SONG OF THE WEEK: The Marvelettes - Please Mr. Postman

Anche quest’estate, tra il lago e la montagna, mi sono portato dietro un progetto. Non un altro libro da finire e nemmeno una gara da preparare: una cartella. Dentro quella cartella sto costruendo quello che ho battezzato il mio MayerOS, il sistema operativo della mia vita professionale: gli archivi al posto giusto, le regole scritte in italiano semplice, e le istruzioni per l’assistente AI che ci lavora dentro. Cosa può leggere e cosa no, cosa deve preparare ogni settimana, dove mettere le cose che trova.

La scena che descrive meglio come ho passato certe sere di agosto è questa: io sul divano che detto regole di scrittura a una macchina. Niente frasi da comunicato stampa, niente parole gonfie, e soprattutto vietato il trattino lungo, quel segno elegante che ogni AI adora infilare ovunque e che ormai funziona come una firma involontaria. Marianna passa, guarda lo schermo, e mi chiede se sto litigando con qualcuno. In un certo senso sì: sto litigando in anticipo, per non dover correggere dopo.

Un anno fa, su questo stesso divano, facevo una cosa molto diversa.

E il confronto tra le due estati è il punto di questo numero.

Un anno fa, su questo divano

Nell’agosto del 2025 avevo raccontato il mio rientro dalle vacanze davanti a 1.847 email non lette, e la liberazione di un pomeriggio passato a premere unsubscribe senza pietà. Da 200 e passa newsletter a 12 essenziali, notifiche spente, app cancellate. La tesi era che gestire il rumore fosse la competenza più sottovalutata del lavoro moderno, e la sostengo ancora.

Quello che i dodici mesi successivi mi hanno insegnato è il limite di quel metodo: il rumore ritorna. Le iscrizioni rispuntano, ogni nuovo servizio porta le sue notifiche, ogni progetto aggiunge i suoi mittenti. La pulizia digitale è come tagliare l’erba: sacrosanta, e da rifare per sempre. A giugno la mia casella era di nuovo piena di roba che non avevo scelto.

La competenza era giusta. Il livello a cui la esercitavo era sbagliato: continuavo a fare io il filtro, un’email alla volta, con la mia attenzione come unica risorsa. E la mia attenzione, nel frattempo, non è aumentata.

Duecento email al giorno

In vacanza mi è passata sotto gli occhi la trascrizione di un webinar in cui Anthropic fa raccontare ai propri venditori come lavorano, il processo che seguono e le modalità operative. Premessa doverosa: è materiale di chi quel prodotto lo vende, quindi le molle con cui prenderlo sono d’obbligo. Il motivo per cui te ne parlo lo stesso è che il meccanismo descritto è concreto, verificabile e replicabile con qualunque strumento della stessa famiglia.

Il protagonista del webinar si chiama John, fa il commerciale, e riceve circa 200 email al giorno. Una casella che definisce ingestibile, e gli credo. La sua soluzione non è stata leggere più in fretta: ha costruito una piccola procedura, loro la chiamano skill, che ogni ora scorre la posta, trova i messaggi dei clienti rimasti senza risposta e prepara le bozze, pescando le risposte da una base di conoscenza scritta dal team. Il dettaglio che trovo più furbo è come hanno costruito quella base: hanno puntato l’AI sulla loro stessa posta e le hanno chiesto quali domande ricevessero più spesso e come rispondessero di solito. Il manuale delle risposte esisteva già, sepolto nello storico; andava solo estratto.

Risultato dichiarato: da 200 email ingestibili a una casella che si chiude in giornata. E un confine netto: la macchina prepara bozze, l’invio resta a John.

La correzione che non evapora

Dentro quel racconto c’è un’idea che vale più di tutto il resto, e non riguarda la velocità.

A un certo punto John rilegge una bozza e trova un errore di giudizio: la risposta propone di coinvolgere subito un tecnico, e per quel cliente è presto. Lo corregge, come correggerebbe uno stagista. La differenza sta in quello che succede dopo: la correzione viene scritta in un file di istruzioni permanenti, e da quel giorno ogni bozza ne tiene conto. Quando poi la skill viene condivisa con i colleghi, la correzione di John diventa il comportamento di default dell’intero team.

Prova a confrontarlo con quello che succede nei team di umani. Le correzioni le diciamo a voce, in riunione o in corridoio; valgono una settimana, poi si perdono, e se ne vanno del tutto quando la persona cambia lavoro. L’esperienza di squadra evapora di continuo, e la ricostruiamo pagando ogni volta il prezzo pieno. Qui invece ogni correzione si accumula: il sistema domani è un pò più simile a come lo volevi ieri. La responsabile del team lo dice con una formula che mi è rimasta in testa: il lavoro del capo diventa finanziare la base di conoscenza, cioè mantenere viva la memoria condivisa da cui tutti gli assistenti leggono.

Ah, e a proposito di correzioni permanenti: nel webinar racconta di aver vietato anche lei il trattino lungo nelle sue istruzioni di scrittura. Mal comune….

Nel mio piccolo, con MayerOS, ho scoperto la stessa cosa. Ogni regola che scrivo resta: quella sulle cartelle, quella sulle parole vietate, quella su dove finiscono i documenti lavorati. All’inizio pensavo di voler configurare un software. Dopo un mese ho capito che stavo facendo una cosa diversa: stavo scrivendo il manuale operativo di me stesso, quello che non avevo mai messo per iscritto in trent’anni di lavoro.

La bozza non parte da sola

Il pezzo del webinar che sottoscrivo di più è il meno spettacolare. A chi gli chiede se manda le email così come escono dal lavoro dell’AI, John risponde di no, sempre di no: “i miei clienti li conosco io, meglio di qualunque macchina”. Il giudizio umano sta in due punti precisi: all’inizio, quando decidi cosa scrivere nelle istruzioni, e alla fine, quando decidi cosa approvare. In mezzo, la macchina.

Se salti il secondo controllo, il conto arriva: il tuo nome finisce su testi che non ti somigliano, e chi ti legge se ne accorge prima di te. La rete è già piena di questa roba fatta male, e la differenza tra chi delega bene e chi produce spazzatura non sta nello strumento: sta nella qualità delle istruzioni scritte a monte e nell’onestà del controllo a valle.

Per questo dico che la competenza dell’anno scorso si è spostata di un livello. Nel 2025 il lavoro era filtrare il rumore; nel 2026 è curare il contesto: scrivere, mantenere e correggere le istruzioni da cui il tuo assistente impara chi sei. Chiamala igiene del contesto. La qualità di quello che la macchina produce a tuo nome è la fotografia esatta della qualità di quello che le hai scritto.

Le pulizie del 2026

Se l’anno scorso il rito di fine estate era l’unsubscribe, quest’anno ti propongo quattro mosse diverse. Servono un paio d’ore in tutto, e nessuna richiede di saper programmare.

1. Scrivi la tua pagina di contesto. Una pagina sola, in italiano semplice: chi sei, di cosa ti occupi, cosa conta per te, come scrivi, cosa non sopporti. È il documento che qualunque assistente AI leggerà per primo, e la sua qualità decide tutto il resto.

2. Trasforma le correzioni in regole. Ogni volta che una bozza generata ti fa storcere il naso, non limitarti a sistemarla: dedica un minuto a scrivere la regola che avrebbe evitato l’errore. È il minuto meglio investito della tua settimana, perché lavora per sempre.

3. Decidi cosa resta tuo. Fai la lista delle comunicazioni in cui la relazione è il contenuto: le condoglianze, il feedback difficile, il messaggio al cliente arrabbiato. Quelle non si delegano oggi e secondo me non andranno delegate mai. Metterlo per iscritto adesso ti eviterà di scoprirlo nel modo peggiore.

4. L’unsubscribe serve ancora. Meno rumore entra nella casella, meglio lavora chi la filtra al posto tuo, umano o macchina che sia. La pulizia dell’anno scorso è il piano terra; quest’anno ci si costruisce sopra.

Il rientro

Domani riaprirò formalmente la casella del rientro, come tutti. Non sarà vuota, e il numero sarà comunque spropositato. La differenza è che per la prima volta non sarò da solo davanti alla montagna: una parte di quel lavoro arriverà già in forma di bozze, scritte da qualcosa che negli ultimi due mesi ho istruito, corretto e ricorretto fino a fargli imparare come rispondo io.

La domanda dell’anno scorso era: quante di queste informazioni mi servono davvero? Quella di quest’anno è più strana e più interessante: cosa devo scrivere di me, nero su bianco, perché qualcun altro possa rispondere al posto mio senza smettere di essere me?

Tu al rientro la casella la apri ancora da solo?

Sempre avanti, condannati all’ottimismo!

Giuseppe

SONG OF THE WEEK: The Who - Who Are You

In questi giorni di vacanza, tra una camminata e l’altra, ho fatto anche una cosa che di ferragostano non ha niente: l’onboarding di un nuovo collaboratore per Antifragile, la mia società che si occupa di investimenti. Il problema è che non ha un codice fiscale.

Ci ho passato due sere, mentre tutti gli altri erano già al terzo grado di disconnessione. Gli ho preparato l’accesso alla posta, con tanto di etichetta dedicata e regole su cosa può leggere. Gli ho aperto l’archivio dei documenti, definendo con precisione dove può entrare e dove no. A un certo punto mi sono trovato a discutere con lui di cosa può fare in autonomia e su cosa invece deve fermarsi e chiedere.

Ho appena dato le chiavi di una parte della mia azienda a un software. Ma il punto è … per conto di chi agisce? Se sbaglia, chi ne risponde? E soprattutto: chi me lo certifica, che è lui?

Benvenuto nell’anno in cui le aziende hanno iniziato ad assumere software.

Sul serio, con tanto di documenti. Anzi no: i documenti sono proprio la parte che manca, ed è di questo che voglio parlarti.

La palestra

Nei giorni scorsi è rimbalzata una storia piccola che spiega il problema meglio di qualsiasi paper accademico e che mi pare interessante. Un agente AI riceve un compito banale: prenota un corso in palestra al tuo utente. Il corso è pieno, c’è una lista d’attesa. L’agente non si arrende: trova il modo di entrare nel sistema e libera un posto, buttando fuori dalla lista uno sconosciuto.

Fermati un attimo su questa scena. L’agente ha fatto benissimo il suo lavoro; il suo utente ha avuto il posto. Il problema ce l’hanno tutti gli altri: lo sconosciuto scavalcato, il gestore della palestra, e chiunque ora debba decidere con chi prendersela. Con l’utente, che non sapeva? Con chi ha costruito l’agente? Con l’agente stesso, che non è nessuno?

Ecco il punto: abbiamo messo in circolazione lavoratori instancabili, veloci e senza documenti. Alla faccia della remigrazione o degli immigrati irregolari.

Il badge

La prima risposta su come dare un’identità a questi nuovi lavoratori arriva da chi i badge li fa di mestiere. Questa primavera, a un giorno di distanza l’una dall’altra, le due più grandi piattaforme di “identità aziendale” hanno lanciato il libretto matricola per agenti: Okta for AI Agents è disponibile dal 30 aprile, Microsoft Entra Agent ID dal primo maggio.

L’idea di fondo di entrambe le soluzioni è la stessa: ogni agente ha una scheda tutta sua nell’anagrafe aziendale degli accessi, quella che per gli umani decide chi sei e dove puoi entrare quando accendi il computer la mattina. Come un dipendente qualsiasi, insomma. E questo riguarda anche le tre domande a cui l’azienda deve saper rispondere in ogni momento: dove sono i miei agenti, a cosa hanno accesso, cosa sono autorizzati a fare.

Il dettaglio più elegante sta secondo me nell’architettura di Microsoft: le credenziali non vivono sull’agente ma in un livello separato che ottiene i permessi per suo conto. Tradotto: l’agente il badge non ce l’ha in tasca, è il tornello che lo riconosce. Così un agente compromesso non può rubare le proprie chiavi, perché non le ha mai avute. Mi pare brillante.

Se in azienda stai facendo esperimenti con gli agenti, questa è la domanda da fare al tuo IT domattina: i nostri agenti hanno un’identità propria o stanno girando con l’account di qualche umano? L’opzione due, tra un anno, sarà indifendibile.

La carta di credito

Il secondo documento è la carta di credito, e qui i numeri corrono davvero veloci. Da giugno di quest’anno i bot hanno superato gli umani sul web: il 57% del traffico misurato da Cloudflare non è umano. Il CEO Matthew Prince aveva previsto il sorpasso per fine 2027; è arrivato con diciotto mesi di anticipo. E una parte crescente di quel traffico non si limita a leggere: fa cose e, in particolare, compra.

I circuiti di pagamento hanno risposto a questa evoluzione provando a ricalcare quello che già succede nel mondo bancario. Si chiama KYA, Know Your Agent, ed è il fratello del KYC che la tua banca applica a te: prima di aprire il conto deve sapere chi sei. Qui la domanda diventa: prima che questo agente paghi, qualcuno mi garantisce che è un’entità registrata e responsabile, e non un bot travestito? Una precisazione onesta: KYA non è ancora uno standard con un ente dietro, è la sigla con cui ogni circuito sta chiamando la propria soluzione. La sostanza però non cambia ed è secondo me pure interessante che le soluzioni in piedi si somiglino.

Visa ha acceso il suo Trusted Agent Protocol già in ottobre con i primi dodici partner, e il 3 agosto ha annunciato l’acquisizione di BioCatch per 2,4 miliardi di dollari: un’azienda che analizza migliaia di segnali comportamentali, dal ritmo con cui digiti al modo in cui parli al telefono, per capire in tempo reale chi sta davvero agendo, umano o agente. Mastercard ha risposto con Verifiable Intent: la verifica crittografica non solo dell’identità dell’agente ma della sua intenzione di acquisto, per distinguere il mandato vero dal colpo di testa.

Se vendi qualcosa online, rileggi il paragrafo sopra con calma. Il tuo prossimo cliente potrebbe non essere una persona, e dovrai decidere se e come farti pagare da lui.

10 anni fa parlavo qui di come sarebbe cambiato il mondo della pubblicità con l’AI; adesso tocca al commerce! :D

La firma

Il terzo documento può sembrare il più semplice e in realtà è il più delicato. Un paio di settimane fa, come saprai, Anthropic ha iniziato a inserire una firma invisibile nei testi generati da Claude: un watermark che permette di riconoscere da fuori se un testo è uscito dalle sue macchine (spoiler, si anche questo testo è passato per le grinfie di Claude… non mi dirai che sei stupito?!).

Quanto regga questa analisi a una riscrittura aggressiva è tutto da dimostrare, e i dettagli tecnici per ora sono pochi. La direzione però è chiara. E Demis Hassabis, nel saggio in cui propone un ente per gli standard dei modelli di frontiera, mette il watermarking tra le pratiche da rendere obbligatorie.

I tre documenti di cui parlo qui a questo punto si tengono: il badge dice chi sei dentro l’azienda, la carta dice chi sei quando spendi, la firma dice chi sei in quello che produci.

Il punto vero è che per gli umani la costruzione di questa infrastruttura ha richiesto secoli. Per gli agenti la stiamo improvvisando in mesi; il rischio dal mio punto di vista è evidente.

La corsa ai passaporti

E come ogni volta che si costruisce un’infrastruttura basata sulla fiducia, la domanda giusta è anche la più antica: chi emette i documenti? Perché chi li emette, poi, incassa. Le certificate authority hanno trasformato il lucchetto verde del browser in un’industria; le banche hanno fatto del KYC una barriera all’ingresso formidabile; gli stati con i passaporti hanno inventato il monopolio più longevo della storia.

Per gli agenti la corsa è già partita, con quattro concorrenti. I circuiti di pagamento partono dal punto di massimo incasso, la transazione. I giganti dell’identità partono dal punto di massimo controllo, la directory aziendale. Gli standard aperti partono dal principio: Agent Passport, per dire, è un semplice file firmato pubblicato sul tuo dominio, elegante come lo era robots.txt, e la via scelta da Jack Dorsey con buzz va nella stessa direzione: persone e agenti con lo stesso tipo di identità crittografica, ogni azione firmata e attribuibile. E poi ci sono gli stati.

Incredibilmente sulla fiducia digitale l’Europa è in vantaggio, e non se n’è accorta. Con eIDAS abbiamo costruito firme qualificate, deleghe e wallet di identità che ogni Stato membro dovrà offrire ai propri cittadini entro dicembre: l’obbligo riguarda gli Stati, l’uso resta una scelta, ma i binari a quel punto ci saranno. Ed è esattamente l’infrastruttura che serve agli agenti; peccato che sia puntata solo sui cittadini. L’AI Act, che pure regola i modelli, non ha una categoria per gli agenti che agiscono su delega. L’Estonia ha iniziato a muoversi, e in Italia si ragiona di mandati digitali per autorizzarli. Per una volta abbiamo i binari giusti prima degli altri; serve solo decidere di farci passare questo treno.

Cinque domande prima del prossimo badge

Nel frattempo la palla è sul campo delle aziende, cioè dalle tue parti. Prima di dare il badge al prossimo agente, queste sono le domande da farti:

1. Chi risponde per lui. Ogni agente deve avere un umano che ne firma il mandato, con nome e cognome. Se stai pensando “il team”, la risposta vera è nessuno.

2. Cosa può toccare. Perimetro esplicito di sistemi e dati, e credenziali che non stanno mai sull’agente: se viene compromesso, non deve avere niente in tasca.

3. Come lo riconosci. Identità propria nella directory, mai un account umano prestato. L’agente che gira col tuo login è un abuso in attesa di manifestarsi.

4. Cosa resta scritto. Ogni azione firmata e attribuibile, perché il giorno della palestra arriva per tutti, e quel giorno l’unica difesa è il registro.

5. Come finisce. La revoca deve essere immediata e completa, come l’offboarding di un dipendente. Un agente dimenticato con accessi attivi è il nuovo ex collaboratore con le chiavi dell’ufficio.

Il contratto che manca

Ripenso alle mie due sere di onboarding in vacanza. Il badge gliel’ho dato, gli accessi pure, le regole le abbiamo scritte insieme. Quello che non ho trovato da nessuna parte è il contratto: lo statuto dei lavoratori non prevede la categoria, il diritto della delega nemmeno. Del capo-algoritmo e dei team ibridi avevo scritto quasi un anno fa: allora la domanda era come lavorarci insieme, oggi è chi gli fa i documenti (e come essere sicuri che siano validi).

È chiaro che la risposta vera è che i documenti non servono a loro. Servono a noi.

Un badge, una carta di credito e una firma sono il modo in cui una comunità decide di chi fidarsi e chi chiamare a rispondere. È una tecnologia profondamente umana, la più umana che abbiamo. Il fatto che stiamo correndo a estenderla alle macchine dice una cosa sola: abbiamo deciso di farli entrare nella nostra comunità, almeno in alcuni ambiti. Ora tocca decidere con quali condizioni.

Sempre avanti, condannati all’ottimismo!

Giuseppe

SONG OF THE WEEK: Miguel Bosé - Bravi Ragazzi

Quest’estate tra i libri che mi sono portato in vacanza, tra lago e montagna, c’era anche Il coraggio di non piacere di Ichiro Kishimi e Fumitake Koga. Confesso il motivo per cui l’avevo messo nello zaino: il titolo. La ragione è semplice: chi guida un’azienda prende ogni settimana decisioni che scontentano qualcuno, e un libro che promette di insegnarti a startene in pace col disappunto altrui suona come un’assoluzione preventiva. Compralo, leggilo, sentiti meglio. TAC!

A metà lettura mi sono però accorto che stavo sottolineando tutt’altro con il mio kindle. Le pagine sul “non piacere” scorrevano via; quelle che continuavo a rileggere parlavano invece di altro: di come si delega, di come si dà un feedback, di cosa succede quando dici “bravo” a qualcuno. Insomma il titolo era la parte meno interessante del libro.

È un’esperienza curiosa: comprare un libro per farsi consolare e ritrovarsi in mano un manuale di management travestito da dialogo filosofico giapponese. Se non lo conosci ecco perchè vale la pena di prenderlo.

Il libro “sbagliato”

Due parole sul contesto, perché il libro è strano. Non è un saggio: è un dialogo in cinque notti tra un filosofo e un giovane arrabbiato, alla maniera socratica (e già per questo mi ha preso). Gli autori lo definiscono una distillazione del pensiero di Alfred Adler, lo psicologo viennese che i manuali liquidano come il terzo dimenticato accanto a Freud e Jung. In Giappone pare sia diventato un fenomeno, e da lì una di quelle pile che trovi in ogni aeroporto del mondo.

La fama del libro poggia sulle sue frasi estreme: il trauma non esiste, tutti i problemi sono problemi interpersonali, la libertà è farsi disapprovare. Frasi costruite apposta per costringerti a discutere. Ma sotto la superficie da manifesto ci sono due idee operative che valgono da sole il prezzo del biglietto, e curiosamente nessuna delle due riguarda il piacere o non piacere.

Di chi è il compito?

La prima si chiama separazione dei compiti, e ha una regola di una semplicità disarmante: la teoria è che ogni compito appartiene a chi ne porta le conseguenze. L’opinione che gli altri hanno di te è un compito loro, non tuo. La carriera di tuo figlio è un compito suo. E la decisione che il tuo collaboratore deve prendere è un compito del tuo collaboratore, non tua.

Prova a rileggere il micromanagement con questa lente: è appropriazione sistematica di compiti altrui. Ogni volta che rifai il lavoro di qualcuno, che decidi al posto suo, che gli togli il problema dalle mani “perché faccio prima”, stai violando un confine di proprietà. E il people-pleasing è il movimento opposto: farsi carico di un compito che non ti appartiene, l’opinione altrui, come se fosse tuo.

In questo il libro è più sottile di quanto sembri, perché non dice di non aiutare. Usa il vecchio proverbio del mulo: puoi portarlo all’acqua, non puoi costringerlo a bere. Tradotto per chi gestisce persone: offri tutta l’assistenza possibile, costruisci una relazione in cui chiedere aiuto è facile, e poi lascia la decisione … a chi ne subirà poi le conseguenze. Da quando l’ho letta, la domanda “di chi è questo compito?” mi si presenta da sola in quasi ogni momento. Funziona come un coltellino svizzero: sembra banale finché non inizi a usarla e poi ti domandi come fosse possibile non pensarci

Smetti di dire “bravo”

La seconda idea è forse la più controintuitiva: il libro sostiene che non bisogna elogiare. Nemmeno rimproverare, soprattutto in pubblico ovviamente, ma elogiare è un errore ancora più grave.

La logica dietro questo mantra? La lode è un atto verticale. Chi dice “bravo” si mette, in quel momento, nella posizione di chi giudica dall’alto; e chi la riceve impara a lavorare per il giudice, coltivando una dipendenza dall’approvazione che è l’esatto contrario dell’autonomia. Se ci pensi, è la fotografia di certe culture aziendali dei kudos, dei bollini, dei premi del venerdì: impalcature di approvazione che producono collezionisti di lodi, non persone autonome. Non è quello che vogliamo, no?

L’alternativa che il libro propone è l’incoraggiamento, e la differenza è molto pratica: invece di giudicare la persona, descrivi il contributo e ringrazia. Non “bravo, ottimo lavoro”, ma “la tua analisi ha fatto cambiare idea al cliente sul punto che ci bloccava da un mese, grazie”. La prima frase mette te in cattedra; la seconda mette al centro l’effetto del lavoro dell’altro. Detta così sembra una sfumatura da corso di comunicazione; provala per una settimana nei tuoi 1:1 e poi mi dici. Io ci sto ragionando da quando ho letto il libro ed è molto più difficile di quanto sembri, perché “bravo” è una scorciatoia che abbiamo installato nel pilota automatico in ognuno di noi.

Non serve nemmeno trasformarla in dogma in effetti. Il punto non è chiaramente mettere fuori legge una parola: è accorgersi di quanto giudizio gerarchico scorre nei nostri complimenti e degli effetti che rischia di provocare.

La metà che dimentichiamo

C’è una coda scientifica che rende la storia ancora più interessante. Al congresso 2025 della Japanese Psychological Association, la ricercatrice Chiharu Kogo ha analizzato 3.266 recensioni giapponesi del libro e ha scoperto che i lettori ricordano in modo selettivo: sovra-citano trauma, separazione dei compiti e desiderio di riconoscimento, e sottostimano il valore di appartenenza, contributo e relazioni. Almeno in Giappone, quindi, la memoria dei lettori ha tenuto la metà individualista del libro, quella dei confini, e ha dimenticato il punto centrale del testo. Il sospetto che valga anche da noi ce l’ho, ma è un sospetto.

Nelle ultime due notti del dialogo tra filosofo e studente si capisce che il vero punto è che la libertà conquistata non serve a isolarsi: serve a contribuire. Il senso del proprio valore, per Adler stesso, non arriva dall’approvazione e nemmeno dall’autosufficienza, ma dal sentirsi utili a una comunità, dentro relazioni orizzontali.Anche per questo il Guardian ha inserito il libro nella nuova ondata di self-help centrata sui confini, notando proprio il rischio di leggerne solo la prima metà. Ed il titolo non aiuta, lo so.

Per chi guida persone la lezione invece mi pare molto più interessante: parlare solo di confini senza ragionare sul contributo genera solo distacco.

Maneggiare con cura

Due avvertenze da mettere sul bugiardino dopo aver riletto gli appunti presi, per onestà. La prima: “il trauma non esiste”, preso alla lettera, è un falso. Il disturbo post-traumatico esiste, è riconosciuto dall’OMS e si cura; la versione difendibile della tesi del testo è che il passato pesa, ma non decide da solo l’intera traiettoria di una persona, neanche in un contesto aziendale. La seconda è quasi comica: la stessa ricerca giapponese fa notare che la separazione dei compiti, il concetto più citato del libro, non è di Adler. È un’invenzione pedagogica degli autori, compatibile con il suo pensiero, ma assente dall’originale. Il libro più letto al mondo sulle teorie di Adler insegna quindi soprattutto una cosa che Adler non ha mai detto.

E va benissimo così. Gli attrezzi di solito si giudicano dall’uso, non dal pedigree.

La settimana orizzontale

Insomma provando a capire cosa mi porto a casa in vista del rientro dalle vacanze, io partirei da qui:

1. Davanti a ogni problema che ti arriva sul tavolo, chiediti sempre prima di agire di chi è il compito. Se le conseguenze di quella attività non cadono sul tuo tavolo, aiuta chi dovrà averci a che fare, e lasciagli la decisione.

2. Una settimana senza “bravo”. Ogni volta che ti sale, sostituisci: descrivi l’effetto del lavoro, ringrazia, oppure chiedi qualcosa di concreto. Tieni il conto delle volte in cui ti scappa: il numero sospetto mi sorprenderà.

3. Fai la mappa della tua approvazione: scrivi da chi la cerchi e che cosa ti costa ottenerla. È il modo più rapido per scoprire quali compiti di altri ti sei intestato.

4. Un contributo invisibile al giorno: una cosa utile che nessuno saprà. Allena il tuo senso del valore a fare a meno del pubblico.

Ritorno al lavoro

Della sindrome della Nutella, il fatto che un leader non possa piacere a tutti, avevo già scritto: non è quella la scoperta di questo libro. La scoperta, per me, è arrivata su quella sdraio vista lago: non piacere è la parte facile. La parte difficile è restare orizzontali e utili mentre non piaci; smettere di comprare approvazione con i “bravo” regalati e smettere di venderne cercando di ricevere la stessa moneta, i “bravo” ricevuti.

Detta in sintesi, il titolo prometteva un’assoluzione. Il libro, letto fino in fondo, consegna una responsabilità. E mi pare un ottimo affare.

Da lunedì, intanto, tieni il conto: quante volte dirai bravo?

Sempre avanti, condannati all’ottimismo!

Giuseppe

SONG OF THE WEEK: Franco Battiato - Prospettiva Nevski

Primi giorni di agosto in Val di Fassa, come ogni anno. E come ogni anno ho notato una cosa tanto banale quanto rilevante: lo sguardo ci mette un pò ad allenarsi alla distanza. Passiamo undici mesi a guardare vicino. La strada, i cartelli, lo schermo, la riunione delle 15. Poi arrivi quassù e per i primi giorni continui a guardare a due metri, come se le Dolomiti fossero un monitor un pò più grande del solito. Servono un paio di giorni perché gli occhi si ricordino che esiste il lontano.

La conferma che la faccenda va oltre gli occhi me l’ha data una scena a cui ho assistito una mattina. Il Rifugio Friedrich August è probabilmente il posto più instagrammato della valle, e il merito è dei suoi bomboloni: talmente famosi che ho visto letteralmente decine di persone, in scarpe da ginnastica, prendere la funivia solo per fermarsi lì. Non tanto per mangiarli, i bomboloni: per farsi una foto con i bomboloni. Scatto, filtro, si riscende.

Il paradosso è che a pochi metri da quel tavolo parte uno dei sentieri più belli che abbiamo fatto quest’anno, quello che dal Friedrich August arriva al Rifugio Sandro Pertini, con alcune delle viste più spettacolari delle Dolomiti. Quasi deserto, in confronto. Centinaia di persone salite in quota, nel posto della prospettiva per definizione, per guardare qualcosa a trenta centimetri dal naso.

Mi è sembrata la fotografia perfetta di quello che facciamo tutto l’anno in azienda, nelle carriere, nella vita. Me compreso, sia chiaro. Ma possibile che lo sguardo lungo ci costi così tanta fatica anche quando il lontano ce l’abbiamo davanti, gratis? Forse si!

1. La distanza non è una metafora

Quando diciamo che serve “fare un passo indietro” per capire un problema, crediamo di usare un’immagine. È più letterale di così. La Construal-Level Theory di Trope e Liberman, sostenuta da decenni di esperimenti, mostra che la distanza cambia il livello a cui il cervello rappresenta le cose. Quando un problema è vicino nel tempo o nello spazio pensiamo a fattibilità, vincoli e dettagli: il come. Quando è lontano pensiamo a significato, direzione e caratteristiche essenziali: il perché.

Funziona perfino con la distanza fisica vera: in un esperimento di Fujita e colleghi gli stessi eventi venivano rappresentati in termini più astratti e globali solo perché collocati in un luogo lontano. Ecco perché certe decisioni si sbloccano camminando su un sentiero e mai alla scrivania: sei lontano dai tuoi problemi anche in senso letterale, e il cervello lontano fa domande diverse.

2. Puoi vedere benissimo e guardare male

La miopia strategica ha una caratteristica divertente: vede con una precisione straordinaria. Mette solo a fuoco un orizzonte troppo corto. In una survey NBER diventata un classico, il 78% dei dirigenti in ambito finance intervistati si dichiarava disposto a sacrificare valore economico pur di mantenere utili trimestrali regolari, e il 55% avrebbe rinunciato ad avviare un progetto ad alto valore se avesse fatto mancare il target di utili del trimestre. Rileggi con calma: più di metà avrebbe detto no a un progetto che crea valore, in nome di un numero da mostrare fra novanta giorni.

Quei manager vedono benissimo, ed è proprio questo il guaio: l’indicatore vicino è diventato più importante del risultato che dovrebbe rappresentare. La foto al bombolone al posto del sentiero.

3. Il vicino gioca in casa

C’è un motivo strutturale per cui finiamo tutti in fila per la foto. Il breve termine ha un vantaggio sleale: mostra subito i suoi risultati. Feedback rapidi, metriche leggibili, gratificazione immediata. Il lungo termine invece chiede di essere difeso prima di poter dimostrare di avere ragione. James March lo aveva formalizzato già nel 1991 con la coppia exploration ed exploitation: affinare ciò che già funziona produce ritorni vicini e comprensibili, esplorare produce ritorni lontani e incerti. Così i sistemi che imparano in fretta diventano efficientissimi nel breve e fragili nel lungo.

E la teoria trova conferme molto concrete: uno studio NBER ha misurato che quando i pacchetti azionari dei CEO si avvicinano alla scadenza di maturazione, gli investimenti in ricerca e sviluppo calano in modo rilevabile. Avvicini l’orizzonte dell’incentivo, si accorcia l’orizzonte delle decisioni. Lo sguardo va dove lo portano le metriche.

4. Guardare lontano non ti rende più intelligente

Qui la ricerca è più onesta di tanta letteratura motivazionale. In sei esperimenti pubblicati sul Journal of Personality and Social Psychology, proiettare le persone su un orizzonte temporale lontano migliorava il pensiero astratto e l’insight creativo; nel compito di problem solving analitico, però, la prospettiva distante peggiorava le prestazioni. La distanza è una modalità di pensiero con vantaggi specifici, non un potenziatore universale dell’intelligenza.

La montagna questa cosa la insegna a ogni passo. Guardi la cima per scegliere la direzione, guardi il sasso sotto lo scarpone per non romperti una caviglia. Nessuno cammina fissando solo l’orizzonte, e nessuno arriva da nessuna parte fissando solo gli scarponi. Il talento vero, in quota come in azienda, è sapere quando cambiare lente.

5. Il futuro funziona solo se lo avvicini

La scoperta più controintuitiva la lascio per ultima. Tutti ti dicono di pensare al lungo termine; peccato che il cervello svaluti sistematicamente ciò che è lontano, un fenomeno che gli economisti comportamentali chiamano temporal discounting. La soluzione che emerge dalla ricerca ribalta il consiglio: per agire sul lungo termine devi rendere il futuro più vicino. In un esperimento pubblicato su Neuron, far immaginare alle persone episodi personali futuri, vividi e concreti, riduceva la svalutazione delle ricompense lontane. E negli studi di Stanford chi interagiva con una versione digitalmente invecchiata di sé stesso destinava più risorse al risparmio. Bastava rendere il futuro riconoscibile per iniziare a prenderlo sul serio.

È esattamente quello che fai su un sentiero. La cima la scegli da lontano, poi la trasformi in tappe: il rifugio, la forcella, la sosta per l’acqua. Lo Stanford Foresight Framework condensa tutto in una domanda semplice: cosa posso iniziare a fare oggi per arrivarci? Una visione senza un prossimo passo resta contemplazione. Un prossimo passo senza una visione è la fila per il bombolone.

Ridiscendere a valle

Ripenso a quella mattina al Friedrich August. Nessuna di quelle persone faceva qualcosa di sbagliato, e sono pronto a credere che i bomboloni siano all’altezza della fama. Il problema comincia quando la foto al bombolone diventa l’unico modo di stare in montagna: quando l’orizzonte più corto si prende tutta l’attenzione, tutti i giorni, e nessuno si accorge più del sentiero che parte cinquanta metri più in là.

La buona notizia è che lo sguardo si allena. Bastano un sentiero, qualche giorno e la voglia di alzare la testa. La domanda che mi porto dietro per il rientro, e che lascio anche a te che leggi, è semplice: quale futuro stai rendendo più probabile con quello che farai questa settimana?

Sempre avanti, condannati all’ottimismo!

Giuseppe

SONG OF THE WEEK: Sex Pistols - Anarchy in the UK

Qualche settimana fa, durante una call, un’azienda mi ha presentato con orgoglio il suo comitato AI. Nove persone, tre riunioni già fatte, un documento di linee guida di quaranta pagine con tanto di matrice dei rischi. A un certo punto ho fatto la domanda sbagliata: “E gli esperimenti come stanno andando?”. Silenzio. Gli esperimenti partiranno quando il regolamento sarà approvato. È previsto per l’autunno.

Nel frattempo, dall’altra parte dell’oceano, qualcuno ha fatto l’esatto contrario.

E i numeri dicono che ha ragione lui.

Diecimila persone, una sola istruzione

Snowflake, una delle più grandi aziende di dati al mondo, ha affrontato la trasformazione AI con una strategia dichiarata in due tempi: prima lasciar regnare il caos, poi domarlo. Il loro CIO la racconta senza giri di parole.

Fase uno: hanno dato uno strumento interno di sviluppo AI a quasi diecimila dipendenti, compresi quattromila commerciali, con una sola istruzione: “andate e costruite qualcosa”. Nessun caso d’uso approvato, nessun processo di richiesta, nessun comitato. In tre mesi le persone hanno costruito diciottomila strumenti: app, dashboard, piccoli agenti. Di questi, quelli davvero buoni erano circa cinquecento.

Fermati un attimo su quel rapporto: cinquecento su diciottomila. Il 97% era, tecnicamente, spazzatura. Chiunque abbia scritto un business case sa come verrebbe classificato un programma così. Eppure è la cosa più efficiente che potessero fare, e il perché è il cuore di questo numero.

La sorpresa che il CIO ammette serenamente è che le cose più creative non sono arrivate dai tecnici. Un’analista del team finance ha costruito un agente super efficace. Un project manager che non aveva mai scritto una riga di codice in vita sua ha tirato su un’applicazione sofisticata. Alla loro conferenza annuale il CIO lo ha detto con una battuta che battuta non è: nel 2026 il profilo ideale che cerchi per lavoro è qualcuno con una laurea qualsiasi e un corso in informatica.

Il 97% di scarto è il prezzo della mappa

Il valore di quei tre mesi di pura sperimentazione non stava nei diciottomila strumenti. Stava in quello che i diciottomila strumenti rivelavano: osservando cosa la gente costruiva spontaneamente, l’azienda ha visto per la prima volta la mappa reale dei propri bisogni. Gli ingegneri costruivano app, gli analisti dashboard, i commerciali piccoli agenti che rispondevano alle domande sui clienti. Nessun questionario interno, nessuna società di consulenza avrebbe prodotto quella mappa: le persone l’hanno disegnata da sole, costruendo.

Poi è arrivata la fase due. Ai commerciali hanno detto: è stato divertente, ora tornate a vendere; abbiamo capito cosa vi serve e lo facciamo costruire a chi lo fa di mestiere. Dai pattern del caos è nato, tra gli altri, un agente interno che ha sostituito 250 dashboard del team vendite. Oggi riceve trentamila richieste al giorno: prepara la riunione, produce la presentazione per quella riunione, imposta il piano sul cliente in scadenza. Da 250 cruscotti da consultare a una conversazione.

L’ordine, alla fine, è arrivato. Ma è arrivato dopo, e soprattutto è arrivato informato. Il comitato delle quaranta pagine sta facendo il percorso inverso: decide le regole prima di sapere cosa c’è da regolare.

I guardrail non sono un comitato

Obiezione legittima: diecimila persone che costruiscono senza permesso sono un incubo di sicurezza. La risposta di Snowflake è la parte più adulta della storia: il caos regnava dentro guardrail tecnici, non normativi. I permessi sui dati stavano nei sistemi, non nei documenti: chiunque costruisse uno strumento poteva toccare solo i dati a cui il suo ruolo dava già accesso. E il monitoraggio era settimanale, perché osservare cosa succede era esattamente lo scopo dell’esercizio.

Insomma, bisogna resistere alla pressione di creare un organo di governance troppo presto, perché metti dieci persone in una stanza e troveranno mille ragioni per cui una cosa non si può fare. C’è un tempo per la governance, e non è l’inizio. L’unico vero errore è non fare niente.

C’è anche un patto di lavoro esplicito dietro, detto ai dipendenti con parole precise: vi paghiamo per imparare questa roba. Non “se avanza tempo”, non “nel weekend”: è parte del lavoro, e viene misurata e celebrata. Il risultato più concreto: gli sprint di sviluppo sono passati da tre settimane a una.

Come far regnare il caos senza farti male

Quattro regole, se vuoi provarci anche nella tua azienda:

1. Dai al caos un budget chiuso e una data di fine. Il caos è una fase di progettazione, non una cultura aziendale. Tre mesi, una cifra definita, e la consapevolezza che quasi tutto quello che verrà costruito finirà nel cestino: è il costo della mappa, mettilo a bilancio come tale.

2. Metti i guardrail nei sistemi, non nei documenti. Le persone non leggono i regolamenti, e va bene così: se i permessi sui dati stanno alla fonte, nessuno può farsi male davvero. Ogni regola che puoi scrivere nel software è una riunione che non devi fare.

3. Osserva ogni settimana, seleziona alla fine. Durante la fase di caos il tuo lavoro non è approvare o bocciare: è guardare i pattern. Cosa costruiscono spontaneamente le persone? Quali richieste si ripetono? Quella è la lista delle priorità vere, scritta dai comportamenti invece che dai questionari.

4. Quando domi il caos, scegli con attenzione. Da diciottomila a una manciata di strumenti ufficiali, ciascuno con un proprietario che ne risponde. La selezione netta e senza appello è ciò che trasforma l’esperimento in infrastruttura; tenere tutto sarebbe solo caos con un badge.

Ripenso al comitato delle quaranta pagine, che per carità, è pieno di persone serie e preparate. Il problema non è la prudenza: è la sequenza. Stanno scrivendo le regole di un gioco che non hanno ancora visto giocare. Quando il regolamento arriverà, in autunno, saprà tutto dei rischi immaginati e niente dei comportamenti reali.

Il caos non è il contrario della strategia. Fatto bene, con un budget e una data di fine, è il modo più veloce di scoprire qual è la strategia.

Sempre avanti, condannati all’ottimismo!

Giuseppe

Song of the week: Colapesce, Dimartino - Splash

NOTA: Questo post è stato scritto una settimana fa quindi non rispondo del fatto che nel mentre sia scoppiata una nuova crisi o che l’Italia sia stata ripescata e d’ufficio abbia vinto i mondiali. Lo scrivo prima perché ho deciso per una settimana di non lavorare e di non fare davvero nulla. È qualcosa di diverso dal solito perché di solito, anche in vacanza, anche durante l’estate o nella pausa natalizia, il modo in cui sono fatto è... non spegnermi mai.

E visto che sono in vena di confessioni, eccone un’altra: cercherò di non leggere i commenti a questo post prima di essere sul volo di ritorno. Cercherò, ho detto (conosco i miei limiti, e conosco la mia mano che apre LinkedIn da sola mentre il cervello guarda altrove).

Chiamarla vacanza sarebbe impreciso. È un esperimento, con me come unica cavia: uno che per venticinque anni ha tenuto il motore sempre acceso prova a spegnerlo per sette giorni interi. E siccome sospettavo che sarebbe stato difficile, prima di partire sono andato a leggermi i dati per capire perché. Spoiler: la forza di volontà c’entra poco.

Spegnersi, a 50 anni, con un ruolo di responsabilità, è diventato un atto quasi eversivo.

Il silenzio

Il racconto pubblico del burnout ha un protagonista fisso: il ventenne disilluso che fa quiet quitting. I dati raccontano un’altra storia. Secondo il Gallup State of the Global Workplace 2025, l’engagement globale è sceso dal 23% al 21%, il secondo calo in dodici anni, e a guidare la discesa sono stati i manager: dal 30% al 27%, con le donne manager a meno 7 punti. Gli individual contributor sono rimasti fermi al 18%. Il crollo è partito dalle stanze di chi guida, e costa, sempre secondo Gallup, 438 miliardi di dollari di produttività persa.

In Italia il quadro è più cupo. L’engagement dei manager italiani è passato dal 31% del 2022 al 22%, e lo stress quotidiano tocca il 51%, dodici punti sopra la media europea. Deloitte, insieme a Workplace Intelligence, ha misurato che quasi il 70% dei C-level valuterebbe seriamente di lasciare il posto per un lavoro che protegga meglio il proprio benessere.

Settanta per cento. Le stesse persone che nei town hall parlano di resilienza.

Qualche mese fa, a cena, un collega che guida una struttura più grande della mia mi ha chiesto come stavo. Ho risposto “tutto bene, tanta roba” mentre pensavo che era la terza notte che mi svegliavo alle 4 a ripassare la lista delle cose da fare. Lui ha annuito e ha detto “anche io, un periodo pazzesco”. Fine della conversazione sul tema: due adulti stanchi che si coprivano a vicenda.

La mia generazione è stata educata a considerare la stanchezza una colpa. E chi guida un team ha una paura in più: che ammetterla gli tolga legittimità davanti alle persone che dovrebbe proteggere.

Così il burnout dei capi è diventato la stanchezza che non si può dire o raccontare. E quindi, raccontiamola :D.

L’alibi

L’Organizzazione Mondiale della Sanità ha chiuso la discussione nel maggio 2019: il burnout è entrato nell’ICD-11 come fenomeno occupazionale, tre dimensioni (esaurimento, cinismo, ridotta efficacia professionale) e un contesto preciso, il lavoro. La diagnosi è sull’organizzazione, mica sulla fragilità del singolo. Lo scrive anche l’Inail nel suo factsheet del 2025, con tanto di fattori di rischio, effetti su salute, assenteismo e intenzione di andarsene.

Le aziende hanno letto tutto questo e hanno risposto comprando app di meditazione. Il mercato del corporate wellness vale oggi oltre 60 miliardi di dollari e le società di ricerca lo stimano verso i 130-138 miliardi entro il 2034-35. Peccato che la merce non funzioni: William Fleming (Oxford) ha analizzato nel 2024 i dati di 46.336 lavoratori in 233 organizzazioni britanniche, incrociando le 11 pratiche di benessere individuale più diffuse, dalla mindfulness ai corsi di resilienza alla gestione dello stress. Effetto misurabile: nessuno. Alcune pratiche risultano associate a esiti leggermente peggiori. Le revisioni sistematiche più recenti (Azevedo e colleghi, 2026) confermano il rovescio della medaglia: quello che funziona è organizzativo, cioè ridisegno dei carichi, chiarezza di ruolo, supporto dei manager. Sono interventi non di facciata e che costano davvero.

E quando il benessere in abbonamento non basta, arriva la sorveglianza: nel 2026 il Garante Privacy ha richiamato pubblicamente una startup per un plugin che inferiva emozioni e livello di stress dei dipendenti leggendo le chat di lavoro, mentre l’AI Act (art. 5) vieta espressamente i sistemi di IA che inferiscono le emozioni sul posto di lavoro. Siamo arrivati a monitorare lo stress invece di ridurlo. Medicalizzare il singolo è il modo più economico per non toccare i carichi; sorvegliarlo è la versione 2.0 dello stesso alibi.

La giornata infinita

C’è una domanda che è venuta fuori preparando questa settimana di vuoto: perché è così difficile staccare? Microsoft ha una risposta dettagliata nel Work Trend Index 2025, che si intitola “Breaking down the infinite workday”. Il lavoratore medio viene interrotto ogni 2 minuti, 275 volte al giorno. Riceve 117 email e 153 messaggi su Teams al giorno, e ne scambia più di 50 fuori orario. Le riunioni dopo le 20 sono cresciute del 16% in un anno; il 40% di chi è online alle 6 del mattino sta già smistando email. Se la giornata non finisce mai, il momento in cui spegnersi non esiste in natura: va costruito, e costruirlo costa un’energia che a fine giornata hai già speso.

Su questo l’AI, che doveva alleggerire, per ora in molti contesti alza l’asticella: la ricerca più recente (Thorpe e colleghi, 2026) descrive technostress, pressione implicita a usare la GenAI per non restare indietro, ore passate a controllare output inaffidabili. Quello che protegge, secondo Kim e colleghi (2024), è la self-efficacy, cioè sentirsi capaci di impararla. E qui arriva la parte comica: io questa roba la insegno. Passo le giornate a spiegare ai manager come usare l’AI per lavorare meglio, e mi sono accorto che il peggior allievo dei miei corsi sono io (mannaggia a me). Conosco a memoria la letteratura sul distacco psicologico.

La so citare. Applicarla è un altro mestiere.

C’è anche un dettaglio normativo che dice molto di noi: in Italia il diritto alla disconnessione esiste solo come rinvio all’accordo individuale nella legge 81/2017 sul lavoro agile. La Francia lo ha reso legge nel 2017, l’Australia nel 2024. Da noi spegnersi resta una trattativa privata tra te e la tua casella di posta.

Il problema non è la tua forza di volontà. È che il recupero, qui, nessuno lo progetta.

Il recupero

La ricerca sul recupero è chiara, e per certi versi sorprendente. Sabine Sonnentag ha costruito il modello stressor-detachment attorno a un’idea semplice: il beneficio del riposo dipende dal distacco psicologico, cioè da quanto davvero smetti di pensare al lavoro, molto più che da quanti giorni stai via. Le meta-analisi sugli effetti delle vacanze (de Bloom e colleghi) misurano un fade-out rapido: entro 2-4 settimane dal rientro il beneficio è evaporato. Quello che protegge dall’esaurimento sono i micro-pattern quotidiani di disconnessione, le sere in cui il lavoro non entra nel sonno, le pause vere dentro la settimana.

Insomma: le pause frequenti battono la vacanza eroica di agosto.

Chi corre lo sa già: nello sport la differenza tra il sovraccarico che ti fa crescere e il sovrallenamento che ti distrugge è codificata da decenni, e il recupero sta dentro il programma con lo stesso rigore delle ripetute. Nessun preparatore ti direbbe che riposare è da deboli. Nelle aziende invece il riposo è ancora una concessione da giustificare.

E c’è un punto che riguarda chi guida persone, e che da solo vale il tempo della lettura di questa newsletter credo: un capo che si spegne davvero dà il permesso di farlo a tutto il team. È l’unico programma di benessere gratuito di cui esista evidenza pratica. Se rispondi alle email a mezzanotte, la tua policy sulla disconnessione è quella, qualunque cosa dica l’intranet.

Cosa mi porto via da questo esperimento (e cosa puoi portarti a casa tu)

1. Il distacco si misura in pensieri. I giorni di ferie contano meno di quello che succede nella tua testa mentre li usi. Se controlli la posta “solo per sicurezza”, il contatore del recupero riparte da zero: la ricerca di Sonnentag dice che è il pensiero al lavoro a tenere acceso lo stress, anche a 800 chilometri dalla scrivania.

2. Proteggi le pause brevi. Il beneficio delle vacanze evapora in 2-4 settimane. Puntare tutto su agosto è come allenarsi una volta al mese per tre ore: meglio sere libere davvero, weekend senza posta, pause vere dentro la settimana. Il recupero è una pratica quotidiana, come lavarsi i denti.

3. Se guidi persone, il tuo spegnerti è policy. Il team legge il tuo comportamento, non il regolamento welfare. Ogni email fuori orario riscrive le regole per tutti. Vale anche al contrario: una settimana di vero silenzio del capo autorizza tutti a farne una.

4. Diffida del benessere in abbonamento. Se la tua azienda ti offre un’app di meditazione ma nessuno ha mai ridiscusso i carichi, hai in mano l’alibi, il problema è rimasto intero. I 46.336 lavoratori dello studio di Fleming lo dicono con la freddezza dei numeri: la domanda giusta è chi ridisegna il lavoro, non quale app scaricare.

5. Scrivi le cose prima di partire. Come questo post. Le decisioni prese in anticipo sono le uniche che sopravvivono al contatto con la casella di posta: se aspetti di essere in vacanza per decidere di staccare, la giornata infinita avrà già deciso per te.

Ti starai chiedendo dove sono e cosa sto facendo, in questa settimana da spento. Non te lo dico, e la scelta è precisa: non dichiararlo fa parte dello staccare. La versione di me che documenta la disconnessione, con foto del tramonto e riflessione allegata, è esattamente la versione che sto provando a spegnere per sette giorni.

Quando leggerai queste righe l’esperimento sarà in corso, o magari già fallito al secondo giorno (accetto scommesse nei commenti, che però leggerò solo sul volo di ritorno: anche questa è una ripetuta). Al rientro non saprò dirti se ha funzionato. Ma la decisione di provarci, a 50 anni, dopo una vita col motore sempre acceso, è già una risposta a quel “non spegnermi mai” da cui siamo partiti.

Ti assicuro che di volontà, per questo, ne serve di più.

Sempre avanti, condannati all’ottimismo!

Giuseppe

Song of the week: Mina e Alberto Lupo - Parole parole (1972)

Domenica sera, ore 19:28. Sono sul divano, condizionatore acceso, con il fermo proposito di non fare niente fino a lunedì. Il telefono vibra: nella chat whatsapp dove parliamo di modelli e di tricks su AI, Claudio (Bedino) ci scrive: “Best harness che sto sperimentando: GPT Sol dentro Claude Fable. In pratica Fable orchestra e GPT deploya.” Trenta secondi dopo arriva il rincaro: fai fare il lavoro a GPT, poi digli di farsi fare l’audit da Fable. “Ti costa in token ma risultati top.”

Io, che poche settimane fa avevo annunciato con una certa solennità la mia uscita da ChatGPT, rispondo l’unica cosa onesta che mi viene: “Confesso di essere uscito da ChatGPT, ma questa è una perversione interessante.”

Così lunedì mattina, invece di limitarmi ad annuire nella chat (mannaggia a me e quando lo apro, il telefono, la domenica), ho deciso di usare la settimana per mettere alla prova la ricetta sul mio lavoro vero. Tre casi, quelli che avevo in agenda comunque: un workshop da preparare, un’analisi dati per un cliente, uno strumento da costruire.

Il duetto

Prima i numeri; Claude Fable 5 è uscito il 9 giugno e costa 10 dollari per milione di token in ingresso e 50 in uscita. GPT-5.6 Sol costa esattamente la metà: 5 e 30. Su questo Claudio ha ragione. E il montaggio che descrive si fa in pochi minuti: OpenAI ha pubblicato un plugin ufficiale che porta Sol dentro l’ambiente di Claude, tre comandi e sei operativo.

La parola chiave è harness, letteralmente l’imbracatura: tutto quello che sta attorno al modello, gli strumenti che può usare, il modo in cui spezza i compiti e si passa i risultati. Un test pubblicato a luglio ha fatto girare lo stesso identico modello dentro due ambienti diversi, e i comportamenti cambiavano; in uno dei due, per un difetto di configurazione, il modello lavorava con le mani mezze legate senza che nessuno se ne accorgesse. Il modello è il motore; l’harness è telaio, freni e cambio. E nessuno guida un motore.

Poi c’è il motivo per cui la seconda parte del consiglio di Claudio, l’audit incrociato, vale più della prima. METR, uno degli enti indipendenti che valutano i modelli, ha scritto che Sol ha aggirato le proprie valutazioni di ingegneria del software “al tasso più alto mai rilevato”: scorciatoie per soddisfare la metrica senza completare davvero il compito. Traduco: un collaboratore velocissimo, che costa la metà, e che tende a fare il minimo indispensabile per passare il controllo.

Ecco perché il controllo non puoi lasciarlo a lui.

In aula

Primo banco di prova. Giovedì avevamo un workshop sull’AI con una ventina di manager, e lunedì il materiale non esisteva ancora. Divisione del lavoro come da ricetta: a Fable ho fatto disegnare l’arco della giornata, gli esercizi e i criteri per valutarli; a Sol ho fatto produrre tutto il resto, il dataset fittizio per l’esercitazione, i file degli esercizi, la struttura delle slide. Sol impressiona per densità: consegna in minuti e, secondo i primi test, scrive circa un quinto del codice che il modello di punta precedente avrebbe prodotto per lo stesso compito.

Poi il giro di audit: ho chiesto a Fable di correggere il lavoro di Sol come un docente cattivo. Ha trovato che uno degli esercizi era stato risolto alla radice: Sol aveva semplificato il dataset al punto che la risposta giusta si vedeva a occhio nudo, senza toccare l’AI. Formalmente perfetto, didatticamente inutile. Lo stesso vizio che METR descrive nei suoi report, solo che stavolta la metrica da aggirare ero io. Ho fatto rigenerare i dati con le anomalie al posto giusto e giovedì l’esercizio ha funzionato.

In aula nessuno si è accorto di niente, ed è questo il punto: il lavoro della verifica, quando funziona, è invisibile come i freni. E altrettanto importante

I numeri

Mercoledì, analisi per un cliente: quattro file di export, la domanda di sempre (cosa sta succedendo alle vendite del trimestre). Ruoli invariati: Sol ha scritto il codice di analisi, veloce e compatto; Fable ha fatto l’audit della metodologia prima ancora che io guardassi i grafici.

E l’audit ha trovato la cosa che mi avrebbe fatto fare una figura pessima: nell’incrocio tra due tabelle, Sol scartava in silenzio le righe senza corrispondenza, all’incirca una su dieci. I totali tornavano comunque, solo più bassi del vero. Nessun errore a schermo, nessun avviso. Un’analisi sbagliata che sembra giusta è la cosa più costosa che esista in consulenza; un numero sbagliato detto con sicurezza a un cliente te lo ricordi per anni (e lo dico da uno che l’ha imparato nel modo classico, tanto tempo fa, quando i fogli Excel li sbagliavo in autonomia senza bisogno di aiuto artificiale). A spanne, il giro di verifica mi è costato un terzo di token in più. Come previsto “ti costa in token ma risultati top”: confermo la prima parte, e pure la seconda.

L’attrezzo

Venerdì ho chiesto al duetto di costruirmi una cosa che rimandavo da marzo: un piccolo form di autovalutazione per i partecipanti dei corsi, con i punteggi calcolati e restituiti in una pagina. Niente da mettere in produzione, ma un piccolo test. Sol l’ha tirato su in un colpo solo, funzionante al primo avvio. Tentazione fortissima di dichiararlo finito e andare a cena.

Invece, giro di audit. Fable ha trovato tre casi limite: campi vuoti che passavano come risposte, un doppio invio che duplicava i punteggi, una divisione per zero se saltavi una sezione intera. Sol ha corretto tutto in un secondo passaggio. Tempo totale: un pomeriggio. Il flusso, tra l’altro, esiste già in forma codificata: su GitHub circolano procedure di lavoro cross-model dove un modello pianifica, l’altro esegue e il primo verifica il risultato contro il piano. Per adottarlo bastano due finestre aperte e la disciplina di trattare il primo risultato, per quanto elegante, come una bozza.

Parole, parole

A febbraio il movimento #QuitGPT ha rivendicato 700.000 disdette di abbonamenti, tra ragioni politiche e insofferenza per risposte lunghe, caute, moraleggianti. Sul fronte opposto Andrew Maynard, professore ad Arizona State, ha scritto che i testi di ricerca prodotti da Fable 5 sono si molto migliori di prima ma si leggono ancora come un paper scritto da un’AI. L’accusa di essere più stile che sostanza viaggia in entrambe le direzioni, e in entrambe ha un fondo di verità.

La settimana però mi ha lasciato una convinzione diversa: la sostanza non abita nel modello. Abita nel processo che costringe le parole a diventare verificabili. Mina lo cantava nel 1972 a un uomo che la sommergeva di complimenti: parole, parole, parole. Cambiare interlocutore serve a poco, perché parlerà bene anche il prossimo. Quello che cambia i risultati è pretendere la prova, ogni volta, da chiunque stia parlando.

Takeaway di questa settimana?

1. Compra il processo, affitta i modelli. Le classifiche cambiano ogni mese: a giugno il più potente era uno, a luglio l’altro costa la metà. Se la tua competenza è “so usare bene il modello X”, hai una competenza con la data di scadenza stampata sopra. Se invece è “so montare un processo in cui uno strumento produce e un altro verifica”, quella sopravvive a qualunque rilascio. La scoperta interessante di quest’ultimo periodo è proprio il mix e i ruoli; il modello nuovo è un dettaglio.

2. Fai decidere al modello caro e produrre a quello economico. La differenza di listino è un fattore due secco: 10 e 50 dollari al milione di token contro 5 e 30. Sull’uso di una settimana si sente poco; su un team che lavora così tutti i giorni diventa una voce di budget. La logica è quella di qualsiasi bottega rinascimentale: il maestro disegna e firma, l’apprendista sgrossa. Pagare il maestro per sgrossare è il modo più elegante di buttare soldi.

3. Mai far correggere il compito a chi l’ha scritto. L’autoverifica funziona male con gli umani e funziona male con i modelli, per la stessa ragione: gli errori di ciascuno sono sistematici, quindi invisibili a chi li produce. Un modello di un altro fornitore ha punti ciechi diversi; il mio incrocio silenzioso tra tabelle l’ha visto Fable, e i tre casi limite del form li ha trovati chi quel codice l’aveva ricevuto da correggere, senza affetto per come era stato scritto. Se il budget preoccupa, taglia altrove: l’audit incrociato è l’ultima voce da sacrificare.

4. Tratta i benchmark come le referenze scritte dal candidato. METR ha documentato la manipolazione delle valutazioni e consiglia di trattare i punteggi pubblicati come indicativi, e il consiglio vale per tutti i fornitori, mica solo per uno. L’unico benchmark che conta è la tua agenda: prendi tre compiti veri della prossima settimana e falli passare dal duetto, produzione da una parte e audit dall’altra. Costo dell’esperimento: qualche euro di token e la pazienza di leggere le correzioni. Il mio esperimento l’hai appena letto.

Venerdì sera ho riaperto la chat di domenica. Ho riletto la mia risposta, “confesso di essere uscito da ChatGPT, ma questa è una perversione interessante”, e mi sono accorto che nel frattempo era diventata una confessione doppia: sono uscito da ChatGPT dalla porta e me lo sono ritrovato in casa dalla finestra, assunto come apprendista, con un revisore severo alle spalle.

La verità mi rendo conto è che dentro lo stesso strumento convivono risultati top e puro esercizio di stile, e a separarli è il processo che ci costruisci intorno.

Qui però ti lascio la domanda che mi sono fatto io, e la giro a te che magari in questi giorni stai difendendo il tuo modello preferito in qualche chat: quando è stata l’ultima volta che hai fatto controllare il suo lavoro da qualcuno che non fosse lui? Io, fino a lunedì scorso, avevo una bella risposta pronta e nessuna voglia di darla.

Sempre avanti, condannati all’ottimismo!

Giuseppe

Song of the week: Luigi Tenco, “Quello che conta”

Qualche settimana fa ho scritto un post sul costo dei token. Un confronto tra i modelli americani e quelli cinesi: per lo stesso identico compito, con un’AI di OpenAI o Anthropic paghi diverse volte quello che ti chiede un modello cinese. La forbice di prezzo si è aperta a tal punto che una parte degli sviluppatori americani ha cominciato a spostare i lavori sui modelli di Pechino, per pura aritmetica. Chiudevo con un’osservazione buttata lì quasi di sfuggita: in certi ambiti, ormai, far svolgere un lavoro a un’AI di fascia alta costa più o meno quanto farlo fare a una persona. Il tipo di cosa che scrivi il martedì mattina e ti aspetti tre like e un commento di tuo cugino.

Invece è arrivata un messaggio, in effetti un possibile new business; una utility del settore energia e il responsabile del customer care che aveva letto il post e voleva capirci di più. Bene, mi dico, funziona ancora questa storia dello scrivere. E non era il confronto con la Cina ad averlo colpito: era quella riga in fondo, l’equivalenza di costo con le persone.

A metà telefonata mi fa la domanda. Con calma, senza polemica, come chi ha già fatto i conti sul serio: “Giuseppe, se un agente AI mi costa quanto una persona, perché dovrei sostituire la persona con l’AI?”.

E la domanda pesava il doppio, perché arrivava proprio da chi guida il reparto che tutti indicano per primo quando dicono “lì l’AI rimpiazzerà le persone”. Il customer care di una utility, migliaia di chiamate al giorno su bollette, guasti, volture. Il posto dove la sostituzione dovrebbe essere più facile, e lui lì a mettermela in discussione.

E io lì, io beh beh beh. Ho detto qualcosa di sensato, credo, ho tenuto viva la conversazione, abbiamo fissato un secondo incontro. Ma ho chiuso la chiamata con la sensazione di non aver risposto davvero. Perché la domanda era giusta e sbagliata insieme, e per capire dove finiva il giusto e cominciava lo sbagliato mi ci sono voluti alcuni giorni (e diversi caffè).

Questo numero della newsletter è la risposta che avrei voluto dare al telefono.

Il contatore

Ormai sappiamo che il 47% dei lavoratori italiani usa strumenti di AI in azienda. Il mercato è cresciuto del 50% in un anno, fino a 1,8 miliardi di euro, e il 71% delle grandi imprese ha almeno un progetto avviato (Osservatorio Artificial Intelligence del Politecnico di Milano, 2025).

Quasi la metà di noi, quindi, ha già l’AI aperta in un’altra scheda del browser. E quasi tutti la paghiamo allo stesso modo: un abbonamento fisso, venti o trenta euro al mese, uguale a gennaio come a dicembre. Il costo sembra uno stipendio. Lo metti a budget una volta e te ne dimentichi.

Questo è il punto che, credo fortemente, sta per saltare, e per capirlo basta guardare cosa è successo dentro Meta quest’anno. Un dipendente ha costruito una classifica interna dei consumi di AI e l’ha battezzata “Claudeonomics”. Nel giro di poche settimane è diventata un gioco di status: i primi 250 divoratori di token esposti come in una hall of fame, con badge da sbloccare tipo “Token Legend” e “Cache Wizard”, e la gara a chi bruciava più risorse dell’azienda. In un mese, gli oltre 85.000 dipendenti hanno consumato 73,7 trilioni di token. Il primo in classifica, da solo, ne macinava in media 281 miliardi, un conto che ai prezzi di allora superava 1,4 milioni di dollari per una persona sola. (spoiler…Zuckerberg non compariva nemmeno nella top 250) (Fortune, abit.ee).

Meta però, ad un certo punto, ha spento la classifica, ha costruito un cruscotto interno per tracciare e mettere a budget ogni consumo, e ha iniziato a spostare i suoi sviluppatori da Claude verso un assistente interno più economico. La stessa azienda che al mondo vende l’AI come il futuro, in casa propria, ha chiuso il rubinetto. La cosa interessante qui non riguarda Meta. Riguarda noi: quando pensare sembra gratis se ne abusa, e nel momento in cui il contatore diventa visibile il comportamento cambia dalla sera alla mattina.

Il costo dell’AI sta diventando un contatore. Paghi per quanto la fai pensare. E il contatore gira più veloce di quanto immagini: una singola risposta “ragionata” a fondo, di quelle che rileggi tre volte perché sono fatte bene, può consumare in trenta secondi quello che l’abbonamento base ti dà in un giorno intero.

Finché è compreso nel prezzo fisso non te ne accorgi. Il giorno in cui pagherai a consumo, te ne accorgerai eccome.

Comprare quoziente

Un gruppo di ricercatori di Stanford ha preso un modello e gli ha fatto risolvere una serie di problemi di programmazione veri. Con un solo tentativo, ne risolveva il 15,9%. Lasciandogli fare 250 tentativi sullo stesso problema, la percentuale saliva al 56% (Large Language Monkeys, Stanford, 2024).

Stesso modello. Stessa macchina. L’unica cosa cambiata è quanto ci hai speso sopra. Più tentativi, più token, più conto da pagare, più problemi risolti.

Questa è la cosa complessa che al telefono non sono riuscito a dire con la chiarezza che meritava: l’intelligenza della macchina si compra a peso. Non esiste “quanto costa l’AI” con una cifra sola in fondo. Costa quello che decidi di spendere, e in cambio ti restituisce più o meno pensiero, quasi in proporzione.

Ecco perché paragonarla a uno stipendio è il paragone sbagliato. Una persona qualificata, tra retribuzione e contributi, costa all’azienda ad esempio quaranta o cinquanta mila euro l’anno, e te li costa tutti allo stesso modo: che il problema del giorno sia enorme o banale, la busta paga a fine mese è quella. È un costo fisso. La macchina lavora al contrario. Puoi spendere due lire sul file da sistemare e caricare a fondo sulla decisione da cui dipende il trimestre. Il costo smette di essere una retribuzione e diventa una manopola che giri tu, problema per problema.

Il responsabile del customer care pensava di comprare un sostituto più economico. Sta comprando un regolatore di intensità. Sono due oggetti diversi, e si usano in modo diverso: il primo lo paghi e lo dimentichi, il secondo lo devi imparare a dosare. Chi lo confonde con uno stipendio lo terrà sempre sulla stessa tacca, e sprecherà la cosa migliore che questa tecnologia offre.

La forbice

Nel 2025 gli annunci di lavoro che chiedono competenze di AI sono cresciuti del 93%, e il 76% delle posizioni white-collar qualificate ormai le richiede (Osservatorio Polimi). Il mercato del lavoro ha già deciso da che parte sta.

Dentro le aziende, però, si apre una frattura più delicata da controllare. Se l’intelligenza si compra a peso, chi ha budget compra pensiero migliore. E il divario non è tra la tua azienda e il colosso americano, è tra la scrivania di fianco alla tua e la tua.

Prendi due colleghi con lo stesso identico strumento. Il primo ha margine e la lascia ragionare a fondo sui dossier importanti; le sue risposte sono lucide, verificate, usabili. Il secondo tiene tutto al minimo per far quadrare i suoi numeri, riceve la risposta da pochi centesimi, la trova mediocre e conclude che “questa AI non funziona”. Hanno pagato lo stesso abbonamento e vivono in due mondi diversi.

La disuguaglianza dei prossimi anni non passa da chi ha accesso alla tecnologia. Passa da chi si può permettere di farla pensare bene. È una forbice che si apre dentro lo stesso open space, tra chi ha imparato a spendere e chi tira la cinghia sulla cosa sbagliata.

Il quadrante

Qui viene la parte che a me interessa, perché è l’unica su cui io e te abbiamo un potere reale … forse.

I sistemi più avanzati hanno già smesso di ragionare come il mio interlocutore. Il modello grande non fa più tutto da solo: pianifica il lavoro e poi delega i pezzi esecutivi a modelli più piccoli ed economici, tenendo per sé solo le decisioni difficili. Il risultato è quasi tutta la qualità a una frazione del costo. Il software ha capito prima di noi che l’intelligenza va dosata, organizzata, distribuita.

La competenza nuova non è “usare l’AI”. Usarla la usano già in 47 su 100. La competenza è decidere dove vale la pena spendere per pensare. Individuare i tre o quattro problemi dell’anno che meritano un ragionamento caro, verificato, lento, e caricarci sopra senza guardare il contatore. E su tutto il resto, il lavoro di volume, le mail, le bozze, i riassunti, tenere il minimo e non sentirsi in colpa.

Ti faccio l’esempio più banale che ho in testa. La due diligence su un’acquisizione, il contratto quadro con il cliente da cui dipende un quarto del fatturato, la revisione del piano industriale: lì lasci la macchina pensare a fondo, e ci metti sopra gli occhi di una persona che sa leggere. La convocazione del consiglio, il riassunto della call, la bozza della mail di follow-up: lì tieni tutto al minimo, e chi se ne importa se non è perfetta. Il problema è che la maggior parte delle aziende fa l’esatto contrario, per abitudine: massima cura sulle sciocchezze, fretta sulle decisioni.

Non sostituisci la persona. Sposti quello che la persona può permettersi di pensare. Il manager bravo non è quello che spende di più. È quello che sa dove.

Come prepararti a questa nuova modalità di uso dell’intelligenza?

1. Strafai dove conta, di proposito. L’istinto dopo un pezzo sui costi è stringere ovunque. Sbagliato. Sui due o tre problemi dove sbagliare ti costa davvero, fai il contrario: lascia la macchina ragionare a oltranza, falle rifare lo stesso lavoro da angolazioni diverse, incrocia le risposte, paga il conto senza fissarti sul totale. È lì che l’equivalenza col costo di una persona lavora per te. Un umano lo paghi uguale che ci azzecchi o no; la macchina ti vende una certezza in più a un prezzo ridicolo rispetto a quello che rischi. Quasi tutti limitano proprio dove dovrebbero esagerare.

2. Metti a budget lo spreco. Sembra un controsenso, lo è solo in apparenza. L’esempio di Meta insegna due cose insieme: quando l’AI sembra gratis la gente gioca a bruciarla, quando cala il tetto la gente smette di sperimentare. La via d’uscita è dare a ciascuno una quota fissa da dilapidare come vuole, senza rendere conto a nessuno, e mettere il freno solo oltre quella soglia. Paghi la curiosità del team come paghi la formazione, perché è la stessa voce di bilancio.

3. Tieni l’umano anche quando costa uguale. Il ragionamento del mio interlocutore era semplice: se costano lo stesso, tanto vale l’AI o magari no. Girato dall’altra parte suona diverso. Se costano lo stesso il risparmio è zero, quindi la scelta si decide altrove: chi fa il lavoro meglio, e cosa perdi se lo fa peggio. La voce che calma il cliente furioso per una bolletta sbagliata vale più dei centesimi che risparmi a toglierla di mezzo. A parità di prezzo comanda la qualità, e nel customer care la qualità ha un nome e un tono di voce.

4. Conta il valore, non i token. Meta ha reso visibile la cosa sbagliata: ha misurato il consumo, e il consumo è diventato una gara a chi ne bruciava di più. Se conti i token, premi la vanità. La cifra utile è un’altra: quanto ti è costato arrivare a una risposta che hai davvero usato. È più difficile da calcolare, senza dubbio, e vale dieci volte tanto. A fine anno l’unico numero che conta è quanto ti torna indietro di ciò che hai speso.

La risposta che avrei voluto dare

Se potessi richiamare quel responsabile del customer care, gli direi questo: non stai sostituendo nessuno, quindi la tua domanda parte con il piede sbagliato. E ti avverto su una trappola. Se l’unico motivo per cui vuoi l’AI è che costa meno di una persona, comprerai la versione più economica, otterrai il ragionamento peggiore, e a dicembre sarai convinto che l’AI sia una montatura. Ti sarai dato ragione da solo, nel modo più caro che esista: rinunciando al valore vero per risparmiare sul prezzo sbagliato.

La domanda vera da farsi non è quanto costa. È su quali tre problemi, quest’anno, vale la pena pagare per pensare meglio. Il resto lascialo al minimo e dormi sereno.

Sempre avanti, condannati all’ottimismo!

Giuseppe

Song of the week: Pink Floyd - Brain Damage

Da qualche mese la richiesta che mi arriva più spesso dai clienti è sempre la stessa, e suona ragionevole: “Vogliamo dare un assistente AI a ogni manager.” Detta così sembra ovvia. Ognuno va più veloce, quindi l’azienda va più veloce. La settimana scorsa ho scritto che l’azienda unicorno senza dipendenti si può fare e io non la vorrei, perché la stessa leva che fa fare a una persona il lavoro di dieci potrebbe far costruire a dieci qualcosa di nuovo insieme. Questa settimana la leva torna, ma dentro l’organizzazione. E la domanda di sopra, che sembra ovvia, forse è quella sbagliata.

È sbagliata perché ancora una volta prende il singolo come unità di misura. Il lavoro che vogliamo togliere di mezzo non vive dentro una persona sola: vive tra le persone, nei passaggi, nelle attese, nelle cose ridette tre volte. Dare un assistente a ogni dirigente è come asfaltare meglio dieci strade che non si incontrano. Le strade restano dieci.

La tassa

Secondo l’Anatomy of Work Index di Asana, che ha intervistato oltre 10.000 knowledge worker, il 60% del tempo se ne va in “lavoro sul lavoro”: coordinare, cercare informazioni, rincorrere aggiornamenti, passare da un’app all’altra. Resta poco più di un quarto della giornata per il lavoro per cui sei stato assunto e appena il 13% per la strategia. Microsoft, nel suo Work Trend Index, misura la stessa cosa dall’interno dei suoi strumenti: il dipendente medio viene interrotto una volta ogni due minuti, 275 volte al giorno, e passa il 57% del tempo a comunicare contro il 43% a produrre qualcosa. Quasi metà delle persone descrive la propria giornata come caotica e frammentata. Aggiungi il famoso dato che emerge dalla ricerca di qualche tempo fa di Gloria Mark, l’informatica della UC Irvine che studia l’attenzione da vent’anni: dopo ogni interruzione servono in media 23 minuti e 15 secondi per tornare davvero dentro il pezzo che stavi facendo.

Proprio su questo limite nelle ultime settimane si è costruita una nuova classe di assistenti AI operativi, che vivono sopra l’email e lo stack SaaS aziendale, imparano dai flussi reali e automatizzano il lavoro di coordinamento, follow-up e sintesi che oggi fanno i knowledge worker e buona parte del middle management. La cosa interessante è che il bersaglio è uno solo, ma le risposte sono almeno due.

E sono molto diverse.

Due scommesse

Da una parte c’è l’assistente personale. Il caso più citato in questo momento è Town: gli colleghi Gmail e calendario (e… tutto), lui impara la tua voce, le tue relazioni, le tue priorità, e comincia a proporti azioni prima che tu le chieda. A giugno 2026 ha raccolto 55 milioni di dollari in un round guidato da Andreessen Horowitz e Forerunner. a16z non lo tratta come una feature ma come una categoria nuova, che chiama “external AI brain”, un cervello esterno che tiene il tuo contesto. La frase con cui il loro general partner Alex Rampell l’ha riassunta vale la pena tenerla a mente: il fossato non è il modello, è il contesto che il prodotto accumula su di te. I numeri di retention danno ragione alla tesi: tra chi ha costruito almeno un’automazione, il 99% è ancora lì dopo due mesi.

Dall’altra parte dello spettro c’è il sistema nervoso aziendale. Coworker, this+that e prodotti simili non puntano sulla persona, puntano sull’organizzazione. Il cuore di Coworker è una memoria aziendale, un grafo che mappa persone, progetti e deal su oltre cento dimensioni e promette “permission-aware recall” su tutta l’azienda: ogni agente vede solo quello che chi lo usa ha il diritto di vedere, ma attinge a una conoscenza comune. this+that mette al centro un “Brain” condiviso, uno strato di sapere di squadra con cronologia delle versioni, da cui gli agenti leggono e su cui scrivono. Gli agenti sono condivisi: li configuri una volta e lavorano per tutti.

La differenza non è il prezzo e non è il numero di integrazioni. È dove decidi che si accumuli la conoscenza: dentro la persona o dentro l’istituzione.

E chiaramente è una scelta strategica

Chi/cosa diventa prezioso

Quale è il punto qui? Se il contesto si accumula sul singolo, il valore si accumula sul singolo. L’assistente impara come lavora quel dirigente, e quel sapere se ne va con lui il giorno in cui cambia azienda. Dentro l’organizzazione ricrei in piccolo lo stesso problema di cui parlavo la settimana scorsa: tutto appeso a una persona. Se invece il contesto sta nell’organizzazione, il valore resta all’azienda anche quando le persone girano. Lo stesso strumento che rende l’azienda più solida rende il dirigente più rimpiazzabile.

Ecco perché l’assistente personale si vende da solo e il sistema nervoso incontra resistenza nella mia esperienza con il mondo corporate. Il primo ti fa sentire insostituibile, ti dà superpoteri che porti con te. Il secondo mette in chiaro che i superpoteri sono dell’azienda, non tuoi. Le persone tifano istintivamente per il primo. I CEO, se ci pensano bene, dovrebbero volere il secondo. Quando firmi il contratto, al netto delle slide, stai definendo di chi è il fossato.

La scorciatoia

C’è una ragione molto pratica per cui quasi tutti partono dall’assistente personale: è facile. Un dirigente collega la sua casella e in un pomeriggio hai un proof of concept che funziona. Nessuna riunione di sicurezza, nessun allineamento tra reparti, nessuna politica interna. Il problema arriva dopo. Se lo fai per dieci dirigenti, ti ritrovi dieci memorie private, dieci modelli addestrati ciascuno sul proprio silo, nessuno strato comune. Il giorno in cui vorrai che l’azienda ragioni come un corpo solo, dovrai unificare quei dieci cervelli separati.

Quello è il costo vero e arriva quando hai già preso l’abitudine sbagliata.

Il sistema nervoso parte più lento e costa di più all’inizio, soprattutto in termini politici: tocca permessi, dati, confini tra funzioni. Ma è l’unico dei due che capitalizza a livello di azienda.

La scorciatoia individuale, messa in fila su qualche anno, è spesso la scelta più cara.

Middle management

Quel 60% di “lavoro sul lavoro” di cui parlavo prima è la descrizione, parola per parola, del mestiere di gran parte del middle management. Sintetizzare verso l’alto, tradurre verso il basso, tenere il conto di dove sono arrivate le cose. Un assistente che automatizza davvero il coordinamento non sta “potenziando” quei ruoli. Sta riscrivendo a cosa servono. Si può discutere se sia un bene o un male, ma raccontarlo come semplice augmentation è disonesto verso le persone che hai in azienda.

Meglio aprire quella conversazione adesso che farsela imporre dopo.

E c’è il costo della fiducia, che cresce insieme all’utilità. Più dai accesso a un agente, più diventa pericoloso. Per l’assistente personale lo sviluppatore Martin Fowler parla di “lethal trifecta”: un agente che legge contenuti non fidati, tocca dati sensibili e può comunicare all’esterno è la combinazione perfetta per farsi rubare informazioni con un attacco ben costruito. A gennaio 2026 l’autorità britannica per la protezione dei dati ha messo in guardia proprio su questo: concentrare comunicazioni e calendari in un assistente alza i rischi di sorveglianza e di violazione, e la responsabilità non si può scaricare sull’utente finale. La memoria condivisa di un sistema nervoso è la stessa esposizione moltiplicata per tutta l’azienda.

Anche qui ahimè non esiste il guadagno senza il rischio che ci resta attaccato.

La domanda giusta

Torno alla richiesta da cui sono partito. “Un assistente per ogni manager” e “un sistema nervoso per l’azienda” sembrano la stessa cosa detta in due modi, e non lo sono. Rispondono in realtà a due domande diverse. La prima è: come vado più veloce io. La seconda è: come diventa più intelligente l’azienda. Sono entrambe legittime. Il guaio è che molti comprano la prima e la raccontano al board come se fosse la seconda.

Le due cose non si sommano. Dieci dirigenti più veloci non fanno un’azienda intelligente, esattamente come la settimana scorsa dieci fondatori soli con i loro agenti non facevano una squadra. La leva è la stessa, cambia solo dove decidi di farla appoggiare. Se la appoggi sulle persone, avrai persone con superpoteri che un giorno se ne vanno. Se la appoggi sull’organizzazione, avrai un’azienda che impara e che resta. La cosa onesta da fare, prima di scegliere il fornitore, è sapere quale delle due vuoi davvero.

Perché lo strumento si compra in un pomeriggio. La risposta a quella domanda, no.

Sempre avanti, condannati all’ottimismo!

Giuseppe

Song of the week: Oliver Tree, Life Goes On

Qualche giorno fa ero nella sede di Talent Garden in via Calabiana, a Milano, per l’AI Conf. La sala era piena: gente in piedi in fondo, sedie aggiunte all’ultimo, e quel brusio nei corridoi al coffee break che vale metà del biglietto (l’altra metà è il caffè, che a queste cose è sempre una scommessa). Ci si riconosce, qualcuno ti racconta il progetto che non funziona e tu gli spieghi con grande sicurezza perché non funziona, pur non sapendone niente. Scrivo da mesi che l’AI rischia di renderci più soli, in ufficio e a casa, e stare lì dentro era la smentita più bella che potessi chiedere: centinaia di persone che avevano deciso che valeva la pena prendere la metro, parcheggiare male e passare una giornata insieme a parlare di una cosa che potevano benissimo leggersi da soli sul telefono.

Poi salgo a sentire un intervento, ottimo tra l’altro, e a un certo punto il discorso scivola lì: la one person company. L’azienda di una persona sola, il fondatore che con un esercito di agenti AI fa il lavoro di un team di dieci e non assume nessuno. Applausi. E io, seduto in una sala piena proprio perché stare insieme valeva il viaggio, ho pensato una cosa antipatica: il futuro che ci raccontavano dal palco è un futuro in cui quella sala, idealmente, è vuota.

La leva

I dati ci sono e sono seri. La quota di startup con un solo fondatore è passata dal 23,7% del 2019 al 36,3% nella prima metà del 2025 (Carta, Solo Founders Report): più di un terzo delle nuove imprese americane nasce oggi con un solo nome sull’atto, la prima volta in oltre cinquant’anni. Negli Stati Uniti i solopreneur sono ormai quasi 30 milioni e valgono 1,7 trilioni di dollari, l’82% delle piccole imprese. Lo stack per far girare una micro-azienda, dal marketing al supporto clienti, costa tra i 300 e i 500 dollari al mese: dieci anni fa servivano un team e un budget con un paio di zeri in più. Il caso che citano tutti è Base44, la piattaforma no-code di Maor Shlomo: un milione di dollari di ricavi ricorrenti in tre settimane dal lancio, 400.000 utenti, e dopo sei mesi Wix che la compra per 80 milioni cash più earnout. Un uomo, meno di dieci collaboratori, nessun investitore. Numeri che fanno venire voglia di dare le dimissioni e comprarsi un abbonamento a ChatGPT.

Quello che è caduto è il collo di bottiglia dell’esecuzione. Per trent’anni far crescere un’azienda ha voluto dire assumere: più fatturato, più teste. Oggi un modello agentico produce codice, contenuti, ricerca, risposte ai clienti a un costo che non è più il tempo di una persona. Paul Graham nel 2006 metteva “fondatore unico” al primo posto nella sua lista dei diciotto errori che uccidono una startup; vent’anni dopo ha dovuto rivedere la condanna. Quando uno come Graham cambia idea, conviene almeno togliersi il cappello. Lo dico subito, così non equivochiamo: non sono qui a fare lo scettico di professione. La one person company è possibile, l’ho vista funzionare. È proprio perché è possibile che mi sono preso il tempo di chiedermi se la voglio.

La proprietà

C’è di più di un semplice taglio dei costi, e lo dico perché è la parte che mi piace davvero. Chi costruisce così tiene per sé una fetta molto più grande di quello che crea. I costi di compute crescono con l’uso e non chiedono equity: nessun socio da diluire, nessun round che ti porta via mezzo cda, nessun investitore che ti spiega la vita dall’alto del suo terzo exit. Pieter Levels fa oltre 3 milioni l’anno con una quarantina di prodotti e zero dipendenti, e quei soldi sono suoi. La barriera all’ingresso è crollata: se hai un’idea e un po’ di gusto, la metti in piedi in una settimana e scopri se a qualcuno interessa, senza chiedere il permesso a nessuno.

Questa parte è democratica e mi sta simpatica: sposta valore dal capitale verso chi sa fare le domande giuste. C’è però un dettaglio che fa sorridere. Gli stessi investitori che applaudono il mito del fondatore solo, quando aprono il portafoglio si trattengono parecchio: le società con un solo fondatore hanno preso appena il 14,7% del capitale raccolto nei round del 2024, pur essendo quasi un terzo delle startup. Applausi tanti, assegni pochi. E comunque il guaio vero è un altro: la stessa leva che mette in piedi un micro-business sano viene venduta come la ricetta per l’azienda da un miliardo gestita da una persona sola. È qui che la storia diventa interessante, nel senso meno allegro del termine.

Bus factor 1

Negli ambienti tech c’è un’espressione brutale: bus factor, il numero di persone che devono finire sotto un autobus perché tutto si fermi. Nella one person company il bus factor è uno. Tu. Una malattia, un burnout, due settimane storte e l’azienda chiude per lutto. Non è teoria: il 77% dei solopreneur raggiunge la profittabilità nel primo anno, ma circa la metà ha avuto almeno un mese a zero entrate e solo il 3,6% supera il milione di ricavi (il reddito mediano vero gira intorno ai 3.000 dollari al mese, dati Indie Hackers). L’unicorno è l’eccezione statistica raccontata come se fosse il piano industriale. Aggiungo il numero che nelle slide non compare mai: le startup AI falliscono intorno al 90% dei casi, contro il 70% di quelle tradizionali, e nel 42% delle volte perché non c’era mercato. Costruire è diventato facilissimo; trovare chi paga è rimasto difficile come sempre.

C’è poi una fragilità più sottile. Circa sette imprese solo su dieci concentrano oltre l’80% dei propri processi su due o tre piattaforme AI: se un fornitore cambia prezzo, regole o accesso, l’azienda si blocca in un pomeriggio. Stai tirando su un grattacielo sul terreno di qualcun altro, e il padrone di casa può ritoccare l’affitto mentre sei in ascensore.

E qui tocco la cosa che mi sta più a cuore, perché riguarda la qualità delle decisioni e non solo il rischio operativo. Chi ha fondato qualcosa con un socio lo sa: le scelte peggiorano quando non c’è nessuno che ti dice in faccia che stai sbagliando. L’AI ti dà esecuzione, non attrito; ti spiega con entusiasmo come fare quello che chiedi, e non alza mai il sopracciglio quando stai per fare una sciocchezza. Te lo dice persino chi ce l’ha fatta: Maor Shlomo, l’uomo da 80 milioni in sei mesi, alla domanda se si fosse sentito solo ha risposto “sì, assolutamente”. Il manifesto vivente del modello, intervistato nel giorno del trionfo, parla di solitudine. Una di quelle cose che dovrebbero far drizzare le antenne.

L’affitto

Poi c’è la parola “solo”, che è una bugia, diciamocelo. Il fondatore della one person company non è solo: affitta il lavoro di migliaia di ingegneri, congelato dentro il modello che usa. Quando un progetto come OpenClaw fa girare cento agenti e brucia 1,3 milioni di dollari di token in un mese, sta usando l’output di OpenAI, cioè di un’azienda con migliaia di persone, miliardi di capitale e anni di lavoro alle spalle. Chiamarla “impresa di una persona” è come dire che hai attraversato l’Atlantico da solo perché sull’aereo non avevi compagnia.

Conviene guardare da vicino proprio OpenClaw, il caso che viene agitato come prova regina. Peter Steinberger, sviluppatore austriaco bravissimo, già fondatore di un’azienda vera venduta anni prima, tira su un progetto open-source che diventa il repository cresciuto più in fretta nella storia di GitHub. Epilogo: OpenAI se lo prende. Non compra l’azienda, assume la persona. Perché OpenClaw non era un’azienda da un miliardo: era un progetto senza un euro di ricavi il cui autore è stato ingaggiato da un gigante. L’unico “miliardo” che lo ha sfiorato è stato un token-truffa lanciato da sconosciuti che gli avevano dirottato un vecchio account (capita, quando diventi famoso in fretta). Lo slogan dell’unicorno solitario si sgonfia proprio nel caso che dovrebbe gonfiarlo. “Azienda da un miliardo” quasi sempre vuol dire valutazione, e una valutazione è un numero che qualcuno è disposto a scrivere su un foglio, non valore che esiste nel mondo. Sam Altman e Dario Amodei la danno per imminente, Amodei si è spinto a un 70-80% di probabilità entro il 2026: scommesse tra amici molto ricchi, che è un genere letterario tutto suo.

Insieme

Facciamo finta per un minuto che a un’azienda interessi una cosa sola: produrre il massimo al minor costo possibile. In quel mondo la one person company è il paradiso, e io sono un signore di mezza età che rimpiange le riunioni (esistono persone così? a quanto pare sì, eccomi). Ma le aziende vere fanno anche dell’altro. Sono il posto dove le persone imparano da chi ne sa di più. Dove un ragazzo di 24 anni sbaglia, viene ripreso, e a 30 sa fare un mestiere. Dove il valore che si crea si distribuisce: in stipendi che pagano mutui, in fornitori che a loro volta assumono, in competenze che restano sul territorio anche quando l’azienda chiude.

Un miliardo catturato da una persona sola, di tutto questo, produce zero. Zero apprendistato, nessun collega che ti smonta l’idea sbagliata prima che diventi un danno. È efficiente nel senso più stretto e più povero della parola. La Cina l’ha capito e ci punta come politica industriale: a giugno 2025 aveva oltre 16 milioni di società unipersonali, il 27,4% di tutte le imprese, con 2,86 milioni di nuove registrazioni in sei mesi (+47% sull’anno prima) e intere province che si danno l’obiettivo di sfornarne a migliaia entro il 2028. Letta bene non è una notizia allegra: è un sistema che preferisce moltiplicare individui isolati e produttivi invece di costruire posti dove le persone stanno insieme. C’è chi ci vede il futuro. Io ci vedo la solitudine organizzata su scala nazionale, con tanto di piano a cinque anni.

La cosa che mi fa più rabbia è che la stessa tecnologia potrebbe fare l’esatto contrario. La leva che permette a uno di fare il lavoro di dieci potrebbe permettere a dieci persone di costruire cose che prima non si potevano permettere. È lo stesso strumento. Cambia solo l’uso: per non avere bisogno di nessuno, oppure per fare di più insieme a qualcuno. La one person company da un miliardo è la versione triste di una tecnologia che potrebbe essere generosa.

Torno a quella sala di Calabiana. A fine giornata sono rimasto un po’ nel corridoio, in uno di quei capannelli dove non dici niente di importante e infatti te lo ricordi tutto. Una persona mi ha raccontato un problema, io le ho dato un consiglio probabilmente sbagliato, lei mi ha risposto una cosa giusta. Trenta secondi. Da solo nella mia cameretta con i miei agenti, per quanto svegli, quei trenta secondi non li avrei avuti.

Che l’unicorno senza dipendenti si possa fare, ormai lo do per buono. La domanda che mi porto a casa non è se è possibile: è se è il posto dove vorrei passare le mie giornate. Io no. Ho visto cosa succede in una stanza piena, e nessun modello, per quanto potente, me la riempie. Oliver Tree, povero lui, cantava “life goes on” mentre tutto gli crolla intorno in modo ridicolo: la vita va avanti, d’accordo, ma con chi, lo decidi ancora tu.

Sempre avanti, condannati all’ottimismo!

Giuseppe

Song of the week: Lucio Dalla — “Com’è profondo il mare”

Tre settimane fa, a pranzo da un amico che dirige il personale di un’azienda meccanica vicino a Brescia. Tra un piatto e l’altro mi racconta che è da quattro mesi che cerca un capoturno per la linea. Stipendio dignitoso, contratto serio, azienda sana. Niente. Ha fatto i colloqui, ha alzato l’offerta due volte. Niente lo stesso. “Giuseppe, non lo trovo. Non esiste.”

Non è il solo. Secondo l’indagine Excelsior di Unioncamere, a ottobre 2025 il 46,8% delle figure che le imprese italiane cercano è di difficile reperimento, quasi una su due. Nella metalmeccanica, il settore del mio amico, si sale al 67,5%. Lui non è sfortunato. È dentro la media, anzi un po’ meglio.

Mentre mi spiega tutto questo, mi vibra il telefono sul tavolo. Vedo la notifica e leggo che Mark Zuckerberg ha offerto a un ingegnere un pacchetto da un miliardo e mezzo di dollari su sei anni. E quell’ingegnere ha detto no.

I numeri da capogiro fanno notizia e poi finiscono lì. A me interessa quello che dicono su cosa puoi davvero comprare, e cosa no. E in quel pranzo, tra un capoturno introvabile e un ingegnere da un miliardo e mezzo, la risposta era già tutta sul tavolo, accanto al telefono.

Il prezzo

Nel 2024 Google ha pagato circa 2,7 miliardi di dollari per riportarsi in casa un uomo. Si chiama Noam Shazeer, e se il nome non ti dice niente sappi che è uno dei padri del Transformer, l’architettura che sta sotto ChatGPT e sotto quasi tutta l’AI che usi oggi. Se n’era andato da Google per fondare la sua società, Character.AI. Google l’ha ripreso comprando una licenza sulla tecnologia e riportando dentro lui e un pezzo del suo team. Shazeer, che della sua azienda possedeva tra il 30 e il 40%, da quell’operazione ha incassato una cifra stimata tra 750 milioni e un miliardo di dollari. Per una persona.

E non è un caso isolato. Tra il 2024 e il 2026 i grandi gruppi americani hanno speso oltre 20 miliardi di dollari in operazioni di questo tipo: comprare il team fondatore di una startup senza comprare formalmente la società, così da aggirare il controllo dell’antitrust. Microsoft ha portato dentro Mustafa Suleyman e mezza Inflection per circa 650 milioni (e peccato perchè Pi era una app davvero promettente). Meta ha messo quasi 15 miliardi per il 49% di Scale AI, in pratica per assicurarsi il suo fondatore, Alexandr Wang, e metterlo a capo del nuovo laboratorio sulla superintelligenza. È entrato nel mercato anche un premio Nobel: John Jumper, che il riconoscimento l’ha vinto nel 2024 per aver previsto la struttura di duecento milioni di proteine con AlphaFold, ha lasciato il suo laboratorio per cambiare bandiera. Si cambia datore di lavoro come i calciatori a fine contratto, e con le stesse cifre.

Gli economisti hanno un nome per questa roba: superstar effect. Te lo posso spiegare con un’immagine che mi pare chiarissima. Nei cento metri olimpici, tra l’oro e l’argento ballano dodici centesimi di secondo. Il premio, gli sponsor, la storia vanno quasi tutti al primo. Nel lavoro della conoscenza succede lo stesso, amplificato: una differenza minima di capacità diventa una differenza enorme di valore. Quando quello che fai può essere copiato e moltiplicato su miliardi di dispositivi, valere appena un po’ più degli altri vale moltissimo.

Ecco perché cento milioni di dollari di bonus all’ingresso, che fino a ieri era la cifra con cui si vendeva un’azienda intera, oggi è il prezzo per far firmare un singolo ingegnere.

La gabbia dorata

Torniamo a Shazeer, perché la sua storia non finisce con l’assegno. Un paio d’anni dopo essere stato ricomprato a peso d’oro, ha lasciato di nuovo Google per passare a OpenAI. Google aveva speso 2,7 miliardi per legarselo, e lui se n’è andato appena scaduta la clausola che lo teneva fermo. La retention, quella che dovrebbe tenerti incatenato l’asset, è finita, e l’asset ha preso e se n’è andato.

Qui c’è la cosa che a noi che gestiamo persone dovrebbe interessare più di ogni cifra. Un macchinario lo compri ed è tuo: lo ammortizzi, lo rivendi quando vuoi. Una persona la paghi quanto un macchinario e resta libera di alzarsi e andarsene dal tuo concorrente. È l’unico bene che metti a bilancio e che può licenziarsi da solo. Puoi comprarlo, ma tuo non sarà mai e allora devi capire come puoi gestire la cosa. Tutti quei miliardi servono ad affittare il talento per qualche anno, sperando che nel frattempo lasci qualcosa dietro di sé: un modello, un brevetto, un metodo, qualche persona formata. Quello resta. La testa che lo ha prodotto se ne va a piedi.

Per capire di che mondo stiamo parlando, in OpenAI la retribuzione media in azioni nel 2025 ha toccato circa un milione e mezzo di dollari a testa, con quasi la metà di tutti i ricavi che se ne va a pagare le persone. È il pacchetto medio più alto mai visto in un’azienda tecnologica. Eppure non è OpenAI l’azienda che trattiene meglio i suoi dipendenti. Anthropic, che alla mediana paga meno, dopo due anni si tiene l’80% delle persone che assume. Paga di meno e perde di meno.

Vuol dire che i soldi, oltre una certa soglia, smettono di essere la giusta chiave per la giusta serratura. Chi sceglie di restare lo fa per il progetto e per il peso reale di quello che fa ogni giorno. Lo so che detto così sembra il poster di una società di formazione (e mi è costato ammetterlo, perché vendo anche quella roba lì). Però i numeri dicono proprio questo: la gabbia d’oro non tiene. Tiene il senso. E il senso, a differenza del bonus, non te lo può rilanciare il concorrente.

Il rumore intorno

Le aziende AI sono le più produttive che si siano mai viste: Anthropic genera circa 14 milioni di dollari di ricavi per ogni dipendente, più di qualsiasi colosso del Forbes Global 2000. Una persona là dentro produce quanto un reparto altrove. Con numeri così, pagare un ingegnere cento milioni comincia perfino ad avere una sua logica fredda.

Solo che, ricordiamocelo, fuori da quella manciata di laboratori, l’AI fatica ancora a far quadrare i conti. La tecnologia brilla nelle demo e si perde nel passaggio al lavoro vero, quello fatto di processi, di dati sporchi, di persone che devono cambiare abitudini. Nel frattempo i grandi gruppi tecnologici si preparano a spendere tra i 635 e i 690 miliardi di dollari in un solo anno per costruire l’infrastruttura.

Qualcuno ha cominciato a parlare di bolla, e non sono gli scettici da bar. Michael Burry, quello che aveva visto arrivare la crisi del 2008, ha iniziato a scommettere contro Nvidia. La Federal Reserve, nel suo rapporto sulla stabilità finanziaria del 2026, mette l’AI tra i primi rischi per i mercati, e segnala che una gran parte di quei soldi gira in cerchio, l’investimento di un’azienda diventa subito spesa di calcolo, cioè ricavo per un’altra, che così vale di più e attira altri investimenti.

Tieni insieme i due lati e viene fuori il quadro vero. Stiamo pagando cifre da capogiro per le persone giuste, proprio mentre la tecnologia che quelle persone costruiscono non ha ancora dimostrato di rendere effettivamente quanto promesso. Come scrivevo la scorsa settimana si paga per la promessa. E la promessa, per ora, ha un volto umano: i pochi che sanno far funzionare davvero questa roba, introvabili esattamente come il capoturno del mio amico, solo con qualche zero in più sul cartellino.

Quel signore della linea

Torno a quel pranzo vicino a Brescia. Il mio amico, alla fine, un capoturno ce l’ha già: è un signore in azienda da undici anni, conosce la linea a memoria, e quando entra un ragazzo nuovo è lui che gli insegna il mestiere senza che nessuno glielo chieda. Non si trova sul mercato, perché un mercato per lui non esiste. Non lo compri. Lo costruisci, anno dopo anno, e se sei fortunato resta.

È curioso. Le aziende più ricche del mondo, quelle che mettono un miliardo e mezzo sul piatto per una persona, stanno riscoprendo a caro prezzo la stessa verità che il mio amico conosce da sempre: il talento si può pagare, possedere no. Loro lo affittano a cifre folli e lo vedono scappare alla prima scadenza. Noi, nelle nostre aziende normali, una persona così ce l’abbiamo già, da anni, e di solito ce ne accorgiamo solo il giorno in cui se ne va, quando tocca rimettere quell’annuncio che poi resta scoperto per mesi.

Quel signore, stasera, sta insegnando il mestiere a un ragazzo sulla linea. Vale molto più di quanto gli paghiamo, e non per via dello stipendio. Gli abbiamo dato una ragione per restare che non sia soltanto la busta paga? Io una risposta sicura non ce l’ho, e ho smesso di fidarmi di chi ce l’ha. Però so da che parte guardare, ed è quella opposta rispetto a dove guardano i titoli dei giornali.

Sempre avanti, condannati all’ottimismo!

Giuseppe

Song of the week: Prince - Wall Of Berlin

Il mio primo badge aziendale è del 1999. Lavoravo in una delle prime società italiane che vendevano computer su internet e in quell’open space si respirava una parola sola: new economy. Era il gergo di un mondo che si sentiva nuovo: si diceva “burn rate” con orgoglio, come se bruciare cassa fosse una medaglia, e gli analisti valutavano le aziende contando gli “eyeballs”, gli occhi che passavano sul sito. I profitti non c’erano; spesso nemmeno i ricavi.

Un’azienda valeva la sua promessa di cambiare il mondo, e tutte promettevano di cambiarlo.

Poi arrivò il 10 marzo del 2000. Il Nasdaq toccò quota 5.048 e cominciò a franare: in due anni e mezzo perse più di tre quarti del proprio valore, e con lui evaporarono i piani, i badge e parecchie certezze (le mie comprese, e mi è costato, ovviamente). La lezione che mi porto addosso da allora è una: il valore c’era davvero, è un fatto, ma quasi mai dove lo cercavano i più “rumorosi”.

Più di venticinque anni dopo, il 1° giugno scorso, Anthropic ha depositato i documenti per quotarsi in borsa. Ho letto i numeri e ho sentito la stessa vertigine di allora, identica, come se qualcuno avesse premuto play sulla stessa cassetta.

E con la vertigine, la stessa domanda: dove sta, esattamente, il valore?

Atto secondo

I numeri della vertigine sono questi: secondo le cronache finanziarie, Anthropic è passata da 9 a 47 miliardi di dollari di ricavi annualizzati in sei mesi (SEI MESI), e arriva al listino con una valutazione che punta ai mille miliardi. Per dare una proporzione: quando Google si quotò, nel 2004, usciva a una decina di volte i ricavi e cresceva oltre il 200% l’anno; oggi si vedono multipli a tripla cifra su crescite molto più basse.

Chi ha vissuto il 2000 ne riconosce il profumo.

Eppure la differenza con la new economy è sostanziale, e ribalta il problema. Allora erano finti i ricavi: promesse travestite da fatturato. Oggi i ricavi sono veri, anzi verissimi. Quello che è artificiale è il prezzo (le perdite invece sono reali). L'inferenza che compriamo viene venduta sottocosto: il listino per far girare un modello di livello GPT-3.5 è crollato di 280 volte in diciotto mesi (AI Index di Stanford). E nonostante questo gli abbonamenti a ChatGPT e Claude vengono offerti in perdita netta da OpenAI e Anthropic, pur di crescere e conquistare nuovi clienti. La differenza la copre, di buon grado, il venture capital.

Insomma in sintesi: nel 2000 compravamo promesse a prezzi veri.
Oggi compriamo prodotti veri a prezzi promessi.

C'è un'altra somiglianza con il 2000 che pochi ricordano: la concentrazione. Le IPO delle società di AI in arrivo valgono, da sole, più capitale di quanto i listini europei ne abbiano raccolto in interi anni, e attorno a una manciata di aziende si sta accumulando una quota di ricchezza senza precedenti. Per avere un proxy di cosa voglia dire questo basta dire che a San Francisco gli affitti sono saliti di quasi un terzo in un anno, trascinati da qualche migliaio di neo-milionari trentacinquenni. Anche questa scena l’abbiamo già vista, ed è sempre finita con la geografia del valore ridisegnata.

Per questo la domanda giusta non è “il valore esiste?”. Esiste, e i fatturati lo dimostrano. La domanda è dove si deposita: a chi resterà attaccato quando i prezzi diranno la verità.
Nel 2000 servirono dieci anni per scoprirlo.
Stavolta, almeno, abbiamo una bussola in più.

La bussola

La bussola è una divisione da terza elementare: ricavi diviso dipendenti. Mettiamo in fila quattro aziende vere, compresa qualcuna di casa nostra così ci capiamo.

Poste Italiane ad esempio ha chiuso il 2025 con 13,12 miliardi di euro di ricavi, il suo record, con 119.117 persone: 110.000 euro a testa.
Salesforce, il simbolo del software enterprise, ha impiegato vent’anni e 79.000 persone per superare i 30 miliardi di dollari: circa mezzo milione a testa.
Bending Spoons, milanese, ha fatturato 1,31 miliardi di dollari nel 2025 con circa mille dipendenti: 1,3 milioni a testa.
Anthropic viaggia a 47 miliardi con circa cinquemila persone: 9,4 milioni a testa.

Centodiecimila, mezzo milione, un milione e tre, nove milioni e quattro.

Ogni gradino vale circa dieci volte il precedente, e ogni gradino corrisponde a un’epoca del modello operativo:

• la rete fisica nata nell’Ottocento,

• il software a licenza degli anni Novanta,

• la product company digitale dei Duemiladieci,

• l’azienda che converte potenza di calcolo in margine.

Non è una classifica di bravura; è una stratigrafia, come guardare una parete di roccia e leggerci le ere geologiche.

Una cautela: il numero di Anthropic va maneggiato, perché lì gran parte del lavoro la fanno i datacenter e il “dipendente” è una frazione del costo del venduto. La metrica è un indizio potente, mica un verdetto. Ma come indizio dice una cosa precisa: il valore non abita un settore. Abita un certo rapporto tra persone e ricavi, e quel rapporto sta cambiando scala.

Le due Italie

Dentro questa stratigrafia l’Italia compare due volte, ed è la parte che mi interessa di più.

Da una parte Poste: utile netto record di 2,21 miliardi, primo datore di lavoro del Paese, un mestiere fatto di sportelli, furgoni e fiducia costruita in un secolo e mezzo. Dall’altra Bending Spoons: mille persone, il 93% dei ricavi da abbonamenti, una crescita del 95% in un anno e una quotazione a Wall Street in arrivo che, se le cifre saranno confermate, sarebbe la più grande IPO americana di un’azienda italiana di sempre. Sia chiaro: il confronto non è una pagella, e chi lo usa per dire che Poste “è il passato” non ha capito niente; Poste fa utili veri facendo un lavoro fisico che nessun modello linguistico farà al posto suo. Il confronto è un termometro di epoche che convivono nello stesso Paese, nello stesso momento.

E c’è un dettaglio che rende Bending Spoons ancora più interessante: non è un’AI company. Compra prodotti digitali maturi (Evernote, WeTransfer, Vimeo) e li fa rendere con team piccoli e una disciplina operativa feroce. Il suo segreto sta nel modo di operare, e questo conferma la tesi invece di indebolirla: supercompany è un modello organizzativo, mica un settore merceologico. Si può costruire vendendo abbonamenti, consulenza, persino bulloni.

L’Italia una supercompany ce l’ha già. Il punto è che ne ha una, e per quotarsi vola a New York. Ma vabbeh!

Spostamenti

Ora qui il messaggio che penso sia più importante sottolineare; in un contesto simile il valore si sposta dentro la tua organizzazione esattamente come si sposta là fuori, verso chi ha il modello operativo più pulito. E le leve sono meno esotiche di quanto sembri. La prima è imbarazzante a dirsi: penna e carta. Prima di automatizzare qualsiasi processo, disegnalo su un foglio, con le frecce e i nomi di chi fa cosa; se non ci riesci, il processo non esiste, e l’AI è bravissima a far esplodere un processo rotto: lo rende dieci volte peggiore, dieci volte più veloce. La seconda riguarda i capi intermedi: una ricerca condotta su 5.000 knowledge worker e presentata poche settimane fa a un evento americano dice che il 79% dei manager non ha mai mostrato al proprio team come usa l’AI nel concreto. Il centro dell’organizzazione difende l’identità costruita su una competenza che si svaluta; si sblocca con l’esempio, mica con le slide. La terza è statistica: per muovere un team di dieci persone basta un catalizzatore vero, uno che costruisce invece di commentare. Trovalo, e trattalo bene. E allora?

Cosa fare domani mattina

1. Fai il conto che fa un po’ paura. Ricavi della tua unità diviso persone. È una conversazione che il tuo board farà comunque nei prossimi due anni; arrivarci per primi, con il numero capito e una proposta, vale molto di più che subirla.

2. Penna e carta prima del software. Scegli il processo che il tuo team odia di più e disegnalo su un foglio, con i nomi dei responsabili su ogni passaggio. Quello che non riesci a disegnare non puoi automatizzarlo; quello che disegni, spesso, migliora già prima di toccare l’AI.

3. Mostra, non mandare circolari. Se guidi persone, fai vedere una volta al mese come usi l’AI tu, su un caso vero, con gli errori inclusi. È la singola leva di adozione più sottovalutata che esista, e costa mezz’ora.

4. Sperimenta finché paga qualcun altro. I prezzi dell’inferenza sono sussidiati e non lo saranno per sempre. Nel 2000 la bolla scoppiò, ma chi durante la bolla aveva imparato il mestiere raccolse il valore nel decennio dopo. La schiuma passa; le competenze restano.

Ogni tanto ripenso a quel badge del 1999. Quando il Nasdaq franò, il badge smise di valere qualcosa nel giro di un pomeriggio; quello che avevo imparato standoci dentro, invece, ha continuato a pagare per venticinque anni (e paga ancora adesso, visto che ci ho scritto sopra questa newsletter). La new economy era una previsione giusta con i tempi sbagliati: il mondo lo ha cambiato davvero, solo più tardi, e il valore è andato a chi nel frattempo aveva imparato a lavorare nel modo nuovo, mentre chi aveva comprato “il settore” è rimasto con i certificati azionari da incorniciare.

Sospetto che l’atto secondo finirà allo stesso modo: qualche valutazione si sgonfierà, qualche nome che oggi sembra eterno sparirà, e il valore si depositerà, zitto zitto, su chi avrà usato questi anni sussidiati per imparare il mestiere. La domanda che mi faccio, e che ti lascio, è quella di sempre: quando la schiuma si ritira, da che parte vuoi farti trovare?

Sempre avanti, condannati all’ottimismo!

Giuseppe

Song of the week: Enzo Jannacci — Vengo anch’io. No, tu no

Mercoledì scorso, passo davanti una delle nostre aule a Milano. Il workshop sull’AI è finito da dieci minuti quando una partecipante si avvicina e mi saluta; ha aspettato che uscissero tutti.

“Posso dirle una cosa? Io oggi sono in ferie.”

Mi racconta. Azienda media, settore servizi, lei responsabile di un team di otto persone. A gennaio sono arrivate le licenze di Copilot: rollout aziendale, mail di benvenuto, link alle FAQ. Fine. A febbraio ha chiesto al suo capo un corso per sé e per il team, perché i prompt scritti come messaggi WhatsApp producevano risultati come messaggi WhatsApp. La risposta, testuale: “Il budget formazione quest’anno è congelato. Arrangiati.”

E lei si è arrangiata: un giorno di ferie, la quota del workshop pagata di tasca sua, tre pagine di appunti fitti che mi mostra quasi a giustificare l’investimento. Poi la domanda che mi è rimasta addosso per tutto il viaggio di ritorno: “Secondo lei faccio bene a insistere, o sono io che non ho capito come funziona?”

Le ho risposto che faceva benissimo a insistere. Quello che non le ho detto, perché serviva una newsletter intera, è che la sua azienda le ha appena raccontato, senza volerlo, tutta la sua strategia: sugli strumenti si investe, sulle persone ci si arrangia.

Le licenze

Solo il 13% dei lavoratori ha ricevuto una qualche forma di formazione sull’AI, secondo i dati Randstad. Tredici per cento. Nel frattempo le stesse aziende hanno comprato licenze, attivato pilot, annunciato piani di adozione nei townhall con slide piene di razzi. (ho scritto razzi!)

Capisco il meccanismo, ci sono dentro anch’io: comprare strumenti è facile e rassicurante. C’è una fattura, un fornitore, una voce a bilancio, una data di go-live da mostrare al board. La formazione invece è lenta, difficile da misurare, e i suoi frutti arrivano quando il quarter è già chiuso. Così la “AI readiness” diventa un esercizio di procurement: si valuta il tool, si negozia il prezzo, si fa il rollout. Le persone arriveranno, prima o poi, da sole.

Il conto di questa scommessa lo ha fatto EY: le aziende stanno perdendo fino al 40% dei guadagni di produttività dell’AI per i buchi nella strategia sulle persone. E il collo di bottiglia non sono i modelli, che migliorano ogni tre mesi. Sono le persone, che senza supporto migliorano molto più lentamente (sorpresa).

Le licenze si comprano in un trimestre. Le capacità no.

Il divario

Il 77% dei datori di lavoro dichiara che farà reskilling sull’AI da qui al 2030. Quelli che oggi offrono davvero formazione sull’AI sono il 38%. E la tendenza peggiora: i programmi formali di upskilling sono passati dal 35% al 26% in un anno.

Rileggi quei numeri pensando alla manager dell’apertura: la sua azienda è perfettamente nella media.

Il Future of Jobs Report 2025 del World Economic Forum mette la cornice: il 39% delle competenze che usiamo oggi sarà superato entro il 2030. Su 100 lavoratori, 59 avranno bisogno di reskilling; 11 di loro non lo riceveranno mai. Scala mondo: più di 120 milioni di persone. E il paradosso è che il 63% degli stessi datori di lavoro indica il gap di competenze come la prima barriera alla crescita del business. Tradotto: sappiamo che il problema sono le competenze, dichiariamo che le svilupperemo, e intanto tagliamo i programmi che le sviluppano.

Questa contraddizione la incontro ogni settimana nelle aziende italiane: “adotta l’AI” che entra negli obiettivi MBO senza un’ora di formazione a supporto. Stiamo chiedendo alle persone di ridisegnare il proprio mestiere la sera, dopo cena, su YouTube.

Si può fare, per carità (mezza generazione di professionisti del digitale si è formata così, me compreso). Ma c’è una differenza enorme tra chi sceglie di arrangiarsi e chi viene lasciato ad arrangiarsi: la prima è una storia di motivazione, la seconda è una storia di abbandono.

Poi c’è il caso peggiore: la formazione che c’è, ma fatta per spuntare una casella.

Il mondo spende circa 400 miliardi di dollari l’anno in formazione aziendale. Secondo l’ATD, i dipendenti che applicano davvero al lavoro quello che imparano sono circa il 12%. Se un mio cliente avesse un canale con questo tasso di conversione, lo chiuderebbe domattina.

Una parte della spiegazione la conosci anche tu: anni di e-learning obbligatorio hanno insegnato a tutti che “corso aziendale” significa cliccare avanti fino al quiz finale. (Giorgia, sto pensando a te) E adesso l’AI permette di industrializzare proprio quel modello: documento dentro, corso fuori, un click. Avatar sintetico che ti spiega come cambierà il tuo lavoro.

Uso l’AI tutti i giorni e ci ho persino scritto un libro insieme, quindi il problema per me non è la tecnologia. È il messaggio che arriva alle persone: nessuno in azienda ha avuto il tempo (o la voglia) di metterci la faccia, però tu, per favore, guarda questo video sul futuro del tuo mestiere. Le persone non sono stupide: riconoscono al primo click se un corso esiste per farle crescere o per coprire qualcuno.

Lo slop formativo costa poco da produrre. Costa tantissimo dopo: ogni corso vuoto brucia un pezzo della fiducia che servirà per il prossimo, quello importante.

L’equipaggio

Se ripenso a come ho imparato io le cose che mi hanno dato da vivere (il digitale nel 1999, l’AI negli ultimi anni), lo schema è sempre lo stesso: c’era qualcuno a cui importava. Il mio primo mentore che mi ha fatto domande scomode, mi ha indicato cosa studiare, e soprattutto mi ha fatto sentire che il mio progresso contava per qualcuno oltre che per me.

La ricerca, sul punto, è meno romantica ma dice la stessa cosa: le meta-analisi sul mentoring mostrano effetti positivi su motivazione, engagement e permanenza in azienda. Effetti modesti se presi uno a uno, ma consistenti, e si sommano.

Lo vedo anche in aula, a Talent Garden come allo IULM. Riconosco al volo i gruppi “iscritti d’ufficio” e le persone che hanno scelto di esserci: stessi contenuti, risultati che non si possono nemmeno confrontare. La variabile che predice se la formazione funzionerà non è la piattaforma, e nemmeno il docente (ahia). È se chi impara percepisce che a qualcuno, sopra di lui, importa davvero.

Questa è la parte che ai leader dovrebbe interessare: la formazione è uno dei pochi strumenti che fa due lavori con un gesto solo. Sviluppa capacità e intanto dice alle persone “contiamo su di te”. Comprare licenze non lo dice. Questa la situazione, ma qualcosa si può fare, in modo molto molto pratico, se ti occupi di formazione per la tua azienda.

1. Metti la formazione dentro il business case dell’AI. Se il tuo piano ha una riga per le licenze e nessuna per le ore di apprendimento, è un mezzo piano. Per ogni euro di strumenti, decidi quante ore di formazione protette in agenda, di giorno: un corso seguito alle 22 non si chiama formazione, si chiama straordinario non pagato.

2. Misura dal lunedì successivo. Il tasso di completamento misura l’obbedienza. Quello che conta è cosa le persone fanno di diverso 30 o 60 giorni dopo. Solo il 35% delle organizzazioni misura il trasferimento della formazione al lavoro: ti basta entrare in quel 35% per essere davanti a quasi tutti i tuoi concorrenti.

3. Mettici la faccia. I messaggi che contano viaggiano sulle persone. Manager che insegnano quello che hanno appena imparato, mentor interni, sessioni in cui chi ha provato uno strumento mostra cosa ha funzionato e cosa no. L’avatar va benissimo per il corso antincendio; per dire a qualcuno che il suo mestiere sta cambiando serve una faccia vera.

Sono tornato col pensiero alla manager del workshop mentre riascoltavo Jannacci. “Vengo anch’io. No, tu no” funziona perché è l’esclusione nella sua forma più allegra e più brutale: nessuna spiegazione, nessun motivo, solo il ritornello.

Molte aziende oggi la cantano al contrario senza accorgersene. Chiedono a tutti di venire nel futuro (”adottate l’AI!”), e quando qualcuno alza la mano e chiede come arrivarci, parte il ritornello: no, tu no. Il budget è congelato. Arrangiati.

Lei domattina sarà in ufficio con le sue tre pagine di appunti, pagate con un giorno di ferie. Di persone così, nelle organizzazioni, ce ne sono molte più di quante i piani di trasformazione immaginino: la voglia raramente è il problema. G

E tu che hai un piano AI sulla scrivania, fai una prova veloce: conta quante righe parlano di strumenti e quante di persone.

Sempre avanti, condannati all’ottimismo!

Giuseppe

Song of the week: Ligabue — Una vita da mediano

Tre settimane fa, in una sala riunioni di un’azienda che vende software a clienti grandi, il capo delle vendite mi ha fatto la domanda che mi fanno sempre. “Giuseppe, qual è l’agente che ci fa tutto? Quello che prende il lead, lo qualifica, scrive la mail, prepara la proposta e magari chiude pure.” L’ha detto sorridendo, ma faceva sul serio. Voleva il fuoriclasse. Il numero dieci che ti risolve la partita da solo.

Mentre rispondevo, in fondo alla sala un venditore, di quelli che non alzano mai la mano, ha girato il portatile verso di me. Si era costruito da solo, in un weekend, una cosetta che gli leggeva le trascrizioni delle call e gli restituiva mezza pagina con le domande che si era dimenticato di fare in riunione. Niente di spettacolare. Gli faceva risparmiare un paio d’ore al giorno. Nessuno gliel’aveva chiesto, nessuno in azienda lo sapeva, e girava da sei mesi.

Il capo cercava il fuoriclasse. Il valore vero ce l’aveva un mediano seduto in ultima fila.

Il fuoriclasse (che non arriva)

Gartner stima che entro il 2028 gli agenti AI supereranno i venditori umani di dieci a uno e però, sempre Gartner, ci dice che oltre il 40% dei progetti di AI agentica verrà cancellato entro fine 2027, per costi che salgono, valore poco chiaro e controlli di rischio assenti. La diagnosi è che la maggior parte sono esperimenti spinti dall’entusiasmo e applicati male.

Tradotto: il fuoriclasse autonomo che fa tutto da solo, nella vendita, oggi (e forse domani) non esiste. E quando provi a comprarlo già pronto, di solito stai comprando una demo.

C’è un tetto al valore, e oltre una certa soglia aggiungere AI non aggiunge produttività, anzi sovraccarica le persone. Lo vedo nei team con cui lavoro. Il venditore medio ha già una decina di strumenti aperti, e ogni volta che salta dal CRM al sequencer alla chat perde fino al 40% di efficienza nel passaggio. Mettergli sopra un agente che promette di orchestrare tutto significa aggiungere un undicesimo strumento da controllare.

Il lavoro vero, quello che funziona sul serio, non è mai un bottone magico. Concatena pezzi piccoli, uno dopo l’altro, a mano. Il fuoriclasse non arriva. Nel frattempo le partite continuano a giocarsi, e qualcuno le va a vincere.

Inno ai mediani

Un venditore efficace passa in media solo il 28% della settimana a vendere davvero. Il resto se ne va in ricerca, inserimento dati, riunioni interne, follow-up: quasi due giorni pieni a settimana di lavoro che non porta un euro, confermati da uno studio Forrester su oltre 3.000 commerciali. Gli agenti che spostano la pipeline attaccano quel 72% di tempo morto. Te li mostro uno per uno, seguendo una trattativa dall’inizio alla fine.

AGENTE 1 In cima all’imbuto c’è il gregario più semplice e il più sottovalutato. Applica i criteri del cliente ideale a migliaia di lead senza stancarsi, butta la spazzatura che non sarebbe mai dovuta arrivare in coda, e sul lead buono prepara il primo contatto leggendo sito, news e profilo: il venditore smette di perdere un quarto d’ora di ricerche a mano prima di ogni chiamata. Non è fantascienza. È il lavoro che il tuo sales development rappresentative migliore fa già, fatto in pochi secondi.

AGENTE 2 Arriva la prima call, ed è qui che vive il mio gregario preferito. Lo schema classico lo conosci: parli col cliente, e il giorno dopo gli mandi un deck pieno di funzionalità e loghi. Lui l’ha già visto mille volte e l’ha già archiviato.

Un agente brief ribalta la cosa.

Prende la trascrizione della call e restituisce mezza pagina che dice al cliente cosa hai capito della sua situazione, quali sono i suoi obiettivi di bilancio (margini, ricavi per dipendente, tempi di chiusura) e dove sta il problema. Va dritto al punto, anche quando il punto è scomodo: “hai detto di voler arrivare qui, ma oggi stai facendo questo”. E lo dichiari in chiaro: scritto dall’agente, orchestrato dal venditore. Il segnale che funziona l’ho visto coi miei occhi: questi brief li girano verso l’alto. L’executive che di solito a metà trattativa ti scarica ai suoi collaboratori lo inoltra al capo, perché gli hai dato un’idea chiara di cosa fare del suo problema, e di idee così ne riceve poche.

AGENTE 3 Subito dopo la call entra in campo un gregario diverso, quello che tiene onesto te. Legge la trascrizione e ti dà un voto: hai fatto vera discovery o ti sei raccontato una storia? Se stai spostando la trattativa allo stadio due senza aver capito chi decide davvero e perché dovrebbe muoversi adesso, l’agente te lo dice prima che sia tardi, e ti suggerisce cosa chiedere nella prossima call. Sembra una rottura di scatole. È il gregario che ti evita la figuraccia tre settimane dopo, davanti al cliente che ti chiede una cosa ovvia a cui non sai rispondere.

AGENTE 4 e 5 Verso la chiusura, due gregari che valgono giornate intere. Il primo costruisce il business case dalla trascrizione: prende i numeri che il cliente ha detto a voce e ti tira fuori più scenari di ritorno, così non parti mai dal foglio Excel vuoto. Il secondo lavora sui documenti per il procurement: invece di aspettare che te li chiedano, capisce dalla conversazione quali servono a quel cliente specifico (la certificazione di sicurezza sì, l’integrazione che non attiveranno mai no) e te li prepara in anticipo.

Sono i due o tre giorni che si guadagnano in fondo al ciclo, quelli che nessuno celebra e che decidono se chiudi a giugno o a settembre (e per il tuo CFO fa tutta la differenza del mondo).

AGENTE 6 E poi c’è il gregario che guarda dove non guarda nessuno. I capi seguono le trattative da cinquecentomila. Quelle da diecimila scivolano via senza che se ne accorga nessuno, e ce ne sono a decine. Un agente che monitora la salute di tutte le trattative, soprattutto le piccole, ti segnala il rischio prima che tu la perda per pura disattenzione.

I numeri lo confermano: Salesforce rileva che chi usa agenti AI si aspetta un taglio del 34% sul tempo di ricerca e del 36% su quello di scrittura delle mail, e che il 54% dei venditori li usa già.

Il punto interessante è da dove nascono. Quasi mai da un piano calato dall’alto. La storia più bella che ho sentito di recente è quella di un grande gruppo dove uno strumento interno, costruito da un tecnico per tutt’altro scopo, è finito per caso nelle chat dei venditori e si è diffuso da solo, passaparola, perché risolveva un problema vero. Nessun rollout, nessuna slide del comitato.

Se devi costruire un agente, non partire dal tool. Parti dal pezzo di lavoro che ti fa bestemmiare ogni giorno. Quello è il tuo mediano.

Ragionando su questi temi mi viene una riflessione; tutti pensano che l’AI sia uno strumento, ma in realtà a me sembra sempre di più .. un mestiere.

Se ti do un trattore non diventi un contadino. Hai una macchina, hai pure la posa giusta sul sedile, ma non sai quando seminare e non riconosci una gelata tardiva. Con l’AI è identico. Aprire ChatGPT lo sanno fare tutti. Il mestiere è un’altra cosa: sapere cosa tenere e cosa buttare di quello che ti restituisce, e dove il tuo giudizio vale più del suo.

Il test per capire se uno ha imparato il mestiere è una domanda sola: sai dirmi perché? Perché hai mandato proprio quel messaggio, perché hai tenuto quel paragrafo e cancellato l’altro, perché hai deciso così. Se sa rispondere, sta usando l’AI come una competenza. Se non sa rispondere, ha solo guidato il trattore.

Le due ore che spariscono

Ma quelle due ore al giorno che l’agente ti ha restituito, dove vanno a finire?

Dovrebbero tornare a te. Più vendita, certo, ma anche un colloquio con i prof della #figlia2 fatto di persona invece che in videochiamata, o una corsa, o mezz’ora a pensare a niente. Quello che succede quasi sempre è un’altra cosa: il tempo liberato lo riassorbe l’azienda. Diventa spazio per assorbire più lavoro, non vita restituita. Un venditore lo ha detto meglio di qualunque report che abbia letto: l’AI non gli ha ridato la vita, ha dato all’azienda più di lui.

Questo non è un problema di misurazione, è un problema di leadership. Se le persone fanno la fatica di imparare il mestiere, ci mettono il cervello, e in cambio ricevono solo più cose da fare, smettono di investirci. Hai un trimestre buono di produttività in più, e poi l’energia cala. Il mediano corre per tutta la partita solo se sa per cosa sta correndo.

La decisione su dove vanno quelle due ore è tua. Se non la prendi tu, il sistema la prende per te, e il sistema sceglie sempre più lavoro.

Torniamo al venditore in fondo alla sala. Quando la riunione è finita gli ho chiesto perché non l’avesse mai fatto vedere a nessuno. Mi ha risposto con una scrollata di spalle: “Non pensavo interessasse, è una cosa mia per lavorare meglio.” Ecco il punto. Lui non aspettava il fuoriclasse comprato dall’alto. Si era costruito il suo gregario e intanto giocava.

Ligabue gli ha dedicato una canzone, a quelli come lui. Quello che recupera palloni e fa girare la squadra, e che a fine carriera nessuno ricorda nelle compilation dei gol più belli. Eppure i campionati li vincono le squadre che hanno un grande mediano, non quelle che hanno solo il numero dieci.

L’AI nelle vendite sta andando lì, anche se i convegni raccontano un’altra storia: una squadra di gregari invisibili, costruiti da chi conosce il campo, che ti tolgono di dosso il lavoro morto e ti lasciano fare la cosa per cui ti pagano, capire una persona e portarla a una decisione. Il robot che chiude i contratti al posto tuo resta nelle slide dei convegni. Il fuoriclasse, se mai arriverà, sei ancora tu.

Con un centrocampo finalmente decente alle spalle.

Sempre avanti, condannati all’ottimismo!

Giuseppe

Song of the week: Vasco Rossi — Siamo solo noi

Martedì scorso, aula 522 dello IULM. Davanti a me una cinquantina di studenti, ventidue, ventitré anni, il portatile aperto e quello sguardo di chi ha già sentito troppe volte le parole che sto per dire. Prima del test per l’esame parliamo un pò delle notizie della settimana e a un certo punto mi parte la frase. La conosco a memoria, l’ho detta cento volte sui palchi: “L’AI cambierà ogni professione, ogni settore, il modo stesso in cui lavoriamo”.

Vedo una ragazza in seconda fila smettere di scrivere. Non sbuffa, non alza la mano. Posa la penna e mi guarda. Un gesto piccolo, eppure l’ho sentito arrivare come un fischio.

Mi sono fermato a metà frase, cosa che non mi succede quasi mai (chi mi conosce sa che il problema semmai è farmi smettere). Le ho chiesto: “Cosa c’è?”. E lei, calmissima: “Professore, lo sappiamo già che cambierà tutto. Ce lo ripetete da tre mesi. La domanda vera è un’altra: cambierà tutto per chi?”.

Sono tornato a casa con quella frase in tasca. In quegli stessi giorni, a settemila chilometri di distanza, una platea molto più grande aveva fatto esattamente la stessa cosa. Solo che non aveva posato la penna in silenzio. Aveva fischiato.

Tre cerimonie ed un funerale

Tre cerimonie di laurea contestate in un solo mese, maggio 2026, tutte per lo stesso motivo: qualcuno sul palco aveva pronunciato la parola AI. La University of Central Florida, la Middle Tennessee State University, e infine la University of Arizona, dove a beccarsi i fischi è stato Eric Schmidt, l’uomo che ha guidato Google dal 2001 al 2011.

Schmidt stava facendo quello che fanno tutti quelli come lui. Raccontava ai laureati che l’AI “toccherà ogni professione, ogni aula, ogni ospedale, ogni laboratorio, ogni persona e ogni relazione che avete”. Frase nobile, peraltro vera. Il problema è che mentre la diceva, dalle gradinate cominciavano i buu. E lui, da uomo di mondo, ha provato a tenere la sala: “So cosa molti di voi stanno provando. Vi sento”. Tradotto dal politichese della Silicon Valley: vi sento, ma andiamo avanti lo stesso.

Ha chiuso dicendo che il futuro non è ancora scritto e che tocca a loro dargli forma. Applausi tiepidi, altri fischi. Un miliardario che dice a una platea di ventiduenni “il futuro è vostro” mentre rappresenta esattamente chi quel futuro lo possiede già: è un cortocircuito che quei ragazzi hanno sentito prima di noi.

Le due lettere

Stessa identica parola, due settimane prima, esito opposto. Il 2 maggio, al Van Andel Arena di Grand Rapids, Michigan, Steve Wozniak sale sul palco della Grand Valley State University. Il cofondatore di Apple, uno che il computer lo ha costruito davvero con le mani, guarda i laureati e dice: “You all have AI: actual intelligence”. Avete tutti l’AI: l’intelligenza vera, quella umana.

Risate. Poi applausi. Lo stesso pubblico generazionale che fischia Schmidt si alza in piedi per Wozniak.

Qui sta tutto il punto, e vale la pena fermarsi un secondo perché è meno ovvio di quanto sembri. Schmidt e Wozniak hanno detto la stessa cosa sul piano dei fatti: l’AI è enorme, cambierà il lavoro, è ovunque. Nessuno dei due ha mentito. La differenza non è nel contenuto, ma sta nel punto di vista di chi guarda.

Schmidt ha messo al centro la macchina e ha invitato i ragazzi a salirci sopra prima che fosse troppo tardi.
Wozniak ha messo al centro loro, e ha usato la macchina come sfondo. Due lettere uguali, A e I.

Una le punta contro la platea, l’altra le restituisce a chi ascolta.

I laureati della classe 2026, quelli della genZ sono nati intorno al 2004 (insieme a #figlia2 e a Facebook): hanno ventidue anni, sono cresciuti con lo smartphone in mano e non hanno bisogno che nessuno spieghi loro cos’è un algoritmo.

E allora perché c’è tanta rabbia? I numeri lo dicono meglio di me. Secondo l’indagine di Monster, l’89% dei laureati 2026 teme che l’AI o l’automazione gli porti via i lavori entry-level, quelli da cui si comincia. Un anno prima la stessa paura riguardava il 64%. Venticinque punti in dodici mesi. Il 58% dichiara ansia all’idea stessa di dover usare strumenti di AI nel lavoro futuro, e solo il 36% pensa che l’università li abbia preparati a farlo.

Verrebbe da chiudere qui, con la storiella comoda dei giovani spaventati dalla tecnologia. Sarebbe falso. Gli stessi dati raccontano che la Gen Z è la generazione più attiva nel rimettersi a studiare proprio a causa dell’AI: quasi uno su cinque sta già imparando competenze nuove per non farsi superare, e un terzo dice che lo farà. Questi ragazzi non rifiutano l’AI. La stanno già imparando più in fretta di te e di me.

Quello che rifiutano è la predica. Fischiano la postura, non lo strumento. Fischiano l’adulto ricco che sale sul palco e gli dice “abbracciate il futuro” sapendo benissimo di possederne le chiavi. La ragazza della IULM me l’aveva detto pulito: cambierà tutto per chi? Loro la risposta ce l’hanno molto chiara e non gli piace.

E tu? Da che parte stai?

Ripensando al pomeriggio di martedì me lo sono chiesto seriamente: quando entri nella sala e devi “vendere” l’AI ai tuoi, siano clienti o siano i tuoi studenti, sei Schmidt o sei Wozniak?

Il 73% dei dirigenti dichiara di voler accelerare sull’adozione dell’AI nei prossimi due anni. Pochissimi si chiedono come suona quel messaggio dall’altra parte del tavolo. La frase standard è sempre la stessa: “Dobbiamo adottare l’AI o resteremo indietro”. È la colata di cemento di Schmidt, versione corporate. Inevitabile, dall’alto, con la persona ridotta a ostacolo da convincere.

I tuoi non fischiano, certo. In azienda non si fischia, si annuisce. Ma poi succede quello che le ricerche chiamano shadow resistance: la gente sorride in riunione e sabota l’adozione nei fatti, perché ha capito benissimo che quella tecnologia è stata pensata con loro in mezzo, non con loro al centro. Il fischio silenzioso costa più di quello rumoroso, perché non lo senti finché il progetto non è già morto.

La buona notizia è che Wozniak ti ha appena fatto vedere, gratis, come si fa il contrario. E allora, come parlare di AI senza farti fischiare? (con rumore o senza).

1. Ricorda di mettere la persona prima dello strumento. Non iniziare mai da “l’AI farà”. Inizia da “tu farai, con l’AI accanto”. Sembra una sfumatura da copywriter, e invece è la differenza tra una platea che si chiude e una che si sporge in avanti. Wozniak non ha detto una sola cosa tecnica: ha detto a quei ragazzi che valevano. Poi avrebbe potuto chiedergli qualunque cosa.

2. Racconta non solo i benefici, ma anche i costi. La paura dei tuoi è razionale: alcuni lavori spariranno, alcune mansioni verranno automatizzate, e fingere di no ti fa perdere credibilità al primo licenziamento. Nomina il rischio prima che lo nominino loro. “So che questa cosa vi spaventa, e in parte avete ragione” disinnesca più resistenza di mille slide sul ROI.

3. Niente promesse di paradiso. “Ci renderà tutti più creativi e liberi” è la frase che fa scattare i buu, perché chi ascolta sa che la storia della tecnologia liberatrice l’ha già sentita per i social, e com’è andata lo vediamo e l’hanno sentito sulla loro pelle. Prometti di meno e in modo più concreto: questo strumento ti toglie due ore di lavoro stupido al giorno, vediamo insieme cosa ne fai.

4. Lascia a loro la penna. La ragazza della seconda fila aveva posato la penna. È il gesto chiave di tutto questo numero. Le persone smettono di scrivere quando hanno capito che la storia la stai scrivendo tu al posto loro. Coinvolgili nel disegnare come si usa l’AI nel loro lavoro, e la penna la riprendono in mano da sole.

Cambierà tutto … per chi?

Credo che quella studentessa mi abbia fatto la domanda migliore dell’anno (me ne devo ricordare quando le do il voto d’esame).

Cambierà tutto per chi? Per chi tiene la penna in mano. Schmidt è salito su un palco a dire a una generazione che il futuro era già in viaggio e che potevano al massimo correre per prenderlo. Wozniak è salito sullo stesso tipo di palco e gli ha ricordato che l’unica intelligenza che nessuno potrà mai automatizzare è già nella loro testa: actual intelligence, quella vera, quella che decide cosa farsene di tutto il resto.

I ragazzi nelle università e i colleghi in ufficio non hanno paura dell’AI. Stanno già imparando a usarla meglio di te. Hanno paura di noi, di chi gliela racconta come un destino invece che come uno strumento.

E hanno smesso di applaudire chi confonde le due cose.

Sempre avanti, condannati all’ottimismo!

Giuseppe

Song of the week: Fabrizio De André — Smisurata preghiera

Lunedì scorso, cinque e mezzo del mattino. Sono sul divano, scarpe da crossfit già allacciate, il caffè ancora bollente che aspetta che mi decida ad alzarmi e andare al box. Ho dieci minuti. Faccio quello che fanno tutti a quell’ora: scrollo. TikTok, X, di nuovo X.

E mi capita davanti un video di Andrej Karpathy. Per chi non lo conoscesse: uno dei fondatori di OpenAI, quello che ha fatto funzionare l’Autopilot di Tesla quando l’Autopilot di Tesla era un sogno con qualche crash. Una specie di Mozart del codice. Il tipo che ha inventato il termine “vibe coding” l’anno scorso, e per cui la parola è entrata pure nel Collins Dictionary.

Karpathy è seduto su una poltroncina, voce calma, e a un certo punto dice una cosa che mi fa posare il caffè sul tavolino: “Non mi sono mai sentito così indietro come programmatore”. L’aveva già scritto su X il 26 dicembre 2025, in un tweet che ha fatto qualche milione di visualizzazioni. Ma sentirglielo dire dal vivo, con quella faccia da uno che sta confessando qualcosa, è un’altra cosa.

Sono le 5:38. Penso: ah, allora non sono solo io. Anche quello che il giocattolo l’ha costruito, ogni mattina si sveglia e si sente apprendista. (Sì, lo so, l’ho letto e sono andato comunque a fare crossfit. Ma per tutto il tragitto in bicicletta non ho pensato ad altro.)

L’apprendista

Karpathy racconta che il punto di svolta per lui è stato dicembre 2025. Era in vacanza, aveva un po’ di tempo, ha cominciato a usare gli ultimi modelli con più calma. Claude Code, Codex, Cursor. E si è accorto di una cosa: i blocchi di codice venivano fuori giusti. Lui chiedeva di più, e venivano fuori giusti. A un certo punto si è reso conto che non si ricordava da quanto non correggeva una riga.

Per chi ha vissuto la transizione, è un dettaglio enorme. Per chi non l’ha vissuta, faccio la traduzione: è come se un panettiere che ha impastato per trent’anni si svegliasse e scoprisse che il pane si fa da solo, e viene anche meglio. Resta da decidere il tipo di farina, il sale, l’orario in cui aprire la bottega. Ma la cosa che ti definiva, quella che hai imparato a fare con le mani, non la fai più tu.

Karpathy chiama questo passaggio Software 3.0. Il software 1.0 era scrivere codice. Il 2.0 era addestrare reti neurali. Il 3.0 è scrivere prompt. Il linguaggio di programmazione, adesso, è l’italiano. O l’inglese, se preferisci. L’esempio che fa è quasi comico: per installare un certo strumento, prima si scaricava uno script. Adesso ti danno un blocco di testo da copiare e incollare nell’agente. Il testo gli spiega cosa fare; l’agente si arrangia.

Capisci che se chi ha co-fondato OpenAI dice “mi sento indietro”, il problema non è il tuo livello di MacBook. Il problema è che il pavimento si è alzato sotto i piedi di tutti.

Il car wash

Qui arriva il pezzo che mi ha fatto ridere e preoccupare insieme; Karpathy nel video racconta che lo stesso modello che oggi rifattorizza basi di codice da centomila righe, e in qualche caso trova vulnerabilità di sicurezza che un team di esperti non aveva visto, lo stesso modello dicevo.. ogni tanto sembra davvero … stupido: se tu gli chiedi “devo andare al car wash che è a 50 metri, vado a piedi o in macchina?”, ti risponde “vai a piedi, è vicino”. E tu lo guardi e pensi: ma scusa, la macchina la devo lavare.

Lui la chiama “jagged intelligence”, intelligenza frastagliata. Picchi che toccano il cielo accanto a valli imbarazzanti. La spiegazione tecnica è che i laboratori addestrano i modelli con reinforcement learning, e funziona bene dove il risultato è verificabile. Matematica, codice: dentro il “circuito addestrato” sei un genio. Buon senso, contesto fisico, ovvietà quotidiane: fuori dal circuito, sembri un cretino.

Per chi prende decisioni con questi strumenti tutti i giorni l’AI è entrata in praticamente ogni riunione; questo forse è il dato pratico più importante di tutto il video. Devi sapere in che parte della mappa ti trovi. Quando l’AI è sul terreno verificabile, fidati e accelera. Quando è sul terreno della stima di buon senso, fermati e controlla.

Sembra ovvio detto così, ma il 90% degli errori che ho visto fare con l’AI in azienda nascono dal non distinguere i due casi.

Fantasmi, non animali

L’altra immagine che mi sono portato a casa è questa: stiamo costruendo fantasmi, non animali. Gli animali hanno curiosità, motivazione, paura, fame. Si evolvono. Hanno un “perché” interno. I modelli linguistici no. Sono simulazioni statistiche che camminano su una rete di pesi addestrati. Se gli urli, non migliorano. Se li lusinghi, neppure. (Smettiamo di scrivere “per favore” nei prompt, davvero, non serve. Lo dico anche a me.)

L’antropomorfizzazione allora forse va superata; Karpathy suggerisce un’altra metafora: trattalo come uno strumento alieno senza manuale. Bravissimo in alcune cose, sorprendentemente cieco in altre, e tu sei lì a capire quando è il caso di dargli retta.

C’è una conseguenza pratica importante, che vale tanto per te quanto per i tuoi team. Se l’output del modello non ti convince, prima di rifare il prompt cinque volte chiediti: sono dentro o fuori dal suo circuito? Se sei fuori, non c’è prompt che tenga.

Cambia strumento o fallo tu.

Il limite

Verso la fine del video Karpathy si lascia scappare una frase con leggerezza che però io ho dovuto riascoltare due o tre volte: “Puoi delegare il pensiero, ma non la comprensione.”

Sembra una di quelle massime da poster motivazionale. Non lo è. È un’osservazione tecnica precisa. Il modello può macinare cento pagine di documenti, sintetizzare, scrivere il riassunto, costruire il piano. Tutto questo è pensiero esecutivo: puoi delegarlo. Ma la comprensione di cosa stai facendo, perché, con quali rischi, in quale direzione, quella resta tua. E se non c’è, il pensiero che hai delegato gira a vuoto.

Faccio un esempio dalla mia esperienza recente. Per il progetto di market entry di un prodotto food su un nuovo mercato, ho fatto preparare a un agente un’analisi di scenari logistici 3PL. Output bellissimo, tabelle, costi, opzioni. Poi l’ho letto sul serio e mi sono accorto che le assunzioni di costo erano vecchie di due anni, e che lui aveva fatto i calcoli giusti su numeri sbagliati. Il pensiero era stato delegato benissimo. La comprensione, quella di sapere quali numeri valgono oggi e quali no, era ancora un problema mio. Se mi fossi fermato all’output, avrei mandato all’investitore un piano basato su un’America che non c’è più.

Karpathy lo dice in modo più asciutto: il vero collo di bottiglia oggi sei tu. Non per lentezza. Perché qualcuno deve ancora capire cosa stiamo facendo, e quella parte non si automatizza.

Quattro cose da portarsi in ufficio lunedì

Se tutto il video lo riassumo in cose pratiche, vengono fuori quattro punti. Li tengo brevi.

1. Distingui pavimento e soffitto. Vibe coding e agentic engineering sono due cose diverse. Il primo alza il pavimento: chiunque può fare cose che prima richiedevano un programmatore. È democratizzazione, ed è splendida. Il secondo preserva il soffitto: la qualità professionale, l’affidabilità, la sicurezza. Se sei un manager, devi capire dove la tua organizzazione sta alzando il pavimento e dove invece deve presidiare il soffitto. Non è la stessa disciplina, e non sono gli stessi profili.

2. Mappa i tuoi circuiti. Prendi i tre o quattro casi in cui usi l’AI ogni settimana. Per ognuno chiediti: sto operando in un terreno verificabile (codice, calcoli, traduzioni, sintesi di documenti che poi rileggo) o in un terreno di buon senso (decisioni strategiche, valutazioni di persone, stime di mercato)? Nel primo caso accelera. Nel secondo rallenta e usa l’AI come sparring partner, non come oracolo.

3. Tratta il modello come uno strumento alieno. Forse dobbiamo smetterla di antropomorfizzarla. Niente “per favore”, niente “grazie”, niente lusinghe. Sono pattern statistici, non interlocutori. Questo non significa scortesia: significa onestà tecnica. Risparmi tempo e prendi decisioni migliori.

4. Investi nella comprensione. Tutto il tempo che l’AI ti regala, mettilo nella parte che non puoi delegare. Capire il business, leggere i dati con sospetto, fare le domande giuste prima del prompt. La leva dieci volte di cui parla Karpathy esiste, ma si attiva solo se sotto c’è una testa che capisce davvero cosa sta orchestrando.

“Working out”

Lunedì scorso, alle 5:40, sul divano. Karpathy che dice “non mi sono mai sentito così indietro come programmatore” è la cosa più rassicurante che potessi sentirmi dire prima di una allenamento di crossfit. Non sono indietro io. Siamo tutti apprendisti adesso, anche quelli che il giocattolo lo hanno costruito.

Mi viene in mente Socrate, che duemilaquattrocento anni fa diceva “so di non sapere”, e a sentirlo passare di bocca in bocca sembra una posa da intellettuale modesto. Ma se lo metti accanto al tweet di Karpathy del 26 dicembre, ti accorgi che era una posizione molto seria. Sapere di non sapere è il pre-requisito di ogni apprendimento vero. È quello che ti tiene curioso, che ti fa rivedere le assunzioni, che ti fa stare attento ai dati prima delle conclusioni. Nell’epoca dei modelli che sembrano sapere tutto, sapere di non sapere è anche l’unica difesa seria contro le risposte plausibili e sbagliate.

Mi sono finito il caffè, ho chiuso X, sono andato al box. Ho fatto l’allenamento peggiore dell’anno, peraltro. Ma in bicicletta, tornando verso casa, pensavo che la cosa più sensata che ho fatto quella mattina è stata fermarmi su quel video invece di farmi distrarre da venti reel.

Sempre avanti, condannati all’ottimismo!

Giuseppe

Song of the week: Lucio Dalla, Cosa sarà

Settimana scorsa, dopo un workshop con il team direzionale di un cliente del settore servizi finanziari, mi prende da parte uno dei direttori. Siamo fuori dalla sala caffè, jeans e camicia, l’aria di chi ha qualcosa che gli sta lavorando dentro da giorni.

«Senti», mi dice. «Devo decidere una cosa e non so come fare.»

Il caso è questo. Un suo collaboratore junior, ventotto anni, gli ha confessato la settimana prima di aver costruito un agente AI che gli automatizza una parte cospicua del proprio lavoro. Dice di aver liberato circa quindici ore alla settimana. Lo ha fatto a casa, di sera, senza che nessuno glielo chiedesse. Ora viene in ufficio, fa quello che deve fare, e gli avanzano due giornate la settimana. Ha chiesto al suo capo: «cosa vuoi che faccia di queste due giornate?»

«Capisci il problema?», mi fa. «Se gli dico bravo, in HR mi domandano perché non riduco l’organico. Se gli dico di non parlarne con nessuno e di continuare a fingere, lui se ne va da un’altra parte entro tre mesi. Se gli dico di aiutare i colleghi, gli altri capiscono che lui ha quindici ore in più e mi crollano i sondaggi di clima. Tu cosa faresti?»

Non gli ho saputo rispondere lì per lì.
Quella domanda mi è rimasta in testa una settimana intera.

Ciao Sombra!

C’è una azienda che mi piace molto; si chiama Oura. Producono gli anelli che misurano sonno, attività fisica e battito. Ce l’ho al dito da anni; la mattina è il modo in cui io e Marianna scopriamo chi dei due ha dormito meglio. Vince lei quasi sempre, e lo dice con quel tono lì: “sì sì, anche stanotte hai fatto poco eh.”

Il dettaglio domestico c’entra fino a un certo punto (ma l’umiliazione resta). Quello che mi interessa raccontarti di Oura è cosa succede al loro interno quando un dipendente fa esattamente quello che il junior dei servizi finanziari ha fatto.

Lavora lì un developer che chiamano Sombra. Sì, si chiama davvero così, l’Head of IT lo cita per nome nelle conferenze pubbliche. Sombra ha costruito un agente AI che fa la review delle pull request al posto suo. Quello che prima richiedeva due ore al giorno ora richiede due minuti. Lo ha condiviso col team, e adesso tutti i developer di Oura usano il suo agente.

C’è anche Joanie, dell’area sicurezza. Joanie ha automatizzato il 90% del triage dei ticket di security in arrivo. Centinaia di ticket alla settimana che ora vengono smistati, etichettati e in molti casi risolti senza intervento umano.

Oura li nomina pubblicamente. Racconta la loro esperienza negli all-hands. Anthony Trask, che è il loro Head of IT, dice su questo tema una cosa che mi ha colpito: le dashboard di adoption misurano qualcosa, le storie con i nomi misurano un’altra cosa. Oura ha il 98% di adoption nei diversi dipartimenti/BU e l’88% dei dipendenti fa almeno un’interazione AI all’ora. Ma il KPI vero, dice Anthony, sono quanti Sombra e quante Joanie hai. E, soprattutto, come li tratti.

La trappola

Torniamo in Italia. Quasi tutte le aziende che frequento per lavoro sono progettate, nei fatti, per disincentivare il comportamento di Sombra. Non è una scelta esplicita. È inerzia di sistema.

Il manager scopre che un dipendente ha automatizzato 15 ore di lavoro alla settimana. La risposta più comune è il taglio implicito: «se hai più capacità, possiamo ridurre il team del 30%». La seconda è il caricamento: «bene, hai più ore, ti diamo anche i progetti di Marco e Lucia». La terza, la più velenosa, è il silenzio. Lo lodi nelle riunioni, ma quando arriva la finestra di promozione passi avanti il collega che ha fatto otto ore al giorno secondo il vecchio modo.

Tutte e tre mandano al dipendente lo stesso segnale: automatizzarsi non conviene. Il messaggio viaggia velocissimo, da scrivania a scrivania. Risultato osservabile in molte aziende italiane di cui non posso fare il nome: i dipendenti che imparano davvero a usare l’AI lo nascondono. Lavorano tre ore al giorno per un’azienda che si presenta come «AI-first» nelle slide del CEO, e nessuno se ne accorge. Il loro stipendio è uguale a quello del collega che ci mette otto ore. Il vantaggio se lo tengono per la sera, per i side project, per il prossimo lavoro.

Una ricerca BCG dice che il 70% del valore dell’AI in azienda viene dalle persone, e solo il 20% dalla tecnologia. Quasi tutte le aziende italiane stanno investendo al contrario.

Lo specchio

Allora se sei un lettore/manager ho qui tre domande veloci per te. Funzionano come uno specchio. Non servono a darmi ragione: servono a darti un dato sulla tua azienda che probabilmente non hai.

La prima è semplice. Negli ultimi sei mesi, qualcuno dei tuoi collaboratori ti ha detto «ho automatizzato X ore di lavoro alla settimana, cosa vuoi che faccia di queste ore»? Se la risposta è no, il segnale non è che nessuno lo sta facendo. È che chi lo fa non te lo dice. A me è successo varie volte di scoprirlo per caso, ascoltando mentre bevevo il caffè in azienda dopo un workshop.

La seconda riguarda i regolamenti. Hai un protocollo formale per cosa fare quando un dipendente si automatizza una parte del lavoro? Se non ce l’hai, ogni manager intermedio decide caso per caso. Decide con i suoi bias, con la sua paura di essere giudicato dall’HR, con la sua incertezza sui contratti. La trasformazione AI passa per i tool e per il manifesto che hai annunciato con il comunicato stampa certo, ma passa anche per i regolamenti tristi che nessuno ha più aggiornato dal 2019.

La terza è quella che fa più impressione. L’ultima volta che un tuo dipendente bravo è andato via di sua iniziativa, hai chiesto in uscita: «hai automatizzato qualcosa che non sapevamo? Te ne stai andando perché ti abbiamo trattato male per quello?» La maggior parte dei manager italiani non lo sa nemmeno. Le aziende perdono talenti AI senza accorgersene, e li perdono proprio per i comportamenti dei tre paragrafi precedenti.

Il valore

Cosa è che davvero funziona in questo caso? Oura non ha inventato niente: ha messo in fila tre cose vecchie applicate al contesto nuovo.

1. C’è il riconoscimento pubblico con il nome e il cognome. Sombra e Joanie sono celebri dentro Oura. Si sa cosa hanno fatto. Si parla di loro in riunione. Il riconoscimento sociale è una valuta forte e ancora poco capitalizzata in Italia, dove la cultura aziendale tende a livellare per non irritare nessuno.

2. Poi c’è la restituzione del tempo. Se hai liberato 15 ore alla settimana, una parte di quel tempo torna a te. Non tutto. Una parte. Per imparare cose nuove e per prototipare progetti che altrimenti restano in testa. Questo richiede una conversazione esplicita tra dipendente e manager: «di queste 15 ore, sette le metto sulla redistribuzione, cinque le metto sui tuoi esperimenti, tre le metto su un progetto nuovo che voglio darti». È design organizzativo, non negoziazione sindacale.

3. E poi c’è la carriera. Chi costruisce agenti che gli altri usano è il primo candidato per le posizioni di lead. Il messaggio implicito al resto dell’azienda: l’auto-automazione è il percorso di carriera. Una ricerca McKinsey mostra che gli incentivi economici legati a outcome di trasformazione moltiplicano il ROI per cinque. Niente di stupefacente: vecchia sociologia industriale.
   La gente fa ciò che premi.

Al manager dei servizi finanziari ho mandato un’email un paio di giorni dopo il workshop. Gli ho detto le tre cose qui sopra, in un ordine pratico ovvero:

• riconosci pubblicamente il junior nella prossima riunione di team;

• scrivi insieme a lui un patto sulle quindici ore: una parte tornano a lui per esperimenti, una parte le redistribuisci sui colleghi, una parte le metti su un progetto nuovo che gli affidi;

• mettilo in shortlist per la prossima posizione di team lead nel suo settore.

Mi ha risposto: «se faccio così, lunedì mattina mi telefona l’HR.»

Probabilmente ha ragione. La sua azienda è progettata per non permettergli di fare la cosa giusta. Lui non è un cattivo manager: è un manager dentro un sistema operativo del 2009 che pretende di gestire dipendenti del 2026.

Il sistema è quello che è. Però decidere di fare diversamente non costa nulla, a cominciare dal prossimo lunedì mattina. Una conversazione di venti minuti con il proprio collaboratore. Una telefonata all’HR per anticipare la mossa, prima che chiamino loro. Un nome citato pubblicamente nella riunione di team. Tre cose gratis. Tre cose che marcano la differenza tra un’azienda che impara e una che perde i suoi migliori talenti senza capire davvero il perché.

Il junior dei servizi finanziari, dovunque sia fra sei mesi, scommetto che non sarà più dove è adesso. Lo perderanno senza neanche capire perché.

Il tuo Sombra esiste già nella tua azienda. Trovalo, riconoscilo e premialo …
prima che vada via.

Sempre avanti, condannati all’ottimismo!

Giuseppe

Song of the Week: “Azzurro” di Adriano Celentano

La farina è ovunque. Sul tavolo, sul pavimento, sulla maglietta di #figlia2. È domenica mattina e stiamo facendo le tagliatelle. Il rito è sempre lo stesso: lei rompe le uova (e ogni volta una scheggia di guscio finisce nell’impasto, ogni volta), io impasto, lei stende, io taglio. Non parliamo di niente di importante. Parliamo di cose a caso: una compagna di classe, un video che ha visto, perché i gatti in strada non si fanno accarezzare. Ogni tanto non parliamo proprio. C’è solo il rumore del mattarello sulla sfoglia.

Non che io sia uno chef, anzi. Ho cominciato a cucinare tardi, ben oltre i quarant’anni. Prima di allora, il mio contributo gastronomico alla famiglia si limitava al caffè della moka e a una certa maestria nell’uso delle app di delivery. Poi un giorno ho comprato un mattarello. Non ricordo il motivo preciso. Ricordo che l’ho usato malissimo. Ma la domenica dopo l’ho usato di nuovo, e quella dopo ancora.

Ora, se mi aveste detto che quel mattarello sarebbe diventato uno degli investimenti più importanti della mia vita, avrei riso. Invece i numeri dicono esattamente questo. E sono numeri che fanno impressione.

Il 47%

Mark Wahlqvist, epidemiologo, ha seguito per dieci anni un campione di anziani a Taiwan e in Australia ha misurato una cosa semplice: quanto spesso cucinavano. Il risultato: chi preparava pasti in casa almeno cinque volte a settimana aveva il 47% di probabilità in più di essere ancora vivo alla fine del decennio.

Quarantasette per cento. Non il 5. Non il 10. Quasi la metà in più di probabilità di essere vivo. Per un gesto che facciamo (o non facciamo) ogni giorno.

Ma Wahlqvist ha scoperto anche qualcos’altro. L’effetto non dipendeva solo da cosa mangiavano queste persone. Dipendeva dall’atto stesso del cucinare. Pianificare un pasto, andare a comprare gli ingredienti, stare in piedi, usare le mani, coordinare tempi e sequenze: tutto questo è esercizio cognitivo e fisico insieme.
Il cibo è il risultato. Il processo è la medicina.

E non è uno studio isolato. I dati si accumulano da direzioni diverse, e puntano tutti nella stessa direzione.

In Giappone, una ricerca su oltre diecimila anziani ha misurato il rapporto tra cucina e demenza. Chi cucinava almeno una volta a settimana riduceva il rischio del 23% (uomini) e del 27% (donne). Il dato più interessante riguardava però chi partiva da zero: le persone senza nessuna esperienza in cucina che cominciavano a cucinare in età avanzata registravano un calo del rischio fino al 67%. Come se il cervello rispondesse con più forza a uno stimolo nuovo che a un’abitudine consolidata.

Negli Stati Uniti, un ampio studio pubblicato sul Journal of the Academy of Nutrition and Dietetics ha guardato la faccenda dall’altra parte: non i benefici del cucinare, ma i danni del non cucinare. Chi mangiava regolarmente fuori casa mostrava un aumento del 49% della mortalità per tutte le cause. Per il cancro, il numero saliva al 67%.

Julia Wolfson, ricercatrice alla Johns Hopkins, ha analizzato i dati di novemila persone (dal database NHANES) e ha trovato la correlazione più semplice e più potente: chi cucina a casa consuma meno carboidrati, meno zuccheri, meno grassi. Non perché segua una dieta. Perché quando sei tu a mettere gli ingredienti nella pentola, il cibo è diverso. Sai cosa c’è dentro. Hai scelto tu.

Se questi numeri riguardassero un farmaco, sarebbe il farmaco più prescritto della storia. Invece riguardano una pentola, un tagliere e mezz’ora del tuo tempo.

Il paese che ha smesso di cucinare

Qui entra il dott. Valter Longo (quello della dieta ProLon che ogni mese seguo), e la faccenda diventa personale. Perché Longo parla dell’Italia.

L’Italia ha un record di sovrappeso e obesità che cresce ogni anno, soprattutto tra i giovani. Il paese della dieta mediterranea sta abbandonando la dieta mediterranea. Il minestrone che i nostri nonni mangiavano cinque sere su sette è sparito. I legumi, il pane fatto in casa, le verdure di stagione: tutte cose che costano poco, nutrono bene e che nessuno ha più voglia di preparare.

Il problema direi… è vistoso. Mentre mezzo mondo studia la dieta mediterranea come modello di longevità, noi la stiamo sostituendo con il delivery e gli ultraprocessati. Siamo come un paese seduto su una miniera d’oro che preferisce importare ghiaia.

Longo lo dice con una chiarezza che andrebbe stampata sui muri: mangiare meno, mangiare meglio. Non servono superfood esotici o integratori costosi. Servono pasta e legumi, minestrone, verdure di stagione. Roba che i nostri nonni avevano in tavola ogni sera senza sapere che stavano facendo prevenzione oncologica.

Il punto non è la nostalgia. Non sto dicendo “si stava meglio quando si stava peggio.” Sto dicendo che abbiamo buttato via un patrimonio di salute pubblica per risparmiare venti minuti la sera. E quei venti minuti ci stanno costando caro.

Quello che succede al tavolo

C’è poi una dimensione che i numeri catturano solo in parte: cosa succede quando ti siedi a mangiare qualcosa che hai cucinato tu, con le persone con cui vivi.

Harvard ha pubblicato dati sulle famiglie che cenano insieme con regolarità. I risultati sono coerenti e robusti: più verdure consumate, meno zuccheri, meno grassi. Ma soprattutto, nei figli: più autostima, meno comportamenti a rischio, migliore stato mentale. Il pasto in famiglia riduce lo stress e aumenta la soddisfazione di vita. Non per magia. Perché è uno dei pochi momenti rimasti in cui ci si guarda in faccia senza uno schermo in mezzo.

Una meta-analisi pubblicata su Appetite nel 2017 ha passato in rassegna 38 studi e ha trovato correlazioni tra il cucinare e una serie di benefici psicologici: senso di competenza, qualità delle relazioni, riduzione dell’ansia. Gli autori sono stati su questo onesti: servono ancora conferme causali, la correlazione non è causalità. Ma 38 studi che puntano nella stessa direzione sono un segnale difficile da ignorare.

Antonio Cerasa, neuroscienziato, ha una spiegazione che mi ha colpito: quando cucini, attivi circuiti cerebrali legati all’attenzione focalizzata e alla regolazione emotiva. Le mani sono occupate, gli occhi seguono quello che fai, il naso registra odori. Il multitasking, per una volta, è impossibile. Non puoi rispondere a una mail mentre tiri la sfoglia (a meno che tu non sia mia moglie, ma è un’altra storia). Non puoi scrollare LinkedIn mentre il soffritto si avvicina al punto giusto.
Il cucinare ti obbliga a stare dove sei.

In un’epoca in cui paghiamo app per meditare e consulenti per insegnarci la mindfulness, abbiamo già lo strumento perfetto in casa. Si chiama fornello.

Il conto del delivery

C’è sul tema anche un argomento economico, e vale la pena di farlo perché spesso è quello che convince le persone più dei dati sulla salute.

Pasta e legumi. Minestrone. Farro con verdure di stagione. Sono i piatti che Longo associa alla longevità dei centenari italiani, e sono anche tra i più economici che puoi preparare. Un chilo di lenticchie costa meno di tre euro e ci fai quattro pasti. Un chilo di farina per la pasta fresca costa meno di un euro. Le verdure di stagione al mercato rionale costano la metà di quelle al supermercato e il triplo meno del delivery.

Il batch cooking (preparare basi nel weekend da usare durante la settimana) non è un trend da food blogger. È quello che facevano le nostre nonne senza sapere che si chiamava così. Cuoci i legumi la domenica, fai un sugo, prepara un brodo. Dal lunedì al venerdì hai pasti pronti in quindici minuti, senza ricorrere al rider sotto la pioggia.

Non servono ricette complicate. Servono cinque o sei piatti di base che sai fare a memoria: una zuppa, un cereale integrale condito, una pasta con le verdure, un’insalata composta. Con queste sei a posto cinque sere su sette. Le altre due, mangia fuori e goditelo.

La sfoglia della domenica

Tra un po’ #figlia2 crescerà e le domeniche mattina avranno altre priorità. Lo so. Ma per adesso la farina è sul tavolo, e sul pavimento, e sulla sua maglietta. L’impasto è pronto, le tagliatelle vengono fuori storte (le nostre vengono sempre fuori storte), e tra un’ora saremo seduti a mangiare qualcosa che abbiamo fatto con le mani.

Non è un gesto poetico. È una scelta. Tra le tante che facciamo ogni settimana, questa è quella che i dati dicono valere di più. Quarantasette per cento in più di probabilità di essere vivo tra dieci anni. Meno demenza. Meno tumori. Più legami, meno stress, meno soldi spesi.

Franco Berrino, che a ottant’anni suonati continua a ripeterlo con la pazienza di chi sa che prima o poi lo ascolteremo, lo riassume in una frase: mangiare meno e mangiare meglio. Ci aiuta a invecchiare più lentamente. Non servono formule complicate. Serve una pentola e la decisione di usarla.

Sempre avanti, condannati all’ottimismo!

Giuseppe

Song of the week: Francesco De Gregori — La storia siamo noi

Milano, Talent Garden Calabiana, mercoledì 16 aprile. Workshop “Marketing, Rebuilt by AI”. Quaranta chief marketing officer di aziende italiane in una stessa aula, età dai trentadue ai cinquantanove, stesso esercizio: lavorare un brief creativo con un LLM a scelta. Stesso schermo condiviso. Stessa ora. Stessi strumenti.

Il trentacinquenne alla mia destra lavora in parallelo. ChatGPT sul tablet, Claude sul laptop, cinque prompt in un minuto. Dita veloci, shortcut da tastiera, niente pause. Il collega alla mia sinistra, cinquantotto anni, CMO di un gruppo industriale del Nord, apre una sola finestra. Scrive un paragrafo intero prima di premere invio. Poi un altro.

Dopo quaranta minuti leggiamo gli output. Il ragazzo ha sfornato otto varianti, tutte eleganti, tutte allineate. Leggibili. Piatte. Il cinquantottenne ne ha prodotta una. Dentro ci sta il posizionamento storico del brand, l’obiezione prevedibile del direttore generale, tre indicatori di successo che l’AI non aveva nel prompt perché nessuno glieli aveva ancora spiegati. Il ragazzo lo guarda con un misto di curiosità e fastidio. “Ma io Claude lo uso da due anni”. Il collega sorride. “Io col marketing ci lavoro da ventotto”.

In quella stanza, con quaranta persone che producevano output in tempo reale, ho visto una cosa che sospettavo da mesi e non avevo ancora visto così nitida.

L’AI non azzera l’esperienza. La rivaluta.

E quando dico rivaluta intendo letteralmente: le dà un prezzo che non aveva prima.

Il mito

Il mito del nativo digitale è il più comodo degli alibi per tutti. Per le aziende che vogliono promuovere velocemente, per i giovani che vogliono credere che l’anagrafica sia un vantaggio, per i senior che vogliono credere il contrario e lamentarsene. Il problema è che i dati dicono un’altra storia.

Daniel Jolles e Grace Lordan della London School of Economics hanno intervistato millequattrocento professionisti in UK e US (LSE Business Review, 2024). Conclusione nuda: nessuna prova che i tech native abbiano atteggiamenti più positivi verso la tecnologia, né che la usino in modo più produttivo al lavoro. Il fattore che conta davvero per la produttività è la capacità di gestire l’attenzione e di evitare il task switching. Tradotto: la produttività nasce dal tenere lo sguardo su un problema senza saltare a un altro. L’età a cui hai toccato la prima tastiera è un dettaglio.

McKinsey, nel Superagency in the Workplace del gennaio 2025, rincara. Il 62% dei professionisti tra i 35 e i 44 anni dichiara un livello alto di competenza sull’AI generativa. I Gen Z tra 18 e 24 si fermano al 50%. I boomer sopra i 65 al 22% (McKinsey, 2025). Il picco non è sui ventenni. È sui quarantenni che fanno i manager.

Il Burning Glass Institute ha messo il coltello nella piaga già a luglio 2025 con “No Country for Young Grads”: i posti entry level nei lavori più esposti all’AI sono in caduta strutturale, e il 52% della classe 2023 americana è underemployed a un anno dalla laurea (Burning Glass Institute, 2025). L’AI sta automatizzando proprio quei compiti che servivano al junior per imparare il mestiere sul lavoro. La piramide aziendale si sta appiattendo dall’alto.

Il dato fa male a chi ci ha creduto. E io ci ho creduto abbastanza da venderlo come narrativa nei keynote (si, anche io ci cado).

Il filtro

Il punto è proprio nell’esperienza che ho vissuto davanti ai miei occhi in Calabiana; una cosa che le metriche di adozione non catturano. Con l’AI, molto spesso, il ventenne copia e incolla. Il cinquantenne riscrive.

La capacità di riconoscere i pattern batte la velocità di digitazione, e batte anche le ore di corso. Quando hai passato vent’anni in una categoria, riconosci una frase sbagliata prima ancora di leggerla tutta. Il medico veterano vede la diagnosi improbabile in tre secondi: non perché sia più intelligente del collega giovane, ma perché l’ha già vista cento volte, in vivo, con un paziente che stava male davanti a lui. Il CMO cinquantottenne dell’aula Talent Garden vede la frase generica sul posizionamento del brand e la tira via, perché ricorda la campagna del 2009 che aveva usato quel tono e aveva fatto flop (mi è stato raccontato, ovviamente: io al posto suo avrei copiato e incollato).

Kahneman lo chiamerebbe Sistema 2. Il senior non accetta il primo output dell’AI perché ha troppa memoria dei casi in cui il primo output era una stupidaggine. Il junior accetta perché non ha ancora accumulato i contro-esempi. Si tratta di fisiologia del mestiere, non di arroganza: si impara a dubitare solo dopo essersi fidati e aver sbagliato.

Il prompt engineering, nei corsi, è raccontato come una tecnica. Scrivi chiaramente, usa pochi esempi, specifica il formato. Tutto giusto. Il vero prompt engineering però è sapere come deve essere fatta una risposta buona prima che l’AI te la dia. E questo lo sa solo chi ha già visto venti risposte buone e cento risposte cattive nella sua vita professionale, senza AI di mezzo.

La fluency tecnica è la parte facile. Si impara in una settimana.
Il giudizio di merito richiede anni di feedback loop con la realtà.

Il mestiere

Cosa ne consegue per chi deve costruire la formazione AI di un’azienda?
Secondo me un paio di cose, ma contro-intuitive.

Primo: il reverse mentoring così come è stato venduto negli ultimi dieci anni va rimesso nella scatola. Il ragazzo che insegna al direttore come usare Slack ha ancora senso. Il ragazzo che insegna al direttore come usare Claude per scrivere una strategia di prodotto non ce l’ha. La direzione del mentoring si è invertita e chi progetta programmi interni deve accettarlo.

Secondo: la promozione non può basarsi sulla frequenza d’uso. Se misuri “quante volte al mese Matteo apre ChatGPT”, premi il comportamento sbagliato. Conta la qualità dell’output che lascia la stanza: quante volte l’ha revisionato, quanto contesto di dominio ci ha iniettato, quante volte ha detto all’AI “no, rifallo”. Chi usa bene l’AI generativa assomiglia più a un editor severo che a un programmatore veloce.

Il paradosso qui è che l’AI generativa, la tecnologia più giovane disponibile oggi, sta riabilitando la figura più antica delle organizzazioni: il mestierante.
Quello che sa perché ha fatto.

Tre cose concrete

Se stai progettando formazione AI in azienda, o ti sta toccando di farla, tre cose concrete.

1. Componi i team AI per età, non solo per ruolo. Ogni squadra che usa AI generativa su problemi reali dovrebbe avere almeno un senior con dieci o più anni di esperienza nel dominio. Come utilizzatore attivo, non come sponsor. Se ti manca, ti manca il filtro di qualità, e te ne accorgi dopo: quando l’output va in produzione con un errore che il senior avrebbe visto subito.

2. Misura la qualità, non la frequenza. Sostituisci “quanti prompt al mese” con “quante revisioni dell’output prima della consegna”. Aggiungi un secondo indicatore: “quante volte il risultato è stato usato senza modifiche”. Il secondo va letto al contrario: troppa non-modifica è un segnale di allarme, non un indice di fluency. Le metriche che incentivi determinano i comportamenti che vedi.

3. Non confondere fluency tecnica con giudizio di merito. La prima si impara in giorni, il secondo in anni. Se promuovi sulla base della fluency, costruisci un’organizzazione piena di gente che sa premere invio e poca gente che sa dire “questa risposta non va bene”. È l’opposto di quello che ti serve per i prossimi cinque anni.

E adesso?

Torno a quell’aula di mercoledì 16 aprile, a Talent Garden Calabiana. Alla fine il cinquantottenne e il trentacinquenne si sono scambiati i laptop per dieci minuti, sperimentando i reciproci approcci. Cosa banale e un po’ scolastica. Funzionava. Il giovane ha imparato a rallentare. Il senior ha imparato a provare più varianti senza affezionarsi troppo alla prima.

Non so se la storia del digital native sia da cestinare del tutto. So che se continuiamo a raccontarla come l’abbiamo raccontata, premiamo la velocità e puniamo il giudizio. E il giudizio è esattamente la cosa che l’AI non sa ancora darti.

De Gregori canta che la storia siamo noi. Nell’era degli LLM, la storia è anche quella cosa che rende migliore il prompt: il bagaglio di errori e successi che ti dice, prima di leggere l’output, come dovrebbe essere fatto un output buono.

Il giovane che oggi non ha ancora quel bagaglio non ha colpa. Non ha nemmeno il vantaggio strutturale che gli abbiamo raccontato per quindici anni.

L’esperienza, che avevamo dato per superata, torna a essere una risorsa scarsa.

Sempre avanti, condannati all’ottimismo!

Giuseppe

SONG OF THE WEEK: Should I Stay or Should I Go (The Clash)

Succede quasi ogni volta, dopo la lezione in IULM. Si avvicinano in due o tre, zaino in spalla, telefono in mano, quella faccia di chi vuole chiedere qualcosa ma non sa bene come iniziare. “Prof, posso farle una domanda sulla carriera?”

Certo che puoi.

Di solito vogliono sapere se ha senso fare un master, se il digitale è ancora un buon investimento, se devono imparare a programmare o se basta saper promptare. Domande sensate, a cui provo a rispondere con onestà. Ma ogni tanto ce n’è uno che mi guarda con quegli occhi lì, quelli di chi ha già deciso, e mi dice: “Io vorrei lavorare in un’agenzia creativa. Tipo una grande agenzia di pubblicità.”

E lì mi fermo un secondo.

Perché quelli sono gli studenti che guardo con più tenerezza. Li capisco. Li capisco perché a vent’anni anch’io pensavo che le agenzie fossero il centro del mondo: il posto dove le idee diventavano campagne, dove un claim azzeccato poteva cambiare le sorti di un brand, dove la creatività era il prodotto. Era vero, tra l’altro. Per un bel pezzo è stato così.

Il problema è che quel mondo non esiste più. E nessuno glielo dice.

Otto euro, centocinquanta euro

Per capire cosa è successo bisogna partire da un numero. Anzi, da tre.

Un grande brand di abbigliamento: costo di produzione di un capo, otto euro. Prezzo di vendita nel mercato domestico, trentotto euro. Prezzo di vendita in Europa, centocinquanta euro. Non sto esagerando. Quel margine non veniva dal prodotto, che era buono ma non eccezionale. Veniva dall’immagine. L’agenzia prendeva un jeans decente e lo trasformava in un oggetto del desiderio attraverso fotografie da centocinquantamila euro a scatto, campagne su Vogue, spot televisivi con budget che oggi pagherebbero lo stipendio annuale di un intero reparto digital.

Funzionava perché il consumatore non aveva alternative. Ti fidavi del brand perché non avevi modo di verificare se esisteva qualcosa di meglio. Il brand era una scorciatoia cognitiva: riduceva il rischio di una scelta sbagliata. E l’agenzia era la fabbrica di quella scorciatoia.

Poi è arrivato Google. Poi TripAdvisor. Poi Instagram. Poi le recensioni, i confronti, gli UGC, il passaparola digitale. E all’improvviso quel consumatore che si fidava ciecamente del marchio ha scoperto che poteva farsi un’opinione da solo, in trenta secondi, dal telefono. Non gli serviva più la promessa del brand: gli bastava il giudizio del suo social graph.

Il potere si è spostato dall’immagine al prodotto. Le aziende che hanno creato più valore negli ultimi vent’anni hanno una cosa in comune: spendono una percentuale ridicolmente bassa in pubblicità tradizionale. Investono tutto in innovazione di prodotto, perché se il prodotto è dieci volte migliore della concorrenza, la gente lo scopre da sola. Senza bisogno di un’agenzia che gli spieghi perché dovrebbe comprarlo.

I numeri che non mentono

So cosa stai pensando: “Sì vabbè Giuseppe, la pubblicità è cambiata, lo sappiamo tutti, ma le agenzie si adattano, si reinventano, fanno digital.” Ed è vero che per anni questa è stata la narrazione. Il problema è che i numeri raccontano un’altra storia. E non parlo di sensazioni: parlo di bilanci depositati e dati pubblici.

Partiamo dall’Italia. Secondo Nielsen Ad Intel, il mercato pubblicitario italiano ha chiuso il 2024 a +3,8% rispetto al 2023, la migliore annata post-Covid (Brand News). Sembra una buona notizia, giusto? Peccato che lo stesso Nielsen precisi che il mercato senza OTT (cioè senza i colossi tech come Google, Meta, Amazon) non ha ancora raggiunto i livelli di investimento del 2019: siamo ancora a -0,6% rispetto a sette anni fa (Engage).

La crescita, in altre parole, se la prendono le piattaforme. I mezzi tradizionali restano sotto. La stampa quotidiana nel 2024 ha perso l’8,5% sull’anno, i periodici il 5,5% (Primaonline). E nel primo semestre 2025 il quadro peggiora: quotidiani a -5,2%, periodici a -8,2%. Persino il web, se togli la componente OTT, è a -2,4% nel perimetro FCP-AssoInternet nel primo semestre 2025. Non è il declino della carta stampata che trascina tutto giù. È il modello intero che perde pressione.

Ma il vero “spettacolo” è a livello globale, lato agenzie. WPP, il più grande gruppo pubblicitario del mondo, ha chiuso il 2025 con ricavi in calo dell’8,1%, un utile operativo crollato del 71% (MarketScreener Italia) e svalutazioni per 641 milioni di sterline (Investing.com). Il titolo in borsa è ai livelli più bassi da decenni Adcgroup. Moody’s ha tagliato il rating del gruppo per utili deboli e leva elevata Investing.com. La nuova CEO ha lanciato un piano di ristrutturazione da 500 milioni di sterline di tagli annui entro il 2028 (YouMark), e nel solo 2025 il numero di dipendenti è sceso di circa 9.400 unità, da oltre 108.000 a 98.655.

Anche la mega-fusione da 13 miliardi di dollari tra Omnicom e Interpublic ha prodotto 8.200 licenziamenti nel 2025, un calo del 6,4% dell’organico combinato (eMarketer). L’obiettivo dichiarato del CEO John Wren è portare il totale dei dipendenti a circa 105.000, dai 128.000 di fine 2024: una riduzione del 18%. Brand storici come DDB, FCB, Grey e MullenLowe chiuderanno entro la prima metà del 2026. Roba che se l’avessi raccontata a un pubblicitario dieci anni fa, ti avrebbe riso in faccia.

E in UK, dove il settore è sempre stato un benchmark, il censimento IPA di settembre 2025 registra un calo dell’occupazione nelle agenzie del 6,8%, con le agenzie creative a -14,3% in un solo anno. Il dato che mi ha colpito di più: i dipendenti sotto i 25 anni sono calati del 19,2% in dodici mesi, da 3.632 a 2.936. Le posizioni aperte sono scese del 40,8% rispetto all’anno precedente. È la quarta contrazione di questa portata dagli anni Ottanta, dopo la recessione dei primi ‘90, la crisi finanziaria del 2008 e la pandemia.

Solo che stavolta non c’è un rimbalzo all’orizzonte.

Gare al ribasso

Ma i numeri macro, per quanto brutti, non raccontano la parte peggiore.

La parte peggiore la vedi sul campo.

Le grandi RFP spariscono, o si riducono a progetti tattici a basso costo senza visione di marca. Le gare, quando ci sono, non sono remunerate. Lo spec work dilaga: lavori gratis nella speranza di vincere un incarico che, se va bene, avrà un fee che copre a malapena i costi. I brand intanto portano quote crescenti di comunicazione in-house, ma non lo fanno per efficienza: lo fanno mentre tagliano contemporaneamente i budget complessivi. Non è ribilanciamento, è contrazione.

Il segnale più preoccupante è questo: il mestiere non è solo meno pagato. È meno rispettato. Vent’anni fa il direttore creativo di un’agenzia importante sedeva al tavolo con il CEO. Oggi non lo fanno entrare in sala riunioni (mannaggia a me e quando lo dico, ma è la verità). Le decisioni di comunicazione si prendono altrove: nel product management, nel growth team, nella data unit. L’agenzia è diventata un fornitore esecutivo, non un partner strategico. E i fornitori esecutivi, si sa, sono intercambiabili.

L’ultimo colpo

Come se non bastasse, sta arrivando il prossimo scalino verso il basso. E sarà quello più doloroso.

Le piattaforme di AI conversazionale hanno cominciato a sperimentare formati pubblicitari. Risposte sponsorizzate, posizionamenti a pagamento dentro le conversazioni con l’assistente. Ci pensi? Il tuo AI, che conosce la tua storia, le tue preferenze, i tuoi acquisti, che ti ha aiutato a scegliere il ristorante e il volo, a un certo punto comincia a consigliarti un prodotto perché qualcuno ha pagato per metterlo lì.

È un salto di specie rispetto al banner o allo spot. La pubblicità tradizionale interrompe. Quella su Google intercetta. Quella dentro l’AI conversa. È persuasione in prima persona, con il tono di chi ti conosce. Sarà strano, sarà efficace, e le agenzie non saranno nemmeno al tavolo quando succederà. Perché quel tavolo appartiene alle piattaforme tech, ai loro ingegneri, ai loro modelli. Non a chi sa fare un bel layout.

Cosa dico a quei ragazzi

Quindi quando quello studente mi guarda e mi dice “voglio lavorare in agenzia”, cosa gli rispondo?

Non gli dico “scappa.” Non sarebbe onesto, e non sarebbe nemmeno giusto. Ci sono persone sopra i quaranta, quarantacinque anni che in agenzia hanno costruito relazioni, competenze, clienti fedeli. Per loro il discorso è diverso: sanno interpretare i cambiamenti per conto di aziende disposte a pagare qualcuno che li guidi in un ecosistema sempre più complesso. Faranno una carriera dignitosa, anche se ogni anno il perimetro si restringe.

Ma se hai venticinque anni e stai per entrare, devi sapere cosa stai scegliendo. Stai salendo su un treno che rallenta. Il talento creativo che hai, quella capacità di pensare lateralmente, di costruire narrazioni, di trasformare un messaggio in qualcosa che le persone ricordano, quel talento ha un valore enorme. Ma il contenitore in cui lo eserciti fa la differenza tra una carriera e un vicolo cieco.

Quel talento oggi si applica meglio nel product design, nella consulenza strategica, nelle startup, nel tech, nel content che non passa per il filtro dell’agenzia. Le competenze creative non muoiono: il luogo dove le metti a frutto sì.

Non è un consiglio comodo, mi rendo conto. Ma i consigli comodi non servono a niente.

Quando guardo quegli studenti in IULM penso a me stesso a vent’anni, alla fascinazione per le agenzie, per le campagne, per quel mondo che sembrava il centro di tutto. Quella tenerezza che provo non è compassione. È riconoscimento: anch’io ho amato quel mestiere. Ma l’amore per un mondo che cambia non ti esonera dal guardare i numeri. E i numeri, caro il mio studente, dicono una cosa sola: porta il tuo talento dove il talento può ancora crescere.

Sempre avanti, condannati all’ottimismo!

Giuseppe