Cosa non dovrebbe fare da sola l’AI?
Ci sono attività che l’AI può eseguire tecnicamente, ma che richiedono ancora supervisione. Il punto non è la grammatica del testo o la velocità dell’output. Il punto è il contesto.
Le decisioni strategiche.
Un sistema AI può analizzare dati e proporre scenari. Scegliere se lanciare un prodotto, cambiare posizionamento o interrompere una collaborazione richiede una lettura più ampia: mercato, tempi, persone, relazioni, reputazione.
Il tono di voce e la reputazione.
Una risposta può essere corretta sul piano formale e sbagliata nel registro. Succede spesso con comunicazioni delicate, reclami, crisi, messaggi commerciali o contenuti che devono rispettare una voce precisa.
La relazione con il cliente.
Molti servizi professionali vengono valutati anche per la qualità dell’interazione. Automatizzare ogni risposta può far risparmiare tempo, però rischia di togliere attenzione proprio dove il cliente la sta cercando. L’AI fatica ancora a restituire quell’approccio umano fatto di sfumature, ascolto e ragionamento contestuale.
La valutazione qualitativa.
Un output generato va sempre letto con attenzione, poiché può sembrare ordinato, completo e pronto da usare, anche quando manca un dato, forza un passaggio o usa toni poco adatto. Di conseguenza qui serve ancora una persona che conosca il settore, il cliente e l’obiettivo del contenuto. Solo così si capisce cosa tenere, cosa correggere e cosa scartare.
Chi è più esposto al cambiamento
Il Future of Jobs Report 2025 del World Economic Forum stima che entro il 2030 verranno creati 170 milioni di nuovi ruoli e ne verranno spostati o eliminati 92 milioni, con un saldo netto positivo di 78 milioni. Il dato è incoraggiante, ma non rende la transizione automatica o indolore.
I profili più esposti sono quelli costruiti soprattutto su attività strutturate e ripetibili: inserimento dati, elaborazione di documenti standard, assistenza di primo livello, produzione seriale di contenuti, classificazione di informazioni.
Anche l’ILO (https://www.ilo.org/it - Organizzazione Internazionale del Lavoro), nel suo aggiornamento del 2025 su GenAI e lavoro, segnala una maggiore esposizione per le professioni impiegatizie e amministrative, con un impatto particolarmente rilevante nei Paesi ad alto reddito e sulle occupazioni dove la presenza femminile è più alta.
Anthropic ha aggiunto un elemento interessante con il suo Economic Index: invece di stimare solo cosa l’AI potrebbe fare in teoria, osserva come Claude viene usato realmente nelle attività lavorative. Nel report 2026 compaiono tra i ruoli più esposti programmatori, customer service representative, data entry keyer, specialisti di cartelle cliniche e analisti finanziari.
Il cambiamento si vede già nelle grandi aziende tech: Microsoft nel 2025 ha tagliato circa 6000 posti di lavoro, per dirottare gli investimenti sull’intelligenza artificiale; Amazon, invece, è arrivata a 30000 tagli in pochi mesi, dopo che Andy Jassy aveva scritto ai dipendenti che l’uso crescente dell’AI generativa avrebbe portato, nel tempo, ad avere ‘meno persone’ in alcune funzioni corporate.
La direzione, però, è leggibile: se una tecnologia permette di fare lo stesso lavoro con meno persone, molte aziende la useranno anche per ridurre costi e organici. L’innovazione viene raccontata come efficienza, ma spesso il conto arriva prima ai lavoratori con mansioni più ripetitive. Qui il tema diventa meno tecnico e più politico: l’AI può migliorare i processi, ma senza una gestione responsabile rischia di spingere ancora di più verso il profitto a discapito delle persone.
Le competenze che diventano più preziose
Il World Economic Forum indica pensiero analitico, creatività, resilienza, flessibilità, leadership e capacità di apprendimento tra le competenze più importanti per i prossimi anni. Le competenze tecniche legate all’AI crescono, ma non bastano da sole.
Tradotto nel lavoro quotidiano, diventano decisive alcune capacità molto pratiche.
Saper fare un brief.
Chi lavora con l’AI deve saper descrivere il problema. Obiettivo, pubblico, tono, contesto, vincoli, formato. Una richiesta vaga produce un risultato vago.
Saper valutare e revisionare.
L’output generato è una base. Va letto, tagliato, corretto, verificato. Pubblicare o inviare senza controllo è uno degli errori più comuni.
Saper progettare processi.
Capire dove inserire uno strumento AI, come collegarlo agli altri strumenti, quando far intervenire una persona, come gestire le eccezioni. Questo è lavoro organizzativo, prima ancora che tecnico.
Saper leggere i dati con prudenza.
L’AI può produrre risposte plausibili e inesatte. Chi sa verificare fonti, numeri e passaggi logici parte molto più avanti.
Nel marketing, per esempio, uno strumento può proporre dieci titoli. La scelta dipende dal pubblico, dal posizionamento, dal canale e dall’obiettivo dell’articolo.
Nel customer care può suggerire una risposta. La qualità dipende da tono, tempi, storico del cliente e gestione del caso.
Nel CRM può classificare contatti. La relazione commerciale dipende ancora da priorità, contesto e follow-up sensati.
Come può muoversi una PMI, oggi
La risposta pratica non è “automatizzare tutto”. È scegliere due o tre attività ad alto volume e bassa variabilità, poi partire da lì.
Email ricorrenti.
Un’azienda che riceve spesso le stesse domande su prezzi, disponibilità, consegne o appuntamenti può preparare risposte validate e usarle come base per un sistema di supporto.
Sintesi delle riunioni.
Una riunione di un’ora può diventare un documento con punti chiave, decisioni e azioni da fare. Il nodo operativo è semplice: chi controlla la sintesi? Chi conferma le attività? Chi aggiorna gli strumenti interni?
Bozze per i social.
Un responsabile marketing può usare l’AI per scalette, varianti di hook, caption preliminari o adattamenti di formato. Il risparmio di tempo è reale. La pubblicazione richiede comunque revisione.
FAQ e knowledge base.
Raccogliere le domande più frequenti, scrivere risposte approvate e aggiornarle nel tempo è uno dei progetti più utili. Senza una base informativa ordinata, anche il miglior strumento produce risposte deboli.
Classificazione dei lead nel CRM.
Un sistema può aiutare a ordinare i contatti per provenienza, interesse o urgenza. Poi serve un processo commerciale chiaro: chi richiama, quando, con quale messaggio, con quale obiettivo.
Il punto comune è sempre lo stesso: l’AI accelera il flusso quando il flusso esiste già. Se il processo è confuso, l’automazione lo rende solo più veloce nel creare confusione.
La conclusione che spesso si evita
L’intelligenza artificiale è già dentro molti strumenti aziendali, spesso senza una scelta consapevole all’origine. Conviene quindi smettere di trattarla come una novità da provare “prima o poi”. Va guardata con più concretezza: dove fa risparmiare tempo, dove migliora un processo, dove invece rischia di creare confusione o contenuti senza controllo.
Per una PMI il punto non è inseguire tutto. È scegliere un’area, sistemare il processo e usare l’AI lì, con obiettivi chiari. Il resto viene dopo.
Chi riuscirà a farlo avrà un vantaggio semplice: lavorare meglio, con meno sprechi e più attenzione sulle decisioni che contano davvero.
