L’apprendimento nell’era dell’AI: il paradosso che nessuno vuole vedere

di Alessandro Della Monica | Youvolution

Negli ultimi anni le organizzazioni non hanno mai investito così tanto in formazione. Piattaforme digitali, librerie di contenuti, percorsi personalizzati, microlearning, AI coach. Eppure, qualcosa non torna: la quantità di iniziative cresce, ma l'impatto reale — su comportamenti, decisioni, modi di lavorare — fatica a tenere il passo.

Non è un problema di impegno. È che il contesto si è trasformato così rapidamente da rendere obsolete alcune delle categorie con cui abbiamo sempre pensato all'apprendimento. A cominciare dalla più diffusa: che il problema della formazione sia un problema di contenuto.

Il contenuto è ovunque. Le conversazioni di valore molto meno.

Nell'era dell'AI, produrre un modulo formativo su qualsiasi tema richiede meno tempo che in passato (più o meno tempo, a seconda dell’esperienza, delle capacità critiche e degli standard qualitativi del trainer). Questo genera un'illusione pericolosa: che il problema dell'apprendimento sia risolto, in quanto è un problema di contenuto.

Non lo è. O almeno, lo è molto più raramente che in passato.

Il valore, oggi, per l’alta frequenza richiesta dei cicli di learning e di un-learning, sta nella capacità di trasformare rapidamente un concetto, un modello, una prospettiva in nuovi comportamenti. Perché questo accada, la credibilità e la rilevanza di ciò che viene proposto devono essere sufficienti a generare nei partecipanti la voglia di sperimentare sul campo — di rischiare, anche solo un po', qualcosa di nuovo.

Arrivare a questo punto richiede ben più della padronanza dei contenuti o dell'esperienza formativa. Richiede qualcosa che nessun algoritmo sa ancora fare davvero: attivare conversazioni potenti con persone che riconoscono nel professionista un interlocutore prezioso — e gli concedono, per questo, l'autorizzazione ad entrare nelle loro vite professionali.

Quell'autorizzazione non si chiede. Si guadagna. E la guadagna chi unisce competenza metodologica ed esperienza diretta: un professionista che, oltre a padroneggiare i processi di cambiamento, ha guidato una ristrutturazione, ha costruito e perso team, ha preso decisioni in condizioni di incertezza. Qualcuno che sa cogliere — e indirizzare — la tensione reale in una sala quando un manager di linea dice "capisco, ma qui funziona diversamente." La credibilità e l'empatia si percepiscono, anche nei silenzi. E per questo, almeno per molto tempo ancora, quel professionista rimane insostituibile.

È su questo piano che si gioca, oggi, la differenza tra una buona iniziativa formativa e una che lascia una traccia profonda.

La leadership che impara. Pubblicamente.

C'è un secondo paradosso, ancora più sottile.

Molte organizzazioni progettano i programmi di sviluppo della leadership separatamente da quelli per il resto dell'azienda. E ha senso: i contenuti possono — spesso devono — essere diversi, le domande e gli stimoli che vengono offerti alla senior leadership non sono gli stessi di quelli per middle managers, e il linguaggio, gli esempi, i livelli di astrazione richiesti cambiano. Non si tratta -infatti - di gerarchia, si tratta di contesto differente.

Il punto però non è cosa e come si impara. È che si impara.

Quando la leadership partecipa visibilmente a processi di sviluppo — non solo come sponsor di un programma, ma come protagonista — manda all'intera organizzazione un segnale che nessuna comunicazione interna sarebbe in grado di replicare in quanto a efficacia: l'apprendimento non è una correzione di un difetto, spesso non è un obbligo (o non dovrebbe esserlo, nella logica della tanto bramata accountability), non è qualcosa che riguarda chi "ha ancora da crescere." È un modo di stare nel proprio ruolo.

Questo ha implicazioni strutturali. I programmi di learning che funzionano davvero sono quelli pensati in logica di sistema — non per funzione, non per livello gerarchico isolato, ma per Enterprise.

Poi, naturalmente, ci sono i budget, la necessità di spalmare gli investimenti nel tempo, sui fiscal year, quindi essere capaci di progettare in modo modulare; ma l’impianto è importante sia pensato come un unicum. Perché la sfida che le organizzazioni hanno davanti — adattarsi in tempi sempre più compressi a contesti sempre meno prevedibili — non si vince ottimizzando per silos. Si vince costruendo una capacità collettiva di leggere, interpretare e agire. E quella capacità richiede che le diverse parti dell'organizzazione abbiano, almeno in parte, una grammatica comune. Una Cultura comune.

L'AI non è solo un problema di efficienza. O non dovrebbe esserlo.

Arrivo al punto che trovo più urgente, e più trascurato.

Ho scritto in passato dell'”Economia dell'Astronauta” di Kenneth Boulding: l'idea che viviamo in un sistema tendenzialmente chiuso, dove le risorse non sono infinite e ogni scelta ha un costo che si paga da qualche parte. È una lente che trovo sempre più utile anche quando si parla di AI e lavoro.

Il dibattito dominante sull'AI nelle organizzazioni ruota quasi sempre attorno alla stessa domanda: quante posizioni possiamo sostituire, quanti processi possiamo automatizzare, quanto possiamo ridurre il costo del lavoro? È una domanda legittima. Ma applicata in modo miope — senza una visione su come redistribuire il valore creato, su come riconvertire le competenze, su come generare nuove forme di domanda — rischia di produrre esattamente ciò che Boulding ci avrebbe fatto notare: si ottimizza una parte del sistema comprimendone un'altra. Si riduce il costo del lavoro, ma si erode anche il reddito disponibile di milioni di persone — e quindi la stessa base di consumatori su cui le imprese contano per crescere. È la logica del paradosso del risparmio di Keynes applicata all'automazione: razionale per il singolo, autodistruttiva per il sistema. Il valore non sparisce: si sposta. E spesso si sposta nella direzione sbagliata.

Le organizzazioni che stanno pensando seriamente all'AI — non solo come leva di costo ma come leva di reinvenzione — stanno invece esplorando una domanda diversa: come posso liberare tempo e capacità cognitive per attività a maggiore valore, per l’innovazione, per la qualità della relazione con il cliente, per il benessere delle persone?

Ci sono esempi concreti, e vale la pena citarli.

Il Global AI Jobs Barometer 2026 di PwC — basato sull'analisi di oltre un miliardo di offerte di lavoro in sei continenti — mostra che le aziende più esposte all'AI e che la usano per amplificare le capacità umane stanno crescendo più velocemente anche in termini di occupazione e salari, non solo di produttività. Non è un dato ideologico: è un'evidenza empirica su larga scala.

Siemens ha dotato oltre 120.000 ingegneri di un Industrial Copilot basato sull'AI, con l'obiettivo esplicito di potenziare le competenze dei lavoratori esistenti — non di sostituirli — in un settore che già oggi fatica a trovare abbastanza talenti. Cognizant, pur adottando l'AI in modo pervasivo, sta assumendo, quest’anno, 25.000 neolaureati e prevede di continuare nel 2027, con l'idea che i lavoratori più giovani, a loro agio con gli strumenti digitali, possano accelerare la trasformazione anziché esserne vittime. PepsiCo e Siemens, in un confronto al World Economic Forum di Davos di quest’anno, hanno discusso apertamente di come ripensare l'intera organizzazione del lavoro in un modello AI-augmented — una conversazione che parte da cosa le persone possono fare meglio, non da quante se ne possono "tagliare".

Questa credo sia una lettura più matura del proprio interesse di lungo periodo, coerente con la logica di un sistema in cui tutto, prima o poi, si scopre connesso.

E il learning, in questo scenario, non è un accessorio. È una delle infrastrutture abilitanti.

Una apertura, più che una conclusione.

Ho scritto questo pezzo perché nelle conversazioni che ho molto spesso con executive e HR leader emerge sempre, prima o poi, la stessa consapevolezza: sappiamo che qualcosa non funziona nel modo in cui le nostre organizzazioni imparano, ma non sappiamo ancora bene da dove ripartire.

Credo si possa iniziare da qui: dalla qualità delle persone che accompagnano il cambiamento, dalla visibilità dei leader che si offrono - anche in questo - come role model, e da una visione dell'apprendimento che sia all'altezza della complessità del momento.

Se qualcosa di quello che hai letto ti ha fatto venire voglia di continuare la riflessione, credo sarebbe di grande interesse e utilità per tutti. Certamente lo sarebbe per me.

Per chi volesse approfondire, alcune delle fonti che hanno informato questa riflessione:

Riferimenti e fonti

Sul ripensamento del Learning & Development nell'era dell'AI McKinsey & Company — Reimagine Learning and Development for the AI Age, 2025 mckinsey.com/capabilities/people-and-organizational-performance

Sul mercato del lavoro e l'impatto dell'AI sull'occupazione PwC — Global AI Jobs Barometer 2026 pwc.com/gx/en/services/ai/ai-jobs-barometer.html

Sulla trasformazione del lavoro e il ruolo della leadership World Economic Forum / Mercer — Transforming Work in an AI World: Reflections from Davos 2026 mercer.com/insights/people-strategy/hr-transformation/transforming-work-in-an-ai-world-reflections-from-davos-2026

Sul caso Siemens: AI come potenziamento, non sostituzione Siemens — Scaling Industrial AI to Alleviate Labor Shortage siemens.com/en-us/company/insights/scaling-industrial-ai-alleviate-skilled-labor-shortage

Sul caso Cognizant: assunzioni e upskilling nell'era AI World Economic Forum — How AI Is Changing the Nature of Entry-Level Work, marzo 2026 weforum.org/stories/2026/03/how-ai-is-changing-the-nature-of-entry-level-work

Sul paradosso del risparmio applicato all'automazione Keynes, J.M. — The General Theory of Employment, Interest and Money, 1936

Sull'economia come sistema chiuso Boulding, K.E. — The Economics of the Coming Spaceship Earth, 1966

Seguici qui su LinkedIn e iscriviti alla nostra newsletter per ricevere tutti gli aggiornamenti di Youvolution.