AI fluency: l’intelligenza artificiale in azienda è questione di buon senso, non di tecnologia

Ci sono due modi di sbagliare con l’intelligenza artificiale in azienda, e in questi mesi li vediamo tutti e due. Il primo è farsi travolgere: incollare tutto in un assistente, prendere per buono quello che risponde, pubblicarlo. Il secondo è rifiutarla in blocco, per paura o per principio, mentre i concorrenti la usano e i dipendenti la usano lo stesso, di nascosto. In mezzo c’è una cosa che ha un nome, AI fluency, e che non è quasi mai una questione di tecnica. È una questione di buon senso applicato a uno strumento nuovo.

Non lo diciamo da spettatori. Da quest’estate il nostro sito ha un processo editoriale che usa l’intelligenza artificiale con regole scritte, e in questi mesi abbiamo imparato più dagli errori corretti che dalle teorie. Questo articolo racconta cosa vuol dire, per una piccola azienda o per un hotel, lavorare bene con la macchina.

Dove sono le imprese italiane, in numeri

Il dato più fresco è della Banca d’Italia, che fra febbraio e maggio 2026 ha chiesto alle imprese con almeno 20 addetti se usano strumenti di intelligenza artificiale nei propri processi. Risposta: il 32%, contando anche chi la sta solo sperimentando, contro il 27% di un anno prima, quando la quota era già raddoppiata. Un altro 10% dice che comincerà entro l’anno. Ma quando la domanda diventa “la usate in modo esteso?”, sotto i 50 addetti risponde di sì il 4%. Per le microimprese c’è un’altra indagine della stessa Banca d’Italia, rilevata nel 2025 e pubblicata a settembre 2026: l’intelligenza artificiale è in uso, anche limitato, nel 5% dei casi. Contando anche chi sta solo sperimentando si sale al 14,4%, e l’alloggio e ristorazione resta un po’ sotto, al 12,7%.

La fotografia più larga resta quella dell’Istat, rilevata nel 2025 e pubblicata a dicembre: fra le imprese con almeno 10 addetti usava almeno una tecnologia di intelligenza artificiale il 16,4%, il doppio dell’anno prima; il 15,7% fra le piccole e medie, il 53,1% da 250 addetti in su. Nei dati Eurostat della stessa rilevazione, fra 10 e 49 addetti la quota scende al 14,2%. Sono indagini diverse, con soglie e definizioni diverse, e i loro numeri non vanno messi in fila come fossero una serie. Ma dicono la stessa cosa: si sperimenta molto, si usa poco, e le piccole restano indietro. L’edizione con i dati del 2026 non è ancora uscita.

Il dato che conta per chi legge, però, è un altro. L’Istat ha chiesto alle imprese che avevano valutato l’intelligenza artificiale senza poi adottarla, l’11,5% di chi non la usa, cosa le avesse fermate. La prima risposta non sono i costi, che stanno al quinto posto, e nemmeno la privacy. È la mancanza di competenze, al 58,6%. Lo stesso punto torna in uno studio pubblicato dalla Banca d’Italia a giugno 2026, nella collana Questioni di economia e finanza: la carenza di competenze vi risulta il singolo fattore che più frena l’adozione, e la maggior parte delle imprese che già la usano dice di non aver ancora visto effetti sulla produttività. Dal lato delle persone i numeri vanno nella stessa direzione: nel 2025, secondo Eurostat, aveva usato un’intelligenza artificiale generativa per lavoro negli ultimi tre mesi l’8,0% degli italiani fra 16 e 74 anni, contro il 15,4% della media europea.

Se il freno è la competenza, la domanda giusta non è quale strumento comprare. È quale competenza serve, e la risposta è meno tecnica di quanto si pensi.

Quattro competenze, e tre sono di giudizio

Il quadro che usiamo come riferimento è stato elaborato da due docenti universitari, Rick Dakan e Joseph Feller, insieme ad Anthropic, e descrive l’AI fluency come quattro competenze distinte. In inglese cominciano tutte per D. Le raccontiamo con parole nostre e con scene di lavoro che riconoscerai, perché è lì che si capisce se una competenza c’è oppure no.

1. Delega: decidere cosa affidarle, e con quanta autonomia

La prima competenza viene prima di qualunque prompt, cioè prima dell’istruzione che si scrive all’assistente: è decidere se un compito va dato alla macchina, quale parte, e quanto la si lascia fare da sola. Al front desk di un hotel, l’assistente può preparare la risposta a una richiesta di preventivo per un gruppo: raccoglie le date, controlla il tono, propone un testo. Non decide lo sconto. Prima di firmare un contratto di fornitura può riassumerlo e segnalare le clausole su rinnovo e penali; non decide se firmarlo. Chi delega bene sa dove sta il confine, e lo sposta con il tempo, man mano che vede come lavora lo strumento. Chi delega male fa una delle due cose sbagliate dell’inizio: dà tutto, o non dà niente.

2. Descrizione: spiegare cosa si vuole come a un nuovo assunto

La seconda competenza è quella che di solito chiamano “saper scrivere i prompt”, ed è la sola che assomigli a una tecnica. Ha anche un nome, prompt engineering, ed è diventata una disciplina a sé: ha manuali, corsi, una figura professionale, e le stesse aziende che sviluppano i modelli pubblicano guide su come istruirli. Le tecniche esistono davvero: dare un ruolo, mostrare esempi di quello che si vuole, chiedere di ragionare per passaggi prima di rispondere, fissare il formato dell’uscita. Ma il fondamento è più semplice di quanto la parola faccia pensare: è la stessa capacità che serve con una persona appena arrivata in azienda. “Scrivimi una mail al cliente” produce una mail generica. Un brief vero dice a chi si scrive, cosa è successo prima, cosa deve succedere dopo, cosa non si può promettere, e come si riconosce una risposta fatta bene. La differenza fra i due risultati non sta nello strumento, sta in chi lo istruisce. E chi sa dare un brief a una persona di solito impara in fretta a darlo anche a una macchina.

3. Discernimento: giudicare quello che restituisce

La terza competenza è quella che manca di più, e i numeri lo dicono. In un rapporto pubblicato da Anthropic a febbraio 2026, su quasi diecimila conversazioni reali con un assistente, solo nell’8,7% chi scriveva ha verificato i fatti che contavano, e nel 15,8% ha messo in discussione il ragionamento dell’assistente. È un campione sbilanciato verso chi l’ha adottata per primo, quindi probabilmente più a suo agio della media. Uno studio dell’Università di Melbourne in 47 paesi, cofinanziato da una società di consulenza e quindi da prendere con cautela, guarda la stessa cosa da un altro lato: fra i lavoratori che la usano, due su tre dicono di essersi affidati ai risultati senza verificarne l’accuratezza.

Qui possiamo raccontare un caso nostro. Da settembre ogni articolo di questo sito parte da un dossier di fonti primarie, viene scritto con l’aiuto dell’intelligenza artificiale e prima di uscire passa da un revisore, anche lui automatico ma con un compito diverso, e dalla rilettura di una persona. I controlli trovano regolarmente cose che sarebbero passate: una percentuale che nel documento originale non c’era, un dato preso dall’edizione sbagliata di un rapporto, una frase che dice più di quanto i numeri sostengano. A settembre il revisore ha fermato una conclusione in grassetto, in un articolo già riletto, perché i dati dicevano un’altra cosa; su questo stesso pezzo ha trovato un numero riferito al campione sbagliato. Non è un difetto del sistema: è la prova che il discernimento non si può delegare a chi produce il testo. Deve stare da un’altra parte, e alla fine in una persona che ne risponde.

4. Diligenza: metterci la firma, verso chi legge e verso i dati

La quarta competenza è la responsabilità, e ha due facce. La prima è verso chi legge: dal 2 agosto 2026 l’articolo 50 dell’AI Act chiede trasparenza, con obblighi diversi per chi fornisce e per chi utilizza certi sistemi di intelligenza artificiale, e ne abbiamo scritto a luglio. A fine luglio la Commissione ha aggiornato le sue risposte alle domande frequenti, che fra le altre cose distinguono il caso dei testi passati da una revisione umana: vale la pena leggerle, e vale la pena non tirarne conclusioni da soli. Noi dichiariamo le immagini generate e raccontiamo apertamente come usiamo l’intelligenza artificiale anche nei testi, come in questo articolo, perché la trasparenza costa meno del sospetto.

La seconda faccia è verso i dati. Chi incolla l’elenco clienti, il contratto o la cartella di un ospite in un assistente pubblico “perché fa prima” sta facendo la stessa cosa del foglio parallelo sul desktop di cui parlavamo a proposito del tecnostress: risolve il suo problema di oggi con lo strumento che ha, e sposta il rischio sull’azienda. Si chiama shadow AI, e non è un’eccezione. In una ricerca dell’Università di Costanza su 1.105 lavoratori tedeschi, quindi non italiani, solo il 55% di chi usa l’intelligenza artificiale dice che lo strumento che usa di più è stato introdotto dal datore di lavoro; nelle piccole organizzazioni ha ricevuto una formazione l’11% e ha regole vincolanti il 10%. Non abbiamo trovato numeri italiani affidabili, ma non abbiamo motivo di pensare che da noi vada meglio. E un dato che esce dall’azienda senza controllo è anche una porta per chi attacca, come raccontavamo a proposito del ransomware guidato dall’intelligenza artificiale.

Cosa non è l’AI fluency

Non è saper programmare, e non è nemmeno conoscere i modelli. Non è una certificazione. E non è la lista delle cose che restano agli esseri umani, la creatività, l’empatia, che si sente ripetere e che non aiuta nessuno a lavorare meglio lunedì mattina. Il residuo umano vero, nelle quattro competenze, è più concreto: decidere cosa affidare, giudicare nel contesto, rispondere delle scelte. Sono cose che un buon responsabile amministrativo o un buon capo ricevimento fanno già, con le persone. L’intelligenza artificiale gli chiede di farle anche con una macchina.

Su come si sceglie da dove partire con gli strumenti, gli agenti, i processi da automatizzare, abbiamo scritto ad agosto. Questo pezzo parla di un’altra cosa: della competenza delle persone che poi quegli strumenti li usano.

Il nostro punto di vista

L’AI fluency non si compra e non si installa. È una competenza delle persone, e si costruisce lavorando, sbagliando e correggendo, come abbiamo fatto noi con il nostro sito. Ma ha un presupposto tecnico che nelle aziende spesso manca, e che è la parte che ci riguarda: strumenti scelti apposta, accessi ordinati, dati che non escono dall’azienda. Se l’unico assistente disponibile è quello pubblico gratuito, la diligenza delle persone lavora contro un’infrastruttura che la tradisce. Se nessuno ha deciso cosa si può incollare e cosa no, usare l’AI in azienda vuol dire lasciare la delega a ciascuno per conto suo. È il lavoro di chi gestisce l’informatica di un’azienda ogni giorno, ed è lo stesso ragionamento che facciamo sulla sicurezza informatica: le regole servono a poco se gli strumenti le rendono scomode.

Non vendiamo corsi e non ne promettiamo. Quello che possiamo fare è una conversazione: come l’intelligenza artificiale sta entrando nella tua azienda, chi la usa già e per cosa, cosa esce dai tuoi sistemi senza che nessuno l’abbia deciso. Se ti va di farla, scrivici: si parte da lì, non da un prodotto.

Domande frequenti

Cos’è l’AI fluency?

È la capacità di lavorare bene con l’intelligenza artificiale: decidere cosa affidarle e con quanta autonomia, spiegarle cosa si vuole, giudicare quello che restituisce e rispondere di quello che si pubblica o si decide. Il quadro di riferimento, elaborato da due docenti universitari, Rick Dakan e Joseph Feller, insieme ad Anthropic, la descrive in quattro competenze. Secondo noi tre su quattro sono di giudizio, non di tecnica.

Quante imprese italiane usano l’intelligenza artificiale?

Secondo la Banca d’Italia, fra febbraio e maggio 2026 usava strumenti di intelligenza artificiale, anche solo in via sperimentale, il 32% delle imprese con almeno 20 addetti, ma sotto i 50 addetti l’uso esteso riguarda il 4%. Un’altra indagine della Banca d’Italia, sulle microimprese e rilevata nel 2025, trova l’intelligenza artificiale in uso, anche limitato, nel 5% dei casi, il 14,4% contando la sperimentazione. Secondo l’Istat, nel 2025 usava almeno una tecnologia di intelligenza artificiale il 16,4% delle imprese con almeno 10 addetti: il 15,7% delle piccole e medie, il 53,1% di quelle da 250 addetti in su. Secondo Eurostat, la media europea delle imprese con almeno 10 addetti era il 20,0% nel 2025.

Perché molte imprese non usano ancora l’intelligenza artificiale?

L’Istat lo ha chiesto alle imprese che avevano valutato l’intelligenza artificiale senza poi adottarla, l’11,5% di chi non la usa: al primo posto c’è la mancanza di competenze, indicata dal 58,6%, seguita dalla scarsa chiarezza delle norme, dalla qualità dei dati, dalla privacy e dai costi. Il freno principale, cioè, non è il prezzo dello strumento ma il saperlo usare.

Cos’è la shadow AI e perché è un rischio?

È l’uso di strumenti di intelligenza artificiale pubblici da parte dei dipendenti senza che l’azienda lo sappia o lo abbia deciso, spesso incollando dati di clienti o documenti interni. Il rischio è che quei dati escano dall’azienda e che nessuno risponda di quello che lo strumento produce. La risposta non è il divieto, che sposta il problema, ma strumenti scelti dall’azienda, regole chiare su cosa si può usare e formazione delle persone.