L’impresa che pensa: cervello aziendale, agenti-colleghi e valore dell’organizzazione

Un’introduzione al cervello aziendale e agli agenti-colleghi, alle tesi dell’impresa cognitiva e alle decisioni di CEO, CHRO e COO per preservare il valore aziendale.

Il valore dell’impresa non risiede soltanto nelle persone o nei sistemi che la compongono

Un responsabile esperto lascia l’azienda e, con lui, scompare una parte delle ragioni che avevano guidato negli anni la scelta dei fornitori, la definizione delle procedure e la soluzione delle eccezioni più difficili. I documenti rimangono, i dati sono ancora presenti nei gestionali e il suo successore dispone degli stessi strumenti informatici; tuttavia, ricostruire il significato delle decisioni richiede colloqui, confronti e nuove verifiche, perché il patrimonio informativo non coincide con la conoscenza necessaria a governare l’impresa. Questo fenomeno, familiare a chiunque abbia affrontato un avvicendamento di personale, una riorganizzazione o un’acquisizione, rivela un aspetto spesso trascurato del valore aziendale: una parte delle capacità produttive esiste nelle relazioni fra esperienze, regole, persone e processi, e può deteriorarsi anche quando gli asset materiali e le applicazioni rimangono intatti.

L’intelligenza artificiale generativa rende oggi possibile affrontare tale problema con strumenti più articolati di un archivio documentale o di un motore di ricerca. I modelli possono interpretare linguaggio, collegare contenuti e formulare ipotesi; gli agenti possono inoltre impiegare applicazioni e servizi per seguire attività che producono effetti sui sistemi aziendali. Da qui nasce una domanda organizzativa, non soltanto informatica: può un’impresa rendere persistente una parte maggiore della propria capacità di conoscere, coordinare e agire, senza confondere l’intelligenza degli strumenti con la responsabilità dell’istituzione?

La domanda è sviluppata nel saggio di ricerca The Firm That Thinks: Company Brains, Agent Coworkers, and the Future of Organizational Autonomy, del quale questo contributo presenta e discute le tesi principali in una forma accessibile anche a chi non si occupa professionalmente di intelligenza artificiale. Il punto di partenza non è la previsione di aziende destinate a eliminare tutti i dipendenti, bensì la possibilità che la conoscenza organizzativa e una parte delle attività attraverso cui viene utilizzata diventino capacità durevoli dell’impresa, meno dipendenti dal singolo lavoratore, manager o fornitore tecnologico.

Questa prospettiva interessa direttamente la direzione generale, le risorse umane e la gestione operativa. Il CEO deve stabilire quali capacità costituiscano un patrimonio strategico da preservare; il CHRO deve comprendere come cambino ruoli, competenze, apprendimento e distribuzione dell’autorità; il COO deve garantire che i processi continuino a produrre risultati affidabili quando una parte del lavoro è svolta da agenti. CIO, CTO e CISO rendono possibile questa trasformazione sul piano dell’architettura, dell’esecuzione tecnica e della sicurezza, ma nessuna di queste funzioni, isolatamente, può decidere quale forma debba assumere l’organizzazione.

Gli agenti-colleghi: quando il software occupa un ruolo operativo

Per comprendere la novità occorre distinguere tre livelli di capacità che vengono spesso riuniti sotto la generica denominazione di intelligenza artificiale. Un assistente conversazionale risponde a una richiesta, prepara un testo o suggerisce una soluzione; un sistema automatico tradizionale esegue regole e passaggi prestabiliti; un agente operativo può invece ricevere un obiettivo entro un mandato, consultare informazioni, formulare un piano, impiegare strumenti digitali e mantenere il contesto di un’attività attraverso più passaggi. Nella pratica queste categorie possono sovrapporsi, poiché gli agenti possono incorporare regole deterministiche e richiedere l’intervento delle persone, ma la distinzione è utile per comprendere perché la questione superi l’impiego di un nuovo assistente personale.

Si immagini un agente incaricato di seguire gli ordini di acquisto in ritardo. Il suo compito non consiste soltanto nel riepilogare un elenco: può confrontare scadenze contrattuali e conferme di consegna, richiedere informazioni a un fornitore mediante un canale ammesso, aggiornare lo stato di una pratica e segnalare al responsabile le alternative disponibili. Potrebbe anche predisporre un nuovo ordine o una modifica di quello esistente, ma l’effettiva registrazione dell’impegno economico dovrebbe avvenire soltanto se la relativa delega e i controlli aziendali lo consentono. La capacità tecnica di chiamare un’interfaccia del gestionale non costituisce, da sola, un potere di rappresentanza o di spesa.

L’espressione agente-collega (agent coworker) serve a rendere evidente la natura organizzativa del problema. Il programma viene considerato un partecipante identificabile al processo, con compiti ricorrenti, strumenti assegnati, limiti di autonomia e obblighi di tracciabilità; non gli vengono però attribuiti per analogia personalità, diritti del lavoratore o responsabilità giuridiche proprie di una persona. La ricerca sulla collaborazione fra esseri umani e sistemi di IA propone infatti di trattare la ripartizione del lavoro e dell’apprendimento come un problema di progettazione organizzativa, anziché assumere che l’introduzione di un algoritmo produca automaticamente una collaborazione efficace.¹

Ne discende un mutamento sostanziale nel modo di descrivere un ruolo. La domanda non riguarda più soltanto il profilo professionale della persona che svolgerà l’attività, ma anche quale attore, umano o computazionale, possa prendere in carico ciascuna fase, quali evidenze debba utilizzare, che cosa possa decidere autonomamente e a chi debba trasferire il caso quando esce dalle proprie attribuzioni. Un agente può operare stabilmente senza essere un dipendente, mentre il processo e le responsabilità che lo governano devono continuare a esistere quando l’agente viene aggiornato, sostituito o sospeso.

Il cervello aziendale: memoria, significato e collaborazione

Il secondo concetto, cervello aziendale (Company Brain), non designa un’intelligenza artificiale onnisciente e nemmeno un unico archivio nel quale riversare tutti i documenti dell’impresa. Indica piuttosto un’architettura integrata e governata di dati, conoscenze, processi e servizi software, capace di collegare le informazioni autorevoli dei diversi sistemi, conservarne la provenienza e il contesto, ricostruire le ragioni delle decisioni e renderle utilizzabili da persone e agenti. L’immagine del cervello è una metafora funzionale: si riferisce alla capacità dell’organizzazione di conservare e collegare conoscenze, non all’esistenza di una coscienza aziendale.

I sistemi gestionali hanno già trasformato profondamente l’impresa, perché rappresentano ordini, fatture, giacenze, clienti e risorse attraverso stati e operazioni condivise. Il cervello aziendale non deve sostituire l’ERP o diventare una seconda contabilità: dovrebbe invece mettere in relazione quei dati con contratti, documenti tecnici, eventi operativi, procedure, decisioni e risultati, mantenendo riconoscibile quale applicazione abbia autorità su ciascuna informazione. In una fornitura problematica, per esempio, non basta conoscere il numero dell’ordine e la data prevista; può essere decisivo ricostruire perché quel fornitore fosse stato scelto, quali eccezioni fossero state approvate e se la scelta avesse prodotto gli esiti attesi.

Questa architettura comprende quindi una dimensione informativa, nella quale i dati vengono acquisiti e collegati; una dimensione semantica, nella quale si stabilisce che cosa significhino concetti apparentemente comuni come «disponibilità», «cliente attivo» o «ordine completato»; una dimensione di processo, che collega eventi, attività, decisioni e responsabilità; e una dimensione di collaborazione, attraverso la quale persone e agenti possono utilizzare e discutere le medesime evidenze. La sua utilità dipende dalla qualità di tali relazioni: aggiungere documenti privi di contesto o duplicare dati già obsoleti può peggiorare il processo decisionale anziché migliorarlo.

La nozione si collega alla tradizione della cognizione distribuita, secondo cui attività complesse sono rese possibili dall’interazione fra persone, strumenti, rappresentazioni e procedure, senza che nessun partecipante debba possedere tutta la conoscenza necessaria.² La differenza introdotta dagli agenti è che una parte maggiore dell’interpretazione e del coordinamento può essere compiuta direttamente da componenti software, i quali condividono memoria e contesto con i lavoratori. Un manutentore può interrogare lo storico degli incidenti, un responsabile degli acquisti può comprendere le conseguenze produttive di una mancata consegna e un agente può predisporre le analisi con cui entrambi valutano il caso; l’ultima parola sulle decisioni rilevanti rimane però assegnata secondo le regole dell’organizzazione.

Un autentico cervello aziendale deve anche sapere di non sapere. Se i dati di magazzino sono discordanti, se una misurazione non è recente o se una clausola contrattuale è controversa, la risposta corretta può essere quella di segnalare l’incertezza e richiedere una verifica. La memoria organizzativa acquista valore quando permette di distinguere un fatto osservato da una previsione, un’ipotesi da una regola approvata e una decisione formalmente eseguita da un risultato effettivamente conseguito.

La prima tesi: conoscere, agire, operare autonomamente e rispondere non sono la stessa cosa

La tesi teorica centrale di The Firm That Thinks è che una possibile impresa cognitiva debba essere descritta attraverso quattro proprietà distinte. La prima è la cognizione organizzativa, ossia la capacità di costruire, conservare, utilizzare e rivedere rappresentazioni motivate della realtà; la seconda è l’agenzia organizzativa, intesa come capacità di iniziare e coordinare azioni; la terza è l’autonomia, cioè l’ampiezza delle attività che possono proseguire senza nuove decisioni esterne; la quarta è la responsabilità istituzionale, ossia il sistema di poteri, doveri, controlli e conseguenze attraverso il quale l’impresa resta governabile.

La distinzione non ha soltanto valore terminologico. Un’azienda può possedere una conoscenza eccellente dei propri fornitori e lasciare tutti gli acquisti alla decisione di persone autorizzate; un’altra può automatizzare un numero elevato di transazioni, ma basarsi su informazioni frammentarie e incapaci di sostenere decisioni complesse. Un processo può funzionare per settimane senza interventi umani, pur dipendendo da obiettivi e regole approvati da amministratori e dirigenti; allo stesso modo, l’esecuzione autonoma non trasferisce automaticamente la responsabilità giuridica dal soggetto che gestisce l’impresa al software utilizzato.

Questa impostazione permette di superare una concezione semplicistica della maturità tecnologica, nella quale l’azienda più evoluta sarebbe necessariamente quella con meno interventi umani. Una maggiore autonomia è desiderabile soltanto entro un ambito nel quale le informazioni siano sufficientemente affidabili, gli effetti siano controllabili e le deleghe risultino legittime. In altri contesti, la migliore espressione di intelligenza può consistere nel riconoscere che non esistono elementi sufficienti per agire, oppure nel richiedere una decisione a chi possiede l’autorità necessaria.

La seconda tesi: due imprese agli estremi, non due stadi della stessa evoluzione

Per rendere osservabili queste differenze, il lavoro originale considera due organizzazioni limite. Nella prima, la società possiede capitale, applicazioni e rapporti contrattuali, ma affida una quota molto ampia della propria attività ordinaria a programmi e servizi esterni, fino a poter operare con pochissimi dipendenti. Nella seconda, la forza lavoro resta numerosa e specializzata, ma dispone di una memoria aziendale condivisa e di agenti capaci di collaborare alle attività senza assumere automaticamente le decisioni più rilevanti.

La prima configurazione mostra come la diminuzione del costo di alcune attività cognitive possa rendere economicamente praticabili imprese con una struttura interna più leggera. È però necessario distinguere la riduzione del personale dipendente dalla scomparsa del lavoro umano, perché fornitori, amministratori, consulenti, prestatori di infrastrutture e altre controparti rimangono parte del sistema produttivo. L’impresa può trasferire all’esterno una parte rilevante delle proprie dipendenze senza eliminarle, e deve comunque conservare capacità di governo, continuità e intervento quando il comportamento degli agenti esce dalle condizioni previste.

La seconda configurazione esplora una trasformazione diversa: l’aumento del valore del lavoro umano grazie alla disponibilità di conoscenze che, in precedenza, richiedevano mediazioni, riunioni e ricostruzioni manuali. Un progettista può valutare prima le implicazioni commerciali di una modifica tecnica; un venditore può conoscere più tempestivamente i vincoli di capacità produttiva; un dirigente può confrontare alternative elaborate da specialisti e agenti senza trattare i loro giudizi come automaticamente intercambiabili. L’organizzazione potrebbe così distribuire meglio la capacità di comprendere i problemi, anche senza ridurre il numero delle persone coinvolte.

Non si tratta di un percorso obbligato dalla seconda alla prima forma. Le due organizzazioni possono impiegare la stessa infrastruttura cognitiva pur assegnando ruoli e autorità in modo differente; anzi, un’impresa industriale potrebbe adottare agenti altamente autonomi in alcuni processi amministrativi e mantenere la presenza umana indispensabile in operazioni tecniche o decisionali. La variabile importante è come vengono combinati sapere, lavoro e potere di decisione, non quale percentuale di attività venga affidata alle macchine.

La terza tesi: il valore economico si sposta verso le capacità organizzative

Se parte della ricerca di informazioni, della preparazione delle decisioni e del coordinamento diventa meno costosa, possono cambiare anche i confini dell’impresa. La teoria economica ha da tempo chiarito che organizzare un’attività internamente e acquistarla sul mercato comporta costi differenti di coordinamento e controllo; una riduzione delle spese necessarie a gestire transazioni e fornitori può rendere conveniente affidare all’esterno attività prima svolte in azienda, ma non esclude che la conoscenza proprietaria e le interdipendenze fra funzioni rafforzino i vantaggi delle imprese grandi.³

Il concetto di capitale cognitivo organizzativo serve a descrivere la capacità produttiva che deriva da conoscenze verificate, processi espliciti, memoria delle decisioni e possibilità di riutilizzare l’esperienza in contesti differenti. Non è una nuova voce patrimoniale automaticamente riconoscibile nei bilanci: è uno strumento di analisi del valore generato dalla continuità delle competenze e dalla loro applicabilità. Un’impresa che sa spiegare e ricostruire le ragioni delle proprie scelte conserva, a parità di altre condizioni, una risorsa diversa e potenzialmente più robusta di una che possiede soltanto un archivio di documenti.

La disponibilità di un modello potente non basta a produrre questo capitale. Occorre investire nella qualità dei dati, nella definizione dei processi, nelle competenze delle persone e nella verifica degli esiti; non sorprende quindi che la ricerca della Banca europea per gli investimenti, esaminando l’adozione dell’IA in un campione di imprese, evidenzi l’importanza degli investimenti complementari e risultati diversi in funzione delle caratteristiche aziendali.⁴ Il vantaggio competitivo potrebbe dipendere meno dal modello utilizzato e più dalla qualità di ciò che l’organizzazione sa, dal modo in cui lo rende utilizzabile e dalla sua capacità di sostituire tecnologie e fornitori senza perdere memoria o continuità.

Proprio qui emerge un rischio di distruzione del valore. Se il cervello aziendale viene costruito all’interno di un ambiente proprietario dal quale non è possibile recuperare agevolmente conoscenza, regole, storico delle decisioni e processi, l’impresa può ridurre alcuni costi di personale e coordinamento creando nello stesso tempo una dipendenza tecnologica difficilmente reversibile. La conservazione del patrimonio cognitivo richiede dunque un’architettura nella quale dati autorevoli, definizioni aziendali, responsabilità e tracce delle decisioni rimangano sotto un governo effettivo dell’impresa, indipendentemente dal singolo fornitore dei modelli.

La quarta tesi: una conoscenza comune può rendere comuni anche gli errori

La condivisione di una memoria e di un contesto riduce duplicazioni e incoerenze, ma introduce una contraddizione: quando molte persone e molti agenti dipendono dalla stessa rappresentazione, un errore può propagarsi più rapidamente e produrre decisioni concordanti soltanto in apparenza. Se acquisti, finanza e produzione consultano la medesima giacenza errata, le loro conclusioni possono sembrare reciprocamente confermative pur dipendendo da un’unica fonte sbagliata. Accrescere il numero degli agenti che concordano non accresce necessariamente il numero delle osservazioni indipendenti.

Per questo un cervello aziendale non dovrebbe essere progettato per eliminare ogni disaccordo. Deve invece rendere rintracciabili le fonti, mostrare le contraddizioni, distinguere le ipotesi dai fatti e consentire verifiche indipendenti; quando una conclusione viene smentita, dovrebbe inoltre individuare i processi e le decisioni che dipendevano da essa. L’apprendimento organizzativo consiste nel correggere le proprie rappresentazioni sulla base delle conseguenze osservate, non nel trasformare le spiegazioni generate dagli agenti in nuove verità soltanto perché sono state riutilizzate.

Il problema è particolarmente rilevante nella collaborazione fra esseri umani e sistemi computazionali. Un dipendente che può consultare più rapidamente le informazioni diventa potenzialmente più autonomo nel giudizio, ma potrebbe anche smettere di formulare valutazioni indipendenti se l’azienda considera le conclusioni degli agenti praticamente incontestabili. La cultura organizzativa, le procedure di confronto e la possibilità di contestare una decisione diventano quindi componenti dell’architettura cognitiva, non fattori secondari rispetto alla precisione del modello.

La quinta tesi: la sicurezza informatica entra nella struttura del governo aziendale

Quando gli agenti iniziano a operare sui sistemi gestionali, a negoziare con fornitori, a modificare software o a interagire con infrastrutture tecniche, la sicurezza non può limitarsi alla protezione delle informazioni. Deve tutelare anche la correttezza del percorso attraverso il quale una conoscenza diventa una proposta, una proposta diventa un’azione autorizzata e un’azione produce una conseguenza verificabile. Un messaggio esterno, per esempio, può contenere informazioni utili a un agente senza acquisire il diritto di impartirgli istruzioni; un programma dotato di credenziali valide può comunque tentare, per errore o per manipolazione, un’operazione che supera la propria delega.

L’architettura deve pertanto mantenere distinti il sistema che interpreta le informazioni, quello che stabilisce le autorizzazioni e quello che registra la transazione effettiva. Devono inoltre essere previste verifiche indipendenti degli esiti, limiti di spesa e di operatività, procedure di sospensione e possibilità di recupero. Se un agente prepara un ordine d’acquisto, la sua spiegazione non può sostituire la verifica del budget; se un’applicazione conferma l’accettazione di un ordine, non è per questo dimostrato che la merce sia stata consegnata. Il diritto di agire appartiene alla struttura istituzionale dell’impresa, non al modello che suggerisce l’azione.

Questi obblighi non significano che la cybersecurity sostituisca il diritto del lavoro, le norme sulla proprietà intellettuale o la disciplina delle responsabilità societarie. Cambia piuttosto la composizione del rischio: al diminuire di alcune attività umane esecutive, una parte crescente del funzionamento aziendale dipende da identità software, infrastrutture esterne, correttezza dei dati e sicurezza delle deleghe. Per i soggetti che rientrano nel suo ambito, la direttiva NIS2 attribuisce agli organi di gestione compiti di approvazione e supervisione delle misure di gestione dei rischi informatici; l’utilizzo di agenti non consente di trasferire tali responsabilità a un programma.⁵

Un caso concreto: la crisi di un fornitore nelle due imprese

Si consideri un produttore di apparecchiature elettroniche che riceve notizia di un’interruzione presso il proprio principale fornitore di componenti. L’azienda deve verificare la comunicazione, identificare gli ordini interessati, distinguere le scorte realmente disponibili da quelle già impegnate, valutare un fornitore alternativo e decidere se sostenere costi maggiori per proteggere le consegne ai clienti. Il caso richiede conoscenze tecniche, contrattuali, produttive e finanziarie che, in una struttura tradizionale, possono essere distribuite fra più uffici e sistemi.

In entrambe le organizzazioni il cervello aziendale dovrebbe collegare le informazioni pertinenti e ricostruire i precedenti, mentre gli agenti preparano gli scenari. La differenza riguarda l’esecuzione: nell’impresa quasi senza dipendenti, gli agenti possono eventualmente procedere entro limiti di fornitore, prezzo e importo già approvati, deferendo le eccezioni a un soggetto competente; nell’impresa umana, responsabili di acquisti, produzione e finanza utilizzano i medesimi scenari, aggiungono valutazioni contestuali e risolvono i conflitti secondo le deleghe esistenti. In nessuno dei due casi la maggiore velocità del calcolo equivale al diritto di assumere qualsiasi impegno.

La continuità del processo impone anche di verificare ciò che accade dopo. L’ordine può essere stato registrato correttamente, ma il materiale arrivare in ritardo; il nuovo fornitore può rispettare i tempi e tuttavia non superare il collaudo. Il cervello aziendale produce valore se conserva la relazione fra ipotesi, decisione, autorizzazione ed esito, così che l’esperienza non debba essere ricostruita ogni volta e che un successo apparente non venga scambiato per un apprendimento effettivo.

Perché la questione riguarda il CEO: preservare il capitale che rende competitiva l’impresa

Dal punto di vista del CEO, il tema non consiste anzitutto nel decidere quanti agenti acquistare, ma nello stabilire quali capacità dell’impresa debbano sopravvivere a persone, tecnologie e strutture organizzative contingenti. La conoscenza accumulata nelle relazioni con i clienti, nelle scelte ingegneristiche, nelle trattative contrattuali e nelle eccezioni operative costituisce spesso una parte decisiva del vantaggio competitivo, pur risultando poco visibile negli indicatori tradizionali. Se tale conoscenza è dispersa o concentrata in pochi individui, il suo trasferimento può diventare costoso proprio durante acquisizioni, successioni manageriali, esternalizzazioni e riorganizzazioni, quando la continuità delle capacità aziendali dovrebbe essere maggiormente tutelata.

Il CEO dovrebbe perciò considerare il cervello aziendale come un possibile investimento in continuità del capitale organizzativo, valutandolo non sulla base del numero di informazioni raccolte, ma della sua capacità di conservare motivazioni, dipendenze e risultati delle decisioni. Lo stesso criterio deve orientare le scelte di fornitura tecnologica: un’infrastruttura che produce grandi benefici immediati ma rende impossibile trasferire memoria e regole a sistemi alternativi potrebbe indebolire nel tempo l’autonomia strategica della società. L’esigenza non è conservare ogni dato indefinitamente, bensì stabilire quale conoscenza sia realmente necessaria, per quanto tempo e sotto quale responsabilità debba essere mantenuta.

C’è inoltre un problema di distribuzione del potere. Rendere disponibile una conoscenza comune può rafforzare il giudizio di chi opera vicino ai problemi oppure concentrare ulteriormente il controllo nelle funzioni che amministrano la rappresentazione considerata autorevole. Il CEO deve decidere quale assetto organizzativo sia coerente con la strategia, evitare che l’adozione dell’IA diventi una trasformazione di fatto delle deleghe senza una decisione esplicita e assicurare che responsabilità, competenze e poteri di intervento rimangano compatibili con i rischi assunti dall’impresa.

La domanda strategica diventa dunque: quale valore conoscitivo, operativo e relazionale stiamo rendendo più stabile e trasferibile, e quali nuove dipendenze stiamo creando per ottenerlo? È una domanda di governo societario, non soltanto di produttività individuale.

Perché riguarda il CHRO: proteggere le competenze e progettare il lavoro misto

Per il CHRO, la comparsa degli agenti-colleghi modifica il presupposto stesso della progettazione del lavoro, perché una funzione organizzativa può essere realizzata attraverso una combinazione variabile di persone, applicazioni deterministiche e agenti capaci di prendere iniziative entro un mandato. Non basta dunque aggiornare le descrizioni delle mansioni o predisporre corsi per usare gli assistenti generativi: occorre stabilire quali capacità cognitive e professionali debbano rimanere nelle persone, quali attività possano essere trasferite a software e come preservare la possibilità di sviluppare competenza attraverso l’esperienza.

L’automazione di compiti ripetitivi può aumentare la qualità del lavoro e permettere ai professionisti di concentrarsi su problemi più complessi; può tuttavia eliminare proprio le attività attraverso cui i lavoratori meno esperti imparavano a riconoscere anomalie e a formulare giudizi autonomi. Se il futuro responsabile acquisti non ha mai valutato direttamente un’anomalia contrattuale perché il sistema ha sempre prodotto una risposta pronta, il suo ruolo di approvatore rischia di diventare formale nel momento in cui il sistema sbaglia. La conservazione del capitale umano richiede quindi percorsi di apprendimento, occasioni di verifica indipendente e la capacità di lavorare in modalità ridotta quando l’automazione non è disponibile o non è attendibile.

Il CHRO deve inoltre contribuire a definire le interfacce organizzative fra persone e agenti: come vengono attribuiti i compiti, chi può contestare un risultato, quali segnalazioni devono arrivare a un responsabile, come si valuta la prestazione dell’insieme senza attribuire impropriamente a una persona gli errori del sistema. La questione è connessa anche alla qualità del lavoro. Una ricerca Eurofound pubblicata nell’ottobre 2026 segnala che forme di gestione algoritmica sono già presenti nei luoghi di lavoro europei e risultano associate, nei dati osservativi, a maggiori richieste lavorative e a condizioni di tensione in alcuni contesti; tale associazione non equivale a una dimostrazione causale universale, ma esclude che il monitoraggio computazionale possa essere considerato organizzativamente neutrale.⁶

Ne deriva una responsabilità nuova di raccordo con CIO, CTO e CISO. Il CHRO deve poter partecipare alla definizione delle regole con cui un agente opera in un ruolo, mentre le funzioni tecnologiche ne implementano i limiti e quelle di sicurezza valutano le possibilità di abuso; la direzione del personale rimane competente per le persone e le loro tutele, ma contribuisce anche alla progettazione dell’ambiente nel quale persone e agenti collaborano. Preservare il valore umano dell’impresa significa impedire che la conoscenza condivisa si trasformi in una dipendenza passiva dalle interpretazioni del software.

Perché riguarda il COO: assicurare continuità, qualità e risultati verificati

Per il COO, il cambiamento è immediatamente visibile nei processi. Gli agenti possono ridurre il costo delle verifiche, preparare decisioni, coordinare passaggi fra applicazioni e gestire eccezioni semplici; ma un’organizzazione non diventa più affidabile soltanto perché alcune attività vengono eseguite senza intervento umano. La responsabilità operativa continua a riguardare la qualità del risultato finale, il rispetto dei vincoli, la capacità di recuperare dai guasti e la gestione delle interdipendenze fra funzioni.

Il COO deve quindi definire, insieme ai responsabili di processo, quali risultati siano effettivamente misurabili e quali condizioni rendano sicura una delega. L’apertura di un ordine non equivale alla ricezione del materiale, la registrazione di una fattura non prova che il pagamento sia dovuto e l’accettazione di un comando da parte di un sistema industriale non dimostra che l’impianto abbia raggiunto lo stato desiderato. Gli agenti devono essere inseriti in processi che distinguano la proposta dall’autorizzazione, l’esecuzione tecnica dall’esito aziendale, il caso ordinario dall’eccezione che richiede una valutazione diversa.

I problemi di continuità meritano attenzione particolare. In un’impresa integrata, un’informazione sbagliata può propagarsi contemporaneamente nella pianificazione, negli acquisti e nella finanza; un aggiornamento di software può modificare il comportamento di più agenti; un fornitore di servizi cognitivi può diventare essenziale al funzionamento quotidiano. Il COO deve perciò verificare non solo tempi e costi medi dei processi, ma anche la capacità di operare in condizioni degradate, la tracciabilità delle transazioni, la reversibilità delle azioni e i tempi necessari a recuperare dopo un errore o un’interruzione. La collaborazione con CIO e CISO diventa strutturale perché le proprietà dell’architettura tecnica incidono direttamente sull’affidabilità dell’organizzazione.

Il criterio di valutazione non dovrebbe essere la massima percentuale di attività autonome, bensì la quantità di lavoro aziendale correttamente completato entro deleghe valide, con conseguenze verificate e costi complessivi di controllo e recupero accettabili. In alcuni processi questo permetterà un’autonomia estesa; in altri richiederà verifiche deterministiche, approvazioni umane o la rinuncia all’azione quando mancano informazioni sufficienti. Fermarsi prima di un’operazione irreversibile, se le premesse sono incerte, può preservare più valore di un’automazione apparentemente efficiente.

Un compito congiunto della direzione, non un nuovo progetto isolato di IA

CEO, CHRO e COO affrontano quindi il medesimo cambiamento da prospettive differenti e complementari. Il primo governa la destinazione strategica del patrimonio conoscitivo e delle capacità produttive; il secondo preserva il capitale umano, l’apprendimento e la legittimità delle forme di collaborazione; il terzo assicura che processi e deleghe producano esiti affidabili anche quando vengono eseguiti da agenti. CIO, CTO e CISO rendono tali scelte implementabili attraverso sistemi autorevoli, integrazione semantica, identità, autorizzazioni, strumenti di esecuzione e controlli indipendenti. Una separazione rigida di queste responsabilità rischierebbe di trasformare una scelta di organizzazione in un semplice acquisto di piattaforme.

L’avvio ragionevole non richiede la costruzione immediata di un cervello aziendale universale. È più utile scegliere un processo nel quale la perdita di conoscenza, i passaggi fra funzioni e i costi di ricostruzione siano osservabili; individuare le fonti autorevoli, le decisioni e le eccezioni; rendere accessibile il contesto pertinente; introdurre agenti entro mandati limitati e confrontare gli esiti con quelli ottenuti attraverso i procedimenti precedenti. Solo in presenza di benefici verificabili è giustificato ampliare il perimetro, evitando di scambiare il numero di interazioni con un modello per un aumento della capacità organizzativa.

La ricerca empirica disponibile invita alla prudenza. Uno studio pubblicato negli atti ICML 2026, fondato su venti casi e su un’indagine presso ottantasei professionisti di sistemi agentici effettivamente distribuiti, rileva che molte implementazioni mantengono sequenze autonome brevi e ricorrono a valutazione umana; il risultato riguarda il campione studiato e non dimostra un limite definitivo della tecnologia, ma conferma la centralità dell’ingegneria di sistema e dell’affidabilità.⁷ Un’impresa cognitiva completa rimane dunque un’ipotesi da verificare, non un prodotto che si possa dichiarare realizzato collegando un modello linguistico ai gestionali.

Il futuro del valore aziendale: un’organizzazione capace di ricordare e di correggersi

L’interesse della teoria dell’impresa cognitiva non risiede nella prospettiva, spesso spettacolarizzata, di società prive di dipendenti o di dirigenti sostituiti da agenti. Risiede in una questione più generale: come rendere durevoli le capacità dell’organizzazione quando cambiano persone, strumenti e condizioni operative. Il cervello aziendale promette di conservare una parte maggiore del contesto in cui il valore è stato creato; gli agenti-colleghi possono aiutare a trasformare quel contesto in lavoro coordinato; le regole di governo garantiscono che la capacità di agire non venga scambiata per un diritto illimitato di decidere.

Il valore aziendale non è protetto da una memoria che accumula informazioni senza comprenderne la provenienza, né da un’automazione che completa rapidamente transazioni senza verificarne le conseguenze. È protetto quando conoscenze e competenze possono essere trasferite senza perdere significato, quando i processi rimangono controllabili anche in presenza di errori e quando le persone conservano la possibilità concreta di contestare interpretazioni sbagliate e di modificare le procedure attraverso autorità legittime. In questo senso, il contributo più originale dell’intelligenza artificiale potrebbe consistere meno nella sostituzione del lavoro e più nella possibilità di progettare la continuità della conoscenza e dell’azione come una proprietà dell’impresa stessa.

Si tratta di una prospettiva che riguarda simultaneamente strategia, risorse umane, operazioni e architettura tecnologica, perché il patrimonio da preservare non è confinato in un reparto: è l’insieme delle relazioni attraverso cui l’azienda sa che cosa sta facendo, perché lo sta facendo e come riconoscere quando deve cambiare rotta. Un’impresa può cominciare a «pensare» in questo senso funzionale senza diventare una persona e senza attribuire sovranità alle macchine; anzi, quanto più estende le proprie capacità cognitive e operative, tanto maggiore diventa la necessità di conservarne governo, limiti e responsabilità.

See also digital transformation longforms

The Firm That Thinks: Company Brains, Agent Coworkers, and the Future of Organizational Autonomy

Toward a theory of organizational cognition, computational agency, and governable enterprise autonomy

AI Adoption, Productivity, and the Missing Middle

A review of Banca d'Italia QEF 1009 on Italy's AI adoption, firm productivity, and policy architecture

Process Mining in Manufacturing with Purchased Components and Variable Lead Times

A practical example of event-log analysis, object-centric modeling, lead-time diagnosis, and planning correction

See also enterprise architecture longforms

The Firm That Thinks: Company Brains, Agent Coworkers, and the Future of Organizational Autonomy

Toward a theory of organizational cognition, computational agency, and governable enterprise autonomy

ArchiMate 4 and the Cartography of Complexity

How ArchiMate 4 simplifies enterprise modeling while enterprise systems grow more complex, shifting the real challenge from notation to semantic governance and operational evidence

Process Mining in Manufacturing with Purchased Components and Variable Lead Times

A practical example of event-log analysis, object-centric modeling, lead-time diagnosis, and planning correction

See also enterprise risk management longforms

The Firm That Thinks: Company Brains, Agent Coworkers, and the Future of Organizational Autonomy

Toward a theory of organizational cognition, computational agency, and governable enterprise autonomy

The EU Machinery Regulation 2023/1230: From Machine Safety to Cyber-Physical Safety

How software, connectivity, cybersecurity, AI, remote access, and digital modification are changing machinery safety

Operational Technology in the Crosshairs: What the 2025–2026 Attacks Reveal About Industrial Cyber Risk

From exposed PLCs and composable trust failures to an IEC 62443-aligned architecture for constraining operational authority, bounding compromise, preserving safe operation, and restoring trusted control

See also machine learning longforms

The Firm That Thinks: Company Brains, Agent Coworkers, and the Future of Organizational Autonomy

Toward a theory of organizational cognition, computational agency, and governable enterprise autonomy

What Kind of Thing Is an Alien Mind?

Reading Jakub Pachocki on intelligence, agency, alignment, opacity, and recursive self-improvement

AI Adoption, Productivity, and the Missing Middle

A review of Banca d'Italia QEF 1009 on Italy's AI adoption, firm productivity, and policy architecture

See also software systems longforms

The Firm That Thinks: Company Brains, Agent Coworkers, and the Future of Organizational Autonomy

Toward a theory of organizational cognition, computational agency, and governable enterprise autonomy

VEX Standards from First Principles

From software inventories and SBOM evidence to defensible, product-specific vulnerability-exploitability decisions, interoperable VEX exchange, lifecycle governance, and Cyber Resilience Act compliance across CISA, CSAF, CycloneDX, SPDX, and OpenVEX

See also posts

Beyond the Theorem Race: Is AI's Jagged Scientific Frontier Flattening?

From competing mathematical discovery systems to theoretical physics, software verification, and the recovery of mathematical knowledge

The Machines That Find the Flaws

Frontier AI, agentic cybersecurity operations, and the transition from vulnerability discovery to verifiable security

After the Enormous Theorem: Verification, Discovery, and the Missing Layer of Understanding

Axiom’s formalization, OpenAI and Anthropic’s discoveries, Yang–Mills scrutiny, and compute-allocable mathematics

Mistral and the European AI Frontier

How much technological sovereignty does model competitiveness buy?

Math 2.0 Gets an Operating System: Can Open Math OS Build Mathematics Beyond the Theorem Factory?

From mathematical AI agents to durable knowledge and independent research institutions

MITRE ATT&CK v20: AI, Critical Infrastructure, and the Evolution of Detection Engineering

The October 2026 release as a test of behavioral knowledge, trust boundaries, and defensive evidence

Footnotes

1. Puranam, P. (2021). Human–AI collaborative decision-making as an organization design problem. Journal of Organization Design, 10(2), 75–80. DOI.

2. Hutchins, E. (1995). Cognition in the wild. MIT Press. Scheda dell’editore.

3. Coase, R. H. (1937). The nature of the firm. Economica, 4(16), 386–405. DOI.

4. Aldasoro, I., Gambacorta, L., Pál, R., Revoltella, D., Weiss, C., & Wolski, M. (2026). AI adoption, productivity and employment: Evidence from European firms (EIB Working Paper, 2026/02). European Investment Bank. DOI. I risultati dello studio sono condizionati al campione e alla strategia empirica utilizzata.

5. Parlamento europeo e Consiglio dell’Unione europea. (2022). Direttiva (UE) 2022/2555 relativa a misure per un livello comune elevato di cibersicurezza nell’Unione. Gazzetta ufficiale dell’Unione europea, L 333, 80–152. Testo ufficiale. In particolare, articoli 20 e 21; le disposizioni si applicano ai soggetti compresi nell’ambito della disciplina, secondo il quadro di recepimento pertinente.

6. Eurofound. (2026). Algorithmic management in European workplaces. Publications Office of the European Union. DOI. Rapporto pubblicato il 29 ottobre 2026, basato sull’European Working Conditions Survey 2024; le associazioni osservate non costituiscono automaticamente effetti causali.

7. Pan, M., Arabzadeh, N., Cogo, R., Zhu, Y., Xiong, A., Agrawal, L. A., Mao, H., Shen, E., Pallerla, S., Patel, L., Liu, S., Shi, T., Liu, X., Davis, J. Q., Lacavalla, E., Basile, A., Yang, S., Castro, P., Kang, D., … Ellis, M. (2026). Measuring agents in production. Proceedings of the 43rd International Conference on Machine Learning. Proceedings of Machine Learning Research, 306, 95649–95695. Pubblicazione scientifica.