di Junio Caselli
Dopo esserci chiesti a lungo se fosse lecito e utile impiegare le AI basate su LLM nelle organizzazioni, le cose sono cambiate profondamente: non solo lo è di fatto, perché il loro utilizzo è ormai inarrestabile, ma è diventato addirittura negligente non farlo.
In effetti, se posso chiedere come risolvere un problema a un collega preparatissimo, senza preconcetti e persino gentile, perché non dovrei coinvolgerlo?
In questo modo l’AI è diventata, per molte organizzazioni, il vero centro decisionale informale. Le gerarchie rimangono intatte: i CEO e tutti i dipendenti firmano ancora i documenti, ma l’AI definisce il perimetro di ciò che appare ragionevole e pensabile.
Se un dirigente propone una strategia, e un modello AI suggerisce un’alternativa basata su dati storici e proiezioni statistiche, è il dirigente che deve giustificarsi e spiegare perché sia necessario deviare dalla razionalità algoritmica. È proprio qui che si manifesta lo spostamento di potere: l’AI costringe gli umani a legittimare le loro intuizioni di fronte a un benchmark invisibile e potente.
Questo fenomeno è diventato la nuova condizione normale nelle aziende che integrano tool di AI per analisi predittive, ottimizzazione operativa e supporto decisionale.
Ma quali sono i rischi economici reali di questa dinamica? E in che modo le imprese possono mitigarli per preservare il loro vantaggio competitivo?
I rischi economici nascosti dell’IA decisionale
Le tre dimensioni in cui si articola il rischio riguardano il luogo in cui si forma il criterio decisionale: la centralizzazione invisibile del criterio, l’omologazione strategica e l’erosione della leadership.
In molte organizzazioni, l’IA viene consultata individualmente prima delle riunioni, come un consulente privato, come uno strumento preliminare di orientamento cognitivo. Tuttavia, se tutti i manager interrogano il modello per preparare i loro interventi, il criterio di valutazione nasce fuori dal confronto umano, prima ancora che il confronto inizi. Le decisioni appaiono distribuite e collaborative, ma l’orizzonte delle possibilità è già stato delimitato altrove.
Si crea così una pre-strutturazione silenziosa del campo decisionale: il dibattito si svolge entro confini predefiniti dall’IA, riducendo la ricchezza del pensiero collettivo. Economicamente, questo comporta un rischio preciso: la riduzione della varianza strategica interna. Le imprese possono perdere la capacità di innovare attraverso il conflitto produttivo delle idee, optando invece per traiettorie efficienti ma prevedibili.
La seconda dimensione è l’omologazione strategica. Quando più aziende adottano modelli di AI simili, addestrati su dataset pubblici o forniti da pochi giganti tecnologici come OpenAI o Google, emergono con facilità pattern uniformi. Stessi dati di input generano sintesi e raccomandazioni convergenti.
L’AI tende alla media statistica sofisticata: ottimizza sulla base di probabilità storiche, ma raramente produce deviazioni radicali. In un mercato competitivo, questa convergenza riduce la dispersione delle strategie e quindi la possibilità di differenziazione reale.
In settori come la finanza o il retail, i concorrenti possono finire per perseguire le stesse ottimizzazioni di supply chain o di pricing. Il risultato è una compressione competitiva: commoditizzazione delle strategie, erosione dei margini e difficoltà a generare vantaggio distintivo.
La media sofisticata è efficiente. Tuttavia, il vantaggio competitivo radicale nasce spesso da deviazioni che inizialmente appaiono irrazionali, da scelte che sfidano i dati storici o da assunzioni di rischio che nessuna media statistica può giustificare ex ante.
La terza dimensione è l’erosione della leadership. Tradizionalmente, i leader integrano conflitti, assumono rischi e decidono sotto incertezza. Se ogni scelta deve allinearsi alla “soluzione più razionale secondo il modello”, o misurarsi costantemente con essa, il ruolo del leader si modifica strutturalmente: diventa un esecutore chiamato a validare, un garante di coerenza algoritmica, più che un generatore di visione.
In questa configurazione, l’AI assume il mantello del CFO invisibile, del consulente strategico permanente, persino del CEO cognitivo informale, ma senza accountability. Non risponde agli azionisti e non affronta le conseguenze reputazionali, etiche o organizzative delle sue raccomandazioni.
Il rischio economico è la delega silenziosa del criterio imprenditoriale. L’impresa smette di essere un soggetto che assume posizione e diventa un sistema che reagisce a raccomandazioni probabilistiche. Nel lungo periodo, questo può tradursi in perdita di identità strategica e riduzione della capacità di discontinuità.
Già Herbert Simon ricordava che la razionalità organizzativa non elimina l’incertezza ma la gestisce entro limiti. L’AI amplia quei limiti, ma non trasferisce la responsabilità della scelta.
Ogni volta che in un’organizzazione si discute di strategia, la domanda rilevante è chi sta governando i criteri che rendono quella decisione sensata.
Perché il criterio è potere. E il potere, se non viene progettato consapevolmente, si concentra dove nessuno lo ha deliberato.
Strategie per governare l’IA
Per mitigare questi rischi, le imprese devono ridisegnare i processi decisionali, posizionando l’AI come strumento di supporto e non come fonte implicita di autorità. Propongo alcuni approcci pratici, basati su principi di governance organizzativa e orientati a riportare il controllo sul criterio.
Separare i momenti esplorativi da quelli deliberativi. È necessario distinguere con chiarezza la fase di formazione del criterio da quella di ottimizzazione delle opzioni. Strutturate i processi in tre fasi distinte. Nella prima, focalizzatevi sul confronto umano sui criteri: discutete valori, obiettivi e ipotesi senza consultare l’AI. Questo preserva la diversità cognitiva e mantiene aperta la varianza strategica iniziale. Nella seconda, introducete l’AI per ampliare gli scenari: usatela per generare opzioni alternative basate su dati. Infine, nella terza fase, prendete una decisione esplicita con assunzione personale di responsabilità. In questo modo, il modello entra dopo che il criterio è stato discusso, evitando di pre-strutturare il dibattito.
Introdurre l’obbligo di dichiarazione del punto di arresto. Per ogni decisione strategica, richiedete una chiusura formale: “La responsabilità della scelta è mia, anche se il modello suggeriva altro”. Come atto esplicito di assunzione del rischio. Questo può essere integrato in report o minute di riunione, costringendo i leader a riflettere sul perché deviare o non deviare dall’AI. Economicamente, rafforza la resilienza: le imprese che mantengono il controllo umano sulle scelte incerte sono meglio equipaggiate per navigare disruption imprevedibili e per sostenere decisioni contro-intuitive nel medio periodo.
Posizionare l’AI come generatore di divergenza. Invece di interrogare l’AI con domande come “Qual è la scelta migliore?”, usatela per sfidare lo status quo. Chiedete: “Quali ipotesi stiamo ignorando? Qual è l’argomento migliore contro la nostra decisione? Cosa farebbe un competitor non razionale? Cosa farà fallire la nostra strategia?”. Questo trasforma l’AI da oracolo a strumento di stress test strategico, riducendo il rischio di conformismo algoritmico.
Infine, implementare la rotazione del centro di consultazione. Per prevenire che l’AI diventi l’autorità primaria, stabilite regole chiare: prima il confronto tra pari, poi la consultazione collettiva del modello e limitare le interrogazioni individuali preventive prima delle riunioni. L’uso invisibile altera il campo cognitivo, creando asimmetrie informative e introducendo benchmark impliciti non condivisi.
Immaginate un team di marketing: se un manager consulta l’IA da solo e arriva con “prove” algoritmiche, influenza il gruppo prima del dibattito autentico. Invertendo il flusso, si preserva l’equilibrio decisionale e si riduce la centralizzazione invisibile.
Queste strategie sono di facile attuazione: si basano su policy interne e cultura organizzativa. Possono essere testate in condizioni pilota, ad esempio in divisioni ad alto impatto decisionale come R&D o strategia corporate, prima di essere estese all’intera organizzazione come standard di governance cognitiva.
Governare il punto di potere
L’AI ridisegna il punto in cui il potere si concentra e, soprattutto, il luogo in cui si forma il criterio che orienta le scelte. Le aziende che sapranno governare quel punto, attraverso strutture deliberate e assunzione esplicita di responsabilità umana, manterranno la loro leadership. Le altre lo cederanno senza accorgersene, scivolando in un equilibrio di efficienza omologata, privo di reale innovazione.
In un’economia sempre più data-driven, il vero vantaggio competitivo consiste nel decidere consapevolmente quando farla intervenire e quando mantenerla fuori dal processo di formazione del criterio.
