DIGITAL CULTURE Archives

10 Novembre 2025DIGITAL CULTURE

L’innovazione smarrita: tra artificio e adattamento

Viviamo in un tempo che celebra l’innovazione come un valore assoluto. Ogni impresa, ogni istituzione, ogni individuo ne fa una promessa: innovare per crescere, innovare per sopravvivere, innovare per esistere. Eppure, mai come oggi, il concetto stesso di innovazione appare confuso, persino abusato. Sembra la parola d’ordine di un rito senza fede.

Forse, prima di inseguirla, dovremmo chiederci di nuovo cosa significhi davvero.

Il tempo dell’innovazione permanente

Per secoli, l’innovazione è stata un’eccezione. Nel Novecento, Schumpeter la definì distruzione creatrice: un processo che rinnovava l’economia distruggendo i modelli precedenti. Oggi quella logica si è ribaltata. Non è più un ciclo, è una condizione stabile. L’innovazione non è più la frattura, ma il ritmo stesso del sistema.

Il progresso tecnico, la velocità della comunicazione e la potenza del calcolo hanno reso il cambiamento non solo costante, ma previsto, pianificato, misurato. Ogni organizzazione costruisce i propri laboratori di “futuro” come parte dell’ordinario. Ma quando tutto deve cambiare continuamente, cosa resta dell’idea di innovazione? Se il nuovo è routine, il rischio è che perda significato.
Innovare, allora, non è più fare qualcosa di diverso, ma saper dare forma al diverso che già accade. È una competenza di adattamento, non un atto di rottura.

L’intelligenza artificiale accentua questa transizione. È il motore e insieme lo specchio dell’innovazione permanente: apprende, anticipa, genera. Non produce invenzioni isolate, ma un flusso continuo di variazioni. Non sostituisce l’uomo; lo costringe a ripensarsi come parte di un sistema cognitivo distribuito. In questo senso, l’AI è la più perfetta metafora dell’epoca: innovazione che non si ferma, che si autoalimenta, che vive nel presente perpetuo.

La doppia natura dell’innovazione

C’è sempre stata un’ambiguità nel modo in cui intendiamo l’innovazione: la confondiamo con la tecnologia. Ma la tecnologia è il linguaggio dell’innovazione, non il suo contenuto. Innovare significa tradurre un bisogno, un desiderio, un comportamento in una nuova forma d’esperienza. Non è l’oggetto che conta, è la trasformazione che produce.

Da un lato esiste l’innovazione tecnologica, quella che nasce dall’ingegno tecnico e dalla scienza dei materiali, dei dati, dei sistemi. È l’innovazione che costruisce infrastrutture, algoritmi, hardware.
Dall’altro lato esiste l’innovazione di esperienza, che lavora sull’interfaccia tra le persone e il mondo: ripensa le abitudini, cambia il modo in cui percepiamo valore.

La prima spinge i confini del possibile; la seconda decide se quel possibile sarà davvero adottato.

Apple non ha mai inventato nulla di radicalmente nuovo: ha trasformato tecnologie esistenti in esperienze desiderabili. Google, al contrario, crea incessantemente nuovi strumenti, molti dei quali vengono poi abbandonati. Una progetta l’esperienza, l’altra esplora il territorio. Due visioni complementari, due modi di intendere la modernità.

Nell’era dell’intelligenza artificiale, questa dicotomia si ricompone. L’AI è al tempo stesso tecnologia ed esperienza. È una materia invisibile che si manifesta solo attraverso la relazione con l’utente. Ogni algoritmo è un atto d’interpretazione: osserva, prevede, consiglia. L’innovazione non è più nel dispositivo, ma nel dialogo tra sistema e persona.

E proprio qui nasce il rischio più grande: l’automazione può semplificare, ma anche impoverire. Può personalizzare, ma anche omologare. Se l’esperienza diventa predetta, l’innovazione perde la sua funzione evolutiva e si riduce a conferma dei dati passati.

Le forme e le soglie

Non tutta l’innovazione ha la stessa intensità. Possiamo immaginarla come un continuum di tre gradi.

L’innovazione incrementale è la manutenzione del progresso: piccoli miglioramenti, aggiustamenti, raffinamenti. È la più diffusa, la più utile e la più invisibile.
L’innovazione radicale cambia struttura e linguaggio: ridefinisce i modelli economici, apre spazi nuovi, riscrive le regole interne di un sistema.
L’innovazione dirompente, infine, è la frattura. Introduce una logica che cancella quella precedente: dal cinema alla piattaforma di streaming, dalla cabina telefonica allo smartphone, dal lavoro fisso all’algoritmo che distribuisce turni.

Ma oggi, con l’AI, queste soglie si sovrappongono. L’innovazione incrementale si automatizza – modelli che apprendono e migliorano da soli – mentre la disruption diventa sistemica: non più un prodotto, ma un ecosistema che si auto-riprogramma.
Il concetto di prodotto minimo realizzabile cambia: non serve più a validare un’idea, ma a misurare la capacità di apprendimento di un sistema. L’AI introduce una forma di innovazione generativa: ogni output diventa input per la prossima iterazione.

Eppure, anche in questa accelerazione, resta una costante: l’innovazione efficace è sempre una questione di timing. Arrivare troppo presto è fallire come chi arriva troppo tardi. Non basta essere capaci di fare, bisogna sapere quando il contesto è pronto ad accogliere.

L’innovazione come cultura

Dietro ogni successo tecnologico c’è una cultura che lo rende possibile. Le aziende innovative non si riconoscono dai laboratori, ma dai comportamenti interni: apertura, sperimentazione, fiducia.
L’innovazione non è mai il risultato di un genio isolato, ma l’esito di una rete che permette all’errore di essere metabolizzato come apprendimento.

Nel secolo scorso le organizzazioni erano costruite per ridurre l’incertezza. Oggi devono imparare a viverci dentro. Il metodo non serve più solo a eseguire, ma a pensare: design thinking per esplorare, lean per validare, agile per adattare. Sono tre nomi per una stessa attitudine: prototipare la realtà, imparare dal feedback, reagire al cambiamento.

Ma l’introduzione dell’AI impone un nuovo livello di cultura: la capacità di giudicare ciò che la macchina produce. Saper distinguere il segnale dal rumore, il dato dal senso, la correlazione dalla causa. Non basta più la creatività. Serve un’etica dell’interpretazione.

In molte organizzazioni, il limite non è tecnico ma psicologico: la paura dell’errore. Dove c’è paura, l’innovazione si arresta. L’errore non è la fine di un esperimento, è il suo compimento: produce informazione. Un ambiente che punisce chi fallisce genera conformismo. Uno che analizza il fallimento genera conoscenza.

E questa regola vale anche per l’AI: sbaglia, e sbaglierà ancora. L’importante è saper leggere l’errore come feedback di sistema, non come colpa.

La dimensione umana

In fondo, innovare significa interpretare il cambiamento per renderlo abitabile.

Ogni innovazione, grande o piccola, è un atto di traduzione: tra ciò che sappiamo e ciò che ancora non capiamo, tra possibilità tecniche e desideri umani. La macchina può calcolare infinite soluzioni, ma solo l’uomo può attribuire loro un senso.

Forse il vero compito oggi non è inventare di più, ma inventare meglio. Rallentare per capire cosa merita di essere migliorato, cosa no.
Perché l’innovazione non è solo progresso, è anche responsabilità: decidere quale futuro costruire, e quale evitare.

Nel mondo dell’AI, l’innovazione autentica non sarà quella che replica la mente umana, ma quella che ne rispetta la complessità.

Non si tratta di sostituirci, ma di ampliare la nostra capacità di comprendere, creare, scegliere. La frontiera non è tecnica, è cognitiva: capire come convivere con sistemi che apprendono, senza rinunciare alla capacità di giudizio che ci definisce.

Innovare per il domani.

Innovare oggi significa abitare l’incertezza con metodo e con visione.

Significa accettare che la conoscenza si costruisce a iterazioni, che la verità del fare precede quella del dire, che ogni progresso porta con sé una perdita da riconoscere. L’AI ha reso visibile ciò che l’innovazione è sempre stata: un dialogo tra intelligenze, umane e artificiali, che cercano di capire come migliorare il mondo senza smettere di interrogarsi sul suo senso.

Forse, il punto focale del nostro tempo non è inventare il futuro, ma non smettere di meritarlo.

28 Ottobre 2025DIGITAL CULTURE

Il caos che cura | TedX Cassino

Sabato scorso sono salito sul palco a Cassino, in occasione di TEDxCassino , di fronte a un pubblico attento. Ero lì per parlare di shockwave, quelle ondate di innovazione che sconvolgono gli equilibri, e del perché credo che nel caos di queste trasformazioni si possa trovare una forma di cura.

Ho scelto questo tema, all’interno della traccia principale “Succisa virescit”: vivere antifragile. Come prosperare nel Caos, senza smettere di essere umani?” perché penso che viviamo in un’epoca di rivoluzioni costanti, in cui la tecnologia accelera ogni processo, e volevo condividere come ho imparato ad affrontare queste ondate invece di farmi travolgere.

In sala, anche nei talk prima e dopo del mio, ho percepito una miscela di curiosità e un pizzico di inquietudine, ma soprattutto la voglia di capire come navigare l’incertezza dei nostri tempi.

Io non ero al meglio della forma, ma ci sta: forse è proprio in questi momenti di attraversamento della complessità che si cresce.

Grazie a Gian Marco Di Nallo Angelo Astrei e tutto il team per l’invito ed il supporto che mi hanno dato durante questi giorni, non facilissimi.

Qui il post che ho messo riguardo al mio Tedx e Speech

Il caos che cura

C’è un momento in cui ci si accorge che qualcosa sta cambiando.
Non è un’intuizione, è una sensazione fisica.
Si avverte una vibrazione, come un rumore che si ferma, come il mare che si ritira per un attimo.
Poi arriva l’impatto.

Quella sensazione ha un nome: shockwave.
Nella fisica, è un’onda di pressione che viaggia più veloce del suono.
Si genera quando un corpo si muove a una velocità tale da superare la capacità dell’ambiente di assorbirne l’energia.
Una parte di quell’energia si concentra e crea un fronte netto, improvviso.

Nel campo dell’innovazione, le shockwave sono i momenti in cui la velocità del cambiamento supera la nostra capacità di adattamento.
Non è solo un effetto di mercato. È una condizione.

L’evoluzione della velocità

Per decenni abbiamo rappresentato l’innovazione con una curva.
Everett Rogers la chiamava Diffusion of Innovations.
Descriveva come le nuove tecnologie si diffondevano: prima gli innovatori, poi gli early adopters, poi la maggioranza e infine i ritardatari.
Era un modello ordinato e, per molti anni, funzionava.
Le persone e le organizzazioni avevano il tempo di osservare, capire e decidere come inserirsi nel cambiamento.

Oggi quella curva non descrive più nulla.
Le innovazioni non si diffondono gradualmente: appaiono, si espandono e si impongono in tempi brevissimi.
Nel 2022, ChatGPT ha superato i cento milioni di utenti in due mesi.
Netflix ha impiegato nove anni per raggiungere la stessa cifra.
Non è solo una differenza di scala. È una differenza di velocità.

Viviamo in un’epoca in cui la velocità è diventata una variabile indipendente.
La maggior parte delle persone, delle aziende e delle istituzioni non riesce più a elaborare gli effetti di ciò che adotta.
Siamo dentro un flusso continuo di cambiamenti che si sovrappongono e si amplificano.

Lo shock come condizione

Uno shock non è necessariamente una crisi.
È una rottura di equilibrio, un punto in cui la quantità di energia accumulata diventa sufficiente a generare un salto.
Nel linguaggio psicologico, è la risposta immediata a un evento imprevisto.
In economia, è la variazione improvvisa di un parametro che modifica le condizioni del sistema.
In entrambi i casi, l’effetto è lo stesso: la struttura reagisce, si deforma, poi cerca un nuovo assetto.

Ogni rivoluzione tecnologica è iniziata con uno shock.
La stampa, l’elettricità, Internet.
Ogni volta una soglia è stata superata.
Oggi le soglie sono più ravvicinate.
La distanza tra una scoperta e la sua applicazione si è ridotta da decenni a mesi.
In alcuni casi, a giorni.

Una shockwave, quindi, non è un evento isolato ma una sequenza di accelerazioni che si sommano.
È la nuova unità di misura del cambiamento.
Chi la riconosce in tempo, può adattarsi.
Chi la ignora, la subisce.

La risposta umana

Quando la velocità cresce, il primo istinto è cercare stabilità.
Le persone e le organizzazioni provano a difendere ciò che conoscono.
È un riflesso naturale, ma nel tempo produce fragilità.
Un sistema che resiste a ogni variazione diventa rigido e perde capacità di risposta.

Nassim Taleb ha usato il termine antifragile per descrivere ciò che, sotto pressione, non solo resiste ma migliora.
Non è un concetto teorico: lo si osserva in natura, nell’economia, nei comportamenti collettivi.
Un organismo esposto a stress controllato si adatta e diventa più efficiente.
Un’organizzazione che attraversa una crisi e ne analizza le cause, costruisce anticorpi operativi.

Essere antifragili non significa cercare la difficoltà, ma riconoscere che la variabilità è parte del funzionamento.
Un ponte sospeso oscilla per distribuire il peso.
Un ponte rigido, al primo terremoto, crolla.

L’antifragilità come competenza

Nella pratica, l’antifragilità si costruisce attraverso tre atteggiamenti.
Il primo è la percezione.
Chi riesce a intercettare i segnali deboli può anticipare l’impatto.
I segnali deboli sono le informazioni marginali che indicano un trend nascente: un cambiamento nel linguaggio, un nuovo comportamento d’uso, un errore ripetuto.

Il secondo è la sottrazione.
La semplificazione non è un esercizio estetico, è un metodo per ridurre il rumore.
Ogni elemento superfluo diventa un punto di rottura quando la velocità aumenta.
Molte aziende che innovano con successo lo fanno perché tolgono livelli decisionali, non perché li aggiungono.

Il terzo è la sperimentazione.
Chi prova in piccolo, sbaglia in piccolo.
Ogni test produce dati e riduce l’incertezza.
La resilienza serve a sopravvivere.
L’antifragilità serve a imparare.

Tecnologia e adattamento

L’intelligenza artificiale è oggi una delle shockwave più estese e trasversali.
Non perché sia più “intelligente” delle altre tecnologie, ma perché attraversa ogni settore e cambia la relazione tra persone e strumenti.

L’AI non genera fragilità: la evidenzia.
Mostra dove mancano conoscenza, metodo o fiducia.
In molte organizzazioni, i problemi non derivano dagli algoritmi, ma dal modo in cui vengono integrati.
Dove i processi sono chiari, l’AI accelera.
Dove sono opachi, li rende visibili.

La rapidità con cui si diffonde un modello di linguaggio, o un sistema di automazione, crea la percezione di una perdita di controllo.
In realtà, ciò che perdiamo non è il controllo, ma l’illusione di poterlo mantenere immutato.

Le tecnologie, come le shockwave, non hanno un’intenzione.
Mettono a nudo le strutture.
Rivelano i punti di attrito.

Fragilità e cura

Ogni volta che una tecnologia ci mette in difficoltà, ci offre anche un’occasione di apprendimento.
Non sempre la riconosciamo, perché l’impatto arriva prima della comprensione.
Ma l’effetto è evidente: dopo ogni grande cambiamento restano nuove abitudini, nuove parole, nuove regole.

Negli ultimi mesi, ho vissuto anch’io una forma di shock.
Mio padre è morto.
È stato un colpo improvviso, come tutte le perdite.
Mi ha ricordato quanto la fragilità faccia parte dell’esperienza umana.
Non c’è sistema che la elimini, ma si può imparare a conviverci.

Ho pensato spesso che l’AI, un giorno, potrà contribuire a ridurre la sofferenza legata alle malattie.
Non è una speranza vaga: molti dei progressi recenti nella diagnostica e nella ricerca arrivano proprio da modelli di apprendimento automatico.
Quando accadrà, diremo che l’AI ha trasformato un limite in una forma di cura.

Questo è il punto: ogni shock contiene un potenziale di guarigione.
Non perché allevia il dolore, ma perché ci obbliga a rivedere la struttura del nostro rapporto con il mondo.

Il significato della shockwave

Le shockwave non sono eventi da temere.
Sono il modo in cui la realtà redistribuisce l’energia.
L’economia, la tecnologia e la vita delle persone si muovono ormai con la stessa logica.
Ogni accelerazione rompe un equilibrio e ne costruisce un altro.

Il compito non è evitare l’impatto, ma sviluppare la capacità di leggerlo.
Riconoscere la direzione dell’onda e orientarsi di conseguenza.
Non serve essere i primi a muoversi, serve muoversi nel momento giusto.

Chi si irrigidisce resta indietro.
Chi impara a oscillare trova stabilità anche nel movimento.

Oltre la minaccia

La shockwave non è una minaccia.
È un ambiente.
Ci attraversa tutti, come attraversa le reti, i mercati, i linguaggi.

Essere antifragili significa accettare questa condizione e usarla per migliorare.
Ogni impatto rivela una parte del sistema che può evolvere.
Ogni cambiamento, se osservato con lucidità, diventa una forma di conoscenza.

Il mondo non ha bisogno di sistemi perfetti.
Ha bisogno di sistemi che sappiano adattarsi.

La prossima evoluzione non sarà una tecnologia.
Sarà la capacità umana di restare consapevoli dentro l’accelerazione.

Perchè il caos, se impariamo ad attraversarlo, è cura.

26 Luglio 202526 Luglio 2025AI & GENAI, DIGITAL CULTURE

L’arte di smontare i rituali e costruire cultura, oltre i modelli agili.

Ieri mattina, durante una colazione con l’amministratore delegato di una delle principali istituzioni medicali in Italia, siamo finiti a parlare di organizzazione, modelli operativi e trasformazione. A un certo punto, ha tirato fuori un report sull’Agile che gli era stato condiviso da un consulente.

“Ma oggi ha ancora senso parlare di Scrum ed Agile oggi, ed in che modo?” mi ha chiesto.

Una domanda legittima. In fondo, anche io negli anni ho insegnato, implementato e osservato da vicino modelli agili in aziende di ogni dimensione e settore. Ma sempre con un principio chiaro: non esiste un modello unico che funzioni ovunque. L’agilità non si ottiene copiando un framework, ma comprendendo i principi e adattandoli al proprio contesto organizzativo, culturale e operativo.

E proprio negli ultimi anni sono emersi, con una certa costanza, segnali di disillusione verso Scrum e i ruoli ad esso associati. Pur rimanendo il framework Agile più diffuso (usato da circa il 63% dei team secondo il State of Agile Report 2024), la soddisfazione delle organizzazioni nei confronti di Agile/Scrum è in calo. Un sondaggio ha rilevato che la percentuale di aziende “molto o abbastanza soddisfatte” delle pratiche Agile è crollata dal 71% nel 2022 al 59% nel 2023.

Questa diminuzione indica che molte imprese adottano Scrum ma faticano a vederne i benefici attesi. Di conseguenza, si moltiplicano le discussioni sul “declino di Agile” e su cosa fare “dopo Scrum”.

Parallelamente, i ruoli tipici di Scrum (come Scrum Master e Agile Coach) sono messi in discussione. Nel 2023 molte big tech hanno ridotto o eliminato questi ruoli, inizialmente per motivi di taglio costi ma anche per dubbi sul loro valore aggiunto. Nei primi sei mesi del 2023 oltre 120.000 tech workers sono stati licenziati e «indovinate quali ruoli sono stati i più colpiti? Esatto: Scrum Master e Agile Coach». Numerose aziende hanno deciso di fare a meno di figure dedicate al processo, segno di un ripensamento profondo: stanno valutando se questi ruoli apportino davvero valore. Questo fenomeno è stato definito provocatoriamente “The Great Scrum Master Exodus”.

Un altro dato emblematico è l’adozione forzata di Scrum fuori dal suo contesto ideale. Spesso Scrum ha preso piede soprattutto in imprese tradizionali o consulenziali, mentre è “curiosamente assente nella maggior parte delle Big Tech”. Per esempio, Skype nei primi anni 2010 adottò Scrum su vasta scala formando tutti i team su sprint e cerimonie. Eppure, in quegli stessi anni un concorrente come WhatsApp non seguì alcun framework come Scrum – anzi, gli ingegneri evitarono deliberatamente qualsiasi processo pesante – e ciò non impedì a WhatsApp di innovare più velocemente, superando Skype nel mercato della messaggistica.

Emblematico anche il caso del team Skype for Web: partito seguendo pedissequamente Scrum (sprint di 2 settimane, Scrum Master a rotazione, daily stand-up, review, retro, ecc.), il team si accorse presto che i numerosi rituali di Scrum rallentavano il rilascio continuo. La soluzione fu abbandonare Scrum del tutto: niente più sprints fissi né cerimonie superflue, ma concentrazione solo su ciò che fare adesso e dopo. Come nota un membro del team: “Scrum intralciava la possibilità di fare deploy giornalieri… abbiamo smesso di occuparci degli sprint e delle ritualità di Scrum”, mantenendo solo ciò che serviva al flusso di lavoro. Nel giro di poco, quel team continuava a fare Agile delivery ma “ciò che restava non assomigliava più a Scrum”.

Scrum non è più visto come panacea universale.

Molte organizzazioni riferiscono di aver raggiunto un plateau nell’efficacia di Scrum, e iniziano a guardare oltre: alcuni adottano approcci ibridi o “fai-da-te” (il 22% delle grandi aziende dichiara di non seguire alcun framework agile prescritto a livello enterprise), mentre le aziende tecnologiche leader non hanno mai realmente sposato Scrum sin dall’inizio.

Questo ci porta ai nuovi modelli emergenti nelle Big Tech.

Modelli flessibili basati su autonomia

Le aziende tecnologiche di primo piano (Google, Meta/Facebook, Apple, Amazon, Netflix, Microsoft, Spotify, Basecamp, ecc.) hanno seguito percorsi Agile propri, spesso nati organicamente dalla loro cultura, anziché adottare Scrum “by the book”. In queste realtà generalmente non esiste uno standard unico imposto a tutti i team: ogni team può scegliere il metodo di lavoro che preferisce, con forte enfasi su autonomia, risultati da raggiungere e adattamento costante.

Netflix. “People over Process”: cultura prima delle regole

Netflix è noto per la sua cultura aziendale di Freedom & Responsibility, in cui si assume personale eccellente e lo si mette in condizione di operare quasi senza vincoli burocratici. L’idea è creare una cultura così forte che il processo formale diventi quasi superfluo. Uno dei valori dichiarati di Netflix è proprio “Le persone prima del processo”. Nel famoso Netflix Culture Deck, l’azienda afferma: «Si ottengono risultati migliori quando i dipendenti hanno le informazioni e la libertà per prendere decisioni autonomamente». Tradotto in pratica, Netflix evita il più possibile regole fisse e processi formalizzati: esistono solo quelle strettamente necessarie per compliance e sicurezza, e comunque “ci impegniamo a mantenere le regole al minimo… evitando il classico crescendo di burocrazia che soffoca la creatività man mano che l’azienda cresce”.

Nei team di Netflix si riscontra un’altissima autonomia operativa. Non c’è un framework di project management standard adottato in tutta l’azienda. Alcune squadre utilizzano board in stile Kanban, altre seguono cicli di sviluppo brevi simili a mini-sprint, ma in generale si pratica il continuous delivery e si privilegia il rapido rilascio di valore continuo. Netflix ha introdotto il concetto di “full-cycle developers”, sviluppatori responsabili end-to-end: chi scrive il codice lo deploya, monitora in produzione e reagisce ai problemi, senza passaggi di consegne formali. Questo elimina la necessità di cerimonie elaborate o di ruoli come release manager: il feedback loop dal codice all’impatto sul cliente è breve e gestito dallo stesso team, favorendo un miglioramento rapido del prodotto. Se qualcosa va storto, il team Netflix non convoca un lungo post-mortem burocratico per aggiungere nuovi controlli; semplicemente risolve il problema e condivide le lezioni apprese in modo informale. La cultura del blameless post-mortem (analisi degli errori senza colpevolizzare), comune anche in Google, fa sì che si impari dagli insuccessi senza introdurre barriere organizzative che potrebbero frenare l’innovazione.

In poche parole, Netflix ha successo essendo “anti-processo”: minimizza regole e procedure e punta tutto su persone di talento estremamente allineate sugli obiettivi. Un’azienda tradizionale, senza la talent density e la cultura di Netflix, rischierebbe il caos con così poca struttura; ma da Netflix questo approccio funziona proprio grazie alla qualità delle persone e alla chiarezza della vision. Come afferma la loro filosofia interna, ridurre al minimo regole e processi dando libertà alle persone è una ricetta di gran lunga superiore per il successo di lungo termine. Per Netflix, metodologie Agile formalizzate sarebbero troppo prescrittive: imporre dall’esterno regole e ruoli (es. un Scrum Master che fa rispettare il processo) in un contesto che “gira a cultura” sarebbe visto come un ostacolo inutile. Invece di Scrum Master, ogni team si auto-organizza nel modo che ritiene più efficace per produrre risultati, incarnando lo spirito Agile senza bisogno del framework Scrum in sé.

Google. Obiettivi (OKR) e innovazione bottom-up, niente “Agile by the book”

Anche Google non ha mai adottato Scrum in modo diffuso a livello aziendale. Cresciuta rapidamente nei 2000, non si vedevano molte Scrum board nei corridoi di Googleplex. Il successo di Google si fonda più che altro su solide fondamenta ingegneristiche (assunzione di programmatori eccellenti, rigorose code review, test approfonditi) e su una cultura che favorisce innovazione continua. In pratica, Google ha abbracciato l’agilità come aggettivo, non come metodologia formale: i team adottano i principi di iterazione rapida e feedback senza però seguire un singolo framework prescritto.

Uno degli strumenti centrali in Google è l’OKR (Objectives and Key Results). Fin dai primi anni, Google ha usato gli OKR per fissare obiettivi trimestrali chiari per i team, dando focus e allineamento senza dettare il processo con cui raggiungerli. Questo outcome-driven planning permette ai team di sapere cosa deve essere ottenuto (Key Results misurabili) lasciando libertà su come arrivarci. Nella quotidianità, lo sviluppo prodotto in Google si potrebbe descrivere come un mix di decisioni guidate dai dati, sperimentazione rapida e miglioramento iterativo continuo, più che l’applicazione di un rigido schema Scrum.

Un blog ufficiale di Google Cloud riassume così l’approccio di Google: “dare priorità ai bisogni degli utenti, decisioni basate sui dati, iterazione rapida e sviluppo collaborativo” per costruire prodotti. Questi principi incentivano innovazione, velocità di sviluppo e crescita, notate, senza menzionare Scrum o gergo Agile: contano gli outcome (capacità di iterare, collaborare, fare in fretta) non l’adesione ortodossa a un processo. La cultura di Google incoraggia le idee bottom-up: molti nuovi prodotti nascono come esperimenti o side project di ingegneri (Gmail e AdSense nacquero così). Si parla di una “cultura di autonomia bottom-up e innovazione, dove le nuove idee provengono da chi è più vicino ai problemi”. In Google ogni team ha significativa libertà su come lavorare, purché consegni risultati. Alcuni team hanno effettivamente usato board Scrum o Kanban, altri hanno operato in modo più informale; non c’è mai stato un decreto dall’alto tipo “Dovete fare Agile alla lettera”.

Ciò che Google ha investito fortemente è negli strumenti interni che abilitano lo sviluppo rapido in stile Agile. Ad esempio, Google tiene praticamente tutto il suo codice in un unico repository monolitico accessibile a tutti gli sviluppatori, con build automatiche e tool di test/integrazione continua all’avanguardia, ecc. Questo ambiente tecnico integrato (costruito in-house) consente iterazioni velocissime e collaborazione senza barriere, di nuovo, risultati simili a quelli promessi da Agile, ma ottenuti tramite infrastruttura e cultura, non imponendo Scrum Master o sprint planning centralizzati.

Google incarna i valori Agile (orientamento al cliente, iterazione veloce, autonomia dei team) “come cultura aziendale, non come metodologia”. L’agilità è nel DNA organizzativo (OKR, 20% time per progetti innovativi, strumenti condivisi, ecc.), non in un framework specifico uguale per tutti.

Spotify. Il “modello Spotify”: autonomia delle squadre e rete di allineamento

Un caso spesso citato di approccio alternativo è Spotify. Nei primi anni 2010 gli ingegneri Spotify condivisero col mondo il loro modo di organizzare i team, che divenne celebre come Spotify Engineering Culture (video e whitepaper del 2012). Il modello Spotify non è un framework rigido, ma “un approccio people-driven e autonomo per scalare Agile, che enfatizza l’importanza della cultura e delle reti informali”. L’idea chiave di Spotify è bilanciare autonomia e allineamento: “focalizzarsi su come strutturare l’organizzazione per abilitare agilità” invece di prescrivere pratiche specifiche. A differenza di metodologie di scaling formali (tipo SAFe, LeSS) dove sono definiti cerimoniali precisi, il modello Spotify punta sulla struttura organizzativa e sulla cultura per ottenere agilità su larga scala.

In Spotify, i team (Squads) sono piccoli e cross-funzionali (6-12 persone) con una missione chiara ciascuno, simili a scrum team ma completamente autonomi. Una caratteristica fondamentale è che ogni Squad sceglie quale metodologia agile adottare: alcuni usano Scrum, altri Kanban, altri un mix (“Scrumban”), a seconda di cosa meglio si adatta al loro contesto. Non c’è dunque un processo imposto dall’alto uguale per tutti i team, il che riflette un alto grado di fiducia nell’autonomia di ciascuna squadra. Per evitare però che l’autonomia degeneri in direzioni contrastanti, Spotify ha introdotto meccanismi di allineamento orizzontale: le Tribes, insiemi di squadre affini (tipicamente 40-150 persone) che condividono obiettivi più grandi e coordinano gli sforzi su un’area di prodotto, e le Chapters e Guilds, comunità trasversali rispettivamente per competenza specialistica e per interesse, che diffondono conoscenza e pratiche comuni tra squadre diverse. Queste strutture “a matrice” assicurano che, pur lavorando con metodi diversi, i team rimangano allineati alla strategia complessiva e condividano la cultura aziendale.

Il risultato è un’organizzazione che privilegia le persone e le interazioni (coerentemente col manifesto Agile) anziché aderire a un singolo processo. Spotify ha dimostrato che è possibile far crescere l’azienda senza introdurre gerarchie di comando pesanti o un unico processo burocratico, ma mantenendo i valori di agilità attraverso cultura di fiducia, responsabilità diffusa e comunicazione aperta. Non a caso, il Spotify model ha influenzato molte aziende che cercavano un’alternativa ai framework tradizionali, enfatizzando autonomia dei team e rete di allineamento al posto di ruoli rigidi e procedure uniformi.

Basecamp. “Shape Up”: niente Scrum, cicli lunghi e responsabilità al team

Un altro esempio illuminante viene da Basecamp (ex 37signals), azienda nota per il suo approccio radicale al product development. I fondatori Jason Fried e David Heinemeier Hansson hanno spesso criticato le metodologie agili tradizionali e forgiato un loro metodo chiamato Shape Up. Nel libro online “Shape Up: Stop Running in Circles and Ship Work that Matters”, Jason Fried mette in chiaro già nella prefazione la loro filosofia: “Noi non facciamo waterfall né agile né scrum. Non riempiamo i muri di Post-it. Non facciamo daily stand-up, design sprint, development sprint, né nulla che abbia a che fare con metafore di gente esausta alla fine. Niente backlog, niente Kanban, niente misurazione della velocity, nulla di tutto ciò.”. Invece, Basecamp “ha sviluppato un approccio interamente diverso” nel corso di 15 anni, in autonomia, attraverso tentativi ed errori continui. Shape Up prevede cicli di sviluppo lunghi 6 settimane (in contrasto ai classici sprint di 1-2 settimane di Scrum) durante i quali un piccolo team lavora focalizzato su un problema/progetto senza interruzioni né “riedizioni” di planning ogni pochi giorni. Non ci sono backlog interminabili: le iniziative vengono shaped (definite a grandi linee con soluzioni possibili) prima di impegnare un team sul ciclo, e se qualcosa non viene assegnato in un ciclo, torna nel limbo delle idee non pianificate. Non esistono Scrum Master: la responsabilità di consegnare è condivisa dal team stesso, che gode di un ampio spazio di autonomia su come portare a termine il lavoro entro le 6 settimane.

L’assenza di rituali formali da un lato chiede molta disciplina al team (che deve auto-organizzarsi e auto-correggersi), ma dall’altro elimina l’overhead amministrativo e lascia più tempo per il lavoro sostanziale. Basecamp ritiene che molte pratiche agili convenzionali siano in realtà controproducenti: ad esempio, fare stand-up meeting quotidiani o stimare ogni singola user story può portare a un falso senso di controllo e a micro-gestione, mentre il loro metodo punta a “dare alle persone tempo e contesto per fare davvero il lavoro, con la fiducia che consegneranno qualcosa di valido alla fine del ciclo”. Shape Up enfatizza la fiducia nei designer e sviluppatori nel prendere decisioni implementative, limitando la pianificazione dettagliata iniziale solo all’essenziale (evitando di “spaccare il capello” in anticipo, no backlog grooming) e accettando che il scope sia variabile pur di rispettare la deadline fissa di 6 settimane. Questo approccio, pubblicato da Basecamp nel 2019, è divenuto una fonte d’ispirazione per quelle aziende che vogliono uscire dalle meeting-heavy routines di Scrum e provare qualcosa di diverso, più batch-oriented e creativo.

Niente Project Manager, team auto-organizzati

Un tratto comune nelle grandi aziende e nei casi sopra è l’assenza di figure di coordinamento tradizionali a livello di team. Nelle organizzazioni classiche, ad esempio, ogni team progettuale potrebbe avere un Project Manager o un Product Owner dedicato che sovrintende i piani e le attività. In molte Big Tech, invece, tali ruoli non esistono o hanno un peso molto minore: “Una differenza notevole tra Big Tech e gli altri è il ruolo dei Product Manager, e la mancanza di Project Manager o Product Owner dedicati ai team. Il Product Manager in aziende come Facebook, Google ecc. definisce la strategia e il perché (cioè decide “che gioco giochiamo e come intendiamo vincerlo”), collabora con design, data science e business per creare la roadmap e le priorità, ma non micro-gestisce l’esecuzione quotidiana. La gestione del progetto in sé è affidata al team tecnico: tipicamente è il Tech Lead o l’Engineering Manager a facilitare l’organizzazione del lavoro, oppure gli stessi ingegneri si alternano nel ruolo di project lead su specifiche iniziative. Questo snellisce i processi e rafforza le relazioni dirette: quando non c’è un project manager esterno, gli engineering lead tendono a introdurre solo il minimo di processo necessario, perché è nel loro interesse rimanere agili. E quando devono collaborare con altri team (anch’essi senza PM tradizionali), sono incentivati a costruire relazioni dirette con i rispettivi lead tecnici, velocizzando comunicazione e decisioni inter-team.

Solo per progetti molto grandi o trasversali si trovano figure dedicate come i Technical Program Manager (TPM), che coordinano iniziative multi-team o di reparto. Ma si tratta di poche persone rispetto alla forza lavoro ingegneristica, ad esempio Uber aveva circa 1 TPM ogni 50 sviluppatori. Nella quotidianità del singolo team, quindi, non c’è un project manager a dettare metodologia: ogni team adotta l’approccio di project management che preferisce (come accennato prima, alcuni in stile Kanban, altri con cicli brevi tipo Scrum, altri con roadmap a medio termine tipo RFC, etc.). Questa libertà è possibile perché a monte l’azienda ha creato un ambiente di fiducia e competenza diffusa: “Big Tech può permettersi di assumere persone estremamente competenti e autonome, che hanno bisogno di meno struttura per produrre risultati di alta qualità. L’autonomia non è vista con timore, bensì come la leva per ottenere il massimo da team eccellenti: squadre di 5-15 persone con mission chiara, skill complementari e piena autonomia di esecuzione sono il blocco fondamentale di queste aziende.

Va sottolineato come questo modello richieda un certo contesto organizzativo: non è che in assenza di Scrum regni l’anarchia. Al contrario, le Big Tech investono molto in infrastrutture e piattaforme interne per facilitare il lavoro autonomo dei team (tool di sviluppo, integrazione continua, sistemi di monitoring e alerting self-service, ecc.). Inoltre, c’è trasparenza totale su obiettivi aziendali e metriche: impiegati di ogni livello hanno accesso ai dati di business in tempo reale, possono farsi dashboard da soli e capire l’impatto del loro lavoro. La comunicazione è diretta: gli ingegneri sono incoraggiati a parlare con altre funzioni di business e non restare isolati nel proprio silos tecnico. Si evita la triangolazione gerarchica delle informazioni (dove ogni comunicazione deve passare per vari manager) a favore di contatti diretti ingegnere-ingegnere e team-team, che accelerano le decisioni. Tutto ciò crea un ecosistema in cui l’auto-organizzazione funziona davvero: i team hanno contesto, strumenti e mandate chiare, quindi possono muoversi rapidamente senza bisogno di un layer di coordinamento esterno che “traduce” obiettivi o monitora ogni passo.

In questo scenario, figure come lo Scrum Master diventano ridondanti, spesso il ruolo equivalente è svolto dal Tech Lead o da un membro del team a rotazione, come responsabile di progetto pro-tempore, ma senza l’enfasi cerimoniale e senza separare la gestione dal lavoro tecnico. Ad esempio, in alcuni team di Microsoft/Skype il ruolo di Scrum Master veniva fatto ruotare tra gli sviluppatori stessi. In Spotify, ogni Squad ha un Agile Coach disponibile come facilitatore se il team lo desidera, ma non è un “master” che impone rituali, è più un mentor/servant leader sul miglioramento continuo. E molte aziende (Netflix, Amazon, ecc.) non hanno affatto ruoli assimilabili a Scrum Master a livello di team, ritenendo che un buon engineering manager possa già supportare il team su processi, oppure che il team debba auto-disciplinarsi sulle pratiche agili.

Del resto “Perché mai dovrei avere uno Scrum Master a far rispettare un processo quando posso fidarmi di ogni team di auto-organizzarsi nel modo che offre i risultati migliori?”.

Cultura dell’autonomia e focus sugli outcome

Emerge sempre di più una narrativa comune: le aziende più avanzate stanno spostando l’enfasi dagli strumenti e rituali ai principi e ai risultati. In particolare, quattro elementi chiave caratterizzano questa evoluzione dell’Agile nelle big tech: cultura, autonomia, responsabilizzazione sui risultati (outcome), e allineamento leggero ma costante:

“Individuals and Interactions over Processes and Tools”, sul serio stavolta: le azinede prendono alla lettera il primo valore del Manifesto Agile. Invece di focalizzarsi sul controllare un progetto tramite Scrum/Kanban, si focalizzano sul mettere le persone giuste al tavolo e dare loro fiducia. Un articolo di ThoughtWorks riassume: “Essere agili non significa tenere un progetto sotto controllo attraverso Scrum/Kanban; significa assumere le persone giuste e permettere loro di scoprire naturalmente la configurazione ottimale per consegnare con successo. In pratica, l’agilità è vista più come un tratto culturale che come l’adesione a uno schema prestabilito. Questo comporta grandi investimenti su selezione e formazione del talento, sulla crescita della leadership diffusa, e sulla creazione di un ambiente sicuro in cui i team possano provare e adattare il modo di lavorare. Nota: la cultura aziendale diventa il principale fattore abilitante. “L’Agile vero” è quello che scompare in quanto norma, perché entra nel tessuto del lavoro quotidiano.
Empowerment dei team e responsabilità distribuita: un mantra ricorrente è autonomous teams. Come ho già scritto, “team empowered e autonomi sono i mattoni fondamentali di tutte queste aziende… il loro principale fattore differenziante”. Ciò significa dare ai team un obiettivo chiaro e poi lasciare che decidano come raggiungerlo, fornendo supporto ma evitando micro-management. Quando i team sono davvero autonomi, succede qualcosa di notevole: col tempo tendono a semplificare i processi da sé. Gergely Orosz racconta che “nel tempo, i team che hanno l’autonomia di cambiare il proprio modo di lavorare finiscono per eliminare le regole pesanti di Scrum di cui non hanno bisogno e sviluppare uno stile personalizzato. In altre parole, se un’azienda si fida dei team e dà loro margine di manovra, questi spesso prenderanno l’iniziativa di migliorare il processo continuamente (kaizen), riducendo burocrazia e sprechi meglio di quanto potrebbe fare un framework imposto dall’alto. L’empowerment implica anche accettare qualche rischio in più (ad es. team diversi usano pratiche diverse) ma viene ripagato da maggiore motivazione, i membri sentono il progetto come “nostro”, e maggiore velocità di decisione ed esecuzione.
Dall’output alla misurazione dell’outcome: forse il cambiamento più significativo nel nuovo Agile è il passaggio da una mentalità di output (attività completate, ore lavorate, story point bruciati) a una mentalità di outcome (risultati di business ottenuti, impatto sugli utenti, valore generato). Molti esperti hanno evidenziato che tante implementazioni Agile falliscono perché rimangono intrappolate nel misurare il lavoro invece che il valore. Nelle adozioni Scrum superficiali si rischia di “mettere attenzione nel completare task a scapito di creare valore”, con sintomi come backlog vissuti come liste di compiti, metriche di efficienza tipo velocity elevate a obiettivo di per sé, e scarso collegamento col cliente finale. Le aziende pioniere stanno invertendo questa tendenza: definiscono chiaramente gli obiettivi di outcome e giudicano i team sul valore prodotto, non sulla mera quantità di output. Ad esempio, nel report State of Agile 2024 solo il 29% dei team dichiara di essere valutato sul valore consegnato, mentre ben il 36% è ancora valutato principalmente sulla velocity (cioè quantità di lavoro svolto per sprint). Tuttavia, si osserva una graduale correzione di rotta: “Un numero crescente di organizzazioni sta collegando gli OKR alle epiche di sviluppo (+5% rispetto all’anno precedente)”, integrando quindi gli Objective & Key Results nel modo di pianificare e misurare il lavoro agile. Questa integrazione consente di tradurre gli obiettivi strategici aziendali in risultati misurabili fino al livello di feature/progetto, dando ai team una linea di vista chiara su come il loro lavoro impatta gli indicatori chiave.
Allineamento leggero, trasparenza e feedback continuo: abbandonare i controlli centralizzati non vuol dire navigare al buio. Le aziende agili evolute implementano meccanismi di allineamento orizzontale e verticali molto efficaci. Alcuni esempi: trasparenza radicale delle informazioni (come detto, tutti possono vedere dati di performance, roadmap, avanzamenti degli altri team); community interne (guild, chapter, meet-up interni dove le best practice si diffondono spontaneamente anziché via processi imposti); e feedback loop frequenti con gli stakeholder e gli utenti. Quest’ultimo punto è cruciale: il vero Agile punta a incorporare il feedback degli utenti il prima e il più spesso possibile. In assenza di rituali formali, le Big Tech creano comunque spazi di confronto: ad esempio rilasciano funzionalità progressivamente (canary release, A/B test, beta program) e raccolgono dati e reazioni degli utenti reali in tempo quasi reale, aggiustando il tiro. Internamente, organizzano demo day, hackathon, o semplicemente usano strumenti di comunicazione aziendale dove ogni team condivide ciò su cui sta lavorando, ottenendo commenti dal management o da altri colleghi in modo asincrono. Inoltre, la trasparenza verso i team sui risultati di business (es. “come sta andando il prodotto, cosa dicono i clienti, etc.”) crea motivazione e allinea naturalmente le priorità senza dover tenere meeting strategici continui. In sintesi, queste imprese coltivano una cultura in cui l’apprendimento e l’adattamento costante guidano il processo, al posto di piani fissi a lungo termine.

Un vantaggio non indifferente di questo approccio culturale è che l’agilità diventa antifragile: mentre un framework rigido può funzionare bene in un contesto e fallire se cambiano le condizioni, una cultura agile sa adattarsi alle novità. Ad esempio, durante la pandemia molte aziende hanno faticato a mantenere i rituali Scrum in remote working, mentre aziende con cultura agile forte (es. GitHub, Netflix) hanno reagito meglio, avendo già pratiche di comunicazione distribuita e team abituati a gestirsi in autonomia.

Intelligenza artificiale e Product Operating Model

Il passaggio da framework a cultura non avviene in un vuoto tecnologico. Oggi, uno dei principali catalizzatori di questo cambiamento è rappresentato dall’Intelligenza Artificiale. Non tanto perché sostituisca processi umani, quanto perché trasforma profondamente ciò che è possibile, ciò che è misurabile e ciò che è anticipabile.

In molte aziende, le cerimonie Agile sono state mantenute solo per sopperire a inefficienze informative o decisionali. Ma quando i team hanno accesso a insight in tempo reale, assistenti AI che sintetizzano dati, scrivono ticket, generano analisi e supportano la prioritizzazione, molti dei passaggi di coordinamento rituale perdono la loro funzione. L’AI sta quindi accelerando l’abbandono delle forme e spingendo verso una nuova sostanza: una organizzazione che apprende, anticipa e agisce per impatto.

Questo shift è sempre più associato alla nascita dei cosiddetti Product Operating Model (POM): modelli operativi che mettono il prodotto e il valore che genera al centro dell’organizzazione, superando le divisioni tra funzione, processo e struttura. A differenza dell’Agile “a silos”, dove ogni team lavora secondo un proprio metodo ma con metriche scollegate, il Product Operating Model cerca di orchestrare il lavoro su base pervasiva, con team multidisciplinari, allineamento continuo sugli outcome, feedback loop potenziati dall’AI e una forte cultura del prodotto.

In questo modello:

AI supporta il decision-making distribuito, fornendo insight predittivi, analisi comportamentali, cluster dinamici di utenti e validazione in real time delle feature.
Il design organizzativo è adattivo, orientato non solo a consegnare, ma a sperimentare e apprendere velocemente.
I team agiscono come unità semi-autonome collegate da scopi condivisi e metriche impattanti, spesso espresse in termini di outcome e misurate grazie all’infrastruttura dati e AI.

In pratica, il Product Operating Model non è un framework, ma una visione operativa che integra tecnologia, cultura e autonomia in modo coerente e fluido. Non sostituisce Agile: lo evolve, lo distribuisce e lo rende “invisibile” nei comportamenti quotidiani.

L’AI non “uccide Agile”. Ma uccide il bisogno di mantenerne le apparenze, restituendo centralità a ciò che davvero conta: persone competenti, contesto chiaro, metriche visibili e capacità di adattarsi velocemente.

Come evolvere verso questi modelli

Come possono le aziende più tradizionali o quelle che oggi sono bloccate in un Agile di facciata trarre spunto dai modelli delle Big Tech? Ecco alcuni spunti pratici e operativi emersi dalle ricerche e case study:

Rimettere i principi al centro: prima di qualsiasi cambio di framework, è utile rileggere i principi Agile e chiedersi sinceramente se si stanno onorando. Individui e interazioni sopra processi e strumenti, stiamo dando fiducia e voce ai team? Prodotto funzionante sopra documentazione esaustiva, stiamo consegnando valore tangibile frequentemente? Collaborazione col cliente sopra negoziazione contrattuale, stiamo coinvolgendo gli utenti/stakeholder continuo? Rispondere al cambiamento sopra seguire un piano , stiamo adattando piani e priorità in base ai feedback reali? Identificare dove l’organizzazione è caduta in una trappola da cargo cult (seguire Scrum meccanicamente perdendo di vista il perché) è il primo passo. Ad esempio, se ci si accorge che si fanno stand-up meeting quotidiani ma le informazioni cruciali non circolano comunque, forse bisogna agire sulla cultura della trasparenza anziché aggiungere un altro meeting.
Coltivare l’autonomia gradualmente: per un’azienda abituata a modelli top-down, passare bruscamente all’auto-organizzazione totale può essere pericoloso. Si può procedere per gradi: empowerment controllato. Ad esempio, iniziative pilota creare uno/due team multifunzionali dedicati a un progetto innovativo, ai quali si concede esplicitamente di non seguire il processo standard ma di sperimentare un proprio modo di lavorare. Questi “team faro” devono però avere anche il giusto supporto: leader pronti a rimuovere impedimenti, accesso diretto ai decision-maker aziendali e magari un coach esperto che li aiuti nelle retrospettive. L’idea è mostrare che risultati producono in un contesto di maggiore autonomia. Se il trial ha successo (es. tempo di delivery dimezzato, miglior qualità, team più motivato), diventa un caso interno per convincere altri ad adottare pratiche simili.
Allentare le pastoie del processo, ma mantenere guardrail chiari: le Big Tech insegnano che liberare i team non significa lasciarli allo sbaraglio. Significa piuttosto spostare i controlli ex-ante in controlli ex-post: invece di prescrivere ogni passo (input), si definiscono chiaramente obiettivi e limiti, e si verifica frequentemente il risultato (output/outcome). Ad esempio, un’azienda potrebbe decidere di abbandonare il rigido ciclo di sprint Scrum per alcuni team, lasciando che pianifichino in modo più fluido; tuttavia potrebbe fissare un guardrail tipo: “rilasciate qualcosa di testabile agli utenti almeno una volta al mese”, oppure “nessun progetto deve durare più di 3 mesi senza essere rivalutato”. Così si incoraggia l’agilità ma si evita il rischio di progetti che si trascinano indefinitamente. Un case study citato da McKinsey racconta proprio questo: un’azienda di prodotto consumer aveva suddiviso un grande progetto in tanti team specializzati, ma con forte controllo centrale, risultato, tutto fermo. La svolta è arrivata quando hanno spostato ogni decisione (anche di budget e architettura) nei team agili, fornendo solo una chiara visione dei risultati clienti attesi e alcune regole di base (es. rilasciare demo funzionanti a intervalli regolari). In pochi mesi, quei team empowered hanno lanciato uno dei migliori prodotti dell’azienda, in tempi record e con personale motivatissimo, proprio grazie a quella libertà entro confini chiari. La lezione: date ai team un obiettivo sfidante, contesto sul perché è importante, e poi fidatevi (con meccanismi di check-in sul cosa si sta ottenendo, non sul come preciso).
Riformare i criteri di successo e le metriche di performance: se continuate a valutare project manager e team solo sul rispetto di tempi/costi e sul numero di funzionalità consegnate, state incentivando la vecchia mentalità output-driven. Occorre inserire metriche di outcome nei dashboard di progetto e nelle valutazioni. Ad esempio: customer satisfaction, tasso di adozione di una nuova feature, riduzione di churn, incremento di vendite, o anche metriche interne tipo tempo medio di risoluzione ticket, frequenza di deploy, ecc., a seconda della natura del team. Un’idea è utilizzare OKR formalmente: far sì che ogni team abbia 1-3 Objectives trimestrali con relativi Key Results misurabili, e valutare i progressi su quelli nelle review di fine periodo. Questo allena tutti a pensare in termini di risultati di business. Anche a livello individuale, potrebbe voler dire premiare un developer non solo perché ha chiuso 30 task, ma perché il modulo su cui ha lavorato ha retto a X utenti in più senza problemi o ha ricevuto feedback entusiasti. Spostare l’attenzione sulle metriche di impatto frena anche quella che McKinsey chiama “fissazione sulla piena occupazione”: in molte aziende tradizionali vige l’idea che un team che non è occupato al 100% su tasks assegnati stia “sprecando tempo”. Ma tenere tutti sempre occupati non è il fine! È preferibile avere momenti di analisi, esperimenti, brainstorming (quindi persone non impegnate su task pre-definiti al 100%) se questo porta a soluzioni più efficaci per il cliente. Come dice un esperto: “focalizzarsi sul tenere tutti occupati rimuove l’opportunità di collaborare per deliverare grandi risultati per il cliente”. Quindi i manager devono abituarsi a chiedere “che valore avete creato?” invece di “quanto siete occupati?”. Un’azione concreta potrebbe essere inserire nei report settimanali non solo i task completati ma anche un breve paragrafo su cosa hanno comportato (ad es. “abbiamo rilasciato la funzione X e 200 utenti l’hanno già utilizzata nelle prime 24h”). Questo sposta pian piano la conversazione.
Re-immaginare il ruolo del management e dei coach: in un modello agile evoluto, il middle management tradizionale (Project Manager, etc.) può sentirsi disorientato. Gartner prevede che entro il 2026 “due terzi dei ruoli e delle competenze dei Project Manager saranno ridisegnati” per adattarsi al nuovo contesto operativo. Ciò significa che queste persone vanno aiutate a trasformarsi da controllori di Gantt a abilitatori di successo del team. Un ex-PM può diventare un Agile Coach interno focalizzato su rimuovere impedimenti, facilitare collaborazione tra team e assicurare che il cliente sia integrato nel processo. Oppure, molti PM stanno evolvendo in Product Manager (orientati alla strategia e al value delivery più che all’amministrazione del progetto). Le aziende dovrebbero investire in training mirato: ad esempio, formare gli ex Scrum Master/PM sui temi di Lean Product Management, Design Thinking, analisi di business, in modo che possano contribuire definendo meglio il perché e il cosa deve essere fatto (outcome), lasciando al team il come. In parallelo, gli Engineering Manager dovrebbero essere formati per assumere alcuni compiti di facilitazione che magari prima erano del PM: come condurre retrospettive efficaci, come leggere i segnali di burnout nel team, come bilanciare l’urgenza di delivery con la necessità di rifattorizzare codice, ecc. In sostanza, si passa da manager di processo a leader servizievoli. Anche la carriera di Agile Coach in sé va reinterpretata: non più garanti di cerimonie Scrum, ma agenti del cambiamento culturale. Questo può voler dire che un Agile Coach lavora più sul livello sistema (aiuta i dirigenti a capire dove la burocrazia sta frenando i team, influenza HR per modificare sistemi di incentivazione, etc.) invece che occuparsi di cronometrare daily stand-up. Infine, un approccio pratico è adottare la filosofia del “teacher/coach/mentor” per i manager di progetto di vecchio stampo: Gartner suggerisce che i PM evoluti dovranno giocare principalmente tre ruoli:
- Teacher (educare team inesperti nell’agilità)
- Coach (allineare stakeholders e guidare l’organizzazione del lavoro agile)
- Leader di innovazione a seconda della maturità dell’organizzazione. Analizzare il proprio PMO (Project Management Office) e identificare chi può ricoprire questi ruoli è un buon esercizio per anticipare il futuro.
Snellire gli strumenti e digitalizzare la collaborazione: molte aziende agili mature hanno costruito tool interni altamente integrati (issue tracker, wiki, sistemi CI/CD, ecc.) per supportare il lavoro dei team. Un’azienda più piccola o tradizionale può prendere ispirazione adottando strumenti moderni più leggeri o customizzando quelli esistenti per rimuovere complessità inutile. Ad esempio, diverse società lamentano che JIRA (pur usatissimo, ~62% delle aziende lo impiega come principale tool Agile) sia diventato sinonimo di overhead burocratico: troppi ticket, troppi campi, workflow rigidi. Un miglioramento può essere semplificare i workflow JIRA (ridurre stati e transizioni all’essenziale) o sperimentare alternative per certi team (es. usare una Kanban board più semplice come Trello, o addirittura soluzioni lightweight come fogli condivisi) per vedere se la velocità e la soddisfazione aumentano. L’importante è capire che lo strumento deve adattarsi al team, non viceversa. Scrum e JIRA tendono ad andare a braccetto, perché JIRA è ottimo per il tracking gerarchico e la reportistica per il management. Ma se l’obiettivo diventa la trasparenza reale e non il controllo, allora spesso bastano dashboard condivisi degli OKR e delle metriche di prodotto per allineare tutti, invece di infiniti ticket.
Digital first: adottare strumenti che favoriscano la collaborazione asincrona (specie con lo smart working) è cruciale, es. documenti condivisi per specifiche al posto di meeting, canali chat dedicati cliente-team, registrazione delle demo e condivisione interna per feedback offline, ecc. Le grandi aziende adottano da anni Slack/Teams con bot automatici che postano aggiornamenti (build riuscite, metriche di ieri, nuovi errori in prod…), creando “ambient awareness” senza dover interrogare un project manager. Anche senza l’infrastruttura di Google, si può replicare questo mindset utilizzando API e integrazioni tra tool esistenti.
Imparare dai dati e dagli esperimenti: non ultimo un consiglio chiave, trattare l’adozione di nuovi modelli come un esperimento Agile esso stesso.
1. Misurate l’impatto delle modifiche organizzative. Ad esempio, se rimuovete la figura dello Scrum Master su alcuni team, osservate per 2-3 mesi metriche come: velocità di delivery, qualità del prodotto (bug in produzione), soddisfazione del team (survey interni), soddisfazione dei clienti. Se migliorano o restano uguali, potete considerare di estendere il modello; se peggiorano, analizzate il retro, forse il team aveva ancora bisogno di quel supporto e va reintrodotto in altra forma. Applicate l’idea di retrospective non solo ai progetti, ma anche al processo di trasformazione organizzativa: ad intervalli regolari, il gruppo dirigente (magari col supporto di coach esterni) dovrebbe rivedere cosa sta funzionando e cosa no nella nuova struttura e pivotare di conseguenza.
2. Non abbiate paura di modificare radicalmente aspetti del processo se non servono. Come disse un coach: “Il nostro obiettivo come agile coach dovrebbe essere renderci superflui, quando una squadra si auto-gestisce e consegna valore senza il bisogno di coach, allora abbiamo avuto successo.” In quest’ottica, anche Scrum non deve essere visto come sacro: se serve come trampolino di lancio, bene, ma poi bisogna saperlo lasciare andare. In molti contesti (soprattutto aziende più piccole o settori non tech) Scrum all’inizio può essere utile per portare disciplina e cadenza dove c’era caos totale. Ma una volta che il team entra in performing, dovrebbe avere la libertà di evolvere il processo. Jeff Bezos di Amazon ha una famosa metafora: “Le aziende devono essere ferme nei principi, ma flessibili nei dettagli”. Applicato all’Agile: teniamo fermi i principi (customer focus, collaborazione, adattabilità) ma siate flessibili su pratiche e ruoli.

L’evoluzione dell’Agile nelle imprese più innovative suggerisce che il futuro non appartiene a un nuovo framework specifico, ma a un nuovo mindset. Un mindset in cui contano la cultura e gli outcome, dove i team sono piccoli centri autonomi di creatività allineati da una vision comune, e dove la metodologia è una conseguenza naturale di questi fattori più che un preludio.

Scrum non scomparirà dall’oggi al domani rimane uno strumento valido in molti contesti (specialmente dove c’è bisogno di introdurre un minimo di ordine e educare l’organizzazione al lavoro iterativo). Ma la sua centralità è destinata a ridursi mano a mano che le aziende maturano verso forme di agile più organiche. Come notato, “scelto il giusto talento e data la giusta autonomia, un team finirà per sviluppare un proprio sistema agile su misura”.

Il compito di chi vuole indirizzare i nuovi progetti e le nuove aziende è quindi creare l’ambiente adatto (cultura aperta, obiettivi chiari, feedback costante, strumenti adeguati) e poi mettersi al servizio dei team. In questo modo, le aziende potranno evolvere dai rituali alla sostanza, ispirandosi ai modelli vincenti delle Big Tech ma trovando la propria strada unica per essere agili, con la “a” minuscola, come attitudine quotidiana, e non solo fare “Agile” come etichetta.

18 Maggio 2025DIGITAL CULTURE

Riprogrammare l’etica: l’hacker mindset nell’era dell’AI

Ci sono libri che segnano, altri che ispirano, altri ancora che mettono in discussione le fondamenta di ciò che sei. Per me “L’etica hacker” (2001) di Pekka Himanen ha rappresentato qualcosa che va oltre: un compagno silenzioso che ha orientato, negli anni, scelte, approcci, e un certo modo di guardare al lavoro, alla tecnologia, alla collaborazione. Non è stato solo un testo: è stato un cambio di mindset.

Quando lo lessi la prima volta, ormai più di vent’anni fa, non era solo la storia di una controcultura nata nei laboratori del MIT o nelle stanze dei pionieri dell’open source. Era la dimostrazione concreta che si poteva lavorare per passione, condividere senza calcoli, apprendere per curiosità, innovare senza chiedere il permesso.

E soprattutto, era possibile costruire un mondo digitale più aperto, umano e meritocratico.

Negli anni, questo spirito è diventato parte del mio modo di pensare e di agire. L’ho portato nei progetti, nelle aziende, nelle lezioni in aula. L’ho trasmesso ai miei team, ai collaboratori, agli studenti. E ancora oggi è un riferimento che ritorna, soprattutto in un momento in cui l’intelligenza artificiale sta ridefinendo profondamente l’equilibrio tra uomo e macchina, tra creatività e automazione, tra responsabilità e delega.

Qualche giorno fa, parlando di competenze nell’era dell’AI, durante l’evento di iKairos • Mentoring ed economia sociale, ho affermato che il manifesto dell’etica hacker, nella sua visione originaria, può e deve essere rivisto alla luce delle sfide odierne. Perché i principi che lo sostenevano non sono invecchiati. Anzi. Hanno solo bisogno di un nuovo contesto in cui esprimersi. E forse dovrebbe diventare manifesto alla base di alcuni insegnamenti.

L’etica hacker nasce negli anni ’60 e ’70 come espressione di una nuova cultura emergente attorno al mondo dei computer. Nei laboratori del MIT e tra le community dei primi sviluppatori si forma un modo radicalmente diverso di concepire il lavoro, il sapere, la collaborazione. Il termine “hacker”, prima ancora di essere associato a intrusioni informatiche, definisce una figura che smonta, esplora, migliora, condivide.

L’hacker, quello vero, è un artigiano del codice mosso da passione, non da tornaconto. Uno spirito libero che rifiuta l’autoritarismo, le regole imposte, le gerarchie chiuse.

Nel 2001, Pekka Himanen raccoglie quell’eredità e la organizza in un sistema valoriale. Il suo libro è una vera e propria dichiarazione di indipendenza culturale rispetto all’etica protestante del lavoro, fatta di sacrificio, dovere, e produttività.

L’etica hacker, al contrario, si fonda su passione, creatività, libertà, condivisione. Il lavoro è vissuto come gioco esplorativo. L’accesso alla conoscenza è un diritto. Il merito è superiore al titolo. La tecnologia non è solo strumento: è terreno di espressione personale e collettiva.

Questa visione ha contaminato generazioni di innovatori. Ha ispirato il movimento open source, l’idea stessa di community digitale, il pensiero meritocratico nelle organizzazioni fluide. Ma soprattutto ha lasciato una traccia culturale che oggi, nell’era dell’Intelligenza Artificiale, può essere riattivata come codice sorgente per leggere un futuro che si complica.

Viviamo un tempo in cui le macchine non sono più solo strumenti, ma soggetti conversazionali, agenti autonomi, creatori di contenuti. L’intelligenza artificiale si insinua nei processi creativi, nelle relazioni, nella formazione. Ridefinisce i ruoli, accelera le scelte, amplia (o restringe) l’accesso alle opportunità. I principi dell’etica hacker, ne sono convinto, possono essere riletti come una grammatica di riferimento per orientarsi.

Per questo ho ripreso il Manifesto originale, e l’ho riscritto alla luce del 2025, cercando di coglierne la continuità e la trasformazione.

Oggi, nella convergenza tra AI e creatività, la visione hacker trova una nuova casa.

Non è l’AI che minaccia l’arte, è la sua adozione inconsapevole. La sfida non è resistere all’automazione, ma integrarla in modo critico, curioso, anche ironico dove necessario. Come farebbe un hacker davanti a una macchina nuova: la smonta, la esplora, la spinge oltre i limiti. E magari la usa per disegnare qualcosa che prima non era possibile.

Oggi un artista è anche chi addestra un modello generativo sul proprio stile. Chi sperimenta prompt per generare variazioni visive, musicali, testuali. Chi ibrida. Chi contamina. L’hacker di oggi non è solo un coder: è un “creatore aumentato”, che gioca con i linguaggi della macchina per raccontare cose che prima non aveva voce per dire.

Nell’educazione, questa visione suggerisce un ribaltamento radicale. Non si tratta di proteggere la scuola dall’AI, ma di ripensare la scuola con l’AI come laboratorio permanente.L’apprendimento non è trasmissione passiva, ma esplorazione.

Un’aula hacker è un luogo dove si smontano algoritmi, si analizzano bias, si creano strumenti. Dove si insegna a usare l’AI per creare valore, non per copiarlo. Dove gli studenti non sono utenti, ma sperimentatori. E i docenti, non trasmettitori, ma facilitatori di senso.

In questo senso, formare nuove competenze non è solo una questione tecnica. È culturale. Significa coltivare la capacità di porre domande nuove. Di interpretare modelli. Di saper leggere un output generato da una macchina e chiedersi: perché ha risposto così? Quali dati ha usato? Cosa manca?

Anche nelle relazioni umane, l’etica hacker ha qualcosa da dire. In un’epoca in cui chatbot apparentemente empatici, avatar conversazionali e interfacce simulate creano nuove forme di interazione, l’hacker ethic suggerisce di mantenere lucidità. Non demonizzare la tecnologia, ma comprenderne la natura. Non rifiutare la relazione mediata, ma riconoscerne i limiti. L’empatia non è solo output simulato, è ascolto attivo, è vulnerabilità reale. E questo è ancora umano.

Nel lavoro e nelle organizzazioni, l’approccio hacker si traduce in apertura, sperimentazione, decentralizzazione. Una leadership che sa condividere processi, coinvolgere team nel co-design di strumenti intelligenti, responsabilizzare sull’uso dell’AI. Non si tratta di temere l’automazione, ma di scegliere cosa automatizzare e cosa proteggere. Di disegnare processi che valorizzino l’iniziativa, non la deresponsabilizzazione.

L’organizzazione hacker non è una rete caotica: è una comunità di scopo, dove ogni nodo ha autonomia e interconnessione: l’adozione dell’AI può diventare un driver di empowerment distribuito, se accompagnata da trasparenza, documentazione condivisa, strumenti formativi aperti.

E poi ci sono loro: gli hacker di domani.

Non saranno sviluppatori. Saranno artisti, insegnanti, ricercatori, imprenditori. Persone capaci di leggere la tecnologia non come un fine, ma come un mezzo. Persone che sapranno dove mettere le mani, ma soprattutto perché mettercele. Non solo skill, ma mindset.

Saranno quelli che useranno l’AI per risolvere problemi, ma anche per porre domande nuove. Che non cercheranno scorciatoie, ma nuove strade. Che non si accontenteranno dell’efficienza, ma andranno in cerca del senso.

Ecco perché oggi, più che mai, serve riconsiderare l’etica hacker. Non per nostalgia, ma per visione.

Perché se l’AI è il fuoco della nostra epoca, come dicevo in una riflessione di ieri, qualcuno deve insegnare come usarlo. E come non bruciarsi.

8 Maggio 20258 Maggio 2025DIGITAL CULTURE

Mentoring, AI e Return of Trust (ROT): dall’ROI alle relazioni nell’era digitale

Ieri sera, 7 maggio 2025, ho avuto il piacere di partecipare, grazie all’invito di Ruggero Parrotto e di iKairos, alla tavola rotonda “Intelligenza Artificiale, Mentoring ed Economia Sociale”, all’interno del ciclo Il mondo che vorrei.

Un momento di confronto aperto e stimolante, che ha messo insieme visioni ed esperienze diverse, dalla filosofia alla cybersecurity, dalla pubblica amministrazione al mondo dell’innovazione , per affrontare uno dei nodi più rilevanti del nostro tempo: cosa accade quando l’intelligenza artificiale incontra le persone e le relazioni?

Ho condiviso il tavolo con Mario De Caro, Concettina Cassa, Gerardo Costabile, Emanuele Gentili, Pietro Pacini e con altri contributi trasversali, in un dialogo che si è mosso fin da subito su una domanda fondamentale:

L’AI può diventare davvero uno strumento accessibile, equo e umano-centrico? E soprattutto, come si allena la fiducia in un contesto sempre più mediato da sistemi intelligenti?

Proprio il tema della fiducia è stato il filo conduttore della mia riflessione.

In un passaggio del mio intervento ho affermato che «l’AI è al tempo stesso catalizzatore e stress-test della fiducia: smonta certezze consolidate e ci obbliga a ridefinire le grammatiche delle nostre relazioni, prima tra persone e tecnologia, poi tra persone stesse». Ed è da questa consapevolezza che nasce il concetto che ho proposto come chiave di lettura per leggere il cambiamento in atto: il ROT – Return on Trust.

ROT – Return on Trust: la fiducia come nuovo valore misurabile

Il ROT è un acronimo che ho introdotto per sottolineare un punto che ritengo cruciale: se il ROI (Return on Investment) è da sempre la metrica dominante per valutare progetti e strategie, e ancora più oggi quando si parla di AI, oggi serve forse affiancargli un nuovo indicatore, capace di misurare qualcosa di meno tangibile ma altrettanto determinante: la fiducia generata.

Ogni nuova tecnologia, ogni riorganizzazione interna, ogni scelta manageriale ha impatto sulla fiducia.

Fiducia tra colleghi, tra leader e team, tra azienda e clienti, tra esseri umani e macchine. E se questa fiducia viene meno, se non viene coltivata, progettata, mantenuta, anche l’innovazione più performante rischia di fallire nel medio periodo. Al contrario, un ambiente in cui la fiducia circola e cresce è un contesto dove le persone collaborano meglio, si sentono ascoltate, imparano di più e innovano con maggiore libertà.

Le ricerche lo confermano. In aziende ad alto tasso di fiducia si registrano, rispetto a quelle a bassa fiducia, il 74% in meno di stress, il 106% in più di energia, il 50% in più di produttività, il 76% in più di engagement e molti altri valori incredibili.

Numeri che parlano chiaro.

E che ci dicono una cosa semplice: la fiducia è un moltiplicatore di valore. Il ROT, quindi, non è solo una provocazione lessicale che ho portato ma un tema centrale. È una metrica da costruire, un approccio per ridare centralità alla qualità delle relazioni nei processi di innovazione.

AI gentile & Mentoring inclusivo

Nel mio intervento ho portato una riflessione sul tema dell’AI gentile e del mentoring come leva per l’inclusione. L’intelligenza artificiale, se progettata con cura, può diventare uno strumento che affianca, e non sostituisce, il ruolo del mentore. Ho usato un’espressione a cui tengo molto

“l’AI non sostituirà il mentore, ma può diventarne la cassetta degli attrezzi”

Pensiamo a un’AI in grado di supportare percorsi formativi personalizzati, rispondere a domande semplici, suggerire materiali su misura, liberando così tempo prezioso per il mentore umano. Il tempo “ritrovato”, abilitato dal delegare agli agenti AI azioni ripetitive, può essere dedicato a ciò che fa davvero la differenza: ascolto, orientamento, accompagnamento emotivo.

È questo lo “spazio relazionale” che l’AI può contribuire ad allargare, rendendo il mentoring più accessibile, scalabile e inclusivo, ma senza snaturarne l’anima profondamente umana.

Il mentoring, se integrato con strumenti digitali pensati con empatia e trasparenza, può guidare l’adozione dell’AI nelle organizzazioni. Può aiutare chi è meno esperto a comprendere non solo come usare questi strumenti, ma soprattutto perché. E può farlo con una pedagogia gentile, che smonta paure, costruisce competenze e restituisce alle persone il ruolo di protagonisti.

Verso l’organizzazione aumentata

Un altro passaggio chiave che ho trattato è stato quello dell’organizzazione aumentata, tema che da un po’ di tempo tratto. Ho voluto introdurre questo concetto per descrivere un nuovo modello organizzativo in cui persone e agenti AI collaborano nella definizione e nell’esecuzione dei processi, ma soprattutto ho parlato di organizzazioni che nei prossimi anni si troveranno a rivedere completamente l’organizzazione e l’organigramma integrando umani e macchine.

Ci troviamo già immersi in un contesto in cui l’AI prende decisioni operative, gestisce task, propone soluzioni. Questo impone un cambiamento di paradigma: non possiamo più immaginare l’AI come uno strumento esterno, ma come parte integrante dei team. Tre concetti chiave che ho portato alla discussione:

Competenze ibride, dove la capacità tecnica si unisce a pensiero critico, empatia e lettura del contesto.
Ruoli fluidi, perché con l’automazione cambiano le attività e serve maggiore adattabilità.
Leadership diffusa, dove ogni membro del team può contribuire, supportato da insight e dati intelligenti.

Ho richiamato in questo contesto alcuni principi del libro “L’etica hacker” (2001) di Pekka Himanen: passione, apertura, condivisione del sapere, tensione al miglioramento continuo. Una cultura che può ispirare i team aumentati, rendendoli non solo efficienti ma anche creativi e resilienti.

Naturalmente, tutto questo apre anche interrogativi e ho citato un libro che a me ha compito molto: Helga Nowotny, in Le macchine di Dio, mette in guardia dall’effetto oracolo: quando l’AI diventa troppo autorevole, c’è il rischio che le persone si appiattiscano sulle sue risposte e smettano di interrogarsi. Ecco perché serve un equilibrio continuo tra automazione e arbitrio umano, tra dati e valori, tra velocità ed empatia.

Mentoring come cerniera tra strategia e talento

In un mondo che cambia così velocemente, il mentoring può fare da cerniera tra strategia e talento. Permette di tradurre la visione dell’organizzazione in esperienze concrete di crescita, e al tempo stesso consente alle persone di influenzare la strategia portando idee, energie, domande.

Il mentoring non è solo trasferimento di competenze. È anche (e forse soprattutto) trasmissione di fiducia, di valori, di visione. È il luogo dove si può sbagliare, dove si può imparare, dove si costruisce senso. E questo è il terreno ideale per far maturare il ROT.

ROI + ROT: ripensare le metriche della trasformazione

Ttorno alla frase che ha guidato tutto il mio intervento e che, spero, continui a stimolare riflessioni anche oltre questo evento:

“Nell’era dell’AI, invece di pensare solo al ROI, impariamo a misurare anche il Return on Trust.”

Perché la vera trasformazione non si misura solo in efficienza, ma nella qualità delle relazioni che lascia, nella fiducia che costruisce, nella capacità di rigenerare apprendimento e collaborazione nel tempo.

Ringrazio ancora Ruggero, l’associazione iKairos, i relatori e tutte le persone che hanno partecipato. È stato un confronto aperto, utile, e soprattutto necessario. Perché è da qui, da queste conversazioni, che passa la possibilità concreta di costruire un futuro in cui l’intelligenza, anche quella artificiale, sia davvero un bene comune.

Sul tema del Rot ci tornerò con un approfondimento sulla misurazione e come implementarlo.

27 Aprile 202513 Maggio 2025DIGITAL CULTURE

Gestire l’onda d’urto del cambiamento: perché le organizzazioni dovranno gestire gli shock

La velocità del cambiamento e la frequenza degli shock di mercato che negli ultimi anni sono avvenuti e che sembra più avverranno, saranno sempre più di grande impatto e senza precedenti.

Pandemie globali, repentini avanzamenti tecnologici (basti pensare all’IA generativa), crisi geopolitiche e oscillazioni improvvise della domanda hanno messo e metteranno a dura prova anche le organizzazioni che oggi vengono ritenute più solide. In un mondo sempre più imprevedibile, le aziende dovranno sempre più navigare in un susseguirsi di onde d’urto (quelle che ho chiamato Shockwave un po’ di temp ofa): non uno shock isolato, ma un flusso continuo di cambiamenti dirompenti e destabilizzanti che si propagano a catena.

Questa nuova realtà esige molto più che aggiustamenti marginali o misure temporanee: richiede un ripensamento profondo di come le organizzazioni sono strutturate e guidate. Strutture tradizionali rigide, processi decisionali lenti e una cultura orientata al “business as usual” mostrano tutta la loro inadeguatezza di fronte a trasformazioni così rapide. Ciò che ha funzionato in passato non garantisce più il successo futuro, come avverte un recente studio che mi è capitato nello stream di Linkedin qualche giorno fa: “what has worked for your organization in the past isn’t what will pave the way for future success” . I leader di oggi devono rivedere completamente l’organizzazione (ammesso che riescano), renderla più riflessiva, adattabile, dinamica se vogliono prosperare nell’era dell’incertezza.

Questo approfondimento di vari pensieri nasce durante un viaggio in macchina di confronto con mia moglie, che ringrazio per alcuni spunti.

La cultura della “non decisione” e i limiti del modello tradizionale

Molte aziende faticano ad adattarsi non tanto per mancanza di strategie, quanto per i freni interni posti dalla propria cultura e struttura. Si parla sempre più spesso di cultura della non decisione quando in un’organizzazione evita di prendere decisioni chiare e tempestive, spesso nascondendosi dietro processi farraginosi, comitati e continui rinvii. In troppe imprese ogni questione viene affidata a interminabili riunioni e gruppi di lavoro, in cui però nessuno si assume pienamente la responsabilità del risultato derivante dalla scelta di non scegliere o da scelte non orientate all’organizzazione ma alla tutela del proprio status / budget o perimetro di interesse.

Questo approccio porta inevitabilmente a uno stallo: senza obiettivi chiari e accountability definita, i comitati “spesso non servono ai loro scopi e possono persino impedire il progresso” . La crescente complessità organizzativa, che negli ultimi anni è peggiorata a mio avviso, ha aggravato il problema, offuscando ruoli e responsabilità. Strutture matriciali globali, silos funzionali e un eccesso di attori coinvolti significano che i leader faticano a delegare decisioni in modo pulito (o non lo fanno per interesse) e troppe persone intervengono nel processo, spesso senza un chiaro mandato . Il risultato? Un surplus di email, meeting e discussioni, ma poca azione concreta: i dirigenti finiscono intrappolati tra noia, paralisi e ansia mentre le decisioni importanti ristagnano . Non sorprende che in un sondaggio di McKinsey il 72% dei top manager abbia affermato che nella propria organizzazione le decisioni strategiche sbagliate sono frequenti quanto (o più di) quelle giuste, sintomo diretto di questo impasse decisionale cronico.

Un altro ostacolo al cambiamento è rappresentato dalle resistenze interne e dal deficit di responsabilità diffuso. Spesso il personale adotta atteggiamenti difensivi o passivi verso le novità, rifugiandosi nel rassicurante “si è sempre fatto così”. Una cultura aziendale bloccata su protocolli e prassi consolidate – il classico “that is not how we do it here” rende irraggiungibili l’innovazione e la reattività . In questo clima, la paura di esporsi e di assumersi rischi porta a un vero e proprio deficit di responsabilità: tutti partecipano ai processi decisionali, ma pochi poi ne rispondono davvero. Non decidere diventa l’opzione più sicura in un contesto dove sbagliare è stigmatizzato. Questa avversione al rischio ha però un costo elevato in termini di lentezza, occasioni mancate e demotivazione del talento. Finché prevale la mentalità del non decidere per non sbagliare, l’organizzazione rimane impacciata e vulnerabile di fronte a qualsiasi perturbazione esterna.

Organizzazioni riflessive: apprendimento continuo e adattamento costante

Per sopravvivere a cambiamenti rapidi e imprevedibili, un’azienda deve diventare una learning organization, ovvero un’organizzazione che apprende e si adatta di continuo. Essere riflessivi , come scrivevo nel precente post sulle Organizzazioni Riflessive, significa fermarsi a esaminare criticamente il proprio operato, traendo insegnamento da ogni successo o fallimento. In una forte cultura di apprendimento continuo, le persone a tutti i livelli mettono in discussione assunzioni e abitudini, aggiornano costantemente le proprie competenze e condividono conoscenza in modo aperto . I dipendenti così si sentono parte attiva del cambiamento, assumendosi la responsabilità del proprio sviluppo e adattandosi meglio a nuovi ruoli e tecnologie man mano che emergono . Ciò crea un ciclo virtuoso: l’organizzazione diventa più agile nel riconfigurare pratiche e skill in risposta alle novità, anziché restare ancorata al passato.

La riflessività organizzativa implica anche un cambiamento nel modo di affrontare i problemi: non ci si limita a correggere gli errori (single-loop learning), ma si esaminano le cause profonde e si aggiornano i modelli mentali che hanno portato a quegli errori (double-loop learning). Come sottolineava Chris Argyris già negli anni ‘70, le aziende tendono istintivamente a resistere a questo secondo livello di apprendimento – per paura del cambiamento o per arroccamento su vecchi paradigmi – ma è solo praticandolo che possono davvero evolvere in ambienti turbolenti. Un’organizzazione riflessiva incoraggia dunque il feedback onesto e il pensiero critico interno: quando qualcosa va storto, ci si chiede “perché?” a ogni livello, invece di cercare capri espiatori. In questo modo si crea un’organizzazione che impara a imparare, diventando ogni giorno più brava nell’adattarsi. In un contesto in cui il cambiamento è la norma, questa capacità di apprendimento continuo è il fattore che distingue chi soccombe da chi, invece, riesce a trasformare ogni cambiamento in un trampolino di lancio per il proprio rinnovamento.

Capacità dinamiche: innovare e re-inventarsi con agilità

Oltre a essere riflessiva, un’organizzazione deve essere dinamica – capace di evolvere proattivamente le proprie competenze e strutture. La teoria delle dynamic capabilities (capacità dinamiche), sviluppata da David Teece e altri studiosi di strategia, fornisce un importante framework concettuale a riguardo: definisce la capacità dinamica come “l’abilità dell’impresa di integrare, costruire e riconfigurare competenze interne ed esterne per far fronte ad ambienti in rapido mutamento” (tema di cui scriverò di nuovo nei prossimi giorni) . In altri termini, oltre alle normali capacità operative che servono a gestire l’oggi, le aziende necessitano di meta-capacità per reinventare continuamente le proprie risorse e processi al variare delle condizioni esterne. Se le capacità ordinarie permettono di essere efficienti nel presente, non c’è dubbio che le capacità dinamiche permettono di restare rilevanti nel futuro.

Un’impresa dotata di forti capacità dinamiche sa percepire in anticipo i segnali di cambiamento (nuove tecnologie, trend di mercato, evoluzione dei bisogni dei clienti), cogliere rapidamente le opportunità emergenti e riconfigurare di conseguenza le proprie attività. Ciò può significare sviluppare in tempi brevi nuove competenze o soluzioni, riallocare risorse da un modello di business a un altro, oppure ripensare la propria struttura organizzativa per supportare una strategia differente. Ad esempio, negli ultimi anni abbiamo visto aziende riposizionarsi verso il digitale o l’e-commerce in pochi mesi, o riconvertire linee produttive per far fronte a shock improvvisi nella domanda. Questi sono segnali di capacità dinamica all’opera.

La sfida, come scrive Teece in uno dei suoi articoli nel blog, è bilanciare due imperativi apparentemente opposti: continuità e cambiamento. Un’azienda di successo deve essere sufficientemente stabile da continuare a fornire valore in modo coerente alla propria missione, ma al contempo abbastanza flessibile e adattiva da poter “cambiare rotta in un attimo” quando le circostanze lo richiedono . Le capacità dinamiche permettono proprio questo equilibrio, poiché consentono di sfruttare al massimo le competenze distintive esistenti (exploitation) e al tempo stesso di esplorare nuove competenze e opportunità (exploration) in risposta ai mutamenti ambientali. In pratica:

coltivare capacità dinamiche significa istituzionalizzare l’innovazione continua

Creare processi per aggiornare periodicamente la propria offerta, per sperimentare nuovi modelli e per allocare risorse in modo flessibile dove si vede potenziale di crescita. L’organizzazione diventa così plastica: in grado di riorganizzarsi rapidamente senza perdere la propria identità di fondo. In un’epoca di shock ricorrenti, ciò rappresenta un vantaggio competitivo cruciale – è la differenza tra chi subisce il cambiamento e chi invece riesce a plasmare il proprio destino adattandosi più velocemente degli altri.

Antifragilità: prosperare grazie agli shock (non solo sopravvivere)

Resilienza è diventata una parola d’ordine (e forse anche troppo usata) nel management contemporaneo: essere resilienti significa resistere agli urti e mantenere la rotta nonostante le difficoltà. Ma in un mondo di scosse continue, la resilienza potrebbe non bastare più. Il passo ulteriore è l’antifragilità, un concetto introdotto dall’economista-filosofo Nassim Nicholas Taleb per descrivere i sistemi che non solo resistono al disordine, ma ne traggono beneficio. In termini semplici

il resiliente resiste agli shock e rimane lo stesso; l’antifragile diventa migliore

Applicato alle organizzazioni, ciò implica passare da un approccio difensivo a uno di crescita attraverso le crisi. Un’azienda antifragile sfrutta infatti gli shock di mercato come occasioni per rigenerarsi e innovare. Le imprese veramente antifragili catturano valore dall’esposizione agli stress del mercato: ogni volta che superano un ostacolo o una turbolenza, ne escono più forti e competenti, un po’ come gli organismi che si irrobustiscono attraverso le sfide evolutive . Pochi business oggi rientrano in questa categoria d’élite, ma chi ci riesce finisce per trasformare le crisi in vantaggi competitivi di lungo termine.

Come può un’organizzazione diventare antifragile? Taleb suggerisce alcuni principi chiave. In primo luogo, abbracciare la sperimentazione e l’errore come fonti di apprendimento: esattamente ciò che fa la natura tramite la selezione naturale. Le organizzazioni antifragili mettono in atto meccanismi per imitare il trial-and-error dei sistemi biologici, catturando sistematicamente le lezioni di ogni evento avverso e usando tali insight per migliorare strategie e processi futuri . Questo significa, ad esempio, che dopo ogni crisi o progetto fallito, si investiga a fondo cosa è successo e perché, si condividono le conoscenze acquisite e si aggiornano piani e procedure in base a quanto appreso. Invece di tornare semplicemente alla “normalità” precedente, l’azienda antifragile fa evolvere il proprio modo di operare grazie a quanto ha imparato dall’imprevisto.

In secondo luogo, l’antifragilità richiede di evitare l’over-ottimizzazione e la dipendenza da un’unica ricetta di successo. Le aziende troppo rigide o specializzate possono prosperare in periodi stabili, ma tendono a crollare quando il contesto cambia drasticamente (come accaduto a molti incumbents durante la rivoluzione industriale, poi quella digitale e probabilmente accadrà in quella dell’AI). Al contrario, un’organizzazione antifragile mantiene un certo grado di libertà e ridondanza: coltiva diverse linee di business, competenze trasversali e piani alternativi, in modo da avere sempre qualche opzione quando arriva lo shock imprevisto. Questa opzionalità, ossia disporre di più vie percorribili, è simile all’avere molti esperimenti in corso: alcuni falliranno, ma altri avranno successo e potranno essere ampliati. Così l’azienda non solo resiste alle crisi, ma può addirittura trarne slancio evolutivo. Puntare all’antifragilità significa costruire un’organizzazione che migliora con il disordine: capace di innovare sotto pressione e di trovare nelle difficoltà la spinta per reinventarsi più forte di prima.

Autonomia, agentività e organizzazione come sistema adattivo

Un altro elemento chiave per reagire velocemente agli shock esterni è ripensare il modello organizzativo interno in senso più fluido e decentralizzato. Possiamo immaginare l’azienda come un sistema adattivo complesso composto da molti agenti (individui, team, unità) che interagiscono tra loro. In questi sistemi, soluzioni innovative e decisioni efficaci spesso emergono dalla rete di interazioni locali, senza essere pianificate o controllate centralmente in ogni dettaglio. Per sfruttare questa intelligenza collettiva emergente, l’organizzazione deve favorire un alto grado di autonomia e di agentività diffusa: le persone sul campo devono avere la facoltà (e la responsabilità) di agire rapidamente, prendere iniziative e decidere nell’ambito del proprio lavoro quotidiano, senza dover passare attraverso lunghe catene gerarchiche. Dando più potere decisionale distribuito, l’azienda diventa molto più reattiva e creativa. Del resto, chi è più vicino al problema spesso è anche in grado di risolverlo nel modo migliore, se messo nelle condizioni di farlo.

Le organizzazioni adattive di successo adottano infatti un modello di decision-making decentralizzato, in cui i team operativi sono autorizzati a prendere molte decisioni autonomamente per favorire agilità e tempi di risposta rapidi . Ciò riduce i colli di bottiglia gerarchici e alleggerisce i vertici dalla necessità di micro-gestire ogni scelta. L’informazione oggi si muove in tempo reale: ha poco senso che debba rallentare in attesa di approvazioni da parte di livelli superiori che magari non hanno il polso immediato della situazione. Empowerment non è solo uno slogan, ma un requisito pratico per la velocità: “the people closest to the work make the decisions”, come recitano i principi dell’agilità organizzativa. Quando i team sul campo dispongono dei dati necessari e del mandato per agire, l’azienda può rispondere a una nuova sfida (o opportunità) nell’arco di ore o giorni, non mesi. Un esempio tipico è l’agilità di prodotto: squadre interdisciplinari con autonomia possono iterare rapidamente su un servizio in base al feedback dei clienti, mentre in un’organizzazione rigida qualsiasi modifica richiederebbe estenuanti iter approvativi.

Questa evoluzione richiede anche un ripensamento della leadership interna. Nei sistemi complessi, i modelli di leadership gerarchica tradizionale – comando e controllo dall’alto – risultano spesso inadeguati . Emerge la necessità di una leadership diffusa, in cui il ruolo del leader formale è più che altro quello di orchestrare e facilitare i processi, anziché prendere ogni decisione. La Complexity Leadership Theory (Uhl-Bien, Marion, McKelvey, 2007) suggerisce che il leader deve creare le condizioni perché l’organizzazione sviluppi la propria capacità adattiva, ovvero l’abilità di rispondere efficacemente al cambiamento come sistema collettivo . In poche parole la leadership deve incentivare le relazioni di rete, la condivisione delle informazioni e la cultura della collaborazione, anziché accentrare le comunicazioni e deve incoraggiare il sensemaking diffuso, cioè che i team stessi interpretino la realtà e propongano soluzioni, e anche un sano livello di tensione creativa: il confronto aperto di idee differenti come combustibile per l’innovazione .

Quando la leadership adotta questo approccio, l’autorità e l’iniziativa non risiedono più solo al vertice, ma emergono a tutti i livelli in base alle competenze e al contesto . Ciò non significa anarchia, bensì costruire un organismo aziendale auto-organizzato, dove ogni parte è allineata da una visione condivisa e da valori comuni, ma ha anche la libertà di adattarsi localmente. Un tale sistema adattivo è molto più robusto e veloce nel rispondere agli shock: se un “nodo” dell’organizzazione va in crisi, gli altri possono sopperire; se si apre una nuova opportunità, qualcuno la coglierà senza aspettare ordini dall’alto. Autonomia e agentività diffusa quindi rendono l’organizzazione più viva, reattiva e creativa, qualità indispensabili di fronte alla complessità odierna.

Automazione e agilità decisionale

Un’organizzazione realmente agile non si affida soltanto alle persone, ma potenzia le proprie capacità decisionali attraverso la tecnologia. Nell’era dei big data e dell’Intelligenza Artificiale, esistono strumenti formidabili per prendere decisioni più rapide e fondate sui fatti. Automatizzare le decisioni operative ripetitive tramite sistemi di business rules, algoritmi e modelli AI può ridurre drasticamente i tempi e gli errori.

Ad esempio, uno dei temi che sto trattando spesso in molte riunioni recentemente, il tema delle regole automatizzate che possono valutare in tempo reale richieste, transazioni, rilevamenti di rischio, eseguendo in pochi secondi operazioni che richiederebbero ore di lavoro umano. Questo approccio elimina passaggi manuali superflui, taglia i ritardi e assicura coerenza nelle scelte – il tutto liberando il personale per concentrarsi sulle decisioni più strategiche e complesse. Automatizzando le operazioni di routine, un’organizzazione può ridurre il tempo tra la decisione e la sua esecuzione, abilitando correzioni di rotta più rapide in risposta ai cambiamenti di mercato . In altre parole, le decisioni “a macchina” permettono all’azienda di muoversi alla stessa velocità con cui cambiano le condizioni esterne.

Implementare l’automazione decisionale richiede disciplina e metodo. Occorre identificare quali decisioni possono essere codificate in regole o affidate a modelli predittivi – tipicamente quelle ricorrenti e basate su dati (es: approvare un ordine in base a soglie di credito, allocare scorte ottimali in magazzino, instradare una chiamata di assistenza al tecnico disponibile più idoneo).

La decision management moderna fornisce strumenti proprio per questo: definire business rules chiare e applicarle in modo coerente su vasta scala. I benefici sono tangibili: si riducono i passaggi manuali, i colli di bottiglia e le opportunità di errore umano, rendendo i processi molto più snelli e veloci . Separando la logica decisionale dalle singole applicazioni, le organizzazioni possono adattare o ricalibrare rapidamente le decisioni automatizzate al mutare delle esigenze (ad esempio aggiornare immediatamente le policy di pricing in base alle condizioni di mercato). Questo significa guadagnare un’agilità prima impensabile su scala ampia.

Anche la strategia beneficia di strumenti analitici e automazione. In passato le decisioni strategiche seguivano cicli lunghi e rigidi, piani triennali o quinquennali scolpiti nella pietra. Oggi questo approccio è diventato obsoleto e lo sarà sempre di più: sono finiti i tempi degli obiettivi fissi a 3-5 anni decisi una volta per tutte . Le organizzazioni che vogliono resistere al cambiamento adottano un processo strategico continuo, supportato da dashboard di indicatori in tempo reale, sistemi di business intelligence e simulazioni. La strategia diventa più simile a una navigazione dinamica: si hanno chiari la visione e gli obiettivi di lungo termine, ma il percorso per conseguirli viene aggiustato iterativamente in base ai feedback che arrivano dal mercato, ai dati che emergono e agli scenari futuri che si delineano.

Per fare un esempio: se un nuovo competitor entra aggressivamente in un segmento o se una tecnologia promettente appare all’orizzonte, un’azienda agile ricalibrerà in corsa i propri piani (investimenti, priorità di prodotto, sperimentazione, ecc.) invece di aspettare il prossimo ciclo di pianificazione annuale. La disponibilità di dati aggiornati e la capacità di analizzarli con AI avanzata rendono possibile questo strategic pivoting rapido. In sostanza, l’automazione e gli strumenti digitali agiscono come amplificatori dell’agilità organizzativa: permettono di estendere l’occhio, la mente e il braccio dell’azienda, così che possa vedere prima, decidere meglio ed agire più velocemente. Integrando armoniosamente l’intelligenza umana con quella artificiale, le organizzazioni possono gestire la complessità con maggiore scioltezza, dedicando il talento umano alle sfide creative e di visione, ambiti in cui la macchina resta un supporto, non il sostituto.

Una nuova leadership per organizzazioni dinamiche

Tutti i cambiamenti descritti da quelli culturali, organizzativi a quelli tecnologici non possono avvenire senza una nuova leadership che li guidi. In un contesto stabile, il leader poteva permettersi di essere un amministratore del presente; in uno scenario instabile, la leadership dell’azienda deve farsi architetto del futuro. Questo richiede un cambiamento di mentalità radicale rispetto ai modelli tradizionali. Il leader del XXI secolo deve essere visionario e adattivo al tempo stesso: avere una direzione chiara ma anche la prontezza di correggere la rotta quando necessario.

Le organizzazioni adattive cercano “future-focused leadership”: figure capaci di guardare avanti, sviluppare strategie flessibili, sfruttare con costanza insight e dati, e soprattutto disposte a cambiare piano sulla base di nuove informazioni . Questi leader prendono decisioni rapide per cogliere le opportunità e mitigare i rischi, comunicando allo stesso tempo un senso di scopo che unifica i team nell’azione. La loro rapidità decisionale non è impulsività, ma deriva dall’aver coltivato sensibilità verso i segnali deboli e fiducia nei propri collaboratori: sanno quando è il momento di decidere senza aspettare oltre.

Allo stesso tempo, la nuova leadership deve mostrare umiltà e apertura. In sistemi complessi nessun singolo leader, per quanto brillante, può avere tutte le risposte. I leader più efficaci ammettono ciò e costruiscono attivamente un ambiente in cui idee e soluzioni possono emergere da qualsiasi livello. Devono:

embrace transparency, encourage experimentation, and model adaptability

ovvero abbracciare la trasparenza, incoraggiare la sperimentazione e dare essi stessi l’esempio di adattabilità .

In pratica, il leader crea un clima dove flessibilità, collaborazione e problem-solving creativo sono premiati , un chiaro cambio di paradigma rispetto al passato, quando spesso venivano valorizzati solo l’esecuzione diligente e il conformismo alle direttive. Oggi c’è bisogno di leader che sappiano ispirare e canalizzare l’energia delle persone, non controllarle minuto per minuto. Ciò significa anche saper gestire l’errore in modo evolutivo: il buon leader non punisce il fallimento onesto, ma lo analizza e lo utilizza per fare meglio (come abbiamo visto parlando di antifragilità). Incarna così una cultura della sperimentazione (tema di cui da anni – forse da sempre – sono fautore), dove i team si sentono psicologicamente sicuri nel provare approcci nuovi senza timore di ripercussioni, purché imparino velocemente da ciò che non funziona.

La nuova leadership organizzativa è una combinazione di visione e servizio: visione nel tracciare la rotta e nel mantenere alta l’ambizione nonostante l’incertezza, servizio nel mettere il team nelle migliori condizioni per esprimersi, crescendo persone autonome e responsabili. Questi leader costruiscono organizzazioni agili perché per primi modellano nei propri comportamenti agilità, resilienza e apprendimento continuo. E mentre guidano l’azienda attraverso le ondate di shock e cambiamenti, trasmettono a tutti i livelli la convinzione che ogni sfida è affrontabile e ogni cambiamento porta con sé opportunità – basta avere il coraggio di innovare e la volontà di adattarsi.

“Non si può guidare guardando solo lo specchietto retrovisore”

I crescenti shock di mercato e la vorticosa velocità del cambiamento ci dicono che non si può guidare guardando lo specchietto retrovisore.

Le organizzazioni che vogliono resistere e crescere in questo nuovo mondo devono trasformarsi profondamente, abbandonando prassi e strutture ormai inadatte e abbracciando nuovi paradigmi. Abbiamo esplorato la necessità di costruire culture riflessive e aperte all’apprendimento, di sviluppare capacità dinamiche per reinventarsi quando serve, di puntare all’antifragilità per uscire rafforzati dalle crisi. Abbiamo sottolineato l’importanza di strutture più piatte, distribuite e agentive, dove l’autonomia e l’iniziativa individuale accelerano l’azione collettiva. E abbiamo visto come la tecnologia – dall’automazione decisionale all’analisi predittiva – possa diventare un’alleata formidabile nell’aumentare l’agilità e nel farci prendere decisioni migliori, più rapide e informate. Sopra ogni cosa, però, serve una leadership coraggiosa e lungimirante, capace di guidare questo cambiamento epocale di mentalità organizzativa.

Per CEO e manager, la sfida non è banale: si tratta di reimmaginare la propria organizzazione quasi da cima a fondo. Ci saranno inevitabilmente ostacoli, inerzie culturali, timori, inciampi iniziali (e forse in alcuni casi sarà apparentemente impossibile farlo), ma la posta in gioco è altissima. In un ambiente fatto di volatilità e incertezza continue, solo le organizzazioni che sapranno evolvere (o costruirlo da zero) il proprio DNA organizzativo potranno non solo sopravvivere, ma addirittura prosperare.

Significa costruire aziende che apprendono più velocemente della concorrenza, che si adattano quasi istintivamente ai mutamenti e che sanno catalizzare l’energia delle persone e delle tecnologie verso nuovi traguardi. Queste organizzazioni riflessive, adattive, dinamiche, ribelli e antifragili saranno i leader del futuro: soggetti capaci di dettare il ritmo del mercato, invece di rincorrerlo. In conclusione, il messaggio è chiaro – il mondo sta cambiando a velocità vertiginosa e con scossoni imprevedibili; per non esserne travolti, bisogna cambiare con esso.

Reinventare profondamente la propria organizzazione non è più un esercizio teorico, ma una necessità concreta qui e ora.

Chi avrà il coraggio di agire e innovare su questi fronti, guiderà la prossima onda di successo; gli altri rischiano di restare bloccati nella scia delle proprie esitazioni. Il futuro appartiene a chi è pronto a cavalcare la shockwave del cambiamento, trasformandola in opportunità di crescita e di rinnovamento continuo.

24 Aprile 202524 Aprile 2025AI & GENAI, DIGITAL CULTURE

Organizzazioni Riflessive: progettare aziende consapevoli nell’era dell’AI e della complessità

Tra i numerosi spunti che Simone Cicero (qui se non lo conoscete) condivide regolarmente sui temi della progettazione organizzativa, il suo recente post nella newsletter di Boundaryless (il progetto su cui tra l’altro pochi giorni fa con Iconico ho investito) sul concetto di Organizzazioni Riflessive mi ha particolarmente stimolato una serie di riflessioni (e qui ne riporto solo una parte eh!).

Il punto che solleva arriva infatti in un momento perfetto, molto vicino ai temi che sto affrontando in questo periodo professionalmente parlando, sia nelle progettualità che sto sviluppando sia negli studi che sto approfondendo. Questa riflessione sulle Organizzazioni Riflessive si collega direttamente al lavoro che sto sviluppando attorno al paradigma del Model Context Protocol (MCP), evidenziando ancora di più la necessità, per le organizzazioni, di sviluppare nuovi modelli capaci di gestire l’accelerazione e la complessità prodotte dall’intelligenza artificiale e dall’integrazione tecnologica diffusa.

Riprendendo alcuni spunti di Simone, voglio condividere una visione personale integrativa che possa essere di stimolo e punto di partenza per ulteriori conversazioni e sperimentazioni, sia con me che con Boundaryless, approfondendo alcuni temi essenziali per progettare organizzazioni efficaci e consapevoli nell’era digitale e cognitiva.

Partiamo da un punto: cosa è veramente un’organizzazione riflessiva?

Un’organizzazione riflessiva non è semplicemente un’organizzazione che apprende. È qualcosa di più profondo: è un’organizzazione capace di guardare continuamente se stessa, di leggere e interpretare costantemente il proprio contesto, mettendo in discussione la propria struttura, cultura, decisioni e obiettivi. È consapevole delle proprie capacità, ma anche dei propri limiti, e utilizza entrambi per evolvere intenzionalmente in risposta a stimoli interni ed esterni. È un’organizzazione che non teme la complessità, ma la abbraccia come una leva fondamentale per costruire valore, adattarsi rapidamente e prendere decisioni efficaci e sostenibili. In parole povere, una vera organizzazione si può definire riflessiva se è capace di auto-osservazione continua, di adattamento intenzionale e di apprendimento integrato nel DNA aziendale. E questo a maggior ragione in un momento storico caratterizzato da accelerazione tecnologica estrema e complessità esponenziale.

Un’organizzazione riflessiva ha bisogno di un’ontologia.

Perché un’organizzazione possa essere realmente riflessiva (e potersi definire tale), è necessario prima di tutto dotarla di una lente comune con cui leggere e interpretare costantemente la propria realtà interna ed esterna. Questa lente è proprio l’ontologia: un insieme strutturato di concetti, termini e relazioni condivise che costituiscono un linguaggio chiaro, coerente e diffuso. Senza questa base semantica condivisa, ogni riflessione interna rischia di perdersi nell’ambiguità, creando disallineamenti interpretativi (noti nella maggior parte della aziende) e ostacolando la capacità di adattamento e innovazione dell’organizzazione. Un’ontologia ben definita di contro rende la riflessività non solo possibile ma molto più efficace, consentendo di analizzare rapidamente decisioni, processi e risultati, e soprattutto garantendo che ciò che viene compreso e imparato sia immediatamente traducibile in azione concreta. Per dirla in modo semplice, l’ontologia è quello che permette di evitare quella classica situazione del “Parlamm e nun ce capaimm” (cit): aiuta tutti a parlare la stessa lingua e, soprattutto, a capirsi davvero.

Ontologie condivise e affordance semantiche come infrastruttura strategica

Una ontologia condivisa, in un’organizzazione veramente riflessiva, è molto più di un linguaggio comune: è l’infrastruttura che consente di integrare rapidamente persone, tecnologie e processi, riducendo drasticamente il debito organizzativo generato da fraintendimenti e disallineamenti. Non basta avere strumenti sofisticati; dobbiamo costruire significati condivisi, chiaramente definiti e facilmente accessibili a tutti. Questa scelta strategica trasforma la semantica in una vera e propria piattaforma di crescita e innovazione, facilitando nuove integrazioni tecnologiche, migliorando la qualità delle interazioni interne e consentendo una collaborazione reale, fluida e consapevole.

Il costo nascosto della mancata condivisione semantica

Quando manca un’ontologia ben definita o quando questa non è costantemente aggiornata, l’organizzazione inevitabilmente “accumula” un problema. Questo debito è composto da inefficienze nascoste, decisioni rimandate, ambiguità interpretative e processi non allineati, che rallentano e appesantiscono il cambiamento e l’adattamento al contesto esterno. È un “costo invisibile” che emerge con evidenza solo nel momento in cui l’organizzazione prova a evolvere rapidamente, integrare nuove tecnologie o necessità di un cambio di passo immediato. La mancanza di linguaggi comuni porta spesso a progetti avviati e non conclusi, a colli di bottiglia decisionali e a tempi lunghi di onboarding e integrazione. Misurare concretamente questo debito significa osservare indicatori chiari: il tempo necessario a inserire nuove figure in azienda, la quantità di rework necessario per correggere incomprensioni o, ancora, il numero di iniziative strategiche bloccate o rallentate da conflitti interpretativi. Ecco perché una solida base semantica condivisa non rappresenta soltanto una best practice: è un vero e proprio investimento strategico per prevenire, gestire e utilizzare intenzionalmente il debito organizzativo come leva di trasformazione.

Il debito organizzativo come leva di trasformazione intenzionale

Affrontare seriamente il concetto di debito organizzativo non significa eliminarlo completamente, ma trasformarlo in un potente strumento di gestione strategica del cambiamento. Un’organizzazione riflessiva impara continuamente dai propri processi decisionali, sa riconoscere le proprie inefficienze e le usa come stimolo per ridefinire se stessa con tempestività e chiarezza. Accumulare temporaneamente debito organizzativo può essere una scelta consapevole, purché accompagnata da una chiara visione di lungo termine e da periodici momenti di rifattorizzazione organizzativa. In questo scenario, leader e progettisti diventano veri e propri architetti dell’adattabilità, capaci di bilanciare agilmente efficienza immediata e sostenibilità futura.

AI e learning culture come paradigma centrale

La crescente accelerazione dei processi decisionali e operativi, guidata dall’intelligenza artificiale, rende indispensabile una radicale evoluzione culturale: dobbiamo progettare le nostre organizzazioni per essere veri ecosistemi di apprendimento continuo, dove sperimentazione, analisi e feedback siano parte integrante della cultura operativa quotidiana. In questo senso, l’AI non solo automatizza e velocizza, ma diventa essa stessa strumento essenziale di riflessività organizzativa, rivelando schemi invisibili e aprendo nuove possibilità per comprendere e migliorare costantemente il nostro modo di lavorare.

Governance adattiva: abbracciare il cambiamento come regola

In un contesto complesso e dinamico, i modelli tradizionali di governance gerarchici o rigidi diventano rapidamente obsoleti. È necessario adottare modelli di governance adattiva, dove l’autonomia decisionale distribuita (e qui si potrebbero aprire mille altri temi sul principio di DAO, e decentralizzazione, ma ne scrivo più avanti) e la revisione continua delle scelte diventino la norma. Questo approccio richiede una profonda trasformazione mentale: accettare l’errore come fonte di apprendimento, e concepire l’adattamento non come eccezione, ma come naturale evoluzione dei processi decisionali. L’AI, inserita in questo quadro, può amplificare le capacità umane di monitoraggio, revisione e adattamento, garantendo coerenza e trasparenza nelle scelte aziendali.

Un nuovo driver di efficienza : progettazione semantica e architettura della conoscenza

Costruire intenzionalmente un’architettura semantica interna non è solo questione di chiarezza informativa: è un potente moltiplicatore di efficienza, comprensione e valore. In un’organizzazione che mira ad un cambiamento di questo genere, la conoscenza non è frammentata in silos, ma connessa attraverso significati comuni che orientano decisioni e azioni quotidiane. Questa architettura semantica diventa un “navigatore aziendale”, guidando persone e sistemi intelligenti verso informazioni contestuali e precise, riducendo sprechi cognitivi e aumentando significativamente la qualità del lavoro svolto.

MCP e integrazione contestuale: l’AI come alleato di senso

Il Model Context Protocol rappresenta un punto di svolta nella relazione tra AI e organizzazioni, consentendo un’integrazione profonda, contestuale e coerente tra sistemi intelligenti e fonti aziendali. Utilizzando MCP, le organizzazioni non solo riducono drasticamente i rischi di informazioni inaccurate o incomplete, ma potenziano enormemente la capacità dell’AI di contribuire a decisioni e processi con una profondità e precisione mai raggiunte prima. MCP diventa così uno standard non solo tecnologico, ma strategico, capace di collegare efficacemente intelligenza artificiale e contesto aziendale.

Strumenti visuali e canvas come supporto alla progettazione riflessiva

Strumenti visuali e canvas, come il Portfolio Map Canvas sviluppato proprio da Boundaryless, diventano centrali per progettare e supportare il disegno di organizzazioni riflessive. Questi strumenti non sono semplici artefatti visivi, ma veri e propri spazi interattivi di co-design e riflessione collettiva, e aggiungerei metodo. Utilizzati regolarmente, permettono di visualizzare rapidamente incoerenze e opportunità nascoste, migliorando significativamente l’allineamento strategico e operativo. Integrarli nella vita quotidiana aziendale, attraverso rituali organizzativi strutturati e strumenti digitali collaborativi, permette di mantenere viva e attiva la capacità di riflessione organizzativa, evitando che restino esercizi isolati o occasionali.

Guardare se stessi, per superare i limiti

Questi spunti vogliono essere un punto di partenza per stimolare una conversazione più ampia: la vera sfida, oggi, non è solo innovare o digitalizzare, ma creare organizzazioni capaci di guardarsi continuamente allo specchio, comprendere in profondità se stesse e usare questa consapevolezza per evolvere intenzionalmente. In un’epoca segnata dall’accelerazione dell’intelligenza artificiale e dalla crescente complessità, credo sia fondamentale costruire nuovi paradigmi organizzativi basati sulla condivisione semantica, sulla riflessione continua e sull’apprendimento integrato.

Questo approccio non riguarda più solo pochi innovatori o visionari, ma diventerà sempre più essenziale per ogni organizzazione che voglia prosperare e creare valore duraturo. Sono convinto che sia necessario iniziare a ripensare continuamente il modo in cui lavoriamo, il modo in cui interpretiamo il contesto, e come trasformiamo questa comprensione in azioni concrete e sostenibili nel tempo.

Forse perché di tempo appunto, ne abbiamo sempre meno per riflettere.

18 Dicembre 2021DIGITAL CULTURE

Avatar, NFT Profile e recruiting che cambia

Ci sono voluti 21 anni di internet, cultura digitale, strategia di comunicazione e personal branding per far impostare la foto reale nel profilo social e pubblico di una persona o professionista, soprattutto su LinkedIn, e far capire alle aziende che il recruiting stesse cambiando per modalità e luoghi.

Ora non riesco ad immaginare la scena di quando qualcuno riceverà (ammesso che succederà) le prime candidature da persone con una scimmia annoiata, un maiale imbruttito o un clonex al posto della foto del profilo LinkedIn e del cv. E mi viene da ridere al pensiero che quella foto profilo avrà magari un valore potenzialmente più alto del stesso valore della proposta economica fatta al tiziə (e magari un valore più alto del fatturato dell’azienda).

Sarà ancora più interessante vedere quanto ci metteranno alcune aziende a capire che certe competenze non le troveremo più nemmeno sui social “professionali” ma magari dentro ad un gioco o ad una meta-piattaforma e che la ricerca non andrà più fatta con parametri di valutazione e opinioni che magari escludano un potenziale talento che si sta cercando perché non riconoscibile o diverso. E linkedin ne è già pieno.

15 Agosto 201915 Agosto 2019DIGITAL CULTURE

L’innovazione è semplicità.

Spesso cerchiamo l’innovazione in qualche nuova tendenza o tecnologia . Ma innovare non vuol dire solo introdurre qualcosa di tecnologico: innovazione è la capacità di cambiare l’esperienza utente, migliorandola, in modo semplice, creando un processo senza frizioni e capace di rendere l’interazione semplice, fruibile e memorabile.

25 Gennaio 201525 Gennaio 2015DIGITAL CULTURE

Parole al vento: startup, innovazione, digitale e bellezza #verybello

A proposito di #VeryBello ne ho lette e ne sto leggendo di tutti i colori, e credo ci sarà ancora da leggere per i prossimi mesi: da analisi tecniche più o meno profonde, a prese per il culo varie più o meno utili, sia verso Franceschini, sia verso l’agenzia e le persone che ci hanno lavorato. Non entro nel merito dei tecnicismi del progetto che oggettivamente sono carenti e su cui è stato già detto tanto. Non trovo nemmeno corretto prendere di mira l’agenzia che ha lavorato perché, in fondo, ad oggi, si sa poco o nulla riguardo a tempi, budget e vincoli imposti. Tra l’altro lo trovo poco professionale sparare senza avere tutte le informazioni. Dopo tutto è fin troppo facile farsi belli sul fail degli altri.

Quello che trovo corretto invece è prendersela con il committente, il Ministro e chi per lui, perché il vero problema è appunto loro e la loro incapacità di capire cosa sia utile o meno, cosa deve esser fatto ed in quali tempi ed in che modo. E non è un tema di bandiera, partito o altro. Paolo Iabichino ha riassunto molti dei miei pensieri in modo perfetto qui.

Non c’è nulla da aggiungere alla sua riflessione, se non una sola cosa a cui tengo molto.

In un governo di un paese che dice di credere nelle startup, nell’innovazione e nel digitale, non cogliere un momento come questo e scegliere di investire su uno (o più di uno) dei tanti progetti che giorno dopo giorno stanno provando a costruire piattaforme che possano valorizzare quello che abbiamo di più bello in Italia, vuol dire non crederci realmente. Vuol dire utilizzare queste parole per alzare l’attenzione, per fare comunicazione e farsi belli solo a chiacchiere. Niente altro.

Ci sono progetti come Wami, Lookals e moltissimi altri ancora che non sto qui a citare, che, dell’arte, del food, del turismo, della bellezza italiana, ne fanno la loro principale attività, un investimento di risorse e tempo in cui credono ragazzi e neo imprenditori. E che non lo fanno per gioco. E non è nemmeno un passatempo. E’ qualcosa in cui credono realmente e che bisogna tenere in considerazione.

Ecco ed è proprio qui il punto: bisogna credere nella competenza e nella visione di chi sta investendo personalmente e che può portare, a supporto delle iniziative di questo tipo, talento, competenza, commitment ed esperienza in molti casi.

Questa poteva esser una delle tante occasioni per dare forma e tangibilità, reale, alle tante – troppe – parole che vengono dette e spese continuamente, solo per fare politica ed accaparrarsi qualche voto in più.

Mi auguro solo che la prossima volta che usciranno parole come #startup, #innovazione, #digitale e #bellezza dalla vostra bocca, vi vadano di traverso e vi facciano tossire a tal punto da farvi riflettere su quello che state dicendo.

L’innovazione si costruisce giorno dopo giorno, insieme, e non ripartendo ogni volta da zero. E di persone con le quali costruire in Italia ce ne sono molte. Moltissime.