AI-first company

Riprogettazione dei processi · Esplorare

Mappi le attività prima di decidere cosa automatizzare

Scomponga i ruoli in attività ed esamini ciascuna. Esistono punteggi pubblicati che misurano quanta parte di una professione l’IA potrebbe svolgere: la sua “esposizione”. Tratti un punteggio alto come un punto da guardare, non come una decisione di automatizzare.

Autore
Ultima revisione
Correzioni
Segnala un errore
Quando Prima di tutto. Prima di iniziare con l’IA, o mentre inizia.
Impegno Basso (giorni, una persona)
Prove Moderate Controverse

Diversi studi, basati su grandi banche dati di attività, concordano: l’IA tocca singole attività all’interno delle professioni, e l’esposizione non prevedeva cosa sarebbe successo alle professioni prima degli attuali chatbot di IA. Dati più recenti sulle buste paga dei giovani lavoratori negli Stati Uniti vanno nella direzione opposta. Nessuno studio ha verificato se le aziende che mappano prima le attività ottengano risultati migliori.

Adatta a
Settori Tutti i settori
Nella guida Medie impreseStrumenti e sistemi per dimensione

Di che cosa si tratta

Prima di decidere cosa automatizzare, elenchi le attività di un ruolo o di un processo e valuti ciascuna. Un lavoro è un insieme di attività. L’IA può svolgerne alcune, aiutare in altre ed è inutile per le restanti. “Esposizione” è il termine usato dai ricercatori per indicare quanta parte di una professione l’IA potrebbe, in linea di principio, svolgere.

Che cosa mostrano le prove

  • Poche professioni si possono automatizzare del tutto. Uno studio che ha dato un punteggio a 18.156 attività ha trovato che quasi tutte le professioni contengono alcune attività che l’apprendimento automatico potrebbe svolgere, e che poche si potrebbero automatizzare del tutto. Per ottenere il beneficio di solito bisogna riprogettare il lavoro.
  • Di norma l’IA aiuta, non sostituisce. Una stima mondiale dell’Organizzazione internazionale del lavoro prevede che l’IA generativa aiuterà soprattutto le persone nel loro lavoro. Il lavoro d’ufficio è il più esposto.
  • L’esposizione non prevede la perdita di posti di lavoro. In 23 paesi, le professioni più esposte all’IA non hanno perso occupazione nel complesso. Dove l’uso del computer era alto, una maggiore esposizione andava insieme a una crescita più rapida dell’occupazione. Quello studio usava dati precedenti agli attuali chatbot di IA. Dal 2022 le prove sono controverse. Nei dati delle buste paga statunitensi, l’occupazione dei 22–25enni nelle professioni più esposte è circa il 19% sotto la tendenza. Il monitoraggio dello Yale Budget Lab non trova uno sconvolgimento chiaro nell’economia statunitense.
  • Esposizione non vuol dire uso. I punteggi di esposizione mostrano cosa l’IA potrebbe fare, non per cosa viene usata. Un recente documento di lavoro lo dice in modo esplicito.

Esistono punteggi pubblici per intere professioni, come l’AI Occupational Exposure measure. Descrivono una professione tipica. Il suo contabile o il suo pianificatore possono svolgere attività diverse.

Come si fa

  1. Scelga un ruolo o un processo da cui iniziare.
  2. Elenchi le sue attività insieme alle persone che le svolgono. Le descrizioni dei ruoli di solito non sono aggiornate. Chieda a ogni persona quali attività vorrebbe automatizzare, e perché. In uno studio in cui 1.500 lavoratori statunitensi hanno valutato 844 attività, erano favorevoli ad automatizzarne il 46,1%. Più spesso volevano l’IA come un partner alla pari. Nel 47,5% delle attività volevano un coinvolgimento umano maggiore di quello che gli esperti di IA ritenevano necessario. Lo studio è una versione preliminare, non ancora sottoposta a revisione tra pari.
  3. Per ogni attività, annoti quanto spesso si svolge, quanto tempo richiede e cosa succede quando è svolta male.
  4. Valuti separatamente: l’IA potrebbe svolgerla? La sua azienda potrebbe metterla in funzione e mantenerla? L’attività richiede il giudizio, le relazioni o la responsabilità di una persona?
  5. Segni ogni attività: automatizzare, aiutare o lasciare com’è.
  6. Controlli se nell’elenco “automatizzare” ci sono attività su cui imparano i più giovani.
  7. Prima di tagliare ruoli, controlli le tracce di come si svolge davvero il lavoro: straordinari, lunghezza delle code e quanto spesso intervengono capisquadra o altre persone. Veda il riquadro qui sotto.
  8. Inizi con poche attività e misuri.

Tracce da controllare prima di tagliare ruoli

In Commonwealth Bank of Australia, la banca ha detto che 45 posti nell’assistenza clienti sarebbero stati eliminati e sostituiti da un assistente vocale con l’IA. Il sindacato ha indicato il volume crescente delle chiamate, gli straordinari offerti e i capisquadra che rispondevano alle chiamate. La banca ha poi detto che la sua valutazione era stata un “error” [“errore”] e che quei posti non erano in esubero. I registri di straordinari, code e passaggi di pratiche a un livello superiore mostrano se il lavoro è davvero sparito. Li controlli prima di eliminare un ruolo.

Che cosa misurare

  • La quota del tempo di lavoro in ciascun gruppo: automatizzare, aiutare, lasciare com’è.
  • Per le attività che cambia, tempo e qualità prima e dopo.

Dove non funziona

  • Leggere il punteggio come una previsione. Un punteggio di esposizione alto non significa che una professione sparirà. Trattarlo così allarma il personale senza motivo.
  • Mappare all’infinito. Una mappa è utile quando porta a un primo cambiamento entro poche settimane.
  • Mappe superate. Ciò che l’IA sa fare cambia in fretta. Ripeta la valutazione quando cambiano gli strumenti.

Per dimensione dell’azienda

  • Micro e piccole imprese: un pomeriggio davanti a una lavagna basta per un intero ruolo.
  • Medie imprese e oltre: mappi un processo dall’inizio alla fine prima di mappare tutta l’azienda. I punteggi pubblici di esposizione possono aiutarla a scegliere da dove iniziare.

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.

La veda applicata

Casi aziendali

Aziende che l’hanno fatto

Cosa è successo senza questa pratica

Fonti

  1. Brynjolfsson, Mitchell and Rock (2018). What Can Machines Learn and What Does It Mean for Occupations and the Economy?. AEA Papers and Proceedings, 108, 43–47. Cosa ha fatto e cosa ha trovato questo studio
  2. Felten, Raj and Seamans (2021). Occupational, industry, and geographic exposure to artificial intelligence: A novel dataset and its potential uses. Strategic Management Journal, 42(12), 2195–2217. Cosa ha fatto e cosa ha trovato questo studio
  3. Gmyrek, Berg and Bescond (2023). Generative AI and jobs: A global analysis of potential effects on job quantity and quality. International Labour Organization. Cosa ha fatto e cosa ha trovato questo studio
  4. Georgieff and Hyee (2022). Artificial Intelligence and Employment: New Cross-Country Evidence. Frontiers in Artificial Intelligence, 5, 832736. Cosa ha fatto e cosa ha trovato questo studio
  5. Sedai (2026). Exposure Is Not Adoption: Measuring Generative AI and Labor Demand. SSRN working paper. Cosa ha fatto e cosa ha trovato questo studio
  6. Brynjolfsson, Chandar and Chen (2025). Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence. Stanford Digital Economy Lab working paper (revised 12 August 2026). Limita o contraddice questa pratica. Cosa ha fatto e cosa ha trovato questo studio
  7. Shao, Zope, Jiang, Pei, Nguyen, Brynjolfsson and Yang (2026). Future of Work with AI Agents: Auditing Automation and Augmentation Potential across the U.S. Workforce. arXiv 2506.06576. Preprint, not peer-reviewed. arxiv.org
  8. The Budget Lab at Yale (updated September 2026). Tracking the Impact of AI on the Labor Market. budgetlab.yale.edu
  9. Information Age (21 August 2025). CBA reverses AI-driven job cuts, admits error. ia.acs.org.au