Formazione AI in azienda: come far sì che il lunedì cambi davvero qualcosa

Un corso funziona se il lunedì successivo un’attività precisa si fa in modo diverso. Sei condizioni per progettarlo, una tabella di cosa misurare prima e dopo, e un esempio su un team di assistenza clienti.

Se devi organizzare una formazione sull’AI in azienda, progettala partendo dal lunedì successivo: quale attività, svolta da quali persone, dovrebbe cambiare e come lo verificherete. Le ore in aula, le slide e gli strumenti vengono dopo. Un corso che non è collegato a un task riconoscibile produce presenze alte, valutazioni entusiaste e quasi nessuna applicazione.

La scena si ripete in molte aziende. Il corso sull’intelligenza artificiale generativa va bene, le persone escono curiose, qualcuno prova ChatGPT o Copilot per qualche giorno. Dopo due settimane il lavoro si fa esattamente come prima.

Il problema, di solito, non è la qualità della docenza. È che nessuno ha collegato le ore in aula a un’attività precisa: quella che le persone svolgono ogni settimana, con i loro documenti, i loro strumenti e le loro regole.

Il tema ha anche una dimensione normativa. L’articolo 4 del Regolamento europeo sull’intelligenza artificiale, applicabile dal 2 febbraio 2025, chiede a chi usa sistemi di AI di adottare misure per sviluppare l’alfabetizzazione del personale coinvolto, tenendo conto delle sue conoscenze, del contesto d’uso e delle persone su cui i sistemi hanno effetto. Dopo le modifiche dell’AI Omnibus del luglio 2026 non si parla più di un livello “sufficiente” predefinito, ma l’obbligo organizzativo resta: servono competenze proporzionate a ciò che le persone fanno con quegli strumenti, non un attestato generico. Per questo conviene tenere traccia di chi è stato formato, su quali sistemi e quando.

La domanda giusta a fine corso non è “vi è piaciuto?” ma “cosa farete diversamente martedì?”

Che cosa intendiamo per formazione su task reali

Intendiamo un percorso costruito intorno ad attività che le persone già svolgono, con materiali autorizzati dall’azienda, strumenti approvati e un criterio esplicito per dire se il risultato è buono.

“Corso di prompt engineering per il marketing” descrive un contenuto. “Preparare la prima bozza dei testi per le schede prodotto partendo dal brief e dal tono di voce aziendale, con una checklist di verifica” descrive un task: si può osservare prima, esercitare durante e misurare dopo.

Questa differenza cambia tutto il progetto: la selezione dei partecipanti, gli esempi usati in aula, la durata, i materiali che restano e il modo in cui si valuta il risultato.

È lo stesso principio del metodo DOABLE applicato alla formazione: si parte dal lavoro che esiste, si sceglie una priorità e da lì si costruisce il cambiamento.

1. Parti dai task, non dagli strumenti

Prima di scegliere piattaforma e programma, elenca le attività ricorrenti delle persone che parteciperanno. Per ciascuna chiediti quanto tempo richiede, quante volte al mese si ripete, quali informazioni usa e chi controlla il risultato.

Da quell’elenco emergono due o tre task adatti alla formazione: frequenti, con un output verificabile e con materiali che si possono portare in aula senza problemi di riservatezza.

Lo strumento si sceglie dopo, in base a ciò che l’azienda ha già approvato. Insegnare a usare un tool che poi non sarà disponibile il lunedì è il modo più rapido per azzerare l’effetto del corso.

2. Scegli i casi con chi li fa

Gli esempi di lavoro su cui esercitarsi non li sceglie il docente e nemmeno il management. Li scelgono, insieme al formatore, le persone che quel lavoro lo svolgono: sanno quali casi sono tipici, quali sono difficili e dove si nascondono le eccezioni.

Serve un’autorizzazione esplicita dell’azienda sui materiali: quali documenti si possono usare, se vanno anonimizzati, quali dati non devono uscire dal perimetro aziendale. È un passaggio che richiede qualche giorno e che vale la pena fare prima della prima sessione.

3. Misura lo stesso task prima e dopo

La verifica più semplice ed efficace è far svolgere lo stesso task due volte: prima del percorso, con il metodo abituale, e alla fine, con il nuovo workflow. Stesse condizioni, criteri di qualità concordati in anticipo.

Non serve un laboratorio. Servono un caso rappresentativo, un tempo misurato e una griglia di valutazione condivisa con il responsabile della funzione.

Il confronto prima/dopo non dimostra che l’AI “funziona”: mostra che quelle persone, su quel task, lavorano in modo diverso. È esattamente l’informazione che serve per decidere se estendere il percorso ad altri team.

4. Distribuisci le sessioni nel tempo

Otto ore in un giorno producono entusiasmo e poca ritenzione. Quattro sessioni da due ore distribuite su quattro settimane lasciano spazio per provare sul lavoro reale, tornare con domande e correggere il workflow.

Tra una sessione e l’altra le persone hanno un compito concreto: applicare quanto visto a un caso proprio e portare il risultato. La sessione successiva parte da lì, non da nuove slide.

Il modello di valutazione di Kirkpatrick distingue quattro livelli: reazione, apprendimento, comportamento e risultati. La maggior parte dei corsi si ferma al primo. Distribuire le sessioni e assegnare compiti reali è il modo più semplice per arrivare al terzo.

5. Lascia un kit che si usa il lunedì

A fine percorso ogni partecipante deve avere in mano qualcosa di operativo: una o due schede di workflow per i propri task, con i passaggi, le istruzioni da dare allo strumento, i controlli da fare sull’output e i casi da escludere.

Le schede vanno scritte durante il corso, sui casi reali, non consegnate pronte. Un documento costruito dalle persone viene usato; uno ricevuto via email viene archiviato.

• *Obiettivo del task e quando si applica
• *Fonti autorizzate e dati da non inserire
• *Sequenza dei passaggi con lo strumento
• *Checklist di verifica dell’output
• *Casi in cui il workflow non va usato e a chi segnalarli

6. Verifica a 30 giorni

Un mese dopo l’ultima sessione si torna dal gruppo con tre domande: chi ha usato il workflow, su quanti casi, quali ostacoli ha incontrato. Le risposte dicono cosa è rimasto e cosa serve per continuare: un permesso mancante, uno strumento non disponibile, un passaggio da semplificare.

È in questo momento che la formazione diventa adozione, oppure mostra con precisione dove si è fermata. In entrambi i casi l’azienda ha un’informazione che una valutazione di fine corso non le avrebbe mai dato.

Esempio: un team di assistenza clienti

Immaginiamo un team di dodici persone che risponde a richieste di assistenza di primo livello via email. L’esempio è dimostrativo.

Il task scelto con il team è la risposta alle richieste ricorrenti su spedizioni e resi, che rappresentano una parte rilevante del volume. La baseline, rilevata su venti casi, è il tempo medio di risposta e il numero di risposte riviste dal supervisore.

Il percorso dura quattro settimane, con quattro sessioni. Nella prima si lavora sui fondamenti e sui limiti dello strumento approvato dall’azienda. Nella seconda si costruisce, sui casi reali, una scheda di workflow con le fonti autorizzate: la policy resi e le FAQ ufficiali. Nella terza si prova il workflow su casi nuovi e si aggiorna la checklist di verifica. Nella quarta si ripete il task della baseline con il nuovo metodo.

A 30 giorni si scopre che il workflow è usato regolarmente da otto persone su dodici, che due lo hanno abbandonato perché la policy resi è cambiata e la scheda non era stata aggiornata, e che il supervisore chiede di estendere il metodo alle richieste sulla fatturazione. Tre informazioni utili, nessuna delle quali sarebbe emersa da un questionario di gradimento.

Quando la formazione non è la risposta

Ci sono situazioni in cui un corso arriva troppo presto. Quando gli strumenti non sono ancora approvati e le persone imparerebbero qualcosa che non potranno usare. Quando i materiali necessari non sono accessibili o non si possono portare in aula. Quando il processo su cui lavorare cambia continuamente. Quando manca un responsabile che possa dire se un output va bene.

In questi casi il primo lavoro riguarda le condizioni, non le competenze. Sistemare accessi e perimetro rende la formazione successiva molto più efficace.

Le competenze tornano al lavoro il giorno dopo solo se il giorno dopo c’è un lavoro pronto a riceverle.

Dal corso all’adozione

Se le sei condizioni sono presenti, il percorso diventa lineare: pre-assessment, scelta dei task con il team, sessioni distribuite, schede di workflow costruite sui casi reali, task prima/dopo e verifica a 30 giorni.

È la struttura del nostro Corporate AI Training: quattro sessioni in quattro-sei settimane, fino a quindici persone per gruppo, con il confronto prima/dopo e il follow-up compresi nel percorso.

Fonti utilizzate

• *Regolamento (UE) 2024/1689 sull’intelligenza artificiale, articolo 4 “Alfabetizzazione in materia di IA”, applicabile dal 2 febbraio 2025, nel testo modificato dall’AI Omnibus (luglio 2026).
• *Commissione europea, AI Literacy – Questions & Answers.
• *Donald L. Kirkpatrick, modello di valutazione della formazione a quattro livelli (reazione, apprendimento, comportamento, risultati).
• *Istat, Imprese e ICT – Anno 2025, per il quadro sull’adozione dell’AI nelle imprese italiane.