Scenari
Open Innovation

Intelligenza artificiale, agenti e prompting. Così la nuova “elettricità intelligente” illuminerà il futuro

Nuova puntata di “Next – Voci dal Futuro”. Il nostro viaggio per fare luce sulle parole chiave che guidano la nostra innovazione oggi illumina una delle più gettonate, accanto a tutte le varie declinazioni. Ossia l’intelligenza artificiale. Ce la racconta Andrea Tessera, Chief Innovation Officer di Sella
Intelligenza artificiale, agenti e prompting. Così la nuova “elettricità intelligente” illuminerà il futuro
Getty Images
Andrea Tessera

Chief Innovation Officer di Sella

Viviamo in un periodo straordinario, nel pieno di una rivoluzione tecnologica che sta trasformando il modo in cui lavoriamo e innoviamo. Se – come me – avete vissuto l'era del web 1.0, web 2.0 e web 3.0, comprenderete la portata pervasiva che l'intelligenza artificiale avrà sul nostro futuro. L’intelligenza artificiale oggi è un po’ come l’elettricità all’inizio del ’900: sta cambiando il mondo in modi che solo in parte riusciamo già a vedere. Ci saranno aziende e individui che sapranno sfruttarla a fondo – reinventando prodotti, servizi e lavori – e altri che faticheranno ad adattarsi. La differenza la farà soprattutto l’atteggiamento con cui affrontiamo questa rivoluzione: paura o curiosità, chiusura o apprendimento continuo. La storia insegna che le tecnologie non sono destino ma strumenti: sta a noi orientarle verso il bene comune. 

L’Intelligenza Artificiale (AI) non è solo una tecnologia, ma un vero catalizzatore che ci spinge a ripensare il nostro modo di pensare, decidere e agire. Oggi l’AI permea sempre più aspetti della vita quotidiana e professionale: dai suggerimenti automatici sullo smartphone alle analisi strategiche in azienda. Di fronte a questa rivoluzione silenziosa ma profonda, non basta adottare nuovi software – è necessario un cambio di prospettiva. L’AI ci costringe infatti a rivedere i tradizionali processi decisionali e organizzativi, invitandoci a mettere in discussione vecchie abitudini e ad immaginare nuovi modelli di lavoro e società. In questa introduzione esploreremo perché l’AI va intesa come trasformazione culturale oltre che tecnologica, e come essa stia diventando un motore di innovazione che tocca il cuore del nostro agire quotidiano.

In altre parole, l’intelligenza artificiale rappresenta un cambio di paradigma: da strumento passivo a partner attivo nelle nostre attività. Questo significa che l’AI non solo ci aiuta a fare le cose più velocemente, ma cambia il “come” e il “perché” le facciamo. Un manager oggi, ad esempio, può utilizzare un agente per supportare le proprie decisioni strategiche, modificando il proprio ruolo da semplice decisore a orchestratore di un team ibrido uomo-macchina. 

L’evoluzione dell’AI
Per comprendere l’impatto attuale dell’AI, è utile ripercorrerne brevemente l’evoluzione storica. Le radici dell’intelligenza artificiale risalgono agli anni ’50: nel 1956, durante un workshop tenuto a Dartmouth College, nacque ufficialmente il termine “Artificial Intelligence”. In quel periodo pionieristico, l’entusiasmo era altissimo – si immaginava che in pochi decenni le macchine avrebbero eguagliato molte capacità umane. I primi programmi cercavano di imitare il ragionamento logico e matematico, e negli anni ’60 e ’70 si svilupparono i cosiddetti sistemi esperti, software in grado di prendere decisioni in domini specifici seguendo regole definite manualmente. 

Tuttavia, le aspettative iniziali erano premature: la limitata potenza di calcolo e la complessità del “buon senso” umano portarono a progressi più lenti del previsto. Ci sono stati momenti di entusiasmo alternati a periodi di “AI winter”, in cui i finanziamenti e l’interesse calavano per mancanza di risultati tangibili. 

Il vero salto di qualità è arrivato tra la fine del XX secolo e l’inizio del XXI. Da un lato, l’aumento esponenziale della potenza computazionale (unito alla disponibilità di grandi quantità di dati digitali) ha aperto la strada a metodi innovativi. Dall’altro, la comunità scientifica ha fatto progressi con reti neurali artificiali e algoritmi di machine learning, capaci di apprendere dai dati piuttosto che seguire solo regole statiche. Un momento simbolico fu nel 1997 la vittoria del computer IBM Deep Blue sul campione mondiale di scacchi Garry Kasparov – prova che le macchine potevano superare l’uomo in compiti molto complessi ma ben definiti. Da allora, i traguardi si sono susseguiti: nel 2012 un sistema di visione artificiale basato su reti neurali profonde (deep learning) ha superato ogni precedente risultato nel riconoscimento di immagini, inaugurando di fatto il boom dell’AI moderna. Nel 2016, il programma AlphaGo di Google DeepMind ha sconfitto il campione mondiale di Go, un gioco considerato a lungo troppo sofisticato per un computer, dimostrando la potenza dell’apprendimento automatico avanzato.

AI generativa e agenti
Oggi siamo entrati nell’era dell’AI generativa e degli agenti. Strumenti come i modelli linguistici GPT di OpenAI, il progetto Gemini di Google o Claude di Anthropic e Deepseek hanno rivoluzionato il panorama, consentendo alle macchine di generare contenuti originali: testi, immagini, codice e altro ancora. Questa nuova ondata ha portato l’AI sotto i riflettori come mai prima: basti pensare che ChatGPT, lanciato a fine 2022, ha raggiunto milioni di utenti in poche settimane, introducendo il grande pubblico al potenziale (e ai limiti) dell’AI conversazionale. A differenza delle prime AI programmate a mano, questi sistemi apprendono modelli linguistici da quantità enormi di dati testuali, risultando capaci di rispondere a domande, tradurre, riassumere e perfino dialogare con l’utente in modo sorprendentemente naturale. L’evoluzione dell’intelligenza artificiale dai laboratori accademici agli uffici di ogni azienda è quindi il frutto di decenni di ricerca, ma il boom attuale è spinto da una convergenza di fattori: potenza di calcolo a basso costo (cloud computing), enormi dataset disponibili online, e scoperte algoritmiche che permettono di addestrare modelli sempre più complessi. Siamo passati dall’AI “artificiale” che imitava alcune regole dell’intelligenza, all’AI “autonoma” capace di apprendere schemi e creare. Questa evoluzione continua a ritmo incalzante e pone le basi per l’adozione sempre più ampia dell’AI nella società e nelle imprese.

Un cambiamento di mentalità
L’adozione efficace dell’intelligenza artificiale non richiede solo nuove competenze tecniche, ma anche (e soprattutto) un cambiamento di mentalità. In molti casi, l’ostacolo più grande non è la tecnologia in sé, bensì l’approccio con cui le persone e le organizzazioni vi si relazionano. Siamo abituati a concepire il lavoro e le decisioni in un certo modo, e l’AI mette in discussione queste abitudini consolidatesi in decenni di pratica. Si tratta di fare un salto concettuale: dall’operatività diretta al coordinamento intelligente, dalla gestione minuziosa alla fiducia calibrata nelle macchine, dall’istinto all’analisi basata sui dati. In sintesi, si passa:

  • Dal “fare” al “far fare”: Tradizionalmente, il valore di un professionista o di un’azienda si misurava anche dalla capacità di fare direttamente determinate attività (scrivere un report, analizzare dati, eseguire operazioni manuali). Con l’AI, molte di queste attività possono essere automatizzate o svolte più rapidamente da sistemi software. Il nuovo valore aggiunto diventa quindi saper far fare alle macchine ciò che sanno fare meglio. Ad esempio, invece di redigere manualmente un documento, un manager può far generare una bozza iniziale a un’AI e poi raffinarlа. Questo non diminuisce il ruolo umano, ma lo trasforma: occorre eccellere nell’assegnare compiti all’AI, nella supervisione e nel raffinamento del risultato. In altre parole, l’abilità chiave diventa l’orchestrazione del lavoro, distribuendo efficacemente le attività tra persone e algoritmi.
  • Dal controllo all’affidamento: Nella gestione tradizionale, soprattutto a livello manageriale, c’è spesso la tendenza al controllo diretto su ogni dettaglio – per assicurarsi che tutto venga fatto “a regola d’arte”. L’introduzione dell’AI richiede invece un maggiore affidamento: bisogna saper delegare alle macchine alcuni processi decisionali o operativi, imparando a fidarsi dei risultati (pur mantenendo un livello di supervisione). Questo può essere culturalmente difficile: significa accettare che un algoritmo possa prendere decisioni (ad esempio, selezionare automaticamente candidati in fase di recruiting preliminare, o approvare transazioni finanziarie sospette dopo una verifica automatica) che un tempo avrebbe preso un essere umano. Affidarsi all’AI non vuol dire spegnere il senso critico – anzi, occorre monitorare e validare i risultati – ma significa non intervenire ossessivamente in ogni step, riconoscendo quando la macchina può svolgere bene un compito. In pratica, il manager diventa un tutore dell’AI: ne addestra i criteri iniziali, controlla gli output, ma poi lascia che essa operi entro certi confini in autonomia, intervenendo solo se necessario.
  • Dall’intuizione all’analisi: Molte decisioni aziendali e scelte strategiche, soprattutto in passato, si basavano sull’esperienza pregressa e sull’intuizione dei decisori. L’“istinto” del leader o del professionista era visto come fondamentale. Con l’avvento di sistemi di AI avanzata, abbiamo a disposizione analisi di dati su scala enorme e modelli predittivi raffinati. Il nuovo approccio premia la capacità di leggere questi dati e di fidarsi delle evidenze analitiche, anche quando possono contraddire l’idea iniziale. Non si tratta di sminuire l’intuizione umana – che resta preziosa soprattutto nella visione d’insieme e nella creatività – ma di combinarla con il rigore dei dati. In altre parole, la data-driven decision making diventa lo standard.

Adottare questa nuova mentalità non è immediato. Significa investire in formazione, ma anche promuovere un ambiente in cui l’errore sia visto come occasione di apprendimento. In un contesto dove fare innovazione vuol dire sperimentare insieme alle macchine, occorre accettare che talvolta l’AI commetterà errori o proporrà soluzioni controintuitive. Il ruolo umano sarà allora quello di guidare l’AI, correggerne la rotta quando serve e apprendere a propria volta dai feedback che la macchina fornisce. Le organizzazioni che riescono in questo cambiamento di mindset vedono spesso aumentare non solo la produttività, ma anche la soddisfazione lavorativa: le persone si liberano dai compiti più noiosi e ripetitivi e possono concentrarsi su attività a maggior valore aggiunto, creative o strategiche, sentendosi supportate dall’AI nel lavoro di routine.

Il prompting come nuova alfabetizzazione
Se l’AI è un “motore” potente, il prompting è il nuovo modo per guidarlo in linguaggio naturale. Con l’AI generativa (come i modelli GPT, i chatbot avanzati ecc.), è nata l’esigenza di saper dialogare efficacemente con le macchine attraverso prompt – cioè istruzioni, domande o input testuali formulati nel modo giusto per ottenere il risultato desiderato. Saper promptare un’AI è ormai considerata una nuova alfabetizzazione digitale, paragonabile per importanza a saper usare un motore di ricerca o a saper scrivere codice di base. In altre parole, così come negli ultimi decenni è diventato fondamentale saper usare un PC o navigare in internet, nei prossimi anni sarà fondamentale saper interagire con sistemi di intelligenza artificiale attraverso richieste ben strutturate.

Ma cosa significa, in pratica, prompting? Significa imparare a comunicare con l’AI in modo chiaro ed efficace. Un prompt ben formulato fornisce contesto e dettagli sufficienti al modello AI, guidandolo verso la risposta o l’output atteso. Un buon prompt deve essere chiaro, contestualizzato e istruttivo.

Nelle aziende, il prompting diventa parte integrante della trasformazione digitale: formare i dipendenti a interagire con l’AI significa renderli capaci di sfruttarne al massimo le potenzialità. La differenza tra un utente inesperto e uno esperto nell’uso dei prompt può essere enorme in termini di qualità dei risultati ottenuti dall’AI. Per questo motivo stanno nascendo corsi e guide sul prompt engineering, e alcune aziende hanno iniziato a inserire questa competenza nei programmi di formazione interna. Saper porre le domande giuste alla macchina sta diventando importante quanto saper trovare le risposte giuste per un essere umano.

In definitiva, il prompting è la chiave per sbloccare il potenziale della nuova generazione di AI: senza una domanda ben posta, anche l’AI più avanzata faticherà a fornire una risposta utile.

AI e differenze generazionali
L’introduzione massiccia dell’intelligenza artificiale nel mondo del lavoro e nella società sta evidenziando un confronto generazionale importante. Come spesso accade con le innovazioni tecnologiche, le diverse generazioni le accolgono e le vivono in modo differente. I nativi digitali – principalmente le generazioni più giovani, come Millennials e Gen Z – sono cresciuti circondati da computer, internet e dispositivi intelligenti. Per loro, adattarsi a un nuovo strumento AI è spesso intuitivo, se non addirittura emozionante. Al contrario, chi non è nato nell’era digitale (generazione X e baby boomers, ad esempio) ha dovuto apprendere l’uso della tecnologia in età adulta: per queste persone, accogliere l’AI può rappresentare una sfida culturale.

Queste differenze si manifestano in vari modi. I più giovani tendono a sperimentare con l’AI senza timori reverenziali: provano le nuove app, giocano con chatbot come fossero compagni virtuali, integrano spontaneamente strumenti digitali nel proprio flusso di lavoro. Ad esempio, un neolaureato potrebbe usare ChatGPT per aiutarlo a scrivere il codice di un programma o per riassumere documentazione, vedendolo semplicemente come un altro tool a disposizione.

Queste difficoltà non sono insormontabili, ma vanno riconosciute e affrontate dalle aziende. Un’azienda che introduce strumenti di AI sul posto di lavoro deve tenere conto di questo gap generazionale per evitare di creare divisioni tra early adopter entusiasti e scettici riluttanti. È importante accompagnare l’implementazione tecnologica con iniziative di formazione mirata: workshop pratici, esempi concreti, tutoraggio tra colleghi (magari affiancando un giovane “digital champion” a un collega senior in un progetto AI). Inoltre, va comunicato chiaramente che l’AI non è pensata per sostituire l’esperienza umana, ma per valorizzarla e accelerarla.

Un altro aspetto culturale riguarda la predisposizione al cambiamento. Le generazioni che hanno già visto diverse ondate di innovazioni (dal fax al PC, da internet allo smartphone) potrebbero sentirsi “stanche” di dover continuamente aggiornare competenze e procedure. È fondamentale coinvolgerle spiegando i benefici dell’AI in termini concreti: meno lavoro ripetitivo, strumenti che possono semplificare attività quotidiane, opportunità di aggiornare il proprio ruolo con mansioni più stimolanti creando efficienza. Raccontare casi di successo di colleghi o coetanei che hanno adottato l’AI con soddisfazione può aiutare a ridurre le resistenze perché l’AI diventi patrimonio comune e non motivo di divisione.

In sintesi, l’AI mette alla prova la cultura aziendale e sociale: costringe a far dialogare generazioni con visioni e competenze diverse. Ma se gestito bene, questo confronto può arricchire tutti. I giovani possono apprendere dai senior il pensiero critico e l’esperienza necessari per usare l’AI in modo veramente utile e responsabile; i senior possono imparare dai giovani la familiarità con gli strumenti digitali e quell’apertura mentale che permette di abbracciare le novità senza paura. Un approccio inclusivo, dove tutti si sentano parte del percorso di trasformazione, aiuterà le aziende e la società a trarre il meglio dall’intelligenza artificiale.

Impatto sui processi aziendali e sulla produttività
Qual è, in concreto, l’impatto dell’intelligenza artificiale sui processi aziendali? Negli ultimi anni le aziende hanno iniziato a integrare l’AI in una varietà di funzioni e processi, con risultati significativi in termini di produttività ed efficienza operativa. L’AI agisce sostanzialmente su più fronti: automazione delle attività ripetitive, analisi avanzata dei dati per supportare decisioni, personalizzazione di prodotti/servizi su larga scala, miglioramento della velocità e qualità di esecuzione di molti compiti.

Un primo grande ambito di impatto è l’automazione dei processi. I sistemi di Robotic Process Automation (RPA) potenziati con intelligenza artificiale possono svolgere compiti amministrativi routinari – inserimento dati, estrazione di informazioni da documenti, verifica di modulistiche – molto più velocemente e senza errori rispetto a un umano. Ciò libera tempo ai dipendenti, che possono dedicarsi ad attività meno noiose e più qualificanti. Ad esempio, in ambito finanziario, l’AI consente di automatizzare la registrazione delle fatture o il controllo incrociato di transazioni contabili; nel customer service, un assistente virtuale può gestire le richieste di base dei clienti 24 ore su 24. Questi chatbot o sistemi di risposta automatica riescono a risolvere problemi comuni (reset di password, tracking di spedizioni, FAQ commerciali) senza intervento umano, riducendo i tempi di attesa per i clienti e abbattendo i costi di gestione.

Un elemento spesso sottovalutato ma fondamentale affinché l’AI possa portare beneficio è la qualità dei dati aziendali. Si parla di dati machine readable, ovvero dati strutturati e organizzati in formati che le macchine possano leggere e interpretare facilmente. Se i dati sono sparsi in documenti cartacei, tabelle isolate o formati obsoleti, l’AI avrà difficoltà a essere efficace. Molte aziende stanno dunque investendo nella digitalizzazione e normalizzazione dei dati: centralizzare le informazioni in database ben disegnati, pulire i dataset da errori, assicurarsi che le diverse fonti (CRM, ERP, fogli di calcolo) parlino tra loro. Questo “lavoro dietro le quinte” è fondamentale perché un algoritmo di AI possa poi analizzare e utilizzare i dati in modo proficuo. Si dice spesso che “garbage in, garbage out”: se l’AI viene alimentata con dati di scarsa qualità, fornirà risultati scadenti. Al contrario, un’azienda data-driven con informazioni affidabili potrà usare l’AI per ottenere insight di alto valore e decisioni migliori.

Gli effetti tangibili di queste applicazioni si vedono in vari indicatori: riduzione dei tempi di ciclo, diminuzione degli errori, costi operativi più bassi e spesso miglioramento della qualità del servizio o prodotto finale. Uno studio condotto da economisti di Stanford e MIT ha ad esempio rilevato che gli operatori di call center aumentano la propria produttività mediamente del 14% quando utilizzano un’assistente AI conversazionale di supporto; l’incremento sale addirittura al 35% per gli operatori meno esperti, che grazie all’AI colmano più rapidamente le proprie lacune (L’impatto dell’intelligenza artificiale sulla produttività: analisi delle ricerche disponibili - Il Sole24Ore). Questo dimostra come l’AI possa agire anche da livellatore: aiutare chi ha meno esperienza a performare quasi quanto un esperto, fornendo suggerimenti e informazioni in tempo reale durante il lavoro. E guardando al potenziale futuro, secondo un’analisi di McKinsey fino al 50% delle attività di un call center potrebbe essere automatizzato grazie all’intelligenza artificiale, con un aumento di produttività stimato tra il 30% e il 45%, migliorando al contempo l’esperienza dei Clienti.

Uno sguardo al futuro: prossimi anni di AI
Guardando ai prossimi anni, possiamo aspettarci che l’intelligenza artificiale diventi ancora più pervasiva e potente, ma anche che emergano nuove sfide da affrontare sul piano tecnologico, energetico, geopolitico e di governance. 
Dal punto di vista tecnologico, assisteremo con ogni probabilità a sistemi di agenti AI sempre più generalisti e multimodali. Questo aprirà la strada a soluzioni oggi impensabili o troppo costose, democratizzando ulteriormente l’accesso all’AI.

Accanto a questi sviluppi positivi, c’è però la sfida energetica. I modelli di AI, specialmente quelli di grandi dimensioni, richiedono immense quantità di energia sia per il training iniziale sia per il loro funzionamento continuo. Se l’uso dell’AI si moltiplica in ogni settore, anche la domanda di energia dei data center crescerà esponenzialmente. Nei prossimi anni diventerà cruciale rendere l’AI sostenibile: questo significa sviluppare algoritmi più efficienti (in grado di ottenere gli stessi risultati con meno calcoli), hardware dedicato a minor consumo (chip specializzati, come le nuove GPU e TPU, o magari i primi accenni di quantum computing per l’AI), e soprattutto alimentare i data center con energie rinnovabili. Già oggi i giganti tech investono in parchi solari ed eolici per compensare l’impronta ecologica dei propri server.

Sul fronte geopolitico, l’AI è già oggi un terreno di competizione globale e lo sarà ancor di più. I prossimi 5-6 anni vedranno intensificarsi la cosiddetta “corsa all’AI” tra le grandi potenze. Stati Uniti e Cina sono in prima linea: da una parte le aziende americane (OpenAI/Microsoft, Google, Meta, Amazon…) dominano lo sviluppo dei modelli più avanzati e delle piattaforme cloud; dall’altra la Cina investe massicciamente in ricerca AI, educazione STEM e startup tech, con l’obiettivo dichiarato di diventare il leader mondiale entro il 2030. L’Europa, dal canto suo, pur non avendo colossi comparabili in termini di modelli proprietari, si sta muovendo con investimenti e regolamentazioni. 

L’AI del 2030 sarà (salvo sorprese) ancor più potente, integrata nelle nostre vite e probabilmente così diffusa da essere percepita come invisibile, parte del tessuto quotidiano – un po’ come oggi diamo per scontato internet o l’elettricità. 
Sta a noi fare in modo che questa “elettricità intelligente” illumini il futuro senza accecarci.

Condividi e partecipa alla discussione