La disruzione del mondo del lavoro causata dall’IA generativa si sta estendendo oltre la Silicon Valley, raggiungendo sanità, istruzione, commercio al dettaglio e manifattura.

Parlare di intelligenza artificiale sul posto di lavoro significa spesso raccontare la storia attraverso una lente della Silicon Valley. Questa impostazione può essere fuorviante. L’industria tecnologica non è un mondo autosufficiente; è semplicemente la prima della fila quando arrivano nuovi strumenti. Man mano che i sistemi di IA generativa (generative AI) e i prodotti di automazione diventano più affidabili e più facili da integrare, i cambiamenti operativi che oggi stanno trasformando l’ingegneria del software e i team di prodotto tenderanno a estendersi alla sanità, all’istruzione, al retail, alla manifattura e oltre.

I risultati di un sondaggio di TripleTen mostrano quanto oggi questa diffusione sia disomogenea — e perché il divario non significhi necessariamente che altri settori stiano “restando indietro”. Piuttosto, le industrie tendono ad adottare nuovi flussi di lavoro a velocità diverse a seconda della regolamentazione, del rischio, dell’interazione con il cliente e della composizione dei ruoli all’interno della forza lavoro.

Nei dati, la tecnologia resta il battistrada, ma la finanza emerge come il secondo contendente più netto. Quasi metà dei dipendenti della finanza (48%) riferisce di aver ricevuto indicazioni di usare chatbot basati su IA, e circa un terzo (32%) afferma che è stato chiesto loro di automatizzare parti del proprio lavoro. Questo andamento riflette quanto rapidamente i settori del lavoro della conoscenza (knowledge work) possano implementare l’IA quando i casi d’uso sono evidenti — riassumere documenti, redigere comunicazioni ai clienti, analizzare informazioni o accelerare la reportistica di routine.

Altri settori mostrano una minore esposizione iniziale. Nella sanità, il 18% dei lavoratori dice che è stato chiesto loro di usare chatbot, mentre l’istruzione si attesta al 25%. Queste macro-categorie includono chiunque: dai clinici in prima linea e dagli insegnanti fino al personale amministrativo e di supporto. Questa diversità conta: è improbabile che l’adozione dell’IA cresca in modo uniforme tra ruoli così differenti, soprattutto quando le responsabilità comportano requisiti di conformità, vincoli di privacy o interazioni umane ad alto impatto. In questi contesti, i nuovi strumenti tendono a essere introdotti con maggiore cautela, coerentemente con i valori più bassi.

Eppure il cambiamento non è confinato ai settori che adottano per primi. In tutte le industrie incluse nel sondaggio, il 79% dei lavoratori afferma che è stato chiesto loro di imparare almeno una nuova competenza che prima non possedevano. Le competenze che oggi vengono richieste nel tech — come usare in modo efficace gli strumenti di IA e integrare l’automazione nei processi di routine — sono destinate a riemergere altrove, anche in organizzazioni con un’elevata presenza di personale in prima linea. Le stesse capacità che aiutano un team di prodotto a muoversi più velocemente possono anche aiutare un sistema ospedaliero a gestire la logistica dei pazienti, o un distretto scolastico a ridurre il carico di reportistica amministrativa.

Una competenza, però, sembra sottovalutata. Solo il 30% di manager e titolari definisce la capacità di valutare se l’output dell’IA sia corretto come un “assoluto requisito”, collocandola al sesto posto su sette competenze nella lista di TripleTen. Con l’ingresso dei sistemi di IA in un numero crescente di ambiti, questa funzione di giudizio diventa una salvaguardia cruciale. Individuare un errore richiede più della familiarità con lo strumento: spesso dipende dall’esperienza nel dominio e dalla capacità di riconoscere, innanzitutto, come dovrebbe essere fatta una risposta corretta.

Il sondaggio evidenzia anche come l’influenza possa spostarsi durante le fasi iniziali di adozione. Quando i dipendenti hanno insegnato ai manager una nuova competenza abilitata dall’IA o un approccio di automazione, l’88% di queste innovazioni guidate dai dipendenti è poi diventato prassi standard all’interno dell’azienda. In altre parole, i lavoratori che individuano attività amministrative ripetitive e riescono a snellirle con l’IA possono contribuire a definire norme e flussi di lavoro interni — soprattutto nelle organizzazioni che stanno appena iniziando implementazioni più ampie.

Ana Riabova, responsabile di TripleTen per la strategia e l’abilitazione dell’AI, sostiene che il principale vantaggio non sia semplicemente il tempo risparmiato. Il ritorno più significativo è ampliare ciò di cui i singoli possono farsi carico: usare l’AI per completare attività che in precedenza richiedevano di delegare il lavoro a qualcun altro. Il risultato, suggerisce, è una forza lavoro che mantiene le proprie competenze chiave, diventando al contempo meno vincolata dai tradizionali confini di ruolo.

Perché è importante

La curva di adozione dell’AI non è uniforme, e i settori che si muovono più lentamente spesso hanno buone ragioni: rischio, regolamentazione e le realtà del lavoro a contatto con le persone. Ma, man mano che l’implementazione si amplia, i dipendenti in grado di automatizzare le attività di routine e, soprattutto, di verificare gli output dell’AI saranno nella posizione migliore per orientare le policy e distinguersi professionalmente. La prossima fase da osservare è se i leader nella sanità e nell’istruzione porteranno il controllo degli output e la governance allo stesso ritmo con cui distribuiscono gli strumenti.