Questo programma propone una struttura adattabile per amministrazione, vendite e direzione. Non promette un modello valido per ogni impresa: parte dai sistemi effettivamente usati, dalla natura dei dati e dalle responsabilità del singolo ruolo. La FAQ della Commissione europea sull’alfabetizzazione AI invita infatti a considerare ruolo dell’organizzazione, rischi, conoscenze pregresse, contesto e persone coinvolte. È una buona regola anche quando l’obiettivo iniziale è puramente operativo.
Prima del corso: scegliere lavori, non strumenti
Prima di definire ore e slide, raccogli da ciascun reparto due attività ricorrenti. Non chiedere “dove mettereste l’AI?”, perché la domanda porta spesso a risposte astratte. Chiedi invece: quale output preparate ogni settimana, quale input ricevete, chi deve approvarlo e quale errore non può passare inosservato.
Per ciascuna attività usa una scheda in cinque punti: contesto (per chi e perché serve l’output), compito (riassumere, confrontare, classificare, proporre una bozza), confini (dati non ammessi e decisioni che l’AI non prende), controllo (fonte o criterio con cui verificare), conseguenza (cosa succede se la risposta è sbagliata). Questa scheda è il filo conduttore del corso e impedisce di confondere un esercizio creativo con un uso ad alto impatto.
Un’attività è una buona candidata per l’aula quando l’output può essere confrontato con un riferimento conosciuto, il materiale può essere reso fittizio o autorizzato e la persona ha il potere di rivedere il risultato. Una richiesta che incide su assunzioni, credito, prezzi vincolanti, salute o sicurezza richiede invece un esame più prudente del caso d’uso, delle istruzioni del sistema e degli obblighi applicabili. Il regolamento europeo sull’AI collega l’alfabetizzazione alla capacità di interpretare gli output e, nei contesti pertinenti, alla sorveglianza umana; non è una certificazione ottenuta con la sola presenza in aula.
Il modulo comune: capire, provare, controllare
Dedica il primo modulo a tutti i partecipanti, anche a chi userà l’AI soltanto saltuariamente. L’obiettivo non è trasformarli in sviluppatori. È costruire un linguaggio condiviso per parlare di input, output, limite, fonte, revisione e responsabilità.
- Che cosa fa un sistema generativo. Mostra che produce contenuti sulla base della richiesta e del contesto disponibile; non sostituisce la conoscenza del processo aziendale. Fai confrontare una richiesta vaga con una richiesta che specifica destinatario, materiale di partenza, formato, criteri e vincoli.
- Perché un testo fluido non è una prova. Il profilo NIST sui rischi dell’AI generativa chiama confabulation la generazione sicura di contenuti errati o falsi. L’esercizio consiste nel trovare affermazioni non supportate in una bozza e riscriverle soltanto dopo avere verificato un documento di riferimento. Il documento NIST raccomanda di confrontare gli output con dati di verità nota e di adottare tecniche di verifica.
- Regole interne prima della pratica. Chiarisci quali strumenti sono autorizzati, chi può usare quali funzioni, quali categorie di informazioni non vanno immesse senza una valutazione dedicata e dove segnalare un problema. Non basta dire “niente dati sensibili”: vanno trattati anche nomi, contatti, dettagli contrattuali, credenziali, dati di clienti e informazioni riservate secondo il caso concreto.
- La revisione come passaggio di lavoro. Ogni partecipante deve saper indicare cosa ha controllato, con quale fonte e chi approva l’output prima di un invio o di una decisione. Questa è una competenza distinta dalla capacità di ottenere un testo ben scritto.
L’ultimo punto merita attenzione. Il parere 28/2024 dell’EDPB ricorda che non si può assumere in ogni caso che un modello addestrato con dati personali sia anonimo e che la valutazione dipende dalle circostanze e dalla documentazione. Nel corso è quindi più sicuro allenarsi prima su dossier sintetici o già autorizzati, non su esportazioni improvvisate da CRM, caselle email o archivi del personale.
Tre moduli di ruolo, con obiettivi diversi
Amministrazione: bozze ordinate e controlli visibili
Per l’amministrazione l’obiettivo non è lasciare all’AI la contabilità o una scelta che richiede responsabilità formale. È imparare a preparare materiale: organizzare appunti di riunione, trasformare una procedura esistente in checklist, confrontare due versioni di una comunicazione interna oppure estrarre campi da un fac-simile. Il partecipante deve dichiarare la fonte del dato, distinguere ciò che manca da ciò che è dedotto e lasciare traccia della revisione.
Un’esercitazione efficace usa una procedura fittizia di rimborso spese con sei regole esplicite. Il gruppo chiede all’AI di produrre una checklist per il dipendente e poi controlla, riga per riga, se tutte e sei le regole sono presenti e se ne è stata inventata una settima. Il risultato atteso non è una risposta più lunga: è una bozza pronta per il responsabile, con punti da confermare messi in evidenza.
Vendite: preparare comunicazioni senza delegare la relazione
Per le vendite, il corso può concentrarsi sulla fase che precede una proposta: riassumere una richiesta con campi strutturati, ordinare le domande da porre al cliente, proporre varianti di tono per una mail o individuare incoerenze in una bozza. Non è un catalogo di usi dell’AI per l’ufficio commerciale; è un allenamento a definire il perimetro della bozza e a verificare che non introduca promesse, condizioni o caratteristiche non approvate.
Prepara tre richieste cliente inventate e una scheda prodotto anch’essa fittizia. A coppie, i partecipanti devono far generare una bozza di risposta che contenga solo informazioni presenti nella scheda. In revisione, uno interpreta il commerciale e l’altro il responsabile di offerta: cercano affermazioni non supportate, omissioni e formulazioni che possano sembrare un impegno contrattuale. Il punteggio dipende dalla qualità dei controlli, non dal numero di frasi prodotte.
Direzione: decidere il perimetro, non usare l’AI come arbitro
La direzione non ha bisogno dello stesso laboratorio di chi prepara una mail. Deve saper scegliere dove sperimentare, fissare una soglia di errore accettabile, assegnare un proprietario del processo e stabilire quando è obbligatoria un’approvazione umana. Un modulo per responsabili usa scenari brevi: per esempio, una sintesi automatica di segnalazioni operative oppure una classificazione di richieste interne. Il gruppo completa un registro con finalità, utenti, fonti, output, persona che decide e procedura di escalation.
Il materiale NIST sul governo dei rischi AI propone di documentare ruoli, responsabilità, percorsi di comunicazione e formazione adeguata a sottogruppi diversi. In una PMI ciò può tradursi in poche regole chiare: chi prova, chi valida, chi può cambiare l’istruzione data al sistema e chi riceve una segnalazione. Non serve creare una struttura complessa per nominare una persona responsabile del pilot.
Tre laboratori che mostrano se la competenza c’è
Le dimostrazioni del docente sono utili, ma non misurano l’autonomia. Inserisci tre prove brevi, sempre su materiale preparato per l’aula.
- Richiesta sotto vincolo. Ogni partecipante riceve la stessa consegna, con un fatto mancante e un dato che non può utilizzare. Deve formulare una richiesta che domandi un chiarimento invece di colmare il vuoto con un’invenzione.
- Revisione a due passaggi. Il formatore consegna un output predisposto con cinque errori: un numero trasposto, una fonte assente, una regola omessa, una deduzione non dichiarata e un tono inadatto. La squadra deve rilevarli e spiegare il criterio usato.
- Stop o inoltro. Davanti a quattro mini-casi, il gruppo decide se può usare l’output come bozza, se deve sottoporlo ad approvazione o se deve interrompere l’esercizio e chiedere un parere competente. Conta la motivazione, non l’uniformità delle risposte.
Queste prove fanno emergere un problema spesso nascosto: chi sa ottenere una risposta accattivante ma non sa verificarla non è ancora autonomo. Conserva gli elaborati fittizi, la rubrica e le correzioni come evidenza di apprendimento; non usare la raccolta come sostituto della valutazione dei singoli trattamenti di dati o degli obblighi specifici dell’impresa.
Una griglia semplice per valutare l’autonomia
Valuta ciascun partecipante su quattro aspetti, prima e dopo il laboratorio. La griglia non assegna patenti all’uso dell’AI: serve al responsabile per capire quale supporto è ancora necessario.
| Dimensione | Segnale da osservare | Esito utile |
|---|---|---|
| Definizione del compito | Indica destinatario, formato, materiale e limite della richiesta. | La richiesta è ripetibile da un collega. |
| Qualità dell’input | Separa fatti disponibili, ipotesi e dati da non usare. | Riduce ambiguità e uso improprio di informazioni. |
| Verifica dell’output | Confronta ogni affermazione rilevante con una fonte o un criterio. | Gli errori trovati hanno una motivazione. |
| Responsabilità | Sa quando inoltrare, chiedere chiarimenti o interrompere. | Non confonde una bozza con una decisione. |
Per evitare voti simbolici, definisci prima cosa significa “autonomo” per il singolo compito. Per una checklist interna potrebbe voler dire produrre una bozza completa, indicare la fonte di ogni regola e consegnarla al revisore. Per un testo rivolto all’esterno potrebbe voler dire, oltre a questo, ottenere l’approvazione prevista. Se cambiano strumento, processo o rischio, la prova va aggiornata: il programma non resta valido per inerzia.
Esempio ipotetico: un pilot per tre reparti
Immagina una PMI di 22 persone che usa un assistente generativo autorizzato per redigere bozze, ma non ha ancora regole condivise. Il responsabile seleziona un’attività per reparto: trasformare una procedura fittizia in checklist per amministrazione, preparare domande di chiarimento su richieste simulate per vendite, compilare il registro di un pilot per direzione.
La prima sessione comune lavora su limiti, istruzioni e verifica. Seguono gruppi di ruolo con i tre laboratori. Alla fine, ogni gruppo consegna un solo artefatto: una richiesta riusabile, un output corretto, una lista di controlli e un nominativo responsabile della revisione. Nelle settimane successive il responsabile osserva se la stessa procedura viene applicata a un caso a basso impatto e raccoglie le difficoltà. Se emergono dati non previsti, errori ricorrenti o un uso che supera il perimetro iniziale, il pilot si ferma e viene riesaminato.
Questo è un esempio didattico, non un benchmark di tempi, prestazioni o conformità. Serve a mostrare che un programma di formazione può chiudersi con comportamenti osservabili, senza spingere persone non preparate a caricare subito materiale aziendale reale.
Come trasformare il corso in un’abitudine di lavoro
Entro pochi giorni dalla formazione, scegli un solo flusso a basso impatto e ripeti la scheda in cinque punti con chi lo svolge davvero. Programma una breve revisione dopo il primo ciclo: quali richieste hanno funzionato, quali controlli sono risultati troppo vaghi e quali casi sono stati fermati correttamente? Le indicazioni NIST sottolineano che ruoli, formazione e meccanismi di escalation devono essere adeguati e documentati; per una piccola impresa può bastare un registro essenziale ma mantenuto vivo.
Se stai definendo il perimetro di una formazione, la pagina Formazione Intelligenza Artificiale e Web descrive il servizio collegato. Per un confronto iniziale sul tuo caso, puoi anche descrivere volontariamente attività, ruoli e vincoli all’assistente disponibile in basso nella pagina: le informazioni servono a inquadrare il problema, non a sostituire una valutazione professionale su dati, lavoro o obblighi applicabili.