con i rischi intrinseci legati alla governance e alla supervisione.
