L’intelligenza artificiale generativa è ormai onnipresente: potente, adottata su larga scala, eppure ancora lontana dall’essere impiegata dove conta davvero, cioè nei processi critici. Il motivo è nella sua natura probabilistica: offre risposte molto verosimili, ma mai certe. Per questo funziona benissimo per riassumere e-mail o trascrivere riunioni, ma non può determinare in autonomia la concessione di un mutuo o il rilascio di una licenza.
Secondo il World Economic Forum, tra il 2025 e il 2030 quasi due quinti delle competenze oggi richieste ai lavoratori si trasformeranno o diventeranno obsolete.
Il cambiamento introdotto dall’intelligenza artificiale investe prima di tutto il modo stesso di lavorare per poi evolversi nei singoli processi automatizzati. Di conseguenza, man mano che un compito aumenta di complessità, diventa fondamentale chiarire se sia opportuno delegarlo interamente a un sistema probabilistico oppure gestirlo all’interno di un processo in cui l’IA funzioni da supporto avanzato, affidando la decisione finale a sistemi deterministici o alla supervisione umana.
Un’illusione economica da correggere
Molte aziende tendono a ritenere che l’IA possa assolvere a qualsiasi compito e che le sue attuali limitazioni saranno presto superate. Questo ottimismo poggia però su una realtà distorta: Produrre le risposte dell’IA costa molto di più di quanto gli utenti pagano oggi. Il mercato riceve, di fatto, risposte sovvenzionate, e questo crea l’illusione di un vantaggio economico diffuso.
Secondo diverse analisi di settore, una quota rilevante dei costi di inferenza dei grandi laboratori è oggi destinata a servire utenti gratuiti, e il costo per singola risposta resta un tema aperto per l’intero comparto. Di conseguenza negli ultimi mesi, i principali fornitori hanno puntato soprattutto sull’efficienza computazionale anziché focalizzarsi soltanto sull’aumento di potenza dei modelli, cercando di preservare la sostenibilità economica. Una correzione salutare, che difficilmente durerà nella forma attuale: le aziende dovranno imparare ad assegnare ogni attività alla tecnologia più idonea, senza necessariamente ricorrere sempre e solo all’IA.
Le regole prima dell’autonomia
Per integrare l’IA in processi affidabili e ad alto impatto serve una “rete di protezione”, un sistema fondato su regole rigorose per la prevenzione degli errori, dati corretti e completa. Questo approccio trova conferma nelle stime di Gartner secondo cui entro il 2027, oltre il 40% dei progetti di IA agentica avviati oggi verrà ridimensionato o abbandonato.
Questo fenomeno non è imputabile a limiti della tecnologia, bensì a una governance carente, alla frammentazione dei dati e all’assenza di obiettivi di business ben definiti: la dimostrazione tangibile, di un principio semplice, e cioè che in assenza di regole anche la tecnologia più promettente finisce per fermarsi.
Gli agenti IA: alleati, non sostituti
Il tema più discusso del momento è quello degli agenti IA, sistemi in grado di operare in autonomia, che secondo molti finiranno per sostituire i lavoratori. Il quadro è però più articolato: gli agenti sono destinati ad ampliare e rafforzare le capacità umane, non a sostituirle.
Lo conferma il World Economic Forum che, nel suo ultimo rapporto sul futuro del lavoro, prevede entro il 2030 una crescita netta dell’occupazione del 7%, pari a 78 milioni di posizioni lavorative in più, con la generazione di 170 milioni di nuovi ruoli a fronte di 92 milioni destinate a sparire o ad evolversi. Un bilancio finale favorevole pur in presenza di inevitabili sfide e assestamenti nel breve termine.
Gartner stima inoltre che, entro il 2028, gli agenti gestiranno in autonomia il 15% delle decisioni operative quotidiane, contro lo 0% del 2024, e saranno integrati in un terzo del software aziendale (oggi sotto l’1%). Dati che delineano un’adozione concreta ma graduale, non una sostituzione improvvisa.
Per le persone che lavorano con queste tecnologie, la sfida è quindi imparare a utilizzarle con rapidità, con piena consapevolezza dei loro punti di forza e dei loro limiti per prevenirne un impegno acritico.
Autonomia sì, ma con confini chiari
Gli agenti IA non rappresentano una soluzione miracolosa per le sfide di un’azienda, né dispongono di capacità di ragionamento superiori a quelle umane. Per funzionare hanno bisogno, in primo luogo, di informazioni: un agente non integrato con dai dati aziendali risulta, di fatto, inutilizzabile. Inoltre, per operare in modo affidabile in un contesto operativo reale, necessitano di confini chiari e di regole precise su ciò che possono e non possono fare. Questi confini non costituiscono un ostacolo, ma rappresentano un prerequisito fondamentale per la loro operatività.
L’esperienza sul campo mostra infatti che gli agenti offrono i risultati migliori quando ricevono un compito specifico e un ambito d’azione ben definito anziché compiti generici e privi di vincoli: un’eccessiva autonomia genera imprevedibilità e aumenta i rischi per l’organizzazione.
Secondo gli analisti indipendenti la mancanza di una gestione adeguata dell’autonomia è oggi la prima causa di fallimento dei progetti di IA agentica su scala aziendale. Governare l’autonomia, in altre parole, non è un freno all’innovazione, bensì un prerequisito per un’innovazione sicura ed efficace
Più valore, stesso numero di persone
Lo scenario che si delinea è chiaro: le economie produrranno un volume di valore molto superiore a quello attuale, mantenendo volumi di occupazione stabili.
Non si tratta di un dettaglio marginale, ma del cuore della trasformazione in corso: con l’assorbimento delle attività a basso valore aggiunto da parte dell’IA, la componente umana si concentrerà su compiti maggiormente qualificanti, fondati su giudizio e responsabilità.
La vera questione aperta, su cui convergono anche gli analisti del mercato del lavoro, non è la centralità del ruolo umano, ma come sarà distribuito il valore generato dall’automazione, tra chi lo produce quotidianamente e chi detiene la tecnologia che lo rende possibile. Questo interrogativo riguarda le imprese tanto quanto le politiche del lavoro, e che nessuna azienda può permettersi di ignorare.
In questo scenario la capacità di determinare i confini fra il contributo dell’IA e il giudizio umano rimane la condizione essenziale per passare dalla fase sperimentale a quella del valore con risultati concreti e determinerà il successo delle aziende che sapranno tracciarli con precisione e quelle che si limiteranno ad inseguirli.
