L’intelligenza artificiale non si impara scrollando

/ Adozione AI

Perché i social ci danno l’illusione di aver capito l’AI, e le persone in carne e ossa ce la fanno davvero usare.

Basta aprire LinkedIn per incontrare, in pochi minuti, una decina di persone che hanno “cambiato il modo di lavorare grazie all’AI”. Il prompt perfetto. Lo screenshot dell’output impeccabile. Il caso d’uso che avrebbe fatto risparmiare ore. Si scorre, si mette un like, ogni tanto ci si sente un po’ indietro. E si esce con la sensazione di aver imparato qualcosa.

Non è andata così. Scrollare quei contenuti è accettazione, non azione. Ed è da questa distanza che vale la pena partire.

Adottare non vuol dire usare

I numeri sull’adozione salgono in fretta. In Italia il mercato dell’AI ha superato 1,8 miliardi di euro nel 2025, con una crescita del 50% su base annua per il terzo anno consecutivo (Osservatorio Artificial Intelligence del Politecnico di Milano). Sembra una corsa già vinta.

Poi si guarda cosa succede dentro le aziende e il quadro cambia. Una ricerca del MIT molto citata nel 2025, The GenAI Divide, ha rilevato che circa il 95% dei progetti pilota di AI generativa non produce un impatto misurabile sui conti. La cifra fa discutere per come è costruita, ma la lettura degli autori resta in piedi: il problema non è la qualità dei modelli, è il learning gap. La distanza tra avere lo strumento e saperlo integrare nel lavoro. Una distanza organizzativa e umana, non tecnologica.

Il dato MIT si legge così: comprare l’accesso a un modello è facile. Far sì che le persone lo usino bene, ogni giorno, sui problemi giusti, è un’altra cosa. E quella cosa non si compra. Si costruisce internamente, con persone che si confrontano.

Le reti sociali che contano sono fatte di persone

Qui entrano in gioco le reti sociali. Non quelle a cui si pensa di solito.

La ricerca Microsoft New Future of Work 2025 mette nero su bianco un meccanismo che chi osserva i team conosce: l’intenzione di usare l’AI si forma soprattutto a partire dalle norme apprese da chi guida e dai colleghi. Si inizia a usarla davvero quando qualcuno accanto la usa e lo racconta. Non per una direttiva dall’alto, ma per imitazione e fiducia.

Paul Leonardi, sulla Harvard Business Review nel 2023, lo aveva osservato già allora: con questi strumenti le persone trovano usi che nessuno aveva previsto. Il valore non sta nel singolo prompt geniale di un esperto lontano, sta nel momento in cui quell’uso diventa conoscenza condivisa nel gruppo. È un fenomeno sociale prima che individuale.

C’è anche il rovescio della medaglia. Sempre la Harvard Business Review, nel 2026, legge una parte della resistenza all’AI non come pigrizia né diffidenza tecnica, ma come questione di competenza, autonomia e senso di appartenenza: chi teme di diventare meno necessario tende a opporsi in silenzio. Una resistenza così non si scioglie con un corso obbligatorio. Si scioglie con le relazioni, e con la sensazione di non essere lasciati soli davanti allo strumento.

Il problema dei social: mostrano una faccia sola

Torniamo alla bacheca. Il limite dei social digitali è che fanno vedere solo i sopravvissuti. Si pubblica il successo, quasi mai il fallimento, e praticamente mai il contesto in cui quel successo è maturato. È il vecchio survivorship bias applicato all’AI: guardiamo gli aerei tornati alla base e ne ricaviamo lezioni, dimenticando tutti quelli che sono stati abbattuti e di cui nessuno parla.

Intanto l’uso reale resta sommerso. In una discussione tra professionisti su un network ad accesso verificato, qualcuno riassumeva la situazione dei colleghi con una frase secca: lo fanno tutti, semplicemente non se ne parla. È la stessa “shadow AI” che il MIT segnala, l’uso non dichiarato di strumenti consumer dentro le organizzazioni. Sul palco dei social arriva solo la versione ripulita. Il lavoro vero, fatto di tentativi storti e di output buttati via, resta dietro le quinte.

E anche quando il caso è autentico, non è il tuo. Uno studio della Harvard Business School del 2026 mostra un limite preciso: l’AI aiuta chiunque nella parte di concezione — generare idee, inquadrare un problema — ma fatica a portare chi non ha esperienza fino all’esecuzione. Il prompt che funziona per una CMO che conosce a memoria il proprio funnel non funziona per chi quel funnel non l’ha mai costruito. Lo stesso strumento, in due contesti diversi, dà due risultati diversi. Copiare quello che si vede in bacheca produce accettazione, non competenza.

Come si passa all’azione

Allora dove si impara davvero? Nelle reti sociali fatte di persone vere, dentro o intorno alla propria azienda.

Il meccanismo più efficace è quasi banale, e per questo viene trascurato: un gruppo interno, anche piccolo, dove chi sta sperimentando mette in comune non solo cosa ha funzionato, ma soprattutto cosa non ha funzionato e perché. Dai resoconti di chi ha guidato l’adozione di questi strumenti in un team emerge sempre lo stesso schema. Si parte da pochi early adopter, si apre un canale dove si condividono prove ed errori, si protegge un tempo ricorrente di confronto, e nel tempo nascono le pratiche che reggono. Reggono perché sono nate dentro il contesto in cui devono vivere.

Per capire se il prossimo pilota AI in azienda è impostato per generare apprendimento — o solo per essere annunciato — queste cinque domande funzionano da test rapido prima di partire.

Checklist: prima di lanciare il prossimo pilota AI in azienda

  1. Ho identificato 3-5 early adopter nel team che useranno lo strumento per primi?
  2. Ho aperto un canale — anche un solo gruppo Slack o Teams — dove si condivide cosa funziona e cosa no?
  3. Ho protetto un tempo settimanale (anche 30 minuti) in cui questi early adopter si confrontano dal vivo?
  4. Ho identificato un’attività concreta che vogliamo migliorare con l’AI? (Non “essere più produttivi”: una funzione, un task, un output.)
  5. Ho definito cosa va sempre verificato a mano prima di mandare l’output fuori dal team?

Se le risposte “no” sono più di due, il pilota non sta partendo: sta venendo annunciato.

L'intelligenza artificiale non si impara scrollando adozione AI in azienda

È questa, alla fine, la patente di guida dell’AI: non un tool in più, ma uno scambio onesto tra persone che provano, sbagliano e si raccontano come è andata.

Per le PMI italiane il punto è ancora più concreto

Le imprese italiane di dimensioni medio-piccole partono da una maturità inferiore rispetto alle grandi aziende. E l’ostacolo che ricorre non è il prezzo della tecnologia, è capire dove genera valore davvero. Una domanda a cui nessun carosello risponde al posto di chi lavora.

Ci si arriva nell’unico modo che funziona: confrontandosi. Con i colleghi, con chi nello stesso settore ci ha già provato, con una community che mette in comune anche gli inciampi. L’innovazione consapevole comincia da qui, non dall’ennesimo strumento acquistato d’impulso dopo un post visto di sfuggita.

La prossima volta che un contenuto sull’AI fa sentire indietro, conviene ricordare una cosa semplice. Quello che scorre sullo schermo è il punto di arrivo di qualcun altro, ripulito di tutto ciò che non ha funzionato. Il vero apprendimento comincia un metro più in là, nella conversazione con la persona accanto che racconta dove si è bloccata. L’intelligenza artificiale non si impara scrollando. Si impara parlando con chi ci ha già provato, e sbagliando insieme.

Fonti