GenAI nelle imprese: il valore nasce solo se la conoscenza resta

La GenAI accelera molte attività cognitive, ma il valore non nasce dal numero di interazioni. Per le imprese, soprattutto PMI, la sfida è trasformare prompt, metodi e workflow in memoria organizzativa, capitale cognitivo e vantaggio competitivo duraturo

Direttore Strategico ENIA – Ente Nazionale per l’Intelligenza Artificiale

C’è un’illusione che accompagna quasi inevitabilmente l’ingresso della GenAI nelle organizzazioni, ed è tanto più difficile da riconoscere quanto più i risultati immediati sembrano confermarla: l’idea che l’aumento delle interazioni con questi sistemi coincida automaticamente con un aumento del valore prodotto, come se ogni dialogo, ogni prompt, ogni sequenza di input e output contribuisse, per il solo fatto di esistere, alla costruzione di un patrimonio cognitivo interno.

GenAI: accelerazione e nuovi paradigmi

La GenAI, quando viene usata bene, accelera molte attività del lavoro cognitivo: scrittura, sintesi, ricerca, analisi, problem solving, produzione di contenuti, supporto al coding, gestione di informazioni. I numeri sono reali: uno studio Stanford-MIT su lavoratori del supporto clienti ha documentato un aumento medio della produttività del 14%, con i profili junior che guadagnavano fino al 35% in più rispetto alla propria baseline. McKinsey stima che la GenAI possa potenziare attività corrispondenti fino al 70% del tempo lavorativo in alcune funzioni cognitive. Ma questi guadagni sono misurati su task discreti, a livello individuale, in finestre temporali brevi. Non misurano se quella capacità sia rimasta nell’organizzazione.

Le competenze umane contano

I benefici non dipendono solo dal modello, bensì dalle competenze di chi lo usa, dal tipo di task, dal grado di integrazione nei processi e dalla capacità dell’organizzazione di assorbire, interpretare e riutilizzare ciò che emerge dall’interazione. La GenAI può aumentare la produttività; non garantisce da sola la costruzione di capacità organizzativa.

Adozione disorganizzata nelle PMI

Nelle PMI italiane, in particolare, la GenAI è entrata spesso senza passare da una vera architettura di adozione. È arrivata per uso spontaneo: il commerciale la usa per preparare offerte, il marketing per generare testi, l’area tecnica per leggere documenti, l’imprenditore per sintetizzare informazioni o preparare riunioni.

Efficienza ma non durata

Questa adozione diffusa produce un vantaggio immediato evidente: meno attrito, più velocità, maggiore capacità di risposta. Ma il metodo che ha reso possibile quel risultato non è stato formalizzato, non è stato trattenuto, non è stato reso parte dell’organizzazione. È rimasto nella conversazione che lo ha prodotto. I dati OCSE confermano: la GenAI viene adottata in misura significativa dalle PMI, ma soprattutto su attività periferiche, semplici, testuali e one-off, più che su processi core trasformativi.

Assenza di ownership e governance

Secondo l’Osservatorio AI del Politecnico di Milano, la grande maggioranza delle PMI che adottano l’AI lo fa attraverso tool cloud generici — senza integrazione nei processi, senza policy di governance, senza ownership aziendale delle interazioni. Il risultato operativo è prevedibile: nessuna traccia delle conversazioni a livello organizzativo, nessun prompt library condiviso, nessun criterio di qualità codificato, ogni persona ricomincia da zero ogni volta, il vantaggio accumulato è individuale, e quando quella persona lascia l’azienda, se ne va con lei.

Il cambiamento metodologico

Ciò che la GenAI modifica non è soltanto il tempo necessario per arrivare a un output, ma anche il modo in cui una parte del lavoro cognitivo prende forma. Molte decisioni preliminari, molte ipotesi di struttura, molti criteri di selezione, molte micro-correzioni di linguaggio e di logica non si depositano più soltanto in documenti finali o procedure esplicite: emergono dentro la sequenza dialogica che conduce al risultato.

Manca la traccia operativa

Nelle organizzazioni che usano la GenAI in modo diffuso, una parte rilevante del valore metodologico si forma dentro le interazioni uomo-macchina. E se queste interazioni non vengono selezionate, codificate o rese riusabili, l’efficienza che producono resta episodica e non si trasforma in memoria organizzativa.

Potenziale perdita economica

La ricaduta è misurabile: IDC stima che le aziende perdano mediamente 31,5 miliardi di dollari all’anno a causa di una gestione inefficace della conoscenza — dato che precede la diffusione della GenAI e che quest’ultima ha strutturalmente amplificato. Ogni prompt efficace che resta nella chat personale di un dipendente è, in termini precisi, un asset cognitivo che l’azienda non possiede.

L’insufficienza dell’approccio manageriale

Il discorso manageriale corrente mostra qui tutta la sua insufficienza. Oggi si celebra molto il fatto che l’AI “funzioni”. Ma il punto strategico non è che la GenAI funzioni: è capire che cosa resta di ciò che rende possibile quel funzionamento.

Due tipi di conversazioni

Se ogni interazione risolve un problema ma non deposita il criterio con cui quel problema è stato affrontato, l’organizzazione ottiene produttività senza sedimentazione, e una produttività che non sedimenta può essere utile, ma non è ancora un vantaggio competitivo. Non tutto ciò che produce valore nell’immediato produce anche valore a lungo termine.

Conversazioni che risolvono vs conversazioni che costruiscono

• Conversazioni che risolvono: generano un output;
• Conversazioni che costruiscono: generano anche un metodo riattivabile, trasferibile, migliorabile nel tempo.

Capitale organizzativo

Il vantaggio competitivo, per definizione, non nasce dall’atto singolo. Nasce dalla possibilità di ripeterlo, codificarlo, insegnarlo, delegarlo senza perderne la qualità, farlo evolvere senza ricominciare da zero.

Rappresentazione e conservazione della conoscenza

La letteratura sul knowledge management ha chiarito da tempo che le organizzazioni che creano vantaggio non sono semplicemente quelle in cui circola molta conoscenza, ma quelle che sanno scegliere se trasformarla in asset codificati e riusabili oppure in reti intenzionali di trasferimento tra persone competenti. In entrambi i casi, il punto non è l’episodio brillante: è la capacità di rendere il sapere accessibile oltre la situazione che lo ha generato.

La sfida della memoria organizzativa

Il problema non è soltanto osservare che l’AI è entrata nel lavoro quotidiano, ma capire se il suo uso stia producendo una forma di memoria organizzativa. La domanda operativa è precisa: dove si trova, esattamente, la conoscenza che rende l’