Dati riservati caricati su strumenti non autorizzati e valutazioni manomesse mostrano il divario tra l’adozione annunciata dalle aziende e quella vissuta ogni giorno dai dipendenti.
Quasi un lavoratore su tre avrebbe aggirato oppure ostacolato la strategia AI della propria azienda. Il 29% citato da Tom’s Hardware Italia è un dato abbastanza forte da spostare la discussione: distribuire strumenti e scrivere policy non significa aver costruito un’adozione reale.
La parola “sabotaggio” è esplosiva. Dentro questa definizione rientrano comportamenti diversi, tra cui il caricamento di dati riservati su servizi non autorizzati e la manomissione delle valutazioni di performance. Il primo caso richiama il fenomeno della shadow AI, cioè l’uso di applicazioni scelte autonomamente dai dipendenti. Il secondo segnala un conflitto più diretto con processi e criteri introdotti dall’organizzazione.
Il punto interessante sta proprio nella distanza tra strategia ufficiale e pratica quotidiana. Un’azienda può acquistare licenze, presentare un assistente interno e pubblicare linee guida dettagliate. Se il sistema approvato risulta scomodo, poco chiaro o scarsamente utile, le persone cercheranno percorsi più rapidi. L’AI rende questo scarto particolarmente visibile perché gli strumenti alternativi sono accessibili in pochi secondi.
La governance efficace deve quindi diventare concreta. I dipendenti devono sapere quali piattaforme possono utilizzare, quali informazioni possono inserire e in quali attività serve una verifica umana. Servono anche soluzioni aziendali capaci di competere con la semplicità dei prodotti disponibili sul mercato. Una regola difficile da applicare finirà facilmente per essere aggirata.
C’è poi il tema della partecipazione. L’introduzione dell’AI modifica procedure, responsabilità e criteri di valutazione. Quando questi cambiamenti arrivano dall’alto senza una spiegazione comprensibile, cresce la distanza tra chi progetta la trasformazione e chi deve usarla. Coinvolgere i lavoratori nella scelta dei casi d’uso permette di individuare prima gli attriti e di distinguere le automazioni utili da quelle che aggiungono soltanto passaggi.
Le valutazioni di performance meritano un’attenzione specifica. Un sistema percepito come opaco o arbitrario incentiva comportamenti difensivi e tentativi di alterarne il risultato. Criteri leggibili, tracciabilità delle decisioni e responsabilità umana aiutano a trasformare l’AI in uno strumento operativo credibile invece che in un meccanismo da decifrare.
La lezione riguarda anche chi sviluppa software aziendale. Sicurezza e controllo restano requisiti centrali, mentre l’esperienza d’uso decide spesso il successo quotidiano del prodotto. Se per completare un’attività servono troppi passaggi, gli utenti troveranno una scorciatoia. La qualità di un sistema enterprise si misura anche dalla sua capacità di rendere il comportamento corretto quello più semplice.
Il 29% non racconta il fallimento inevitabile dell’AI sul lavoro. Indica piuttosto che la fase delle dimostrazioni spettacolari sta lasciando spazio alla parte più impegnativa: integrare questi strumenti in organizzazioni fatte di abitudini, incentivi e responsabilità reali.
La prossima sfida aziendale sarà allineare tecnologia, regole e persone. Chi continuerà a trattare l’adozione come una semplice installazione vedrà moltiplicarsi eccezioni e scorciatoie. Chi progetterà strumenti utili, policy applicabili e processi comprensibili avrà molte più possibilità di trasformare l’AI da iniziativa dirigenziale a infrastruttura di lavoro condivisa.
Fonti
