Volete solo senior. Chi dovrebbe formarli?

Un’azienda non deve tenersi un’attività inutile soltanto perché vent’anni fa qualcuno ha imparato il mestiere facendola. Se un assistente scrive in pochi minuti una prima versione affidabile, far passare il pomeriggio sulla stessa bozza a chi è appena arrivato non diventa una buona idea perché la chiamiamo formazione. Potrebbe essere soltanto il modo in cui giustifichiamo le nostre abitudini.

Lo dico subito, perché questo non è un elogio della gavetta. Chi entra oggi in una professione non ha nessun obbligo di ripetere le nostre inefficienze. Un programmatore non deve ricordare a memoria ogni funzione di una libreria, e il valore di un analista non si misura in ore passate a sistemare celle. Una parte di quella che chiamavamo gavetta era lavoro noioso affidato a chi aveva meno possibilità di rifiutarlo, e chiamarla scuola non la rendeva tale. Se l’AI se la prende, non la rimpiango.

Il problema comincia dopo. Quando abbiamo deciso che cosa non serve più fare, tendiamo a considerare chiusa anche la discussione su che cosa bisogna ancora imparare.

Prendiamo un’impresa che affida all’AI una parte crescente del lavoro e concentra il controllo su poche persone esperte. Può funzionare benissimo, e non serve inventare un incidente per discuterla. Basta chiedere che cosa farà la persona che entra oggi in quell’azienda per diventare, un giorno, capace di esercitare quel controllo. Rispondere che userà l’AI non basta. È lo strumento che avrà a disposizione, non il percorso con cui imparerà a capire quando fidarsene.

Parlo di un tipo preciso di organizzazione, non di tutte: quella che riduce le occasioni di ingresso e di apprendimento e continua a fondare il proprio modo di lavorare sul giudizio di professionisti esperti. Nei suoi piani l’esperienza compare come una disponibilità esterna. Oggi servono persone già capaci, domani ne serviranno altre, qualcuno le avrà formate.

Anche chi vende il motore fa fare pratica

Il 2 ottobre Anthropic ha annunciato Claude Frontier Academy: 100 milioni di dollari per formare 10.000 ingegneri entro la fine del 2027. Non è un percorso per principianti. Sono le aziende a candidare i loro ingegneri migliori, che passano qualche giorno di lavoro intensivo con gli ingegneri di Anthropic, affrontano una prova pratica su uno scenario nuovo e poi guidano per dodici settimane un progetto vero dentro la propria organizzazione. Alla fine vengono valutati di nuovo.

Non lo leggo come una confessione, del tipo «l’AI non funziona senza esseri umani», e nemmeno come filantropia. È un investimento commerciale: chi vende questi sistemi ha bisogno di persone capaci di adottarli bene, e se le costruisce. Mi interessa il metodo. Anche con professionisti già preparati, l’azienda che produce il modello non si accontenta di dare accesso allo strumento. Propone pratica su casi reali e una verifica di quello che le persone sanno fare.

Se usare bene questi sistemi richiede un percorso persino a chi ha già anni di mestiere, la domanda per tutti gli altri è semplice. Nel vostro piano, quel percorso dov’è?

Il lavoro consegnato e la persona che lo ha fatto

Un’attività affidata a una persona in formazione produce due cose. Una è il lavoro consegnato, che ha un committente e una scadenza. L’altra è ciò che quella persona diventa capace di fare, e questa non ha né committente né scadenza: esiste solo se qualcuno decide di investirci.

L’AI può migliorarle entrambe. Può anche migliorarne soltanto una, e guardando la consegna non si capisce quale delle due stia succedendo.

Uno studio di Judy Hanwen Shen e Alex Tamkin, uscito a gennaio e presentato dalla stessa Anthropic, aiuta a vedere la differenza. Cinquantadue sviluppatori, in gran parte alle prime armi, dovevano usare Trio, una libreria Python che non avevano mai visto; una parte poteva farsi aiutare da un assistente, l’altra no. Nel test di comprensione successivo il gruppo assistito ha ottenuto in media il 50%, quello senza AI il 67%, e la distanza più grande era nelle domande sulla ricerca degli errori. Il risparmio di tempo, invece, non è risultato statisticamente significativo. Va letto per quello che è: diciassette punti di comprensione in meno, misurati subito dopo quel compito, non il 17% di competenze perse. Il campione è piccolo, il compito circoscritto, la misura immediata, e non dice niente di anni di carriera né di competenze già consolidate. Gli autori osservano anche che chi usava l’assistente per farsi spiegare le cose, invece che per farsele consegnare, andava meglio. Ma nessuno era stato assegnato a caso a un modo d’uso, e non se ne ricava la ricetta «chiedete spiegazioni e il problema sparisce».

Un altro lavoro va nella direzione opposta, e merita lo stesso spazio. Erik Brynjolfsson, Danielle Li e Lindsey Raymond hanno studiato l’arrivo di un assistente in un servizio clienti con 5.172 addetti, in un articolo uscito nel 2025 sul Quarterly Journal of Economics. I problemi risolti per ora sono cresciuti in media di circa il 15%, e di circa il 30% fra i meno esperti, mentre per i più esperti l’effetto è stato minimo. Guardando i periodi in cui il sistema era fuori servizio, gli autori trovano segni compatibili con un apprendimento che resta anche senza l’assistente. Avvertono che quelle interruzioni sono rare e non per forza casuali.

Messi uno accanto all’altro, i due studi non dicono che l’AI impoverisce chi la usa, né che lo forma. Dicono che può fare l’una e l’altra cosa, a seconda del lavoro e di come la si usa. Per questo la domanda da fare a chi dirige non è se l’AI renda le persone più brave. È un’altra: quando qualcuno chiude più lavoro grazie all’AI, su che cosa basate la convinzione che sia diventato anche più autonomo?

Un’esportazione che dura qualche minuto

Faccio un esempio inventato, ma ordinario. Un’azienda deve aggiungere al proprio gestionale una funzione per esportare documenti. Il compito va a una persona arrivata da poco, che lo svolge con un assistente. L’AI produce una soluzione, i test previsti passano, un collega esperto la rivede e la approva. Il compito è stato completato correttamente.

Adesso cambio la domanda. Un utente avvia un’esportazione che richiede qualche minuto. Nel frattempo gli viene tolto l’accesso a quei documenti. Il file va generato e consegnato lo stesso?

Non serve che l’AI abbia sbagliato. Magari ha gestito il caso alla perfezione. Quello che vorrei sapere riguarda la persona. Si era accorta del problema? Saprebbe dire quale requisito andava chiarito, e con chi? Saprebbe scrivere una verifica capace di distinguere un comportamento dall’altro?

In una prima organizzazione il collega esperto corregge o approva, e tutti passano al lavoro successivo. In una seconda, prima di guardare la soluzione, la persona scrive che cosa si aspetta che succeda in quel caso. Poi confronta la sua previsione con il codice, e il collega discute con lei il punto in cui il ragionamento era incompleto.

Le due organizzazioni possono consegnare lo stesso prodotto nello stesso giorno. Solo la seconda contiene almeno un’occasione esplicita di imparare qualcosa, e nemmeno questo basta a dire che l’occasione sia servita. Per saperlo bisognerà rivedere la stessa persona davanti a un caso diverso, a qualche settimana di distanza.

In questa storia non c’è nessun incidente, nessun principiante incapace, nessuna macchina stupida. Il risultato produttivo è buono, e la domanda sulla crescita resta aperta. Nel vostro gruppo, chi si accorge della differenza fra le due cose?

Chi paga l’apprendistato

Ho già scritto del paradosso dell’apprendistato: l’automazione rischia di consumare il processo con cui si trasmette il giudizio professionale, e conviene renderlo intenzionale. E in Misura ciò che resta scarso ho sostenuto che il valore si sposta verso il giudizio e la verifica. Riconoscerlo non spiega come quella capacità si costruisca. Qui vorrei scendere di un livello, dalla cultura professionale ai conti di un’impresa.

Pensiamo a un’attività economicamente utile, abbastanza circoscritta da affidarla a una persona inesperta e abbastanza interessante da insegnarle qualcosa. Il cliente paga il risultato. L’impresa usa una parte di quel lavoro per far crescere qualcuno, e assorbe il costo della supervisione. Non sempre conviene, ma almeno produzione e apprendimento stanno nella stessa fattura.

Se l’AI fa molto meglio la parte esecutiva, automatizzarla può essere ragionevole, e il dirigente che lo decide potrebbe prendere un’ottima decisione produttiva. Resta però da stabilire come si finanzia l’esperienza che prima si costruiva dentro quella produzione. In casi come questo la formazione non sparisce perché qualcuno la considera inutile. Sparisce perché nessuno ha più una ragione immediata per pagarla nella forma di prima.

«Le persone devono aggiornarsi» non copre il buco. Aggiornarsi è una faccenda individuale. Poter affrontare responsabilità via via più grandi dentro un’organizzazione è un’altra cosa, e dipende da come l’organizzazione distribuisce il lavoro.

Lo stesso vale per la frase che ricorre in molti piani di adozione: i junior controlleranno gli output dell’AI. Descrive un incarico, non spiega come si diventa capaci di svolgerlo. Quale errore dovrebbe riconoscere quella persona? Su quali prove può basarsi? Che cosa succede quando la soluzione è formalmente corretta, ma il problema era stato definito male? Non sostengo che per valutare una soluzione si debba sempre saperla scrivere da zero, sarebbe troppo. Sostengo che bisogna sapere quali competenze servono a quel controllo, e poi verificare che il lavoro di tutti i giorni le faccia crescere. La supervisione non si impara per nomina.

Poi c’è la pressione della consegna. Un’azienda può invitare le persone a usare l’AI per imparare e intanto valutarle soltanto sul lavoro chiuso. In quella situazione fermarsi a chiedere una spiegazione, o approfondire un’anomalia, diventa una scelta che si paga di tasca propria. Chi delega subito finisce prima, chi cerca di capire deve giustificare il tempo in più. Non serve dare del pigro al primo o del virtuoso al secondo. L’organizzazione rende conveniente un comportamento e ne raccomanda un altro, e finché non mette il costo dell’apprendimento nelle assegnazioni, «usate l’AI con consapevolezza» resta un consiglio senza le condizioni per seguirlo.

La risposta più seria a tutto questo è che i senior si assumono dal mercato. Per una singola impresa è legittima. Non tutte devono formare in casa ogni competenza, e un’azienda di dieci persone non potrebbe nemmeno provarci. Va però detta per quello che è: una strategia che dipende dalla disponibilità futura di persone formate da qualcun altro. Se lo facessero tutti, comprare esperienza non basterebbe a produrla. Non serve prevedere il crollo del mercato del lavoro per vedere questa dipendenza. Basta scriverla nel piano, accanto alle altre.

C’è anche l’obiezione più antica: se li formiamo, poi se ne vanno. È vero, il ritorno è incerto, e chi lavora ha tutto il diritto di cambiare azienda. Il confronto però va fatto fino in fondo, fra il costo di far crescere qualcuno in casa e quello di dipendere da poche persone già esperte, che possono andarsene anche loro e costano di più. In mezzo ci sono strade intermedie, come dividere una parte dell’investimento con scuole, università o altre imprese.

E se anche la verifica si potesse automatizzare? Dove esistono criteri affidabili, farlo è una buona idea, e non difendo la lettura umana di ogni riga. Resta da capire chi stabilisce che quei criteri sono adatti al caso e chi si accorge del requisito che manca. Se un giorno anche questo verrà automatizzato bene, cambieranno di nuovo le competenze da formare. Non le dichiaro insostituibili per principio.

Otto settimane per sapere se qualcuno sta imparando

Non dobbiamo conservare il percorso che abbiamo fatto noi. Dobbiamo saper spiegare perché quello che lo sostituisce dovrebbe funzionare. Non chiedo di dimostrare che ogni tecnologia sia innocua prima di usarla. Chiedo a chi organizza il lavoro di mettere l’apprendimento fra i risultati attesi, e di controllarlo.

L’obiezione più forte, a questo punto, è che un junior con l’AI può crescere più in fretta. Può darsi. Togliendo una parte del lavoro esecutivo potremmo portare prima chi comincia dentro problemi che contano. Un assistente può spiegare quando un collega non c’è, e rendere accessibile un confronto che prima dipendeva dalla fortuna di incontrare un buon mentore. È proprio una delle possibilità da verificare. Quello che contesto è l’equivalenza, mai dimostrata, fra avere accesso allo strumento e crescere nel mestiere.

La ricerca sull’istruzione suggerisce che conta molto come è costruito l’aiuto. In un esperimento pubblicato su PNAS nel 2025, Hamsa Bastani e colleghi hanno dato a quasi mille studenti di matematica di un liceo turco due strumenti basati su GPT-4: un assistente generico e un tutor pensato per non regalare la risposta. Tutti e due miglioravano i risultati durante gli esercizi. Tolto l’aiuto, chi aveva usato l’assistente generico andava peggio di chi non aveva mai avuto niente, mentre chi aveva usato il tutor finiva più o meno alla pari con loro. Un liceo non è una software house, e i numeri non li trasferisco. Ne ricavo una cosa più piccola: il modo in cui organizziamo l’assistenza cambia quello che le persone imparano, e i risultati diversi che si trovano in letteratura dipendono anche da questo. L’apprendimento non si deduce dall’adozione dello strumento. Va guardato nel proprio contesto.

La proposta concreta è un esperimento organizzativo di otto settimane. La durata è una scelta di progetto, non un numero che viene dagli studi. Non serve a certificare nuovi senior: serve a capire se un certo modo di lavorare sta costruendo una capacità che abbiamo definito prima.

Si sceglie una responsabilità circoscritta, per esempio valutare se un controllo degli accessi è corretto. Si individuano una persona che deve imparare a esercitarla e un collega capace di esaminare il suo ragionamento. Il tempo del collega si mette nell’assegnazione, invece di chiederlo come un favore fra due urgenze. La persona che impara non è per forza giovane. Può essere uno sviluppatore con quindici anni di mestiere che non ha mai lavorato su permessi e ruoli. Junior, qui, indica una condizione rispetto a un problema, non un’età.

All’inizio si guarda come la persona affronta un caso rappresentativo. L’AI resta disponibile, perché fa parte del lavoro vero. Prima di vedere la soluzione, però, la persona scrive una previsione: che cosa dovrebbe succedere, e quale prova mostrerebbe che si sta sbagliando. Nelle settimane successive si alternano casi ordinari e varianti, e il collega non si limita ad approvare il risultato. Cerca il punto da discutere. La domanda non è se la spiegazione suoni convincente, ma se porti a una verifica pertinente.

Verso la fine si presenta un caso nuovo, che non sia la copia di un esercizio già fatto né un quiz di memoria. Si osserva se la persona riconosce il problema senza che qualcuno glielo indichi, e quanto aiuto le serve per arrivare a una decisione fondata. Una breve prova senza assistente può servire a distinguere quello che è stato imparato da quello che resta delegato, a patto che non diventi un divieto generale. Il lavoro reale si fa con gli strumenti, e richiede anche di saperli usare bene.

Le domande a cui l’esperimento deve rispondere sono poche. La persona trova da sola, più spesso di prima, le informazioni che mancano? Sa costruire una verifica che metta davvero alla prova la soluzione? Riconosce il momento in cui deve fermarsi e chiamare qualcuno? Conta anche la capacità di non approvare. Rendere qualcuno più sicuro di sé senza renderlo più capace di vedere i propri limiti è il risultato peggiore che si possa ottenere.

Tutto questo ha un costo, che va misurato insieme agli effetti sulle consegne. Se dopo otto settimane non si vede nessun miglioramento, si cambia il metodo. Non è una pratica da difendere perché «formativa» per definizione. E non serve trasformarsi in una scuola: una sola responsabilità imparata bene vale più di un programma generico di formazione sull’AI.

Dove avete messo quel costo

Assumere soltanto persone già esperte può essere una scelta ragionevole. Vuol dire comprare, insieme al loro lavoro, il risultato di un investimento che qualcun altro ha fatto prima di noi. Non c’è niente di scandaloso. È però diverso dal pensare che quell’esperienza si produca da sola.

E non è un problema da scaricare sulle persone. Sarebbe incoerente chiedere a chi lavora di investire nel proprio apprendimento mentre l’organizzazione considera quel tempo una deviazione dalla consegna.

Se l’AI rende superfluo il lavoro con cui imparavamo, abbiamo l’occasione di costruire un percorso migliore, e magari di arrivare prima a una competenza più utile. Per saperlo bisogna progettarlo, e guardare che cosa lascia alle persone oltre al lavoro consegnato. La vecchia gavetta possiamo abbandonarla senza rimpianti. Quello che ne prende il posto non possiamo chiamarlo formazione senza verificare che qualcuno stia imparando.

Nel vostro piano di adozione avete previsto chi controllerà le macchine. Dove avete previsto come diventerà capace di farlo?

L'autore

Andrea MargiovanniAI

Seguo il rapporto fra AI e regolazione europea come fatto politico, non come spettacolo tecnico. Lavoro con team che devono renderla compatibile con AI Act, CRA, NIS2 senza ridurre la compliance a una checklist.

Vai al percorso →