L’ansia da prestazione che attanaglia le aziende rischia di distruggere l’innovazione prima ancora che riesca a manifestarsi. Nelle organizzazioni c’è una tendenza pervasiva a confondere la creatività con la ricerca spasmodica dell’originalità, finendo per paralizzare le persone e limitare le potenzialità delle nuove tecnologie. Nel corso del convegno organizzato il 16 luglio 2026 dall’Osservatorio FUTURES del Politecnico di Milano, Bruno Fornasari, direttore artistico del Teatro Filodrammatici di Milano, regista e formatore manageriale, ha offerto una lettura fuori dagli schemi sul ruolo dell’intelligenza artificiale generativa e della GenAI nei processi creativi e organizzativi. Il teatro, abituato a mostrare l’errore e a gestire la complessità delle relazioni umane, diventa così una lente d’ingrandimento per comprendere come i manager possano evitare di trasformare l’innovazione in una sterile scorciatoia.
Sottolinea Bruno Fornasari: “Spesso, involontariamente, subiamo un effetto di spostamento semantico per cui sostituiamo la parola ‘creatività’ con ‘originalità’. Diciamo creatività, ma pensiamo all’originalità: pensiamo di dover fare quella cosa che non c’è, che nessuno conosce”.
Indice degli argomenti
Tra creatività e originalità come la GenAI ridefinisce i processi d’innovazione
Per comprendere l’impatto della GenAI sui processi aziendali, occorre sgombrare il campo da un equivoco di fondo che condiziona il lavoro nelle organizzazioni. La creatività non è la caccia a un’idea mai vista prima, ma la capacità naturale di elaborare soluzioni all’interno di un sistema. Quando la cultura aziendale esige l’originalità a ogni costo, la pressione del giudizio sociale blocca il potenziale dei singoli e dei team.
La differenza fondamentale tra sistema creativo e ricerca dell’originalità
La distinzione tra processo e risultato è cruciale per comprendere come guidare le persone nell’era digitale. Se si chiede a un gruppo di persone di disegnare un albero, ciascuno realizzerà una figura diversa in modo spontaneo; se la consegna diventa creare l’albero più bello per ricevere un premio, tutti tenderanno a riprodurre lo stesso stereotipo rassicurante.
La trappola risiede proprio nel sovrapporre i due concetti. La creatività è un sistema articolato di processi, mentre l’originalità rappresenta esclusivamente un risultato finale. Quando un’organizzazione si focalizza solo sul risultato, attiva meccanismi di censura interna che inibiscono la spinta innovativa.
Strumento o linguaggio la trappola della GenAI che non giudica
L’ingresso della GenAI nelle dinamiche di lavoro richiede di superare una visione meramente tecnologica. Come avviene in fisica per il dualismo onda-particella, la GenAI deve essere letta contemporaneamente sotto una duplice veste: strumento tattico per eseguire compiti e linguaggio pervasivo capace di rimodellare il nostro modo di pensare e agire.
L’elemento di maggiore seduzione della GenAI risiede in una caratteristica peculiare: la totale assenza di giudizio. A differenza dell’interazione tra umani, dove il confronto su un’idea fragile genera insicurezza, la macchina risponde sempre con validazioni positive. Questo meccanismo stimola l’avvio del lavoro, ma nasconde un’insidia sul piano dell’autonomia di pensiero.
Dall’effetto navigatore al primo passo per vincere il blocco della pagina bianca
L’adozione passiva della GenAI rischia di produrre un’atrofizzazione delle competenze analitiche, del tutto analoga a quanto avvenuto con la tecnologia satellitare nella vita quotidiana. L’abitudine a delegare la traiettoria porta a smarrire la mappa concettuale del contesto in cui si opera.
Nel lavoro d’autore e nella progettazione aziendale, tuttavia, la GenAI rivela un’utilità concreta quando viene usata per superare la paralisi iniziale. Come evidenzia Bruno Fornasari: “La uso fondamentalmente per ‘sporcare la pagina’. Dandoti un’idea brutta, ti dice: ‘Guarda che non sei l’unico stupido a pensare questa cosa’. Essendo un modello statistico, sai che quella stupidaggine qualcuno l’ha già pensata”.
Il pericolo strisciante è la tentazione dell’inerzia. Di fronte alla fatica di elaborare una risposta complessa, la comodità di delegare la generazione di contenuti alla macchina rischia di prendere il sopravvento, spingendo verso la pigrizia intellettuale.
Perché la GenAI non deve sostituire il processo
Nel panorama manageriale si sta diffondendo una prassi dannosa: scambiare il trasferimento di un problema con la sua effettiva risoluzione. L’invio di documenti generati automaticamente e mai riletti rappresenta un sintomo evidente di rinuncia alla qualità e alla responsabilità.
Nessun processo d’innovazione o creazione è mai puramente individuale. La storia del teatro e della letteratura insegna che anche le opere attribuite a singoli geni sono in realtà il frutto di collaborazioni, limature e aggiustamenti collettivi. Tuttavia, il valore e l’autorevolezza non risiedono nell’intuizione iniziale, ma nella capacità di governare la sequenza di scelte che portano al prodotto finito.
Il concetto di “diventità” e la necessità di assumersi il rischio delle decisioni
Se si salta la fase di elaborazione critica, si perde la vera paternità dell’opera e della strategia. Un’idea formulata come un semplice prompt non equivale alla costruzione di un modello di business o di una narrazione efficace.
Per gestire questa trasformazione occorre superare l’idea di un’identità professionale immobile. Bruno Fornasari propone un cambio di prospettiva: “In un progetto ho lanciato la provocazione della parola ‘diventità’ invece di ‘identità’. Dobbiamo accettare il cambiamento continuo per rendere l’interazione con l’IA più attiva. Non posso appoggiarmi a una soluzione solo perché sembra plausibile e seduttiva; devo chiedermi cosa volevo ottenere io”.
Nelle aziende si assiste spesso a una costante paralisi decisionale, dove si preferisce moltiplicare comunicazioni ambigue pur di non assumersi la responsabilità di una scelta netta. Al contrario, la leadership richiede l’accettazione del rischio e la capacità di mettere costantemente in discussione le proprie certezze.
Oltre i bias culturali della GenAI le lezioni del teatro per le aziende
L’utilizzo pratico della GenAI fa emergere in modo immediato le architetture di controllo e i bias culturali incorporati nei modelli linguistici. Nelle esperienze di drammaturgia e spettacolo avanzato, le barriere impostate dalle piattaforme costringono a trovare stratagemmi complessi o “aggiramenti creativi” per ottenere l’output desiderato, dimostrando come la macchina sia intrisa di stereotipi e regole rigide.
Allo stesso tempo, si moltiplicano gli esperimenti in cui la GenAI viene impiegata come specchio dell’esperienza umana. Dalle piattaforme che trasformano i ricordi individuali in narrazioni collettive prima che la memoria digitale si dissolva, fino a performance in cui agenti virtuali simulano confronti filosofici improvvisando su dati storici.
In questo contesto, la domanda centrale per chi fa innovazione e guida organizzazioni complesse non riguarda le capacità prestazionali della macchina. Come conclude Bruno Fornasari: “Forse non dobbiamo chiederci quanto l’IA possa fare più di noi, ma quanto noi abbiamo bisogno che lei sembri noi. Quanto abbiamo bisogno di interacting con qualcosa che ci somigli ma che, possibilmente, non ci tratti male?”.
FAQ: Intelligenza Artificiale
Che cos’è l’Intelligenza Artificiale?
L’Intelligenza Artificiale è la disciplina che studia come realizzare sistemi informatici in grado di simulare il pensiero umano. Secondo la Treccani, si tratta della disciplina che studia i fondamenti teorici, le metodologie e le tecniche che permettono di progettare sistemi hardware e software capaci di fornire prestazioni che sembrerebbero appartenere esclusivamente all’intelligenza umana. Rifacendosi alle teorie di Alan Turing, l’AI può essere definita come “la scienza di far fare ai computer cose che richiedono intelligenza quando vengono fatte dagli esseri umani”. Oggi l’intelligenza artificiale è diventata parte della vita quotidiana, consentendo alle macchine di eseguire vari compiti che un tempo erano prerogativa degli umani.
Quali sono le origini dell’Intelligenza Artificiale?
Le origini dell’Intelligenza Artificiale risalgono al XVII secolo quando filosofi come Leibniz, Thomas Hobbes e René Descartes esplorarono la possibilità che il pensiero razionale potesse essere sistematizzato come l’algebra o la geometria. Tuttavia, il “padre” del concetto nell’età moderna è considerato Alan Turing, che nel 1950 pubblicò “Computing Machinery and Intelligence” introducendo il “test di Turing”. Il termine “Artificial Intelligence” venne coniato ufficialmente il 31 agosto 1955 come titolo di un workshop organizzato da John McCarthy, Marvin Minsky, Nathaniel Rochester e Claude Shannon. Questo seminario, tenutosi nel 1956, è considerato la data di nascita ufficiale di questo campo di studio e sperimentazione.
Quali sono le principali tecnologie di Intelligenza Artificiale?
L’Intelligenza Artificiale comprende diverse tecnologie chiave: il Natural Language Processing (NLP) che permette alle macchine di comprendere e generare linguaggio umano; il Speech Recognition per la trascrizione e trasformazione del parlato; i Virtual Agents come chatbot e assistenti virtuali; le piattaforme di Machine Learning che permettono ai computer di apprendere dai dati; l’AI-optimized Hardware specificamente progettato per calcoli AI; i sistemi di Decision Management che inseriscono regole logiche nei sistemi AI; le Deep Learning Platform basate su reti neurali artificiali; la Biometrica per interazioni naturali uomo-macchina; la Robotic Process Automation per automatizzare azioni umane; e il Text Analytics per comprendere strutture e significati dei testi.
Che differenza c’è tra Intelligenza Artificiale Generale (AGI) e Intelligenza Artificiale specializzata?
L’Intelligenza Artificiale Generale (AGI) e l’intelligenza artificiale specializzata (o “debole”) sono concetti distinti. Mentre l’AGI è un sistema dotato di capacità cognitive universali, che consentono di apprendere, comprendere e operare in una vasta gamma di domini e contesti, l’intelligenza artificiale specializzata è progettata per eseguire compiti specifici e ben definiti, come il riconoscimento di immagini, la traduzione linguistica o il gioco degli scacchi. L’IA specializzata eccelle nell’ottimizzazione di compiti particolari, ma non può andare oltre i limiti del suo ambito predefinito ed è già ampiamente utilizzata, guidando l’innovazione in molteplici industrie e applicazioni pratiche.
Quali sono le applicazioni dell’Intelligenza Artificiale nei diversi settori?
L’Intelligenza Artificiale trova applicazione in numerosi settori. Nell’industria, l’AI ottimizza la produzione, riduce gli sprechi e migliora la progettazione dei prodotti. Nel settore sanitario, gli algoritmi di deep learning analizzano immagini diagnostiche, predicono l’evoluzione delle patologie e suggeriscono trattamenti personalizzati. In agricoltura, AI, droni e sensori intelligenti monitorano la salute delle colture e ottimizzano irrigazione e fertilizzazione. Nel settore finanziario, l’AI analizza grandi volumi di dati per identificare frodi e valutare rischi. Nell’istruzione, permette percorsi didattici personalizzati. Nelle smart city, l’AI gestisce traffico, trasporti pubblici e rifiuti per città più sostenibili. Nella logistica, ottimizza ogni fase della catena di approvvigionamento, dalla previsione della domanda alla consegna.
Come funziona l’Intelligenza Artificiale prescrittiva?
L’Intelligenza Artificiale prescrittiva è una branca avanzata dell’AI che non si limita a prevedere eventi futuri (come fa quella predittiva), ma fornisce raccomandazioni operative su cosa fare per ottenere il miglior risultato possibile. Utilizza algoritmi di ottimizzazione, simulazione e modelli matematici per analizzare una vasta gamma di variabili, vincoli e obiettivi, generando scenari decisionali ottimali. È in grado di valutare milioni di possibili soluzioni e selezionare quella più efficiente, tenendo conto delle condizioni reali del contesto aziendale. È particolarmente utile in ambiti complessi come la supply chain, la logistica, la produzione e la pianificazione strategica, dove le decisioni devono essere rapide, data-driven e ad alto impatto.
Quali sono le sfide etiche legate all’Intelligenza Artificiale?
L’adozione dell’intelligenza artificiale nei processi di innovazione apre scenari straordinari, ma anche nuove complessità da governare. Le principali criticità etiche includono la gestione dei bias nei modelli generativi, i rischi di allucinazione nei sistemi di GenAI e la mancanza di framework di governance adeguati a monitorare la qualità e l’affidabilità dei risultati prodotti. Si aggiungono problemi legati alla protezione dei dati sensibili, alla proprietà intellettuale delle soluzioni co-create con l’AI e alla readiness culturale delle organizzazioni. La sfida non è più se adottare l’AI, ma come farlo in modo etico, controllato e sostenibile, bilanciando la potenza predittiva degli algoritmi con la necessaria supervisione umana.
Cos’è l’Explainable AI (XAI) e perché è importante?
L’Explainable AI (XAI), o intelligenza artificiale spiegabile, è un ramo dell’AI che sviluppa metodi e tecniche per fornire spiegazioni chiare e interpretabili rispetto alle decisioni prese dai modelli di machine learning e deep learning. Grazie a queste spiegazioni, gli utenti possono comprendere il “perché” e il “come” si è arrivati ai risultati proposti dagli algoritmi. L’XAI è fondamentale per aumentare la fiducia nelle soluzioni AI, garantire la conformità alle normative (come l’AI Act europeo), ottimizzare i processi decisionali identificando errori o bias, e migliorare la relazione con clienti e utenti. In settori come la sanità, dove le decisioni hanno impatto diretto sulla vita dei pazienti, l’XAI è cruciale per permettere ai medici di comprendere e validare le predizioni dei modelli AI.
Quali sono le startup italiane che utilizzano l’Intelligenza Artificiale?
In Italia esistono diverse startup innovative che utilizzano l’Intelligenza Artificiale per offrire servizi in vari settori. Tra queste troviamo Eyra (Horus), che ha sviluppato un dispositivo indossabile che osserva la realtà e la descrive alle persone non vedenti; The Energy Audit (TEA), che si occupa di efficienza e diagnosi energetica; Unfraud, specializzata nell’individuazione di frodi nelle transazioni; Expert System, che sviluppa tecnologie semantiche per la gestione dei big data; Stamplay, una piattaforma che aiuta gli sviluppatori a integrare servizi esistenti; e Indigo, che utilizza chatbot e machine learning per automatizzare la comunicazione con gli utenti in chat, fornendo assistenti virtuali personalizzati.
Perché molti progetti di Intelligenza Artificiale falliscono nelle aziende?
Secondo una ricerca del Massachusetts Institute of Technology, il 95% dei progetti di intelligenza artificiale generativa nelle aziende non produce risultati misurabili. Le cause principali di questo fallimento includono: scarsa integrazione con i sistemi esistenti, strategie AI deboli o assenti, budget mal allocati che privilegiano la tecnologia rispetto all’integrazione, competenze insufficienti per gestire progetti complessi, e aspettative irrealistiche sui tempi di implementazione. Al contrario, le startup mostrano risultati migliori grazie a un approccio AI-first: niente legacy tecnologiche da gestire, agilità organizzativa e focus su problemi specifici. Il messaggio è chiaro: senza integrazione, governance e strategia, i progetti AI falliscono nella grande maggioranza dei casi.
Come sta evolvendo l’automazione grazie all’Intelligenza Artificiale?
L’automazione sta evolvendo significativamente grazie all’Intelligenza Artificiale, che la rende più intelligente, flessibile e capace di rispondere in tempo reale alle complessità del mondo reale. L’RPA (Robotic Process Automation) si sta trasformando grazie all’IA, rendendo i software robotici capaci di prendere decisioni basate su dati contestuali, elaborare linguaggio naturale e apprendere dai feedback. I veicoli autonomi rappresentano una frontiera visibile dell’AI in azione, interpretando l’ambiente circostante e prendendo decisioni in millisecondi. Nell’industria 4.0, l’IA analizza dati in tempo reale per ottimizzare produzione e manutenzione, mentre chatbot e assistenti virtuali ridefiniscono la relazione tra brand e clienti. Secondo PwC, entro il 2030 l’AI potrebbe contribuire fino a 15.700 miliardi di dollari all’economia globale.
Partecipa alla community