IA in azienda: il lavoro cambia, i ruoli restano fermi

Immaginiamo un reparto sinistri di una compagnia assicurativa di medie dimensioni. Il liquidatore riceve una pratica, oggi assistito da un copilota IA che legge il fascicolo, propone un importo di risarcimento e redige la lettera al cliente. Il liquidatore resta formalmente responsabile della decisione finale, come prima. La sua job description, scritta tre anni fa, parla ancora di "istruttoria e liquidazione delle pratiche", non di "supervisione di output generati da un sistema automatico". Il suo responsabile continua a misurarlo sul numero di pratiche chiuse al mese, non sulla qualità del controllo che esercita sulle proposte dell'IA. E se il copilota sbaglia una stima, nessun documento interno dice se la responsabilità è del liquidatore che ha approvato, del team che ha configurato lo strumento o della direzione che lo ha adottato. È un caso ricostruito, ma riconoscibile a chiunque lavori oggi dentro operations, customer service o middle office: lo strumento è cambiato, il disegno del ruolo attorno allo strumento no.

Questo scarto ha ora un nome e qualche numero a sostegno. Il 2026 People & Change Insights Report di Propeller, condotto su oltre 400 professionisti statunitensi (il 59% in ruoli di senior management), registra che il 78% degli intervistati dichiara che l'IA ha già cambiato come il lavoro viene definito e organizzato tra team e funzioni. Ma lo stesso report precisa che ruoli, competenze, governance e sistemi di supporto non stanno evolvendo allo stesso ritmo dell'adozione tecnica. Separatamente, un'indagine Gartner di marzo 2026 tra chief human resources officer rileva un altro 78%: questa volta sono i CHRO ad affermare che flussi di lavoro e ruoli dovranno cambiare per ottenere valore dagli investimenti in IA. Sono due campioni diversi — professionisti operativi contro responsabili HR — e due domande diverse: uno fotografa quello che è già successo, l'altro quello che si ritiene necessario fare. La coincidenza numerica è suggestiva ma non va letta come lo stesso dato ripetuto: confondere le due cose significherebbe scambiare una percezione diffusa di cambiamento per un piano di redesign già in corso, quando i due report dicono l'opposto.

Il problema non è la velocità dell'adozione

La tecnologia non produce uno scarto organizzativo per conto suo: lo produce la scelta di introdurla senza aggiornare in parallelo il sistema che la deve ospitare. Nella tradizione socio-tecnica questo ha un nome preciso: ottimizzazione congiunta, il principio secondo cui il sistema tecnico e il sistema sociale di un'unità di lavoro vanno progettati insieme, perché ottimizzare l'uno lasciando fermo l'altro degrada la prestazione complessiva invece di migliorarla. È un principio di progettazione nato dall'osservazione di casi — le miniere di carbone studiate dal Tavistock Institute negli anni Cinquanta, non un risultato di laboratorio replicato — ma la sua logica si applica senza sforzo al caso dell'IA generativa: il copilota è il sistema tecnico, la job description, i criteri di valutazione e le linee di escalation sono il sistema sociale. Se il primo cambia e il secondo resta identico, quello che si ottiene non è un lavoro potenziato ma un lavoro scoperto.

I dati sulla governance lo confermano con un dettaglio che vale la pena isolare. Secondo dati IBM citati da Evolvance Market Research nel suo report AI Governance Statistics 2026, l'87% delle organizzazioni dichiara di avere un framework di governance IA chiaro. Meno del 25% ha però pienamente implementato i relativi controlli. Non è un piccolo ritardo tecnico: è la distanza tra l'organigramma aggiornato sulla carta — chi dovrebbe approvare, chi dovrebbe controllare, chi dovrebbe intervenire se qualcosa va storto — e le regole che effettivamente guidano il comportamento quotidiano di chi usa lo strumento. Il 2026 AI Impact Survey di Grant Thornton arriva a una conclusione coerente da un altro angolo: le organizzazioni con IA pienamente integrata hanno dieci volte più probabilità di superare un audit di governance indipendente rispetto a quelle ferme alla fase di sperimentazione. Il salto da pilota a sistema non è un salto di scala, è un salto di progettazione.

Perché il ritorno sull'investimento non arriva

Questo scarto ha un costo misurabile, non solo organizzativo ma economico. Gartner riporta che a giugno 2026 solo il 19% delle organizzazioni ottiene ritorni significativi dai propri investimenti in IA, e identifica come barriera principale il fatto che le strategie di implementazione non sono ancorate alla riprogettazione del lavoro: si compra lo strumento, non si ridisegna il ruolo. È la controprova empirica del principio di ottimizzazione congiunta applicato alla spesa IT: un investimento tecnico scollegato dal disegno organizzativo produce adozione senza produrre valore, perché il valore nasce nell'interazione tra i due sistemi, non nell'uno o nell'altro presi separatamente.

Il contesto europeo mostra lo stesso schema in anticipo rispetto all'impatto. Nel suo 2027 CIO Agenda for Europe, Gartner stima che il 71% delle imprese europee prevede di implementare agenti IA autonomi entro il 2027, e segnala che la mancanza di governance e di criteri chiari di allocazione dei costi minaccia la stabilità operativa. Non abbiamo dati italiani specifici su questo punto, e sarebbe scorretto presumerli identici: il tessuto di PMI italiano ha tempi di adozione tecnologica storicamente più lenti rispetto alla media europea, il che potrebbe attenuare la pressione nel breve termine. Ma la direzione del problema — agenti IA distribuiti più in fretta delle regole che ne definiscono l'uso — non dipende dalla velocità di adozione di un singolo paese: dipende dal fatto che nessuno ha ancora deciso, prima di distribuire lo strumento, chi ha l'autorità di fermarlo.

Un cambiamento alla volta non è un disegno

Gartner osserva un ultimo elemento che spiega perché il gap non si chiude da solo: il cambiamento continua a essere perimetrato un'iniziativa alla volta. Si ridisegna il processo di assistenza clienti quando arriva il copilota per l'assistenza, si ridisegna il reparto marketing quando arriva lo strumento di generazione contenuti, ciascuno con il proprio sponsor, il proprio budget, la propria timeline. Quello che manca non è la volontà di cambiare, è un livello di governance che tenga insieme i cambiamenti invece di sommarli. Un'analisi di Innovative Human Capital, Change Without End, descrive l'effetto netto di questa frammentazione: ristrutturazioni perpetue che esauriscono le persone ed erodono la fiducia, perché ogni iniziativa arriva come evento isolato e nessuno comunica come le iniziative si compongono tra loro nel tempo.

Qui si consuma l'errore di lettura più comune, ed è quello su cui vale la pena essere netti: quando l'adozione tecnica supera la capacità organizzativa di assorbirla, la reazione delle persone — rallentamento, scetticismo, uso minimo dello strumento — viene spesso etichettata come resistenza al cambiamento o scarsa propensione digitale. È una lettura psicologizzante di un problema di disegno: nessuno ha definito chi decide, chi risponde, chi forma e con quali tempi, e chiedere più apertura mentale a chi lavora non sposta nessuna di queste tre caselle.

La leva, e chi può tirarla

Chiudere questo gap non è compito di chi usa lo strumento, ed è per questo che le campagne di change management rivolte ai singoli raramente funzionano: non si può chiedere a un liquidatore o a un operatore di customer service di colmare con la propria iniziativa un vuoto che appartiene alla progettazione organizzativa. La leva sta a un livello più alto, e ha due destinatari precisi. Il primo è chi possiede il business case di ogni investimento IA — tipicamente CIO e CFO insieme — che dovrebbe includere nel calcolo del ritorno non solo il costo della licenza ma il costo del redesign di ruoli, competenze e linee di responsabilità: oggi, nella maggior parte dei casi documentati, quel secondo costo resta fuori dal calcolo e riemerge mesi dopo come mancato ROI. Il secondo destinatario è il CHRO, o la funzione organizzazione dove esiste separata dalle risorse umane, che ha l'autorità per imporre una condizione semplice prima di ogni distribuzione su larga scala: nessuno strumento entra in un flusso di lavoro senza che job description, criteri di valutazione e linea di escalation per l'errore siano stati aggiornati nello stesso momento, non in un secondo tempo. È una condizione di governance, non un corso di formazione: e la differenza tra le due cose è esattamente la misura dello scarto di cui parlano questi dati.