Blog La vera sfida dell'AI è la leadership, non il recruiting

Quando i progetti di AI si bloccano, la maggior parte delle organizzazioni corre alla stessa conclusione: servono più risorse. Sembra logico. Se il problema è un gap di competenze, la soluzione è assumere. Ma questa diagnosi è incompleta e agire solo su quella è costoso.

Il vero ostacolo, nella maggior parte dei casi, non è l'assenza di specialisti AI. È l'assenza di una leadership chiara, di un'esecuzione disciplinata e di un allineamento organizzativo. Il McKinsey State of AI 2025 ha rilevato che il principale freno alla scalabilità non sono i dipendenti, ma i leader che non guidano il cambiamento con sufficiente velocità. Il gap di competenze esiste e conta: il World Economic Forum stima che il 63% dei datori di lavoro lo consideri una barriera rilevante alla trasformazione ma le competenze da sole non producono risultati senza una leadership che le indirizzi.

Le aziende non vincono con l'AI perché hanno assunto qualche data scientist o prompt engineer. Vincono perché i loro executive definiscono la direzione, stabiliscono le priorità, ridisegnano i processi, costruiscono fiducia e guidano il cambiamento in tutta l'organizzazione. La ricerca McKinsey identifica esplicitamente la supervisione del CEO sulla governance AI come uno dei fattori più correlati a un impatto concreto sul risultato economico.

Se la tua organizzazione continua a parlare di skill gap ma non riesce ad andare oltre i progetti pilota, questo articolo spiega perché e cosa fare.

Perché la leadership AI conta più del recruiting

La leadership definisce la direzione dell'adozione AI

L'AI non fallisce perché a un'azienda mancano le idee. Fallisce perché nessuno ha risposto alle domande fondamentali: Quale problema stiamo risolvendo? Quali use case contano di più? Chi è responsabile del risultato? Come verrà misurato il valore? Quali rischi sono accettabili?

Sono domande di leadership, non di recruiting. Senza una direzione chiara da parte del management, l'attività AI si frammenta. Un team acquista strumenti. Un altro avvia esperimenti. Un terzo testa i copilot. Niente di tutto ciò si traduce in impatto strategico.

Le organizzazioni che creano davvero valore dall'AI si comportano diversamente: elevano la governance, assegnano ownership senior, definiscono roadmap e misurano KPI legati ai risultati di business, non alla novità tecnologica. Il sondaggio McKinsey 2025 indica il coinvolgimento della leadership, la governance, le roadmap a fasi, il ridisegno dei processi e il monitoraggio delle performance come le pratiche manageriali più associate alla creazione di valore.

Un buon leader AI non parte dalla domanda "Chi dobbiamo assumere?". Parte dalla domanda "Dove può l'AI creare valore misurabile, e cosa deve cambiare perché quel valore si realizzi?"

La leadership crea le condizioni per scalare

Il recruiting può far partire un pilota. La leadership è ciò che permette all'AI di scalare.

A quella scala, l'adozione AI dipende da decisioni che stanno ben al di sopra del livello tecnico: allocazione del budget, governance, allineamento cross-funzionale, formazione, comunicazione del cambiamento, ridisegno dei processi, revisione legale, soglie di rischio e adozione operativa. Secondo McKinsey, più di tre quarti delle organizzazioni usa già l'AI in almeno una funzione aziendale eppure solo una piccola minoranza si considera matura. Quel divario esiste perché adottare è più facile che integrare. Scalare richiede ai leader di ridisegnare il modo in cui il lavoro viene davvero svolto.

Adozione guidata dal recruiting vs adozione guidata dalla leadership

Perché il gap di competenze AI è solo una parte del problema

Assumere da solo non risolve i problemi di esecuzione

Il gap di competenze AI è reale. Il World Economic Forum stima che il 63% dei datori di lavoro lo consideri una barriera significativa alla trasformazione nel periodo 2025-2030, e l'85% prevede di dare priorità all'upskilling. Il 70% prevede anche di assumere personale con nuove competenze.

Ma assumere non è la risposta principale.

Lo studio IBM 2024 sui CEO ha rilevato che il 58% dei CEO intervistati stava assumendo per ruoli di AI generativa che non esistevano l'anno precedente eppure più della metà non aveva ancora valutato l'impatto della tecnologia sulla propria forza lavoro. Molte organizzazioni aggiungono talenti prima ancora di aver chiarito le implicazioni operative, gli effetti culturali o le esigenze di gestione del cambiamento.

Le nuove assunzioni entrano in ambienti poco definiti. Competenze tecniche solide, ma nessuno sponsor executive. Nessun portfolio di use case prioritizzato. Nessuna metrica di successo condivisa. Nessuna autorità per modificare i processi nelle diverse business unit. Il talento finisce intrappolato nella sperimentazione invece di guidare la trasformazione.

Il problema reale è la prontezza organizzativa

La prontezza organizzativa è ciò che separa l'ambizione AI dall'esecuzione AI.

Un'organizzazione pronta ha allineamento della leadership, governance, dati affidabili, use case prioritizzati, disciplina di budget, piani di change management, controlli sul rischio e manager che sanno come integrare l'AI nel lavoro quotidiano. Un'organizzazione non pronta può comunque assumere aggressivamente ma farà fatica ad assorbire le capacità che sta acquistando.

Come McKinsey sottolinea, la sfida dell'AI in azienda non è principalmente tecnologica. È una sfida di business che richiede ai leader di allineare i team, affrontare le resistenze all'adozione e riprogettare l'organizzazione per il cambiamento. In molte realtà, il gap più grande non è nelle competenze. È nella distanza tra ambizione AI e prontezza della leadership.

Il change management AI è decisivo per l'adozione

Perché le persone resistono al cambiamento indotto dall'AI

I leader tendono a interpretare la resistenza all'AI come paura della tecnologia. Di solito è qualcosa di molto più pratico.

Le persone resistono quando non capiscono perché l'AI viene introdotta, come cambierà il loro ruolo, cosa significa usarla bene, o se la leadership ha davvero pensato a qualità, equità e rischio. McKinsey ha rilevato che una parte significativa dei dipendenti è preoccupata dall'AI sul posto di lavoro, mentre i timori su inaccuratezza e cybersecurity restano diffusi. La ricerca IBM ha evidenziato anche che molti CEO stanno spingendo sull'adozione più velocemente di quanto i dipendenti siano a proprio agio.

La resistenza cresce quando le organizzazioni promettono troppo. Presentare l'AI come uno strumento miracoloso e poi consegnare processi confusi, output scadenti e policy poco chiare fa crollare la fiducia molto rapidamente.

Come si presenta un change management AI efficace

Un change management AI efficace non è una singola sessione di formazione al momento del lancio. È un programma strutturato che accompagna l'intera durata di un'iniziativa.

BCG raccomanda un piano di cambiamento olistico che includa una narrativa motivante, guardrail solidi, sviluppo delle competenze di base e chiarezza sull'impatto sulle persone. McKinsey indica gli stessi ingredienti: comunicazione regolare sul valore, formazione basata sui ruoli, meccanismi di feedback, roadmap definite e incentivi che rafforzino l'adozione.

In pratica, significa:

• Spiegare perché l'iniziativa conta per il business — non solo per il team IT
• Mostrare come il lavoro cambierà a livello di ruolo, non solo a livello organizzativo
• Formare i manager, non solo gli utenti finali
• Ridisegnare i processi invece di sovrapporre l'AI a processi già disfunzionali
• Definire governance e regole di utilizzo prima del deployment
• Misurare adozione e valore di business insieme, non separatamente

Quando il change management AI è debole, le persone vivono l'AI come una disruption che viene fatta su di loro. Quando è solido, la percepiscono come una capacità costruita con loro. Questa differenza determina se l'adozione regge nel tempo.

Cosa include davvero una strategia di trasformazione AI

Oltre la lista della spesa tecnologica

Una strategia di trasformazione AI solida non è un elenco di strumenti da acquistare. È un piano operativo per creare valore. Come minimo, deve definire:

Perché la strategia fallisce senza allineamento della leadership

Molte strategie AI sembrano solide sulla carta e falliscono nell'esecuzione perché il team di leadership non è allineato. Il CIO vuole coerenza di piattaforma. I business leader vogliono velocità. Il legal vuole controlli più stringenti. HR non è stato coinvolto per tempo. Il finance vuole prove prima di impegnare il budget. Nessuna di queste posizioni è irragionevole, il problema nasce quando nessuno risolve i trade-off.

La ricerca IBM sui CEO ha rilevato che la qualità della collaborazione tra finance e tecnologia è direttamente correlata al successo AI, eppure molti CEO segnalano che la competizione tra executive ostacola questa collaborazione. La stessa ricerca ha evidenziato che il cambiamento culturale viene spesso considerato più importante delle sfide tecniche nel diventare un'organizzazione data-driven.

Una strategia di trasformazione AI non riguarda solo cosa costruire. Riguarda allineare l'organizzazione su come avverrà il cambiamento, chi prende le decisioni e cosa significa avere successo.

I comportamenti di leadership che fanno la differenza

Definire una visione chiara e credibile

Una leadership AI solida parte da una visione che connette l'AI a un futuro concreto per il business, non slogan sull'innovazione o vaghi impegni a "sfruttare" la tecnologia. I leader capaci di articolare dove sta andando l'azienda e perché l'AI è rilevante per quella destinazione creano le condizioni per un allineamento reale.

Costruire allineamento tra le funzioni

L'AI attraversa le funzioni aziendali per definizione. La leadership a silos è fatale.

Gli executive hanno bisogno di priorità condivise, linguaggio condiviso e accountability condivisa. I business leader devono co-possedere gli use case con i team tecnologici. HR deve capire l'impatto sui ruoli per tempo, non essere consultato dopo il deployment. Risk e legal non possono essere coinvolti all'ultimo. Il finance deve contribuire a definire la logica del ROI fin dal primo giorno.

I migliori leader AI agiscono da integratori. Rimuovono le frizioni tra le funzioni invece di lasciare che ciascuna ottimizzi per sé.

Guidare il cambiamento culturale, non solo la delivery tecnica

La cultura è il luogo in cui molti programmi AI silenziosamente riescono o falliscono. Se i manager penalizzano la sperimentazione, i team nasconderanno i problemi. Se gli executive non usano mai l'AI in prima persona, il programma viene percepito come una formalità. Se gli incentivi premiano solo i risultati a breve termine, nessuno investirà nel ridisegnare i processi.

Fare leadership nell'AI significa modellare nuovi comportamenti: fare domande migliori, premiare l'apprendimento, rendere normale la sperimentazione responsabile. Significa anche essere onesti. Alcuni ruoli cambieranno. Alcuni processi scompariranno. Alcune competenze dovranno essere ricostruite. Evitare queste conversazioni non le fa sparire, crea solo più resistenza in futuro.

Come passare da un'adozione centrata sul recruiting a una guidata dalla leadership

1. Partire dagli obiettivi di business, non dai profili da assumere

Non cominciare con "Ci serve un AI lead, un ML engineer e uno specialista di prompt." Inizia dal problema di business.

Chiediti: Quali decisioni sono lente, costose o inconsistenti? Quali processi hanno più attrito? Dove potrebbe l'AI migliorare qualità, velocità o margine? Qual è il valore misurabile se lo facciamo bene? Una volta chiari gli use case, le decisioni sul talento diventano molto più precise.

2. Rafforzare l'ownership executive

Ogni iniziativa AI significativa ha bisogno di un executive owner nominato, con autorità trasversale ai silos: responsabile di valore, adozione e governance, non solo di delivery. I dati del McKinsey State of AI 2025 mostrano che la supervisione del CEO sulla governance AI è associata a un impatto più forte sul risultato economico. L'AI non può stare ai margini dell'attenzione della leadership.

3. Integrare il change management AI fin dal primo giorno

Non trattare il cambiamento come un workstream di comunicazione aggiunto vicino al lancio. Integralo dall'inizio: assessment dell'impatto a livello di ruolo, abilitazione dei manager, messaggi su governance e utilizzo, formazione per persona, feedback loop e metriche di adozione affiancate alle metriche di ROI. È qui che la maggior parte dei programmi AI guadagna o perde slancio.

4. Creare una strategia di trasformazione AI chiara

Documenta la logica della trasformazione: cosa sta cambiando, perché adesso, in quale ordine, con quali owner, misurato da cosa. Una roadmap sintetica su una pagina supera quasi sempre un documento di strategia troppo elaborato. La chiarezza batte la complessità.

5. Trattare il talento come un abilitatore, non come l'intera soluzione

Il talento conta. Assumere conta. L'upskilling conta, assolutamente. Ma il talento deve supportare una strategia, non sostituirla. Le organizzazioni più efficaci combinano hiring selettivo con sviluppo interno delle competenze, ridisegno dei processi, governance e allineamento della leadership. I dati del World Economic Forum confermano questa visione più ampia: i datori di lavoro non stanno solo assumendo, stanno dando priorità all'upskilling e alle transizioni di ruolo.

Il successo dell'AI sarà deciso dalla leadership

Le aziende che avranno successo con l'AI non saranno necessariamente quelle che hanno assunto più velocemente. Saranno quelle che hanno guidato con più chiarezza.

Definiranno le priorità di business giuste, allineeranno il team executive, ridisegneranno il lavoro, costruiranno fiducia e supporteranno le persone nel cambiamento. Useranno il talento come moltiplicatore di forza non come sostituto della strategia. E capiranno che una strategia di trasformazione AI è, nella sua essenza, una sfida di leadership.

Smetti di chiederti solo "Chi dobbiamo assumere?" Inizia a chiederti "Come voglio che cambi questo business e sono pronto a guidare quel cambiamento bene?"