Il percorso dall’adozione dell’IA al coinvolgimento con l’IA

Ma sotto la superficie, la stessa ricerca fa emergere un quadro molto diverso: Il 55% dei lavoratori ritiene che i contenuti generati dall’IA riducano in realtà l’efficienza del team. Il 52% si ritrova regolarmente a correggere risultati dell’IA prodotti da un collega. Il 46% afferma che il lavoro ora appare più ripetitivo e meno significativo, non il contrario. E il 54% teme che l’IA possa ridurre la necessità del proprio ruolo entro cinque anni, una preoccupazione che raggiunge il livello più alto non tra i profili junior, ma nel C-level, con il 29%.

Questa è la parte che le dashboard dei leader non mostrano. Puoi raggiungere tutti gli obiettivi di adozione previsti nella tua roadmap e ritrovarti comunque con una forza lavoro silenziosamente esausta per colpa dello strumento che avevi introdotto per aiutarla.

Ma la sola formazione non spiega perché il 42% dei dipendenti della Gen Z ( persone che non hanno mai conosciuto un mondo professionale senza internet) affermi di preferire maggiormente il mondo pre-IA (42%) rispetto alla Gen X (26%).

Non è una questione di mancanza di competenze, ma di mancanza di fiducia.

Lo stesso schema emerge in quella che Adaptavist definisce la dinamica “uomo vs tecnologia”: la metà dei lavoratori sente oggi che la propria performance venga misurata rispetto alla velocità e al volume dell’IA, anche in attività in cui il giudizio conta più della produttività pura. E riappare anche nel fatto che il 33% dei knowledge worker, percentuale che sale al 46% tra i dirigenti C-level, afferma di stare valutando un cambio completo di settore a causa dell’IA.

Ecco il modello che sta alla base di tutto questo, e che vediamo continuamente nel modo in cui i team usano davvero l’IA ogni giorno: le persone non limitano uno strumento perché non sia potente. Lo limitano perché gli errori sembrano irreversibili.

Un responsabile engineering di un’azienda SaaS di medie dimensioni lo ha detto in modo molto chiaro, descrivendo come il suo team ha introdotto un agente di IA all’interno del proprio strumento di project management: “Sono un po’ nervoso all’idea che possa manipolare i nostri dati in tempo reale.”

Per questo, prima di affidargli qualsiasi attività reale, il team ha predisposto una modalità di prova. L’agente eseguiva tutti i passaggi che intendeva compiere, ma invece di intervenire sui ticket reali si limitava a scrivere ciò che avrebbe fatto. Solo dopo settimane passate a verificarne la correttezza hanno deciso di permettergli di avvicinarsi ai dati di produzione.

Quell’istinto (verificare prima di fidarsi) non è esclusivo degli ingegneri. È lo stesso istinto che Priya mette in pratica ogni lunedì mattina: le persone più vicine al lavoro comprendono quasi sempre il rischio nel modo corretto. Ciò che di solito manca è una rete di sicurezza che renda davvero sicuro scoprirlo.

Il problema più profondo è che oggi l’IA è in grado di muoversi rapidamente e intervenire contemporaneamente su molti sistemi connessi, e ognuna di queste azioni è, di fatto, una porta a senso unico. Un singolo agente di IA, con le giuste integrazioni, può aggiornare un ticket, modificare un documento e distribuire una modifica al codice su tre piattaforme diverse nel tempo necessario a leggere questa frase. Quando qualcosa va storto, spesso non esiste un modo semplice per annullarlo: si può solo intervenire a posteriori per rimediare.

Di recente, un team di ingegneria ha visto un assistente di coding basato sull’IA “ripulire” un nuovo repository di codice rimuovendo silenziosamente le configurazioni di sicurezza che aveva ritenuto non necessarie. Nessuno gli aveva detto di farlo. E nessuno poteva nemmeno dirgli facilmente di rimetterle al loro posto.

Questo è il vero motivo per cui i team frenano l’IA anche quando dichiarano di volerne di più, ed è lo stesso motivo per cui i dipendenti smettono silenziosamente di fidarsi di uno strumento che la leadership continua a definire sicuro. Entrambi i problemi (quello tecnico e quello umano) hanno la stessa causa alla radice: l’irreversibilità. Non si può costruire un coinvolgimento autentico su un sistema in cui ogni errore sembra definitivo.

Preserva il senso di responsabilità, non limitarti a ridurre il carico di lavoro. Il report ha rilevato che il 46% dei lavoratori è frustrato dal fatto che attività che richiedono anni di esperienza possano ora essere svolte da quasi chiunque con l’aiuto dell’IA. Usa l’IA prima di tutto per affrontare il peso delle attività amministrative, non il lavoro di cui le persone vanno fiere.

Dai ai manager un ruolo concreto, non solo il compito di far rispettare un mandato. I manager intermedi assorbono pressioni da entrambe le direzioni: da un lato devono raggiungere obiettivi di efficienza imposti dall’alto, dall’altro gestire il peso della verifica e l’ansia che arriva dal basso. Hanno bisogno di supporto e di copertura, non soltanto di una policy da comunicare.

Costruisci sicurezza psicologica per la sperimentazione. Il 74% dei lavoratori, percentuale che sale all’85% tra i leader C-level, sta già acquisendo attivamente nuove competenze per stare al passo con l’IA. La disponibilità c’è. Ciò che spesso manca è il permesso di provare, sbagliare in un contesto a basso rischio e imparare senza il timore che un singolo errore diventi irreversibile o si trasformi in un elemento a loro sfavore.

Rendi reversibile ciò che oggi sembra irreversibile. È questo l’aspetto che i soli guardrail e le policy di governance non possono risolvere. Le regole possono indicare alle persone e agli agenti di IA cosa non dovrebbero fare. Ma non possono annullare ciò che è già accaduto.

Sentiamo continuamente, dai team di ingegneria, versioni diverse della stessa storia. Collegano un assistente di coding basato sull’IA ai propri strumenti tramite soluzioni come l’Atlassian MCP e, all’improvviso, un solo agente è in grado di agire contemporaneamente su ticket, documenti e codice. È proprio questa estensione operativa a rendere l’IA preziosa, ed è la stessa che può rendere costoso anche un solo errore.

Come ha dichiarato Eli Mitchell, nostro Director of Partnerships, nel report di Adaptavist:

"I partner tecnologici e gli ecosistemi di piattaforma che avranno successo in questo ambito saranno quelli capaci di rendere l’adozione dell’IA sicura e reversibile, dando ai team la fiducia necessaria per sperimentare senza temere che una sola mossa sbagliata possa causare danni irreversibili nei loro strumenti connessi. Quando le persone sanno di avere una rete di sicurezza, l’ansia diminuisce e l’adozione accelera."

Questo non è solo un argomento tecnico. È la stessa sicurezza psicologica descritta dai ricercatori di Adaptavist, integrata nell’infrastruttura invece di essere affidata soltanto alle policy. Quando il tuo team sa che una modifica sbagliata generata dall’IA può essere annullata in pochi minuti, la verification tax inizia a ridursi, perché controllare ogni output in modo ossessivo smette di essere l’unica linea di difesa. E quando i leader possono indicare un vero piano di ripristino, invece di un semplice insieme di regole, la fiducia cresce più rapidamente di quanto qualsiasi programma di formazione potrebbe riuscire a generare.

L’obiettivo non è mai stato rallentare l’IA. È eliminare la paura che oggi rappresenta il principale ostacolo sia all’adozione sia al coinvolgimento.