Da quando l’intelligenza artificiale è diventata un elemento imprescindibile di tutte le strategie, la dimensione delle risorse umane ha superato una soglia: non è più una funzione di sostegno, ma è un’urgenza aziendale. Negli ultimi mesi, una domanda è emersa con ostinata costanza in ogni consiglio di amministrazione, ogni riunione editoriale, ogni ritiro aziendale: come trasformiamo i nostri team? La risposta, per quanto scomoda, è già visibile: gli attuali schemi e griglie delle competenze non sopravviveranno intatti ai prossimi tre anni.
Nel corso di un recente workshop con una dozzina di gruppi editoriali europei, abbiamo proiettato i loro organigrammi nel 2027. La conclusione è stata unanime e inquietante: tra il 40 e il 60 per cento delle posizioni attuali subirà una trasformazione profonda. Non un’eliminazione, ma una mutazione. E’ proprio in questa distinzione che risiede tutta la complessità, ed è qui che la maggior parte delle organizzazioni commette il suo errore più grave: confondere la ristrutturazione con la riqualificazione.
La piramide sta esplodendo
Il modello binario – chi conosce l’intelligenza artificiale e chi no – non è solo insufficiente, è pericoloso se preso come chiave di lettura per la pianificazione. Un quadro più utile individua quattro livelli di competenza all’interno di qualsiasi organizzazione. Il primo è la cultura dell’intelligenza artificiale per l’intera forza lavoro: capire cosa sia un prompt, cosa faccia un modello, cosa significhi allucinazione, cosa possa e non possa decidere un agente autonomo. Il secondo è la padronanza dell’intelligenza artificilae per circa il 30-40 per cento del personale: integrare l’intelligenza artificiale nei flussi di lavoro quotidiani, dominare il prompt engineering, sperimentare quello che i professionisti chiamano ormai “vibe-coding”, cioè l’interazione fluida e intuitiva con gli strumenti generativi. Il terzo è la specializzazione nell’intelligenza artificiale per il 10-15 per cento: generazione aumentata del recupero, perfezionamento, nuove architetture. Infine, la leadership nell’intelligenza artificiale per i dirigenti senior: strategia, governance ed etica, ambiti che nessun algoritmo può gestire in modo autonomo.
In un importante gruppo mediatico scandinavo, l’esercizio di mappatura del divario tra le competenze attuali e l’obiettivo 2027 è stato deludente. Su un team di 200 persone, solo 12 possiedono competenze di terzo livello. L’obiettivo per i prossimi tre anni: 30. Il che significa formare 18 persone fino al livello esperto, mantenendo nel frattempo la produzione quotidiana e facendo evolvere simultaneamente i processi interni – una sfida gestionale non meno che tecnica.
Ruoli che non hanno ancora un nome
Il direttore editoriale del 2027 non gestirà più soltanto persone. Orchestrerà team ibridi uomo-AI, definirà soglie accettabili di automazione e troverà ogni giorno l’equilibrio tra efficienza e integrità editoriale. Il giornalista di dati andrà oltre l’analisi di banche dati: addestrerà modelli di machine learning specializzati, costruirà agenti autonomi di fact-checking e progetterà flussi investigativi aumentati che spaziano dalla raccolta dei dati alla loro elaborazione fino al monitoraggio in tempo reale. Il photo editor diventerà un curatore di immagini generate dall’AI, un esperto nel rilevamento dei deepfake e un custode dell’autenticità visiva – lo standard C2PA, che sta già silenziosamente ridisegnando la provenienza dei contenuti, sarà la sua nuova grammatica.
Negli organigrammi stanno comparendo titoli che non esistevano dodici mesi fa: AI Coordinator, Prompt Engineer, AI Ethics Officer, Chief Agents Orchestrator. La domanda strategica non è se creare questi ruoli, ma quando, e se farlo reclutando all’esterno o sviluppando i talenti internamente. Come accadde con la rivoluzione informatica degli anni Novanta, la risposta è di rado binaria. In un importante quotidiano britannico, un AI Coordinator è stato assunto dall’esterno, mentre tre “AI champion” sono stati promossi dalle redazioni di sport, economia ed esteri. Un modello ibrido che coniuga competenza tecnica e conoscenza istituzionale, e che funziona bene al di là delle specificità culturali dei diversi settori mediatici.
Trasformare senza smantellare
Dal campo emergono tre architetture organizzative. Il modello centralizzato – un AI Lab o AI Hub con competenze dedicate – offre coerenza ma rischia l’isolamento. Il modello distribuito, che semina “campioni” in ogni reparto, costruisce una cultura condivisa ma può difettare di coordinamento. Il modello ibrido, che combina un team centrale con referenti settoriali, si sta rivelando il più resistente, anche se richiede una gestione più attenta. Non esiste una formula universale. La scelta giusta dipende dalle dimensioni, dalla cultura organizzativa e dai livelli esistenti di centralizzazione – fattori che raramente si possono separare.
Ciò che tutti i modelli di successo condividono è un unico punto non negoziabile: un orizzonte di pianificazione di almeno due o tre anni, strutturato in fasi chiare. Prima le fondamenta e una cultura generale dell’AI in tutta l’organizzazione. Poi, la formazione mirata del 30 per cento della forza lavoro su strumenti e flussi di lavoro applicati. Infine, la piena maturità attraverso programmi di apprendimento continuo che evolvono con la tecnologia stessa.
Si tratta di un imperativo strategico dello stesso ordine della riforma della governance o dell’innovazione di prodotto. Il ritmo della disruption tecnologica – modelli che ridisegnano il panorama ogni tre-sei mesi – non dovrebbe indurre paralisi. Dovrebbe affinare la lungimiranza e richiedere agilità istituzionale. Le organizzazioni che affrontano questa trasformazione in modo realistico, con umiltà rispetto a ciò che ancora non sanno, costruiranno un vantaggio duraturo. Quelle che tergiversano si troveranno non solo in ritardo, ma a competere per un bacino di talenti sempre più ristretto, che le più determinate avranno già reclutato.
Christophe Israël è un giornalista e un consulente di AI nei media.
