Le competenze fanno la differenza. Il metodo le mette a sistema.
L’intelligenza artificiale sta entrando nei processi aziendali attraverso strumenti molto diversi: assistenti per la scrittura, applicazioni per analizzare documenti, sistemi di supporto al servizio clienti, software per elaborare previsioni e soluzioni integrate nei gestionali.
Spesso il primo passo nasce da un’esigenza concreta: ridurre il tempo dedicato a un’attività ripetitiva, rendere più accessibili le informazioni o aiutare le persone a prendere decisioni.
Quando lo strumento comincia a essere utilizzato nel lavoro quotidiano, emergono però nuove domande.
Chi ne ha autorizzato l’impiego? Quali dati possono essere inseriti? Chi verifica le risposte? Chi interviene quando il risultato è sbagliato? Come si valuta se il beneficio ottenuto giustifica costi, controlli e rischi?
È su queste domande che si costruisce la capacità di governare l’AI. Una capacità che richiede competenze professionali, responsabilità definite e un’organizzazione in grado di collegarle.
Che cos’è la ISO/IEC 42001
La ISO/IEC 42001:2023 è la norma internazionale dedicata ai sistemi di gestione dell’intelligenza artificiale. Definisce requisiti per istituire, attuare, mantenere e migliorare un sistema di gestione dell’AI all’interno di un’organizzazione.
Il suo campo di applicazione comprende organizzazioni che sviluppano, forniscono o utilizzano prodotti e servizi basati sull’intelligenza artificiale, di dimensioni e settori diversi. Può quindi interessare anche un’impresa che integra soluzioni acquistate da fornitori esterni.
Per comprendere il suo valore, possiamo partire da una distinzione operativa: scegliere un’applicazione è una decisione sullo strumento; stabilire come utilizzarla, controllarla e aggiornarla è una decisione sull’organizzazione.
Un sistema di gestione collega queste decisioni e permette di affrontarle con continuità.
Dalle competenze professionali alle responsabilità aziendali
Un progetto AI può coinvolgere persone con competenze differenti: conoscenza del processo aziendale, gestione dei dati, sviluppo tecnologico, sicurezza, valutazione dei risultati e coordinamento del progetto.
La UNI 11621-8:2026 offre un riferimento su questo piano: individua dodici profili di ruolo professionale relativi all’intelligenza artificiale. Riguarda le figure coinvolte nella progettazione, nello sviluppo, nell’integrazione e nella gestione dei sistemi AI; esclude dal proprio ambito il semplice utilizzatore di strumenti già esistenti.
Per le organizzazioni può essere utile nella selezione delle professionalità e nel confronto tra competenze richieste e competenze disponibili.
Il passaggio successivo consiste nel tradurre le competenze in incarichi concreti.
Consideriamo un’impresa che introduce un assistente AI nel servizio clienti. Il fornitore può conoscere molto bene la tecnologia, mentre il responsabile commerciale conosce le condizioni di vendita e il personale dell’assistenza conosce le richieste più frequenti.
Occorre decidere chi approva le informazioni utilizzate, chi autorizza la pubblicazione delle risposte e chi gestisce le eccezioni.
Una domanda rende subito visibile il problema: se il sistema comunica a un cliente una condizione commerciale sbagliata, chi riceve la segnalazione e chi può correggere il processo?
La risposta dovrebbe essere chiara prima dell’avvio.
Prima domanda: dove viene utilizzata l’AI?
Una proposta operativa per iniziare è costruire una mappa degli utilizzi effettivi.
Il censimento dovrebbe coinvolgere i reparti: amministrazione, commerciale, marketing, risorse umane, produzione e assistenza possono aver introdotto applicazioni diverse, anche attraverso funzionalità aggiunte a software già presenti.
Per ogni utilizzo, una scheda iniziale può raccogliere:
Il processo e l’attività interessati.
La finalità dello strumento.
Il fornitore e il servizio utilizzato.
Le informazioni inserite e i risultati prodotti.
Le persone autorizzate a utilizzarlo.
Il responsabile aziendale.
Il controllo previsto prima di utilizzare il risultato.
Questa mappa aiuta a distinguere situazioni molto diverse.
Preparare una bozza di presentazione interna, rispondere direttamente ai clienti e supportare una decisione sulle persone richiedono valutazioni specifiche. La presenza della stessa tecnologia non rende equivalenti le conseguenze del suo utilizzo.
Il censimento permette anche di individuare dipendenze: cosa succede se il servizio diventa indisponibile, cambia condizioni contrattuali o modifica le proprie funzionalità?
Seconda domanda: quali rischi e quali impatti bisogna valutare?
La gestione dell’AI richiede attenzione sia al funzionamento dello strumento sia alle conseguenze del suo impiego. Le valutazioni d’impatto possono considerare gli effetti sulle persone, sui gruppi e sulla società durante il ciclo di vita dei sistemi.
Nell’analisi di un caso aziendale, è utile descrivere eventi concreti.
Per un assistente che consulta documenti interni, ad esempio:
Potrebbe utilizzare una procedura superata?
Potrebbe mostrare informazioni a una persona non autorizzata?
Potrebbe formulare una risposta plausibile ma priva di riscontro?
Il destinatario potrebbe interpretarla come una decisione definitiva?
L’errore sarebbe riconoscibile prima di produrre conseguenze?
Sono esempi di domande da adattare al contesto, non una classificazione universale.
Anche la qualità dei dati va osservata nel processo reale. Un sistema può elaborare correttamente informazioni che, all’origine, sono incomplete o non aggiornate.
Immaginiamo un’applicazione che aiuti a preparare preventivi utilizzando listini archiviati in cartelle diverse. Se vengono recuperate condizioni scadute, il problema riguarda anche la gestione delle fonti: versioni, aggiornamenti, autorizzazioni e responsabilità.
La valutazione diventa utile quando conduce a una decisione: correggere le informazioni, limitare l’utilizzo, introdurre una verifica, chiedere chiarimenti al fornitore oppure rinviare l’avvio.
Terza domanda: come si controllano i risultati?
Il controllo deve essere progettato insieme all’attività.
Scrivere “verifica da parte dell’operatore” in una procedura lascia aperti aspetti essenziali: quale operatore, con quali competenze, entro quali tempi e sulla base di quali criteri?
Una verifica efficace richiede che la persona possa comprendere il risultato, confrontarlo con fonti affidabili e decidere come procedere.
Per esempio, in un processo di preparazione delle offerte si potrebbe prevedere che:
L’AI produca esclusivamente una bozza.
I prezzi siano confrontati con il listino approvato.
Le condizioni particolari siano validate dal responsabile commerciale.
L’invio al cliente rimanga subordinato all’approvazione.
Gli errori ricorrenti siano raccolti per correggere il processo.
Questa è una possibile organizzazione del lavoro, da valutare rispetto al caso specifico.
Conta anche la possibilità di intervenire: sospendere un utilizzo, correggere una fonte o tornare temporaneamente a una procedura alternativa. Un controllo perde efficacia quando chi rileva il problema non sa a chi segnalarlo.
Un esempio: introdurre l’AI nel servizio clienti
Consideriamo un caso illustrativo: una PMI vuole aiutare il personale a rispondere alle domande su prodotti, consegne e condizioni commerciali.
Il progetto può partire delimitando l’utilizzo: l’assistente prepara risposte per gli operatori, che le verificano prima dell’invio.
L’azienda seleziona poi le fonti ammesse, identifica chi le aggiorna e prepara un insieme di richieste di prova. Nel test include anche situazioni difficili: informazioni mancanti, richieste fuori ambito, condizioni eccezionali e domande ambigue.
Prima dell’avvio stabilisce quali risultati considerare accettabili e come gestire quelli insufficienti.
Durante l’utilizzo può osservare indicatori come:
Tempo medio necessario per preparare una risposta.
Frequenza delle correzioni sostanziali.
Tipologie di errore.
Richieste trasferite a un responsabile.
Segnalazioni degli operatori e dei clienti.
Questi indicatori servono a verificare il beneficio complessivo. Risparmiare tempo nella prima bozza può avere poco valore se aumenta il lavoro necessario per controllarla e correggerla.
Perché il monitoraggio continua dopo l’avvio
Un’applicazione può essere utilizzata in condizioni diverse da quelle iniziali. Cambiano i documenti aziendali, i prodotti, le persone coinvolte e le funzionalità offerte dal fornitore.
Per questo la governance richiede continuità: responsabilità, valutazione dei rischi, gestione dei dati e monitoraggio devono accompagnare l’impiego dell’AI. La ISO/IEC 42001 inquadra questi aspetti all’interno di un sistema di gestione.
Una proposta pratica è individuare gli eventi che richiedono una nuova verifica: l’introduzione di una funzione, il cambiamento delle fonti informative, l’estensione a un altro reparto o una serie di segnalazioni.
Ogni cambiamento significativo dovrebbe avere un responsabile e una decisione tracciabile.
ISO 42001 e AI Act: come si collegano?
La ISO/IEC 42001 e l’AI Act hanno funzioni differenti.
Riferimento: UNI 11621-8:2026
Domanda a cui risponde: Quali profili professionali e competenze riguardano le attività AI?
Riferimento: ISO/IEC 42001
Domanda a cui risponde: Come strutturare un sistema di gestione dell’intelligenza artificiale?
Riferimento: AI Act
Domanda a cui risponde: Quali obblighi normativi si applicano al sistema e all’organizzazione?
L’AI Act adotta un approccio basato sul rischio. L’analisi degli obblighi richiede quindi di considerare il sistema, la finalità prevista, il ruolo dell’organizzazione e le disposizioni applicabili.
La ISO 42001 può supportare l’organizzazione del percorso, ma non sostituisce la legge. Anche la certificazione del sistema di gestione, di carattere volontario, non equivale a una garanzia generale di conformità all’AI Act.
Per l’impresa significa collegare la valutazione normativa alle attività quotidiane, verificando quali misure organizzative e tecniche siano necessarie nel proprio caso.
Da dove può iniziare una PMI?
Un punto di partenza concreto è scegliere un utilizzo già presente o un progetto in fase di valutazione e seguirlo dall’inizio alla fine.
Quale problema deve risolvere? Chi lo utilizzerà? Quali informazioni tratterà? Chi approverà i risultati? Come verranno riconosciuti e gestiti gli errori?
Da questo lavoro può emergere una prima mappa delle priorità: competenze da rafforzare, responsabilità da chiarire, informazioni da riordinare e controlli da sperimentare.
La direzione aziendale deve poter decidere quali utilizzi sostenere e quali condizioni richiedere. Le persone devono sapere come lavorare e quando chiedere supporto.
Il valore dell’AI cresce quando l’azienda sa collegare strumenti, competenze e responsabilità.
In Ellegi Consulting partiamo dalla realtà dell’impresa: persone, processi e obiettivi. È da questa conoscenza che si possono individuare le priorità e costruire un percorso di gestione coerente con le esigenze dell’organizzazione.
La tua azienda sta introducendo strumenti AI o vuole mettere ordine negli utilizzi già presenti? Parliamone.
Scopri le aree di intervento di Ellegi Consulting
Competenza per trovare la soluzione. Persone per farla funzionare.
