AI literacy in azienda: cos'è e come costruirla nelle PMI

Dal 2 febbraio 2025 l'articolo 4 dell'AI Act impone a chi fornisce o utilizza sistemi di intelligenza artificiale di adottare misure per garantire un livello sufficiente di alfabetizzazione del personale che li usa. Non servono attestati o livelli certificati, ma bisogna poter dimostrare di aver formato le persone su cosa fa lo strumento, quali limiti ha e come si riconosce un risultato sbagliato. Il Digital Omnibus non ha toccato questo obbligo, e dal 3 agosto 2026 le autorità nazionali ne vigilano l'applicazione: la AI literacy non è più una competenza facoltativa, è una condizione per usare legalmente l'AI in azienda, oltre che per partecipare davvero alla trasformazione digitale.

Cos'è, e cosa non è

Non significa saper programmare in Python o sviluppare algoritmi, avere un dottorato in informatica o statistica, o conoscere ogni piattaforma sul mercato. Significa piuttosto capire come funziona l'AI senza tecnicismi, cosa può fare e cosa no, come "impara", perché sbaglia; valutare i risultati in modo critico, sapendo quando fidarsi e quando verificare, e riconoscendo le allucinazioni; usare gli strumenti in modo efficace nel proprio lavoro; individuare opportunità per applicare l'AI ai propri processi; e conoscere le implicazioni etiche e normative che ne derivano. È una competenza trasversale, come lo è stata l'alfabetizzazione digitale negli anni Duemila, e come quella diventerà un requisito di base per qualsiasi ruolo.

Perché conviene anche a prescindere dall'obbligo

L'obbligo normativo da solo basterebbe a giustificare l'investimento, ma non è la ragione più forte. Le analisi di McKinsey e di altri osservatori mostrano che le aziende con persone più preparate ottengono risultati nettamente migliori dai loro progetti di AI: non basta avere la tecnologia, serve che le persone la sappiano usare. Le organizzazioni più alfabetizzate adottano l'AI più in fretta e con meno resistenze, individuano più casi d'uso innovativi, ottengono un ritorno più alto dai progetti e attraggono e trattengono i talenti che vogliono lavorare in aziende innovative. I dati di LinkedIn confermano lo stesso quadro dal lato del mercato del lavoro: la domanda di competenze sull'AI cresce rapidamente e le aziende faticano a trovarle, il che significa che chi le sviluppa internamente ha un vantaggio competitivo sia sui progetti sia nella capacità di attrarre persone.

Le competenze da costruire

Alla base di tutto c'è la comprensione dei concetti: cos'è l'AI senza saper programmare, come funziona il machine learning a livello concettuale, cosa sono i modelli linguistici (LLM) e perché sono diversi dal software tradizionale, perché servono dati e come la loro qualità incide sui risultati, cosa sono le allucinazioni. Su questa base si costruisce forse la competenza più importante di tutte, il pensiero critico sui risultati: non credere ciecamente a ciò che l'AI produce, sapere quando verificare, riconoscere errori, distorsioni e incoerenze, progettare controlli proporzionati al rischio di un errore.

Un secondo gruppo di competenze riguarda l'uso pratico e le decisioni: saper scrivere buone istruzioni per l'AI generativa, con contesto chiaro, iterazioni per migliorare il risultato e tecniche come il ragionamento passo passo, gli esempi e l'assegnazione di un ruolo; e, per manager e decisori, saper valutare le soluzioni, capire se una soluzione di AI è adatta al problema, costruire un business case, scegliere un fornitore, individuare i rischi di un progetto.

Chiude il quadro la consapevolezza etica e normativa: il GDPR applicato all'AI, con basi giuridiche, diritti degli interessati e obblighi di informativa; i principi dell'AI Act e gli obblighi per chi usa i sistemi; le distorsioni nei modelli e come riconoscerle; l'uso responsabile dell'AI generativa tra diritto d'autore, privacy e accuratezza.

Misurare prima di investire

Prima di avviare qualsiasi programma conviene misurare il punto di partenza, combinando tre elementi: test di conoscenza, con domande a risposta multipla su concetti di base, norme e strumenti; prove pratiche, con l'uso di strumenti specifici, la scrittura di istruzioni e l'interpretazione dei risultati; e un questionario sugli atteggiamenti, per capire come percepisce l'AI il personale e quali timori o pregiudizi vanno affrontati. Ne esce un punteggio per l'organizzazione e per ogni persona, con la mappa dei divari da colmare, e un investimento che rende su più fronti: adozione più rapida, perché chi è formato adotta i nuovi strumenti molto più velocemente; risultati migliori, perché gli stessi strumenti producono output più utili nelle mani di chi sa usarli; nuovi casi d'uso individuati da un team preparato che il management non vedrebbe da solo; capacità di attrarre talenti che scelgono le aziende che investono nella loro crescita; e meno rischi, perché chi conosce i limiti dell'AI la usa in modo meno improprio, con meno esposizione legale e reputazionale.

Costruire il programma, in quattro fasi

Il percorso comincia con una valutazione di circa due settimane, in cui si misura il livello attuale dell'organizzazione con uno strumento strutturato. Segue il piano formativo, altre due settimane circa, in cui si definiscono obiettivi per livello e ruolo, percorsi, tempi, budget e risorse. La formazione vera e propria dura da due a sei mesi e combina moduli online da seguire in autonomia, workshop dal vivo per la parte pratica e il confronto, e apprendimento sul campo con gli strumenti reali. Infine, la misura e l'aggiornamento non finiscono mai: si verificano i progressi, si colmano i divari residui e si aggiornano i contenuti man mano che la tecnologia evolve.

L'alfabetizzazione all'AI non si costruisce in un giorno, ma ogni giorno di ritardo allarga la distanza dai concorrenti che ci stanno già investendo. Se vuoi valutare il livello della tua organizzazione e costruire un percorso su misura, parliamone.