AI al lavoro, la trasparenza non basta: perché servono nuove competenze decisionali

Il 20 luglio 2026 la Commissione europea ha pubblicato nuove linee guida per aiutare fornitori e utilizzatori di sistemi di intelligenza artificiale a rispettare gli obblighi di trasparenza previsti dall’AI Act. Le regole, applicabili dal 2 agosto 2026, riguardano tra l’altro l’informazione alle persone quando interagiscono con un sistema AI e il riconoscimento dei contenuti generati o manipolati artificialmente.

Nello stesso giorno, la Commissione ha aperto la seconda fase di consultazione sul futuro Quality Jobs Act. Tra le cinque aree prioritarie compaiono la gestione algoritmica del lavoro, la trasparenza delle decisioni automatizzate, la protezione dal monitoraggio eccessivo e i rischi psicosociali.

Le due iniziative indicano un passaggio importante. La discussione non riguarda più soltanto che cosa l’intelligenza artificiale è capace di fare. Riguarda chi decide come utilizzarla, quali informazioni devono essere comprensibili e chi risponde delle conseguenze.

Trasparenza non significa comprensione

Sapere che un contenuto è stato generato da un sistema o che una decisione è supportata da un algoritmo è un primo livello di tutela. Ma l’etichetta “prodotto con AI” non dice automaticamente quali dati siano stati utilizzati, quali limiti abbia il modello, quale intervento umano sia previsto o come contestare un risultato.

Nel lavoro questa distanza diventa particolarmente delicata. Un sistema può suggerire candidati, assegnare priorità, valutare prestazioni, distribuire compiti o produrre previsioni. Anche quando la decisione formale resta a una persona, l’output tecnologico può esercitare un’influenza difficile da mettere in discussione.

La trasparenza è quindi una condizione necessaria, non una garanzia sufficiente. Per diventare concreta deve incontrare competenze, responsabilità e processi di confronto.

Il rischio dell’automazione dell’autorità

L’AI non automatizza soltanto attività. Può automatizzare l’apparenza dell’autorità. Un punteggio, una classifica o una raccomandazione formulata da un sistema vengono spesso percepiti come più neutrali di un giudizio umano, anche quando dipendono da dati incompleti, obiettivi discutibili o correlazioni difficili da interpretare.

Il problema non è soltanto tecnico. È psicologico e organizzativo. Quando un risultato arriva attraverso un’interfaccia, le persone possono smettere di chiedere quali ipotesi lo abbiano prodotto. Il professionista delega il dubbio, il responsabile delega la conversazione e l’organizzazione delega una parte della propria responsabilità.

L’International Labour Organization ha richiamato più volte l’attenzione sul fatto che gli effetti dell’AI sul lavoro dipendono da finalità, progettazione e controllo. In una recente analisi sulla gestione delle persone, l’ILO mostra come l’automazione possa amplificare problemi già presenti nei processi di selezione e valutazione, invece di correggerli.

Le competenze che diventano più importanti

Il rapporto OECD “AI and skills: What we know so far”, pubblicato il 5 giugno 2026, segnala che la carenza di competenze rappresenta una delle principali barriere all’adozione e che gli utilizzatori formati riferiscono più spesso effetti positivi su prestazioni e condizioni di lavoro.

La formazione, però, non può limitarsi all’uso dello strumento. Occorrono almeno quattro livelli di competenza:

Comprensione tecnica essenziale: sapere che cosa il sistema può e non può inferire.
Competenza di dominio: valutare l’output alla luce del lavoro reale.
Giudizio critico: riconoscere errori, semplificazioni e conflitti tra obiettivi.
Responsabilità relazionale: spiegare una decisione e affrontarne gli effetti sulle persone.

Anche l’ILO, in un contributo pubblicato il 14 luglio, sottolinea il ruolo delle competenze fondamentali, digitali e socio-emotive. L’AI può aumentare il valore della capacità di definire problemi, interpretare informazioni, cooperare e prendere decisioni in situazioni ambigue.

Perché il coaching entra in questa discussione

Il coaching non serve a insegnare un software e non dovrebbe diventare un modo per convincere le persone ad accettare qualunque trasformazione tecnologica. Può però lavorare sul punto in cui la tecnologia incontra identità professionale, responsabilità e scelta.

L’introduzione dell’AI può generare domande che non sono risolvibili con un tutorial: quale parte del mio ruolo resta distintiva? Quando devo fidarmi di un suggerimento? Come dichiaro un dubbio senza apparire resistente? Che cosa significa essere responsabile di una decisione supportata da un sistema che non comprendo interamente?

Queste domande richiedono uno spazio di riflessione e confronto. La competenza non consiste soltanto nell’avere una risposta rapida, ma nel saper costruire criteri prima che l’urgenza imponga una scelta.

Lo abbiamo chiesto ad Alessandro Garau

Per capire quali competenze servano davvero quando l’AI entra nei processi decisionali, lo abbiamo chiesto ad Alessandro Garau, mental coach, autore e formatore, che lavora sui temi della decisione, del cambiamento e della responsabilità personale e professionale.

«L’adozione dell’AI diventa sostenibile quando collega tre passaggi: visione del risultato desiderato, criteri con cui valutare le decisioni e responsabilità umana sulle conseguenze. Se uno dei tre manca, l’efficienza può crescere mentre il valore diventa più difficile da riconoscere.»

La sua osservazione sposta il tema dalla semplice disponibilità dello strumento alla qualità del giudizio. La tecnologia può accelerare una risposta; non può definire da sola che cosa meriti di essere perseguito, quali conseguenze siano accettabili e chi debba assumersene la responsabilità.

Leadership: non basta chiedere alle persone di adattarsi

Quando l’adozione viene raccontata come inevitabile, ogni obiezione rischia di essere classificata come paura del nuovo. Ma una resistenza può contenere informazioni: mancanza di formazione, dati inaffidabili, carichi aggiuntivi, perdita di autonomia o confusione sulle responsabilità.

La leadership deve distinguere ciò che è già deciso da ciò che può ancora essere progettato. Deve chiarire quali sistemi vengono utilizzati, con quali finalità, quali dati alimentano il processo e quale spazio esiste per correggere o contestare un risultato.

Un confronto autentico non richiede che ogni persona approvi la trasformazione. Richiede che i dubbi possano essere espressi senza essere usati automaticamente come prova di inadeguatezza.

Cinque domande prima di introdurre un sistema AI

Quale problema concreto dovrebbe risolvere?
Quali decisioni influenzerà e chi ne resterà responsabile?
Quali persone subiranno gli effetti senza partecipare alla progettazione?
Quali competenze servono per contestare o correggere l’output?
Quale evidenza mostrerà che il sistema ha migliorato anche la qualità del lavoro, non soltanto la velocità?

Queste domande possono sembrare più lente di una semplice implementazione tecnica. In realtà riducono il rischio di costruire processi efficienti nel produrre errori, sfiducia o decisioni che nessuno sa spiegare.

Dal rispetto formale alla cultura della responsabilità

Le regole europee stanno rendendo più visibili obblighi che molte organizzazioni dovrebbero comunque considerare parte di una buona gestione: informare, spiegare, proteggere e mantenere un controllo umano credibile.

Il passaggio decisivo avviene però quando la conformità smette di essere soltanto un documento e diventa comportamento. Un responsabile deve poter dire perché ha seguito o respinto una raccomandazione algoritmica. Una persona deve sapere a chi rivolgersi. Un gruppo deve poter discutere l’impatto del sistema senza ridurre il confronto a entusiasmo contro resistenza.

È qui che tecnologia, coaching, psicologia del lavoro e leadership si incontrano. La trasparenza rende visibile la presenza dell’AI. La cultura organizzativa determina se quella visibilità produrrà comprensione e responsabilità.

Fonti

Per continuare: leggi Resistenza al cambiamento: non un difetto da eliminare, ma un’informazione da leggere, Obiettivi che funzionano ed esplora le sezioni Coaching e Leadership.

Per ulteriori informazioni su Alessandro Garau

Alessandro Garau è mental coach, autore e formatore. Per conoscere il suo lavoro, le pubblicazioni e i percorsi professionali: