Il costo nascosto più grande dell’AI non è il calcolo. Sono le persone.

Tutti parlano del costo dell’AI. Di solito parlano di GPU, licenze di modelli o consumo di token. Penso che stiano guardando nel posto sbagliato.

Il costo più grande dell’AI aziendale potrebbe rivelarsi essere le persone necessarie per supervisionarlo.

Uno studio recente ha scoperto che i dipendenti risparmiano circa 11 ore a settimana utilizzando l’AI, ma spendono più di sei ore controllando gli output, correggendo errori, aggiungendo contesto mancante e assicurandosi che i risultati siano effettivamente utilizzabili. Qualcuno ha coniato il termine “botsitting” per descriverlo. È un nome accattivante, ma si riferisce a un problema molto più grande.

L’AI avrebbe dovuto ridurre il lavoro. Invece, molte organizzazioni stanno creando una intera categoria di lavoro intorno alla gestione dell’AI stesso. Non è un problema tecnologico. È un problema di modello operativo.

Una sequela più veloce all’era del SaaS

Ho già visto questo film.

Quindici anni fa, le organizzazioni hanno abbracciato il SaaS perché rendeva il software più facile da acquistare e più facile da distribuire. Le unità aziendali potevano risolvere problemi senza aspettare l’IT. La produttività è aumentata. L’innovazione si è accelerata. Poi è arrivato l’IT ombra.

Improvvisamente nessuno sapeva quanti applicazioni gli dipendenti stavano utilizzando, dove i dati aziendali venivano archiviati o chi aveva accesso ad essi. L’IT era ancora responsabile, ma non aveva più visibilità o controllo. L’AI sembra sorprendentemente simile, ma la differenza è la velocità.

Un’applicazione SaaS potrebbe esporre un pugno di sistemi; un agente AI può connettersi a decine di sistemi nel suo primo giorno. Può leggere documenti, riassumere contratti, generare codice, aggiornare record e attivare flussi di lavoro prima che la maggior parte delle organizzazioni abbia anche documentato la sua esistenza.

La tecnologia si sta muovendo più velocemente del modello operativo costruito per gestirla.

Per questo non sono stato sorpreso dal recente studio di IBM che mostra che due terzi dei CIO e CTO sono responsabili per i sistemi AI che non controllano completamente. La maggior parte dei rispondenti ha anche detto che l’AI si sta diffondendo più velocemente di quanto la governance possa tenere il passo. Non è perché i CIO sono improvvisamente diventati meno capaci. È perché l’AI non si adatta perfettamente ai tradizionali modelli di proprietà.

La sicurezza possiede il rischio.
Il legale possiede la conformità.
Gli sviluppatori costruiscono le integrazioni.
Le unità aziendali possiedono i risultati.
I fornitori controllano pezzi dell’infrastruttura sottostante.

Nel frattempo, l’AI attraversa tutti loro. Quando qualcosa va storto, tutti possiedono una parte della risposta, ma nessuno necessariamente possiede l’intero sistema. Ciò crea un gap e le organizzazioni quasi sempre riempiono quel gap con le persone.

Qualcuno esamina i rapporti generati dall’AI prima che vengano inviati ai clienti.
Qualcuno controlla il codice scritto dall’AI prima che venga distribuito.
Qualcuno verifica le raccomandazioni prima che vengano prese le decisioni.
Qualcuno indaga sul comportamento inaspettato.

Alcuna di quella supervisione è esattamente ciò che vogliamo. L’AI non dovrebbe operare senza il giudizio umano, specialmente in ambienti regolamentati o ad alto impatto. Il problema si verifica quando le persone diventano il controllo principale.

Dai chatbot agli agenti autonomi

Pensate a cosa succede quando le organizzazioni vanno oltre i chatbot.

Oggi, un assistente AI aiuta qualcuno a redigere un’e-mail.
Domani, un agente AI la invia.

Oggi, l’AI suggerisce un aggiornamento di un record del cliente.
Domani, lo fa lui stesso.

Oggi, l’AI raccomanda il prossimo passo in un processo aziendale.
Domani, avvia automaticamente il flusso di lavoro.

Ogni nuova azione introduce un’altra decisione:

Dovrebbe essere consentito all’AI di fare questo?

• Dovrebbe avere accesso a quel sistema?
• Dovrebbe recuperare quei dati?
• Dovrebbe essere approvato da qualcuno per primo?

La maggior parte delle organizzazioni risponde a quelle domande manualmente e funziona quando si hanno dieci casi d’uso AI. Non funziona quando si hanno centinaia… o migliaia. L’ironia è che le organizzazioni stanno investendo in AI per migliorare la produttività, poi chiedono ai dipendenti altamente pagati di trascorrere il loro tempo supervisionandolo.

Non è scalare l’AI. È scalare il sovraccarico.

Microsoft ha raggiunto una conclusione simile nel suo 2026 Work Trend Index. Dopo aver analizzato trilioni di segnali di lavoro e aver intervistato 20.000 utenti di AI, l’azienda ha scoperto che il più grande ostacolo al successo dell’AI non è la tecnologia; è l’organizzazione intorno ad essa.

I dipendenti stanno adottando l’AI più velocemente di quanto le loro aziende stiano adattandosi. La vera sfida ora è ridisegnare come il lavoro viene svolto: decidere cosa dovrebbe fare l’AI, cosa dovrebbero fare le persone e come i due lavorano insieme. Penso che sia esattamente la conversazione che i leader aziendali dovrebbero avere. L’AI non crea valore semplicemente perché viene distribuito. Crea valore quando viene distribuito con un modello operativo chiaro che consente alle persone di concentrarsi sul giudizio invece della supervisione.

Ripensare la governance dell’AI: da politiche a operazioni

È qui che la conversazione sulla governance dell’AI deve cambiare. Quando le persone sentono la parola governance, spesso pensano a politiche, comitati e documentazione. Queste cose sono importanti, ma nessuna di esse prende una decisione in tempo reale.

Nessuna di esse ferma un agente AI dall’accesso ai dati che non dovrebbe vedere o interrompe un flusso di lavoro che si comporta in modo inaspettato. Nessuna di esse spiega, nel momento in cui un’azione viene richiesta, se quell’azione è allineata con la politica aziendale.

È il gap.

Le organizzazioni non hanno bisogno di più documenti di governance. Hanno bisogno di una governance che operi. Le azioni di routine dovrebbero verificarsi automaticamente quando rientrano nelle politiche approvate; le azioni a più alto rischio dovrebbero richiedere l’approvazione umana e i sistemi sensibili dovrebbero avere confini chiari su cosa l’AI può e non può fare.

E se un processo AI inizia a comportarsi in modi che nessuno si aspettava, ci dovrebbe essere un modo immediato per fermarlo. Non perché l’AI non possa essere affidabile, ma perché ogni processo aziendale ha bisogno di guardrail.

Posizionare gli esseri umani dove contano

Le aziende che ottengono il maggior valore dall’AI non stanno eliminando gli esseri umani dall’equazione. Stanno mettendo gli esseri umani dove sono più preziosi.

Non revisionano ogni output.
Non controllano ogni prompt.
Non babysitter ogni agente.

Stanno concentrando le persone sulle eccezioni, i casi limite e le decisioni che richiedono effettivamente giudizio. È un uso molto migliore dell’esperienza umana.

La vera domanda aziendale

L’AI ha raggiunto il punto in cui la tecnologia non è più la più grande domanda. La maggior parte delle organizzazioni ha già dimostrato che può generare contenuti, scrivere codice, riassumere informazioni e automatizzare il lavoro ripetitivo.

La domanda più difficile è se possono operare l’AI con fiducia a livello aziendale:

Possono vedere cosa sta facendo?

• Possono controllare cosa ha accesso?
• Possono applicare la politica in modo coerente?
• Possono spiegare perché un sistema AI ha preso una particolare azione?

Queste sono domande operative e sono sempre più economiche. È perché ogni ora trascorsa a supervisionare l’AI erode i guadagni di produttività che hanno giustificato l’investimento in primo luogo. Le aziende che vincono con l’AI non saranno quelle che eseguono il maggior numero di modelli o distribuiscono il maggior numero di agenti. Saranno quelle che non hanno bisogno di un esercito di persone che li guardano.

L’AI dovrebbe amplificare la vostra forza lavoro. Non dovrebbe diventare silenziosamente una nuova forza lavoro.