Usare l’AI per scrivere più velocemente o sintetizzare dei documenti in pochi minuti è quella che chiamiamo “adozione tecnologica”, ma ridisegnare un processo affinché alcuni passaggi vengano eliminati è un’altra cosa. È in questa distanza che prende forma l’organizzazione agentica, un modello in cui i sistemi autonomi non si limitano ad assistere le persone nel loro lavoro, ma possono pianificare ed eseguire intere sequenze di attività all’interno di regole date, soglie di rischio fissate e responsabilità definite.
È un tema che Radical HR, azienda di consulenza e formazione nel settore delle risorse umane che lavora sulla trasformazione delle organizzazioni, ha inserito tra le sfide dei Future of Work Trends 2026.
Ne abbiamo parlato con Valeria Cossalter, Chief Marketing Officer di Radical HR, per capire cosa cambia nel momento in cui l’intelligenza artificiale entra nell’architettura stessa del lavoro. È da qui che si aprono questioni che riguardano direttamente HR e management: la mappatura delle competenze, il confine tra autonomia e supervisione umana, la responsabilità delle decisioni e il modo in cui misuriamo il valore prodotto dal lavoro.
Oggi molte aziende dichiarano di utilizzare l’intelligenza artificiale, ma qual è il confine tra una semplice adozione di strumenti generativi e una vera trasformazione organizzativa?
L’adozione di strumenti è una voce di spesa IT; la trasformazione organizzativa è la riscrittura del modello operativo.
Il confine è netto: l’adozione avviene quando distribuisci licenze Copilot o ChatGPT ai dipendenti sperando che lavorino “più veloci”. In questo scenario, l’architettura aziendale resta intatta: stessi organigrammi, stessi passaggi di consegne, stesse catene approvative, stesse riunioni di allineamento. L’unica differenza è che le persone producono documenti e slide più velocemente, aumentando il rumore di fondo.
Si ha una vera trasformazione organizzativa solo quando l’ingresso della tecnologia ridisegna il flusso del valore, ovvero quando cambiano le regole con cui le decisioni vengono prese, le responsabilità vengono assegnate e i processi attraversano l’azienda. Se il modo in cui l’informazione viaggia tra i reparti non cambia, hai soltanto digitalizzato la burocrazia a un costo di licenza più alto.
Scrivere email più velocemente o sintetizzare documenti produce efficienza, ma non necessariamente innovazione. Qual è il primo segnale che dimostra che un’azienda sta realmente ridisegnando i propri flussi?
La cancellazione fisica di un nodo di processo. La trasformazione non si misura per velocizzazione, ma per sottrazione.
Se una persona impiega 10 minuti anziché 40 per sintetizzare un report, l’azienda ha ottenuto un micro-recupero di tempo individuale che verrà immediatamente riassorbito da altra operatività. Il primo segnale reale di re-ingegnerizzazione si verifica quando sparisce un’azione di coordinamento: un passaggio di approvazione eliminato, una firma burocratica tolta, una riunione d’allineamento cancellata perché le informazioni fluiscono già validate.
Ridisegnare un flusso significa guardare la mappa dei processi e chiedersi: “Quale nodo di questo flusso possiamo eliminare del tutto grazie alla tecnologia?” L’innovazione comincia quando l’output non passa più da una verifica manuale, ma fluisce direttamente al passaggio successivo.
Cos’è l’organizzazione agentica? E in cosa si distingue da un’impresa che usa automazioni tradizionali o assistenti AI?
Esiste una progressione netta in tre stadi. Il primo è quello dell’automazione tradizionale (RPA), che funziona come un binario rigido: esegue istruzioni deterministiche (if/then) e, se il dato in ingresso devia anche di un millimetro dallo standard, il sistema si blocca.
Il secondo stadio è quello dell’assistente AI (Copilot), una sorta di stampella passiva che vive all’interno dell’interfaccia dell’utente e attende un comando (prompt). Aumenta la velocità di chi lo usa, ma richiede una costante supervisione umana, passaggio per passaggio.
Il terzo stadio è quello dell’organizzazione agentica, cioè una rete di sistemi autonomi orientati all’obiettivo. All’agente non viene assegnato un task lineare, ma un traguardo di business, per esempio: “Valida questo fornitore, verifica la compliance contrattuale e aggiorna il budget”. L’agente pianifica autonomamente la sequenza di azioni, interroga le banche dati, corregge le proprie deviazioni ed esegue il flusso.
Un’impresa è agentica quando sposta il ruolo dell’umano da esecutore di fasi intermedie a orchestratore di sistemi autonomi.
Da quale domanda dovrebbe partire un’azienda che vuole riprogettare un processo? Dalla tecnologia disponibile, dai risultati attesi o dal valore che le persone possono generare?
Da nessuna di queste tre. Quelle opzioni portano immancabilmente agli stessi errori: la tecnologia genera progetti pilota inutili, i risultati attesi generano fogli Excel teorici, il “valore delle persone” produce retorica motivazionale.
Un’azienda deve partire dalla domanda di sottrazione architetturale: “Se un sistema agentico si facesse carico del 100% dell’esecuzione, del coordinamento e del passaggio dati in questo processo, quale nodo irriducibile di giudizio, responsabilità e relazione umana rimarrebbe?”
Solo dopo aver isolato questo nucleo umano si risale all’infrastruttura sottostante: qual è il modello di competenze necessario per governare quel nodo? Questo è il punto in cui l’AI incontra la Skills-Based Organization: non puoi progettare flussi agentici se prima non hai mappato l’organizzazione per competenze reali anziché per mansioni statiche.
Quando un agente artificiale è in grado di pianificare ed eseguire autonomamente una sequenza di attività, come cambiano il ruolo, le competenze e le responsabilità delle persone coinvolte?
Crolla definitivamente il valore dell’esecutività e del coordinamento. Per decenni, interi strati aziendali hanno fondato il proprio status sull’essere intermediari di informazioni: raccogliere dati, sollecitarli, unirli in un report e passarli al livello superiore. Gli agenti azzerano questo ruolo.
Il ruolo transita da “operatore di processo” a “orchestratore di sistema”. L’umano non svolge più il lavoro, ma gestisce le regole con cui l’algoritmo lo svolge.
Le competenze spostano il baricentro sulle hard skill di governance, come la progettazione di parametri, la gestione delle eccezioni e la contestualizzazione dei dati, e sulle core skill umane, come il pensiero critico, la negoziazione e il giudizio etico.
La responsabilità non è più legata alla corretta esecuzione della mansione, per esempio “Ho inviato la mail”, ma alla perimetrazione dei limiti operativi dell’agente (guardrails) e alla validazione degli output nei casi complessi.
Quali attività possono essere affidate agli agenti AI e quali, invece, dovrebbero rimanere prevalentemente sotto la responsabilità umana?
La separazione non segue la distinzione convenzionale tra “lavoro manuale” e “lavoro intellettuale”, ma quella tra contesto stabile e gestione dell’eccezione.
Agli agenti AI possono essere affidate tutte le attività ricche di dati, multi-step, ad alta frequenza e basate su regole formalizzabili, anche quando sono complesse. Rientrano in questa categoria, per esempio, la riconciliazione finanziaria, il primo screening tecnico dei profili, il monitoraggio della compliance, la gestione delle anomalie di supply chain e la stesura iniziale di documentazione tecnica.
Sotto responsabilità umana restano invece la gestione delle eccezioni ad alto impatto, la negoziazione politica tra stakeholder, la gestione di crisi relazionali profonde, le decisioni strategiche in assenza di uno storico di dati e la responsabilità legale e morale dell’impatto delle decisioni sulle persone.
Il ridisegno dei flussi può liberare il potenziale delle persone, ma può anche generare timori e resistenze. Come si coinvolge l’organizzazione senza presentare l’AI come una minaccia o come una soluzione imposta dall’alto?
Azzerando le lezioni frontali, i webinar teorici e i proclami della direzione IT. La resistenza nasce da due fattori: l’astrazione del concetto e la sensazione che la tecnologia serva a misurare o sostituire le persone.
Il coinvolgimento reale avviene sui tavoli di lavoro, lavorando con strumenti di co-design visuali sui processi reali delle persone. Quando fai mappare al team il proprio flusso di lavoro quotidiano e gli chiedi di applicare gli adesivi sui punti che generano burocrazia, micro-controlli e lavoro ripetitivo, la prospettiva cambia.
L’AI smette di essere percepita come la minaccia del top management e diventa lo strumento che assorbe il carico tossico del lavoro. L’adozione non si impone con la change management tradizionale: si ottiene dimostrando che la tecnologia libera il tempo per il lavoro a reale impatto.
Il manager di un’organizzazione ibrida deve controllare meno attività operative e progettare meglio il contesto. Quali capacità di leadership mancano maggiormente oggi nelle aziende italiane?
Manca la cultura dell’architettura organizzativa, a favore del feticcio del controllo visivo. La scuola manageriale prevalente è stata costruita sulla verifica della presenza, sulla misurazione del tempo speso e sul micro-management delle attività.
Nelle aziende mancano tre capacità fondamentali. La prima è la skill governance, cioè la capacità di mappare, sviluppare e orchestrare i team in base alle competenze reali (skills), anziché ai titoli di studio o alla collocazione nell’organigramma.
La seconda è la progettazione per guardrails, ovvero la capacità di definire perimetri di autonomia chiari, per le persone e per gli agenti AI, all’interno dei quali lasciare totale libertà operativa, intervenendo solo sull’eccezione.
La terza è la misurazione dell’impatto: saper valutare il lavoro per la densità di valore prodotta sullo scorrimento del flusso, anziché per il volume di attività svolte o per le ore trascorse in ufficio.
Ci racconta un esempio concreto, anche anonimizzato, di un processo completamente ripensato attraverso gli agenti AI, e non soltanto reso più veloce?
Consideriamo il processo di Recruiting & Onboarding in un’azienda di servizi complessa.
Nell’approccio tradizionale “velocizzato”, l’azienda usa l’AI generativa per scrivere gli annunci più rapidamente e un software ATS per scartare i CV sulla base di parole chiave. Il processo, però, resta identico: l’HR deve comunque svolgere i colloqui di filtro, raccogliere i documenti e coordinare le date di ingresso.
Nel processo ripensato in logica agentica, invece, l’agente AI analizza continuamente i gap di competenze all’interno dei team di progetto e rileva in autonomia la necessità di un nuovo ingresso. Genera quindi una prova pratica su misura, basata su un problema reale dell’azienda, valuta l’esecuzione del candidato e predispone il report per l’HR.
Una volta firmato il contratto, un secondo agente pianifica l’intero percorso di onboarding: alloca le licenze software, richiede la dotazione hardware, assegna i moduli formativi personalizzati sui gap del candidato e fissa i check-in sul calendario del manager.
L’HR e il manager non toccano un singolo foglio né coordinano alcuna agenda: concentrano il 100% del proprio tempo sui colloqui di allineamento culturale, sulla motivazione e sul coaching della risorsa.
Come si misura il valore prodotto da una trasformazione agentica e come si governa la responsabilità quando un agente prende decisioni o compie azioni in autonomia?
Bisogna eliminare la metrica vanitosa delle “ore risparmiate”. Il valore di una trasformazione agentica si misura su tre KPI sistemici.
Il primo è il lead time del processo, cioè la riduzione drastica del tempo totale che serve a un’idea, un ordine o una richiesta per attraversare l’azienda dall’inizio alla fine.
Il secondo è il tasso di scalabilità, ovvero la capacità dell’organizzazione di raddoppiare i volumi operativi senza dover aumentare in modo lineare il numero di risorse dedicate alla burocrazia.
Il terzo è lo zero errori d’esecuzione, quindi l’azzeramento dei tempi morti causati da sviste umane nel passaggio di dati tra un sistema e l’altro.
A questi si affianca la governance della responsabilità, che si governa con il modello Human-on-the-loop basato su soglie di rischio chiare. L’agente operante non ha libertà illimitata, ma agisce entro parametri di confidenza predefiniti. Se l’indice di incertezza di una decisione supera il limite stabilito, per esempio nel caso di un rimborso sopra una certa soglia o di una deviazione dai contratti standard, il sistema blocca l’azione autonoma e ingaggia l’operatore umano, proponendogli la decisione con il relativo contesto. La responsabilità resta sempre in capo all’umano che ha progettato i parametri dell’agente e che ne valida le deviazioni.
