Valuti la preparazione da più fonti, non dal giudizio di un solo dirigente

Di che cosa si tratta

La maggior parte dei controlli sulla preparazione all’IA è un questionario compilato da un solo dirigente. Raccolga invece tre tipi di risposta: ciò che dicono i vertici, ciò che dice il personale e ciò che lei può osservare o verificare.

Che cosa mostrano le prove

La maggior parte dei modelli registra il punto di vista dall’alto. I ricercatori notano che molti modelli di maturità registrano soprattutto le opinioni dell’alta direzione, non risultati misurabili.
Le opinioni cambiano con il livello. In un’azienda finanziaria, dipendenti e superiori descrivevano in modo diverso le competenze digitali delle stesse persone.
Le autovalutazioni sbagliano. In uno studio su 629 studenti, le competenze digitali autovalutate erano diverse dai punteggi ai test, in misura non dovuta al caso. Alcuni si valutavano troppo in alto, altri troppo in basso.
L’uso personale non è la preparazione dell’azienda. In un’indagine su 179 dirigenti in Polonia, l’83% usava l’IA ogni giorno, mentre circa il 70% delle loro organizzazioni non era andato oltre i progetti pilota. I dirigenti che sapevano di più sull’IA giudicavano la propria organizzazione con più severità.
Ciò che l’azienda sa fare conta più delle sue dimensioni. KfW, la banca pubblica di sviluppo tedesca, ha chiesto a circa 6.800 piccole e medie imprese se usavano l’IA. Una volta che l’analisi ha tenuto conto dei laureati assunti, dell’innovazione, della ricerca e di una strategia digitale, dimensioni e settore contavano poco. Un’impresa senza laureati e senza innovazione aveva una probabilità dell’8% di usare l’IA. Un’impresa con attività continua di ricerca e sviluppo aveva il 38%. Nell’indagine della Banca centrale europea su 5.067 imprese dell’area dell’euro, il 41% delle microimprese non usava alcuna IA, contro il 13% delle grandi imprese. Ma circa il 7–8% delle imprese faceva un uso significativo dell’IA a ogni dimensione. Valuti ciò che l’azienda sa fare, non quanto è grande.

L’ultimo risultato conta soprattutto per chi compila il modulo. Un dirigente che usa l’IA ogni giorno può pensare che l’azienda sia più avanti di quanto è. Uno che ne sa poco può non vedere le lacune.

Come si fa

Scelga un questionario sulla preparazione. Va bene qualunque questionario ragionevole. L’AI Capability scale è libera ed è stata verificata.
Lo faccia compilare separatamente da almeno tre gruppi: vertici aziendali, responsabili intermedi e personale operativo.
Aggiunga fatti che non dipendono dalle opinioni: quanti usi dell’IA sono in funzione ogni giorno, quanti dipendenti hanno completato la formazione, i risultati dei test, e se l’azienda porta avanti progetti di innovazione o ha una strategia digitale.
Metta le risposte una accanto all’altra. Guardi dove i gruppi non sono d’accordo.
Discuta le differenze con tutti e tre i gruppi nella stessa stanza. Le differenze sono il risultato.
Ripeta dopo sei-dodici mesi.

Che cosa misurare

La differenza tra i gruppi su ogni domanda.
La differenza tra ciò che le persone dicono e i fatti che ha raccolto.

Dove non funziona

Fare la media delle risposte. Una media nasconde il disaccordo, che è la parte utile.
Troppi questionari. Lo tenga breve. Un modulo lungo compilato di fretta è peggio di uno breve compilato con onestà.
Nessun modo sicuro di dissentire. Se le risposte non sono anonime, il personale ripeterà il punto di vista del proprio responsabile.

Per dimensione dell’azienda

Medie imprese: un incontro di un’ora con un gruppo misto può sostituire il questionario.
Medio-grandi e grandi imprese: lo faccia per unità di business. Le unità differiscono più di quanto suggeriscano le medie aziendali.

Strumenti diagnostici per questa pratica

Sono questionari, test e guide già esistenti che può usare. Ogni scheda indica la domanda a cui risponde, chi risponde e se può usarlo liberamente. Tutti gli strumenti diagnostici.

Fonti

Silva, São Mamede and Santos (2024). A new proposed model to assess the digital organizational readiness to maximize the results of the digital transformation in SMEs. Journal of Innovation & Knowledge, 10(1), 100644. Cosa ha fatto e cosa ha trovato questo studio
Rogacka (2022). Digital skills in the workplace – from the employees’ and supervisors’ perspective. e-mentor, 5(97), 53–64. Cosa ha fatto e cosa ha trovato questo studio
Luna, Ocaña, Ortiz-Colón and Rodríguez Moreno (2026). From Self-Perception to Reality in Digital Competence: Findings from the DigComp 2.2 Framework. The Electronic Journal of e-Learning, 24(3), 137–153. Cosa ha fatto e cosa ha trovato questo studio
Wojewodzic (2026). AI Transformation in Polish Organisations: The Gap Between Individual Adoption and Organisational Maturity. e-mentor, 2(114), 75–83. Cosa ha fatto e cosa ha trovato questo studio
Zimmermann (KfW Research) (2026). Einsatz von Künstlicher Intelligenz vor allem in Unternehmen mit hohen Innovations- und Digitalisierungsaktivitäten. KfW Research, Fokus Volkswirtschaft No. 533 (11 February 2026), with No. 554 (29 July 2026). Cosa ha fatto e cosa ha trovato questo studio
Ferrando, Lamboglia, Rariga and Schmidt (2026). Adoption and investment in AI across the euro area: Insights from harmonised firm-level data. European Central Bank, Occasional Paper Series No 395. Cosa ha fatto e cosa ha trovato questo studio

Affermazioni su questo tema, verificate con questi studi:

“L’AI Maturity Matrix di BCG mostra quanto sono mature le aziende” Da correggere
“MIT Sloan mostra che gli ostacoli alla trasformazione digitale sono soprattutto culturali” Nessun riscontro
“Solo il 13% delle aziende è pronto per l’IA” Da correggere