Cosa resta umano quando l’AI diventa agente?

Ci stiamo avvicinando a passi veloci verso una trasformazione importante, un tema che investe i paradigmi organizzativi prima ancora che quelli tecnologici. Oggi, di fatto, definire l’Intelligenza Artificiale come un semplice tool di supporto alla produttività appare una lettura parziale, soprattutto in prossimità di una nuova era come quella dell’AI Agentica. 

Una nuova wave di trasformazione, ormai alle porte, che si diffonderà sempre più velocemente mentre le organizzazioni stanno ancora cercando di capire come sfruttare al meglio gli strumenti di generative AI di uso comune per aumentare la produttività dei propri dipendenti. Un rallentamento spesso dovuto alla mancanza di una strategia ben definita e di una visione di medio periodo, che difficilmente può funzionare senza aver adottato un chiaro modello di governance attraverso il quale ridisegnare strategie di business e processi core.

Per comprendere il salto di qualità in atto, serve distinguere tra l'AI generativa a cui ci siamo abituati in questi mesi (i chatbot come ChatGPT, Gemini o Claude, tool che agiscono come brillanti consulenti capaci di scrivere testi o analizzare dati più o meno complessi) e l'AI agentica. Alla prima ci rivolgiamo in una logica di copiloting: siamo noi a mantenere il controllo del processo, a dire di volta in volta esattamente cosa fare - che sia scrivere una mail, riassumere un documento o analizzare una tabella - e a valutare ogni risposta prima di procedere. L'AI agentica, invece, istruita con indicazioni chiare sull'obiettivo finale, sulla knowledge base da cui attingere e sull'operatività da seguire, è in grado di concatenare più passaggi e svolgere autonomamente task complessi, che richiedono capacità decisionali più o meno profonde.

Il grado di autonomia non è sempre lo stesso, bensì varia in base al modello di supervisione adottato: da quello che viene definito human-in-the-loop, dove l'umano approva ogni passaggio critico, a quello human-on-the-loop, dove l'agente opera in autonomia e l'umano interviene solo su checkpoint o eccezioni, fino allo human-out-of-the-loop, dove vengono gestiti interi flussi di processo e la supervisione diventa ex-post. Il cambiamento non è più dunque nella capacità di rispondere, ma nella capacità di agire, in modo strutturato e contestuale, per conto dell'uomo.

In questo nuovo scenario i sistemi non si limitano più a eseguire istruzioni passive ma evolvono verso forme di automazione capaci di pianificare e supportare processi decisionali complessi, con un grado di autonomia che sta progressivamente crescendo.

A differenza dei modelli generativi testuali, i nuovi sistemi intelligenti descritti dalle recenti analisi e ricerche - come nel caso di quelle realizzate da IBM - non si limitano a rispondere a un prompt ma cominciano a negoziare, sono capaci di ottimizzare la supply chain in tempo reale e cercando modi per allocare risorse. E allora nasce spontanea la domanda: dobbiamo considerare quelli che stiamo vivendo dei mesi di transizione e sperimentazione o già la realtà? La cosa su cui possiamo concordare è che la larga maggioranza degli sviluppatori sta già esplorando e interagendo con questa nuova varietà di intelligenza artificiale, sebbene manchi ancora tempo per vedere raggiunta la piena autonomia decisionale. Con i prossimi salti tecnologici nel ragionamento contestuale e nella gestione dei casi limite potremmo trovarci di fronte a quanto previsto, ad esempio, dalle analisi di Gartner:

«Entro il 2028, l'AI agentica gestirà almeno il 15% delle decisioni lavorative quotidiane che oggi richiedono l'intervento umano, operando come parte di una forza lavoro sintetica».

Oggi, dunque, per la C-Suite la sfida non è più legata soltanto alla valutazione del ROI di una singola adozione tecnologica, ma risiede in una parziale riconfigurazione del proprio mandato, in organizzazioni che diventeranno ibride, ovvero composte da esseri umani e ai con logiche di collaborazione ancora da definire. In un ecosistema in cui la macchina evolve da mero esecutore assistenziale ad agente decisionale semi autonomo, i leader saranno chiamati, in un futuro prossimo, a gestire una delega di autorità senza precedenti.

All’interno di questa nuova architettura si ridefinisce oggi l'essenza stessa della leadership. Con gli agenti AI capaci di assorbire il carico del decision making basato su dati e schemi predittivi, l’azione umana si sposta verso il sense making. Per i leader moderni si tratta di cominciare a “definire il perché”, contestualizzando l’azione dell’AI e degli algoritmi all’interno delle proprie organizzazioni. 

A questa capacità di dare significato, si affianca un secondo pilastro parimente importante, la clarity. Parliamo dell’efficienza e dell’eccellenza operativa generate dalle diverse AI lungo tutta la catena del valore. Si produce così un effetto paradossale ma prezioso, importante: si libera così del tempo cognitivo, tempo di qualità che i leader possono sfruttare per dedicarsi ad attività di pensiero strategico e di indirizzo. In un panorama contemporaneo sempre più veloce e algoritmico, il vertice diventa colui che riesce a distillare la complessità in una visione nitida, trasformando l'efficienza tecnologica in direzione politica e strategica per l'intera organizzazione. I leader del futuro dovranno così gestire nuove responsabilità, assumendosi l’onere reputazionale ed etico di decisioni che impatteranno su stakeholder reali, oltre a dover decidere anche dove non esistono dati storici o i segnali sono ancora deboli. 

La sfida della "Scatola Nera" e il collasso dell'efficienza competitiva

Un punto di eccellenza nella figura del leader moderno è stato rappresentato, negli ultimi decenni, da quella capacità tutta umana di processare informazioni scarse traendone comunque una direzione strategica. È qui che l’AI sta prendendo lo spazio di miglioramento che un tempo era umano, saturandolo, grazie alla capacità di simulare rapidamente migliaia di scenari probabilistici. Così si costruiscono nel tempo nuovi standard con cui noi umani dovremo capire come competere.

Dobbiamo però tenere conto di come la supremazia computazionale della macchina porti con sé un’insidia critica, quella che la comunità scientifica definisce come “Opacity Problem”. Alcuni studi evidenziano, infatti, come l'emergere di comportamenti imprevedibili, definiti "comportamenti emergenti", nei modelli più complessi renda spesso impossibile tracciare il percorso logico che ha portato a un determinato output.

Il rischio, per il Top Executive, è quello di rimanere ancorato a una competizione sul terreno dell’efficienza pura, dove la velocità della macchina è ormai difficile da eguagliare. In questo scenario, il pericolo non è tanto la sostituzione, quanto lo slittamento verso un ruolo di semplice validatore di processi automatizzati. La vera leadership "aumentata" emerge invece nella capacità di governare la complessità che ci accingiamo ad affrontare, compiendo il passaggio dalla gestione tecnica del semplice dato alla governance della fiducia. Al leader del futuro potrebbe non essere più richiesto di decodificare ogni singolo passaggio computazionale dell’algoritmo, ma di esercitare il giudizio critico necessario per stabilire se l'output sia coerente con il perimetro etico e l'ambizione strategica dell'organizzazione di cui fa parte.

Il nuovo valore della leadership risiede nella capacità di dare significato

Come riportato da un recente approfondimento di McKinsey, l’AI ha la capacità di risolvere problemi complessi, certo, ma non ha possibilità, a monte, di stabilire quali valga la pena risolvere. Quest’ultimo aspetto sembra rientrare nella sfera della capacità umana, è solo con la contestualizzazione dei dati e degli input all’interno di una data cultura aziendale che si può capire dove intervenire. Il leader non è più soltanto un possessore di risposte, oggi è piuttosto la persona capace di trovare le domande giuste, orientando l'algoritmo verso una visione etica e più strettamente connessa ai needs aziendali.

Nel moderno ecosistema informativo e decisionale, dove le macchine assumono gradualmente sempre più compiti operativi, la leadership può rifugiarsi in tre pilastri prettamente umani e non delegabili che vedono competenze già note acquisire oggi una rilevanza senza precedenti: l'intelligenza sociale e relazionale, necessaria per gestire l'impatto umano delle decisioni e preservare la coesione organizzativa interna; l'intelligenza sistemica, capacità fondamentale per navigare l'incertezza del futuro e leggere il contesto nel suo insieme laddove i dati storici falliscono; e la responsabilità radicale, poiché l'uomo soltanto può farsi garante legale ed etico delle azioni compiute, definendone l'intento ultimo. Sono queste doti a diventare i nuovi parametri selettivi che definiscono l’identikit dei leader di domani, chiamati a potenziare ciò che già conosciamo per governare ciò che l'algoritmo non può né sentire, né rischiare.

Dall’autonomia tecnologica alla gestione della forza lavoro ibrida

Questa evoluzione ridefinisce il modello operativo aziendale, segnando il passaggio da un' AI che suggerisce a un' AI che esegue. La capacità delle AI di pianificare e interagire, raggiungendo obiettivi complessi, riscrive il rapporto di forze e pesi all'interno delle dinamiche aziendali. In questo scenario, la leadership non deve solo "adottare" la tecnologia, ma deve evolvere verso una nuova funzione organizzativa. Come evidenziato dalla Harvard Business Review, ogni manager sarà chiamato a gestire contemporaneamente collaboratori umani e agenti AI, governando una workforce ibrida in cui i confini tra le due componenti saranno sempre più fluidi. Non si tratta di una competenza riservata a figure specializzate, ma di una capacità trasversale e imprescindibile: quella di un direttore d'orchestra capace di valorizzare ogni elemento del proprio team, che sia esso umano o artificiale, orientandolo verso un obiettivo comune.

In questo nuovo modello organizzativo, futuro e non ancora del tutto formato, il leader aumentato gestisce squadre composte da pochi professionisti ad alto valore aggiunto e vari agenti specializzati, mantenendo una supervisione attiva per evitare l'atrofia decisionale. Il successo di questo modello e del futuro della leadership di domani sembra risiedere nella capacità di scalare i processi senza perdere il controllo umano, garantendo che l'autonomia della macchina resti sempre coerente con il perimetro etico e l'agilità strategica dell'impresa.