Oggi è illusoriamente facile percepirsi efficienti: è sufficiente uno smartphone, una connessione anche solo 4G e l’accesso ad applicazioni di AI sempre più performanti. Questa sensazione di sicurezza è però fallata all'origine. I modelli attuali sono ben lontani dall'essere entità digitali senzienti; operano primariamente attraverso calcoli statistici e probabilistici su database in continua espansione, un processo che paradossalmente sta trascinando la qualità dei contenuti verso una mediocrità standardizzata.

Dobbiamo partire da un presupposto critico: i modelli che utilizziamo (GPT-4, Gemini, ecc.) sono addestrati nei centri del mondo, riflettendone esclusivamente i valori, le sovrastrutture e i bias (inclusi quelli di genere). 

Affidarsi acriticamente a questo "centro" significa importare una visione del mondo che ignora le specificità delle nostre industrie locali. L’AI centralizzata tende alla mediocrità statistica. La “periferia” - intesa come il luogo fisico e produttivo dove si realizza il manufatto - è invece il giacimento di dati capace di normalizzare l’eccezione, favorendo quell’innovazione necessaria per preservare la competitività.

In Italia, le PMI rappresentano lo zoccolo duro del sistema industriale. Caratterizzate da storie familiari decennali, queste imprese affrontano oggi un ricambio generazionale complesso: i figli di imprenditori old school non sono più disposti a una vita di sacrifici finalizzati esclusivamente al lavoro. Mentre nella Silicon Valley emerge sempre più prepotentemente la tendenza asiatica del 996 (dalle 9 alle 21, 6 giorni su 7), con colossi come Google che spingono verso carichi superiori alle 60 ore settimanali per la "guerra dell'AI", spostando l’approccio drasticamente dal people-oriented al business-oriented.

Come può quindi l’AI supportare questa transizione critica per l’industria italiana? La risposta risiede nello sviluppo di AI ad hoc per i distretti. 

Un esempio concreto: un'azienda manifatturiera di provincia potrebbe utilizzare la Gen AI non solo per task standard, ma per digitalizzare il "sapere tacito" di imprenditori e operai senior dalla grande esperienza e molte volte ormai prossimi alla pensione.

 In questo modo, l'AI diventa un linguaggio che aggrega passato, presente e futuro, incentivando un dialogo intergenerazionale e offrendo soluzioni tecniche che conciliano le esigenze produttive con una visione della vita orientata al work-life balance. 

Il Valore potenziale generato: l'AI non replica il bias globale di centro, ma salva la competenza storica locale. Tutelando l’impresa dal vuoto del ricambio generazionale, migliora il ROI attraverso piani industriali integrati e salvaguarda il capitale umano.

Riprendendo il tema trattato in L’obiettivo imperfetto come AI e Gen AI replicano e amplificano i gender bias, i dati confermano che le donne nelle posizioni apicali rappresentano ancora, statisticamente, una periferia del potere. Nonostante interventi del legislatore, ad esempio con l’introduzione delle quote rosa attraverso il D.lgs. 254/2016, abbiano in parte favorito una parziale democratizzazione della governance (con annessi pro e contro), siamo ancora lontani da una piena meritocrazia di crescita manageriale. Quasi sempre, infatti, il legislatore e le narrazioni d’impresa trascurano le tappe biologiche e sociali che le donne devono affrontare rispetto agli uomini che hanno un impatto rilevante nella carriera (come argomentato da Caterina Banella ne Il lavoro che non vede il corpo delle donne).

Un approccio realmente trasformativo richiede però un passaggio ulteriore: riconoscere che i sistemi di valutazione e selezione del talento, anche quando digitalizzati, non sono mai neutri. Se alimentati con dati storici provenienti da contesti organizzativi sbilanciati, rischiano di replicare e consolidare le stesse asimmetrie che dovrebbero correggere. Per questo motivo, l’AI applicata alla governance aziendale deve essere progettata con un’attenzione specifica alla qualità e alla pluralità dei dati utilizzati, includendo indicatori che tengano conto dei diversi cicli di vita professionali e personali.

Immaginiamo una media azienda manifatturiera che utilizza un sistema di AI per analizzare dati HR, performance operative e percorsi di carriera. Un algoritmo progettato con criteri inclusivi potrebbe individuare pattern che il management spesso non vede: ad esempio, professioniste con valutazioni molto alte prima di un periodo di maternità che, al rientro, vengono assegnate a ruoli meno strategici o escono progressivamente dai percorsi di leadership.

L’AI, integrando dati di performance di lungo periodo, feedback dei team e indicatori di competenze tecniche e relazionali, potrebbe segnalare automaticamente questi scostamenti, mostrando che il rallentamento della carriera non è legato al talento ma a una distorsione organizzativa. In questo modo il sistema non si limita a misurare il rendimento, ma aiuta il management a individuare perdite di talento che altrimenti resterebbero invisibili.

Non si tratta quindi semplicemente di “correggere” il bias, ma di ripensare i parametri stessi con cui definiamo performance, leadership e potenziale. Integrare nei modelli fattori come i percorsi di carriera non lineari, i periodi di cura familiare o le diverse modalità di partecipazione alla vita aziendale permette di restituire una fotografia più realistica del contributo individuale. Solo così l’AI può diventare uno strumento di riequilibrio sistemico e non l’ennesimo amplificatore delle disuguaglianze esistenti.

Costruire algoritmi di AI quindi capaci di supportare aziende illuminate significa creare matrici che considerino questi fattori a 360°, mappando il talento in ogni reparto inclusi quelli produttivi, spesso ignorati della Governance. Con l'obiettivo di costruire percorsi di leadership femminile basati su dati oggettivi di contesto, sterilizzando le dinamiche di corridoio e lo status quo che ha storicamente favorito la crescita di figure maschili. 

Il Valore potenziale generato - un’AI così concepita governa meglio i percorsi di crescita e i risultati aziendali, arrivando laddove il management umano è limitato dai propri pregiudizi, normalizzando dinamiche che penalizzano il talento in base al genere. Un'emorragia di talento che nessuna azienda può più permettersi.

Nelle PMI, soprattutto in quelle con meno di 10 dipendenti, ogni aggiornamento tecnologico è spesso percepito come un ostacolo, un "sassolino nella scarpa" che rallenta il fatturato, con accesi contrasti tra vecchie e nuove generazioni (secondo ISTAT/AUB, 70% PMI italiane, imprese familiari, affronteranno ricambio generazionale nei prossimi 5 anni, con il 23% dei titolari over 70). Tuttavia, dimostrare con pragmatismo che gli attuali strumenti informatici possono migliorare il benessere delle persone e attrarre talenti, migliorando al contempo le performance economiche, potrebbe rappresentare una svolta decisiva per l’intero tessuto economico e sociale italiano. Che poggia appunto sulle PMI.

Per i piccoli artigiani, è un dato di fatto, l’AI generalista genera benefici marginali. Il discorso muta radicalmente se la tecnologia viene utilizzata per addestrare Small Language Models (SLM) sui dati specifici della singola realtà industriale, coinvolgendo nel processo decisionale chi opera sul campo. Questo approccio certamente richiede un cambio di mentalità importante, e qui il contesto generale viene a nostro vantaggio in quanto mitigato e stimolato proprio dalla stringente necessità di ricambio generazionale. Certamente un quadro di norme che supporti questo tipo di innovazione favorirebbe un’adoption ed un impatto molto più elevato.

Il Valore potenziale generato: applicare l’AI in contesti artigianali potrebbe favorire risparmi immediati (si pensi alla logistica dei percorsi giornalieri) fornendo anche una visione strategica di breve, medio e lungo periodo; supportando l’imprenditore a intercettare opportunità o criticità al giusto tempo, tutelando il patrimonio aziendale e, al contempo, aumentando sensibilmente la retention e l’attrattività verso nuovi talenti.

Può sembrare un ossimoro parlare di evoluzione tecnologica e, contemporaneamente, di "olio di gomito". Eppure, resta un fatto oggettivo: le aziende per avere successo necessitano al giorno d’oggi quanto mai di persone di buona volontà e appassionate, chiavi fondamentali per ottenere risultati straordinari. 

Certo l'approccio deve essere diverso rispetto al passato - più inclusivo, democratico, meritocratico e attento alla persona - ma le fondamenta restano le stesse: visione, forza di volontà, coraggio e quel pizzico di follia. Tutti ingredienti necessari per vivere la professione (e la vita) con gioia e felicità.