Dal 5% del 2023 al 16,4% del 2025: in due anni le imprese italiane che usano l’AI sono più che triplicate. Il dato è dell’Istat. È un dato di adozione, non di impatto. Sono la stessa cosa? No. E questa distinzione, sistematicamente ignorata, è il problema più serio che abbiamo davanti.
Nessuno sta misurando cosa succede alle persone nel mezzo di questa transizione. Non i posti di lavoro “creati o distrutti” di cui si discute in astratto. Gli effetti intermedi: chi sta beneficiando davvero? Chi ne subisce i costi senza che nessuno li contabilizzi?
Nell’impact measurement esiste un principio elementare: l’impatto non è un dato di fatto, è un’ipotesi da verificare. Richiede intenzionalità, misurabilità, addizionalità. L’adozione dell’AI — quella silenziosa, nei software di recruiting, nei sistemi di valutazione del credito, nei motori di personalizzazione — sta procedendo senza che nessuno si faccia questa domanda.
C’è un meccanismo che merita di essere nominato: la velocità della tecnologia viene usata come alibi per non misurare. “Quando avremo capito gli effetti, lo strumento sarà già cambiato.” Sembra ragionevole. È un’abdicazione. Le aziende farmaceutiche non smettono di fare sperimentazione clinica perché la biologia è complessa. La difficoltà di un dominio richiede strumenti più raffinati, non la rinuncia allo strumento.
Il paradosso è che le imprese più avanzate tecnologicamente sono spesso le più indietro sulla valutazione d’impatto. Data lake da petabyte, cruscotti in tempo reale — ma zero risposte a domande elementari: quali lavoratori stanno perdendo autonomia decisionale? Con quali effetti sul benessere? Le comunità in cui operano stanno meglio o peggio?
Se misurassimo, scopriremmo probabilmente che l’AI sta redistribuendo valore in modo meno neutro di quanto si racconta. Che i benefici si concentrano sui lavoratori già ad alta qualificazione. Che alcune filiere stanno subendo un’accelerazione del deskilling — la perdita progressiva di competenza pratica — che riduce la resilienza dell’intero sistema, non solo dei singoli.
L’assenza di misura alimenta due narrazioni opposte e ugualmente infondate: quella del progresso inevitabile e benevolo, e quella della catastrofe imminente. Entrambe prosperano nel vuoto dei dati.
Prima che il regolatore, il mercato o la storia ci presentino il conto, forse varrebbe la pena cominciare a fare i conti da soli.
Bene. Se fin qui vi ho convinto, ora vi chiedo: questo articolo, secondo voi, l’ho scritto io o l’AI?
Questa opinione è a cura di Nader Tayser, CEO di TRIADI Società Benefit, spin-off del Politecnico di Milano specializzato in impact measurement e impact finance.
Biografia Nader Tayser
Nader Tayser è laureato in Ingegneria Gestionale all’Università di Genova e ha maturato un percorso professionale che unisce competenze tecniche e capacità di coordinamento in ambito sostenibilità ambientale e impatto sociale. Ha operato in grandi gruppi industriali ed energetici e in contesti consulenziali, guidando team impegnati nello sviluppo di strategie ESG, nella costruzione di modelli di creazione di valore per gli stakeholder, nella rendicontazione di sostenibilità, nei processi di decarbonizzazione e nella valutazione delle performance climatiche e sociali. La sua esperienza comprende la gestione di progetti complessi, l’implementazione di sistemi di governance responsabile e il supporto alle organizzazioni nell’evoluzione dei propri modelli di sostenibilità integrata. Svolge regolarmente attività di docenza universitaria e partecipa come relatore a conferenze dedicate alla sostenibilità d’impresa e ai processi di transizione.