All’IA manca il contesto, e le imprese rischiano di perdere il proprio

20 ottobre 2026 · @Thibault GOURDIN-SERVENIERE

Quando Shengxing Yang inizia la sua tesi, nel 2021, ChatGPT non esiste ancora; sarà lanciato un anno dopo. Il tema che gli viene proposto, il modo in cui le imprese europee possono prepararsi alla trasformazione attraverso l’IA, riguarda un oggetto che nessuno sa descrivere. Si parla allora di apprendimento automatico, di sistemi specializzati, e si immagina ciò che le macchine potrebbero fare. «Ognuno diceva qualcosa, non c’era né una visione condivisa né un accordo comune. Mi sono detto: sono davvero libero di parlare», ricorda.

La sua rassegna della letteratura, dalle scienze sociali ai testi di futurologi preoccupati per l’occupazione, non restituisce alcuna definizione comune. Ancora oggi, osserva, il termine indica soprattutto l’IA generativa, quella dei grandi modelli linguistici. Da questa ambiguità ha ricavato l’idea che attraversa i suoi lavori: «Senza un contesto concreto, non si vede davvero quali benefici questi strumenti possano apportare.»

Ciò che i modelli ignorano

Il ricercatore non è affatto uno scettico. Di recente ha pagato 200 euro per un mese di abbonamento a ChatGPT e dice di aver costruito in una giornata un software online, cosa che non avrebbe immaginato possibile senza questi strumenti. Dei grandi sviluppatori di modelli dice: «Dispongono delle risorse di calcolo, di ingenti investimenti nei dati e nelle infrastrutture. […] Ma ciò che sfugge loro è il contesto.»

Il loro successo, spiega, poggia su un investimento precedente: Internet e la sua immensa riserva di dati pubblici. Il resto rimane loro inaccessibile. In medicina, per esempio, i ricercatori che non condividono i propri dati specifici impediscono a questi attori di affrontare seriamente un compito preciso.

Lo ha sperimentato nel proprio campo. Dopo aver integrato la sua griglia di analisi nello strumento che ha sviluppato, ha inizialmente pensato che il mestiere del consulente fosse condannato: sarebbe bastato applicare il quadro alla situazione di un cliente per ottenere un rapporto. Ha cambiato idea, perché il risultato, in assenza di personalizzazione, si riduce a una discussione ben strutturata. Ciò che rimane all’essere umano riguarda, secondo lui, il gusto, cioè l’esperienza personale, ciò che una vita e un percorso hanno di singolare.

La sua situazione illustra la tesi. Trasferitosi a Parigi senza parlare francese, ritiene che la consulenza in Francia gli sia quasi preclusa, perché la lingua porta con sé il contesto. La macchina non fa eccezione: una terminologia inesatta in una richiesta e la risposta devia.

Sei lenti per una diagnosi

Prima di parlare di competenze, Shengxing Yang pone la domanda che si pone ogni organizzazione: se la situazione attuale mi va bene, perché cambiare? La sua tesi parte quindi da ciò che spinge al cambiamento. Descrive uno «spazio delle questioni dell’IA», l’insieme dei rischi che l’automazione o il potenziamento delle attività (l’IA che assiste l’essere umano senza sostituirlo) fanno gravare su un’attività, e organizza queste questioni secondo sei lenti.

La prima, il dominio, indica il mestiere e i suoi problemi reali, conosciuti soltanto da chi lo esercita. La seconda è tecnica: esistono già sistemi in funzione e occorre scegliere tra acquistare qualcosa di nuovo e sfruttare gli investimenti passati. La terza, cognitiva, misura la disponibilità dell’impresa a cambiare, ciò che lui chiama il suo DNA. La quarta, interazionale, copre le relazioni interne ed esterne, fino alle piattaforme dei fornitori. La quinta è etica, in particolare l’uso leale dei dati, più discusso in Europa che negli Stati Uniti o in Cina. La sesta è manageriale: la trasformazione ha bisogno del sostegno della direzione.

Per mettere al lavoro queste lenti, propone un approccio chiamato PTSD (acronimo inglese), precisando che non ha nulla a che fare con una malattia. Dopo la definizione delle priorità [DA VERIFICARE] vengono i compromessi: trascurare l’etica sembra inizialmente privo di conseguenze, ma può creare problemi nel quadro europeo. Poi la costruzione di senso, perché mestieri diversi non attribuiscono la stessa importanza a una stessa funzione. Il marketing vi vede un vantaggio, le risorse umane un carico: una selezione per una posizione legata all’IA può attirare da cento a duecento CV al giorno. «Non mi pagano di più, ma ho più lavoro. Non è giusto», dice mettendosi nei panni del selezionatore, che finisce per rifiutare. Infine, la dinamica: le sei lenti evolvono insieme e le priorità di una settimana non sono necessariamente quelle della successiva. La diagnosi diventa un ciclo.

Il quadro non offre una ricetta: non esiste, dice, né una risposta giusta né una sbagliata. Interrogato su come potrebbero usarlo i responsabili della formazione, mette al primo posto la presa di coscienza e una domanda che l’entusiasmo fa dimenticare: l’impresa ha bisogno di questa trasformazione? L’IA, ritiene, è una buona risposta, ma non sempre quella che serve; molte imprese la adottano sotto pressione.

Ciò che insegna la ripetizione

Dove si ferma la delega? Shengxing Yang risponde con alcuni casi. Le industrie che esigono che uno stesso input produca sempre lo stesso risultato tengono i grandi modelli linguistici, troppo poco prevedibili, fuori dalla produzione. Il servizio clienti si presta meglio alla condivisione: un agente conversazionale tratta le domande semplici giorno e notte e trasmette le altre a un essere umano.

Alcuni dirigenti si spingono oltre, osserva: niente più bisogno di figure junior, bastano pochi quadri senior circondati da agenti. Lo ammette per le attività regolate da procedure standardizzate, nelle quali i modelli fanno meglio. Ma difende ciò che questo ragionamento cancella. Dice di aver imparato lui stesso da attività ripetitive e di trovarvi riposo dopo un lavoro complesso. «Se si spingono le persone a riflettere sul compito più difficile, giorno dopo giorno, ora dopo ora, non è possibile. Non siamo macchine.»

I dipendenti, tuttavia, cercano di liberarsi di queste attività, anche a costo di nasconderlo. È l’IA fantasma (shadow AI), l’uso di strumenti senza l’approvazione del datore di lavoro, che giudica molto difficile da controllare. Ne formula il calcolo in prima persona: «Dal punto di vista degli indicatori, ho fatto un lavoro perfetto. Mi pagano migliaia di euro e io ho pagato 20 euro.»

Occorre però dare voglia di imparare, cosa che secondo lui non ha nulla di naturale: scorrere video offre una ricompensa immediata, imparare uno strumento no. Da qui la necessità di meccanismi in azienda: promozione, stipendio, riconoscimento.

Il sapere che non si codifica

Licenziare per automatizzare, poi riassumere per mancanza di esperienza: quando si evoca questo caso, Shengxing Yang ricorda che lo scenario si è già verificato più volte. Lo giudica discutibile sul piano etico e rischioso nella pratica, perché una parte del sapere, fatta di convenzioni implicite, non è registrata in alcun sistema. «Una parte della cultura rimane iscritta nel corpo umano. È un’intelligenza incarnata, non artificiale.»

Il rischio prosegue. Chiudere la porta alle figure junior esaurisce il bacino di talenti e crea, a medio o lungo termine, un effetto di lock-in: una dipendenza dagli agenti dalla quale diventa difficile uscire. Si aggiungono costi nascosti, sistemi esistenti da integrare, un fornitore il cui servizio può interrompersi. Da qui il suo consiglio per i progetti pilota: fallire rapidamente, iterare rapidamente, perché i modelli evolvono più in fretta di un piano biennale.

Nel 2021, ricorda, la ricerca contrapponeva automazione e potenziamento. Il dibattito oggi propende per il secondo, perché i modelli commettono errori ricorrenti pur ampliando ciò che un essere umano può realizzare. Shengxing Yang sposta la domanda verso ciò che l’organizzazione sa di sé stessa. Molti dirigenti, osserva, trascurano la leggibilità e la riutilizzabilità dei propri dati. Eppure ciò che conta, secondo lui, è la registrazione dell’attività, codificata o meno: un contesto che un assistente come ChatGPT non può cogliere da solo.

Rimane un ambito che vorrebbe approfondire: il potere discrezionale, quel margine di libertà che una posizione conferisce a chi la occupa, libero di esercitare o meno le proprie prerogative, e che, dice, fa amare il proprio mestiere. Lo vede in corso di riallocazione e avverte che alcuni lo vivranno male. «Con l’IA, una parte di questo margine viene delegata agli strumenti. Ci si dice allora: sto perdendo il mio potere.»

Riferimenti

Shengxing Yang è dottore di ricerca in scienze della gestione. La sua tesi, iniziata nel 2021 all’Università Paris-Saclay, esamina come le organizzazioni possano prepararsi alla trasformazione attraverso l’IA all’orizzonte del 2035, a partire da un esercizio di previsione strategica (la costruzione di scenari futuri). Vi definisce uno spazio delle questioni dell’IA letto attraverso sei lenti (dominio, tecnica, cognitiva, interazionale, etica, manageriale) e un approccio diagnostico, PTSD, che ha presentato in una pubblicazione online. È titolare di una laurea in amministrazione e di un master in management internazionale [DA VERIFICARE].

Questo articolo è tratto dall’intervista a Shengxing Yang nel podcast Valore umano nell’era dell’IA (ISSEO), episodio [numero o titolo da completare]. Intervista condotta in inglese, dichiarazioni tradotte.