L’AI in azienda: necessario un approccio Human Centered AI

Nel precedente articolo abbiamo trattato le linee guida ministeriali per introdurre l’AI in azienda in sicurezza e a norma di legge, in cui si faceva cenno sulla necessità di mettere “La Persona al Centro”. Ora vediamo che cosa significa, in pratica, applicare questo concetto secondo una logica Human Centered Artificial Intelligence, concentrandoci sulle strategie per garantire un’adozione sostenibile dell’AI generativa nelle imprese, ponendo l’approccio Human Centered al centro di cultura, governance, formazione e metriche.

I 4 pilastri per un’adozione sostenibile dell’AI

Premesse

L’adozione dell’AI generativa richiede più di semplici strumenti e licenze, necessitando di cultura, governance, formazione e metriche chiare. L’obiettivo di un approccio human centered è rendere l’innovazione sostenibile, riducendo le resistenze organizzative, i rischi e l’affaticamento da Intelligenza Artificiale (AI fatigue).

Un po’ di numeri sull’AI in Italia

In Italia, il mercato AI è in forte accelerazione:

• Il mercato AI complessivo è previsto in crescita del +50% fino a 1,8 miliardi di euro nel 2025.
• La Generative AI raggiungerà il 46% del valore totale, crescendo del 60%.
• Permane un’asimmetria fra PMI e Grandi Aziende: solo l’8% delle PMI dichiara progetti AI attivi, contro il 71% delle grandi imprese.

Che cos’é la Human-Centered AI (HCAI) – definizione

L’HCAI è un approccio che focalizza l’attenzione sulla persona, progettando sistemi che rispondano alle sue necessità e aspettative, garantendo al contempo sicurezza, privacy ed etica.Aree d’Intervento Strategico

I 4 Pilastri dell’HCAI

1. Cultura dell’Innovazione e Governance

La cultura AI deve essere gestita come un sistema di azioni ripetibili:

• Promozione della cultura: significa legare l’ideazione a criteri chiari di fattibilità e impatto. È essenziale rendere esplicite le scelte di inclusione ed esclusione attraverso una strategia per ridurre le incertezze e creare spazio per l’apprendimento.
• Governance: Nonostante l’adozione dell’AI spesso cresca più velocemente delle regole, una governance essenziale richiede che ogni iniziativa abbia un responsabile, un perimetro e una metrica o KPI di successo. Solo il 9% delle grandi imprese ha una governance AI integrata, collaudata e matura. Un approccio pragmatico alla governance include la creazione di un team interfunzionale per la revisione etica e l’imposizione di protocolli “human-on-the-loop” (HOTL) ovvero, un approccio all’intelligenza artificiale in cui l’essere umano monitora attivamente i sistemi digitalizzati, intervenendo solo quando necessario o in caso di anomalie .

2. Strumenti di Audit e Misurazione dell’adozione della tecnologia AI

L‘innovazione deve sempre essere misurabile, e l’audit è lo strumento ideale per collegare l’AI a indicatori come continuità d’uso, accettazione, impatto sui processi e qualità degli output:

• Roadmap di trasformazione: adottare una roadmap in quattro fasi sequenziali è una best practice: valutare l’impatto sulla forza lavoro, pianificare il change management, educare e preparare, monitorare e adattare.
• Audit operativo: L’audit interno si divide in un piano organizzativo (revisione ruoli e consapevolezza) e un piano operativo (identificazione di AI champion e osservazione continua della preparazione dei dipendenti).
• Indicatori chiave per l’audit:
  • Readiness e literacy: livello di preparazione per ruolo e integrazione nei workflow.
  • Adozione e continuità: frequenza d’uso per funzione e separazione tra sperimentazione e utilizzo in produzione.
  • Accettazione e rischio umano: segnali di fiducia, resistenze e indicatori di AI fatigue.

3. Strategie HR e Upskilling per le persone

I reparti HR  e la direzione aziendale devono gestire l’AI come un cambiamento che modifica competenze, carichi di lavoro e aspettative di carriera:

• Upskilling: é la prima leva HR, intesa come preparazione mirata a seconda dei ruoli, per ridurre ansia e incertezza. La formazione deve essere segmentata per profilo (generalisti, in evoluzione, specialisti).
• AI Fatigue: Questo rischio, definito come le reazioni negative (apatia, burnout, frustrazione) legate ai cambiamenti guidati dall’AI, è un ostacolo critico: si prevede che entro il 2028 oltre il 50% delle aziende globali lo indicherà come principale ostacolo al ROI.
• Mitigazione del Rischio: È raccomandata la creazione di un team di change management AI interfunzionale (HR, business, IT, leadership) per lavorare su roadmap e adozione personalizzata. Inoltre, i workshop sui fallimenti dell’AI (bias, allucinazioni) aumentano la fiducia interna e riducono i sintomi di AI fatigue.

4. Misurazione dell’Efficacia Sostenibile

L’efficacia non è il numero di iniziative avviate, ma la loro capacità di restare in produzione senza aumentare i costi di coordinamento e controllo.

• Gli indicatori devono distinguere tra adozione superficiale e cambiamento reale, catturando il miglioramento di processo e il grado di autonomia delle persone.
• Le metriche di controllo osservano: Preparazione e accettazione (riduzione delle resistenze), Adozione nei processi (stabilità dei workflow), Qualità e rischio (efficacia delle contromisure contro incidenti) e Governance (prevedibilità dell’evoluzione).