Il 74% delle aziende dichiara di non riuscire a tenere il passo con la domanda interna di nuove competenze. Il dato viene dalla ricerca più recente della Josh Bersin Company, pubblicata a febbraio 2026, che ha coinvolto oltre 800 responsabili L&D (Learning & Development) a livello globale. È un numero che va messo in prospettiva: la spesa mondiale in formazione aziendale ha raggiunto i 400 miliardi di dollari. Si spende di più, si ottiene meno. E la ragione, nella mia esperienza, è quasi sempre la stessa: si compra formazione AI come se fosse un prodotto da scaffale, senza prima capire a che punto si è come organizzazione.
Nell’ultimo anno ho osservato aziende che operano nello stesso settore, con budget comparabili e accesso agli stessi fornitori, ottenere risultati radicalmente diversi dalla formazione AI. La differenza non stava nel contenuto dei corsi. Stava nel livello di maturità organizzativa da cui partivano. Un catalogo di corsi AI, per quanto ben costruito, non risolve questo problema. Lo nasconde.
Indice degli argomenti
AI, il catalogo universale e l’illusione della copertura
La risposta più frequente che le aziende danno alla pressione sull’intelligenza artificiale è l’acquisto massivo di licenze per piattaforme di e-learning. È una mossa comprensibile: veloce, scalabile, difendibile internamente. Il CHRO (Chief Human Resources Officer) può presentare al board un numero di ore erogate, un tasso di completamento, un investimento quantificabile. Il problema è che questi numeri misurano l’esposizione, non l’apprendimento.
Il report GoodHabitz 2025 fotografa la contraddizione: l’88% delle organizzazioni consente già l’uso di strumenti AI, ma il 67% dei dipendenti si sente impreparato a lavorarci in modo efficace. E il 61% di chi ha ricevuto formazione sull’AI la considera insufficiente o troppo generica. Le persone usano l’AI ogni giorno, spesso senza guida e senza governance, e parallelamente completano corsi che non hanno alcun collegamento con i problemi che affrontano nei loro ruoli specifici.
C’è un dato ancora più interessante, riportato da Absorb Software: i dipendenti stanno cominciando a usare strumenti di AI agentica per completare i moduli formativi al posto loro. L’AI che dovrebbe essere oggetto della formazione diventa lo strumento per aggirarla. Se un corso può essere completato da un bot, quel corso non stava insegnando nulla che un bot non sappia già fare. E allora a cosa serviva?
AI fluency: quattro stadi e quattro esigenze diverse
La ricerca Bersin 2026 propone un modello di maturità a quattro livelli che, nella mia esperienza, descrive con precisione lo spettro di situazioni che vedo spesso.
Il primo stadio è la formazione statica
Corsi di compliance, erogazione top-down, completamento obbligatorio. Circa il 30% del mercato globale si trova qui. In Italia la percentuale è verosimilmente più alta. Le imprese italiane dedicano alla formazione meno dell’1% del fatturato, contro il 2-3% di Francia e Germania e il 4% degli Stati Uniti (Fonte: studio Agenda Digitale / SkillHR 2026). Solo il 36% degli adulti italiani tra 25 e 64 anni ha seguito un’attività formativa nell’ultimo anno, contro quasi uno su due nella media europea (Fonte: Osservatorio Proxima, Rapporto Formazione e Lavoro 2025). Un’azienda a questo stadio non ha bisogno di un corso su prompt engineering. Ha bisogno di capire perché le persone non usano gli strumenti digitali che ha già comprato.
Il secondo stadio è la formazione scalata
L’azienda aggiunge video, contenuti on-demand, piattaforme con librerie estese. Il 46% del mercato globale opera qui, secondo Bersin. È lo stadio dei cataloghi LinkedIn Learning, Coursera, Skillsoft. L’offerta è ampia, la personalizzazione è minima, la connessione con i processi reali dell’organizzazione è quasi assente. Un’azienda a questo stadio ha bisogno di selezionare, non di accumulare. Ha bisogno di capire quali competenze AI servono a quali ruoli, e costruire percorsi differenziati per funzione, non corsi uguali per tutti.
Il terzo stadio è lo sviluppo integrato
La formazione si allinea ai ruoli, alle capability, ai percorsi di carriera. I programmi non sono più episodici: sono collegati alla strategia dell’organizzazione. Poche aziende ci arrivano. Quelle che ci arrivano hanno in genere una funzione L&D con un mandato chiaro dal vertice e una mappatura delle competenze aggiornata. Un’azienda a questo stadio ha bisogno di co-progettazione: lavorare con le linee di business per costruire percorsi formativi che risolvano problemi operativi reali, non che trasmettano conoscenze generiche.
Il quarto stadio è l’abilitazione dinamica
Bersin lo chiama “dynamic enablement” ed è il livello AI-native. Non si tratta di usare l’AI per costruire corsi più velocemente. Si tratta di sostituire l’intero paradigma del corso con sistemi che generano contenuti dinamicamente, personalizzati sul contesto del lavoratore, integrati nel flusso di lavoro. I risultati delle aziende a questo livello sono significativi: secondo la ricerca Bersin, sono 2 volte più propense a innovare, 4 volte più capaci di adattarsi al cambiamento, 6 volte più probabili nel superare i target finanziari. Ma arrivarci richiede una trasformazione dell’infrastruttura tecnologica (via i vecchi LMS basati su SCORM) e, soprattutto, un cambiamento nel modo in cui l’organizzazione concepisce l’apprendimento.
Il paradosso italiano: poco investimento, molta urgenza
Il contesto italiano aggiunge un livello di complessità. La combinazione di sottoinvestimento strutturale e pressione normativa imminente crea una situazione in cui molte aziende dovranno fare in due anni quello che avrebbero dovuto costruire in dieci.
L’AI Act europeo fissa al 2 agosto 2026 la scadenza per l’adeguamento operativo. Le imprese che utilizzano sistemi di AI dovranno garantire formazione adeguata al personale che supervisiona questi sistemi, in particolare per le applicazioni classificate ad alto rischio. Un anno dopo, entro agosto 2027, anche chi utilizza sistemi AI già attivi prima del 2025 dovrà essere in regola con gli obblighi di alfabetizzazione AI.
Fondimpresa, per citare un esempio, il più grande fondo interprofessionale italiano con oltre 200.000 aziende aderenti, ha risposto con l’Avviso 4/2025 che mette a disposizione 5 milioni di euro per finanziare piani formativi sull’intelligenza artificiale, con contributi da 40.000 a 150.000 euro per azienda. È un segnale importante, ma 5 milioni per l’intero tessuto produttivo italiano restano insufficienti rispetto alla scala del problema. Il confronto non è tra pari, ma aiuta a capire le proporzioni: Microsoft da sola, ha destinato oltre 4 miliardi di dollari in cinque anni, tra cash e servizi cloud, a scuole e organizzazioni nonprofit per la formazione AI a livello globale attraverso il programma Elevate.
Il dato Eurostat aggiunge un elemento: nel 2025, il 20% delle imprese europee con almeno 10 dipendenti utilizzava già strumenti di AI, con un aumento di 6,5 punti percentuali rispetto al 2024. L’adozione sta accelerando. La formazione non sta tenendo il passo.
Tre pattern ricorrenti nelle aziende
Nei workshop e nei programmi multi-corporate che coordino osservo tre situazioni che si ripetono con regolarità.
La “formazione come alibi”
L’azienda ha comprato centinaia di licenze per una piattaforma di e-learning, ha organizzato qualche webinar introduttivo sull’AI generativa, e considera il tema coperto. Quando chiedi ai dipendenti cosa sanno fare con l’AI nei loro processi quotidiani, la risposta è vaga. Quando chiedi ai manager se hanno cambiato qualcosa nel modo in cui organizzano il lavoro, la risposta è no. La formazione c’è stata. L’apprendimento no.
La “formazione come progetto”
L’azienda ha identificato un bisogno specifico, ha costruito un percorso ad hoc, lo ha erogato a un gruppo selezionato. Il programma funziona bene nel perimetro del progetto. Il problema è che resta confinato lì. Non si diffonde. Non diventa sistema. L’organizzazione ha una tasca di competenza isolata in un contesto che resta largamente impreparato. È un risultato fragile: quando le persone formate cambiano ruolo o lasciano l’azienda, la competenza se ne va con loro.
La “formazione come infrastruttura”
L’azienda non pensa in termini di corsi ma di capability organizzative. La formazione AI non è un evento: è un sistema continuo collegato alla strategia, ai processi, ai KPI. I manager sono coinvolti non come partecipanti ma come co-progettisti. Le persone imparano nel contesto del loro lavoro, non in un’aula separata dalla realtà operativa. Queste aziende sono poche, ma i loro risultati confermano la tesi di Bersin: il salto di performance non viene dalla qualità dei contenuti formativi, viene dal modello organizzativo che li sostiene.
La scala globale del problema
Il Future of Jobs Report 2025 del WEF proietta il dato su scala globale: 120 milioni di lavoratori rischiano di non ricevere la formazione di cui avranno bisogno entro il 2030. Il 63% dei datori di lavoro identifica il gap di competenze come il principale ostacolo alla trasformazione del business. Non la tecnologia. Non il budget. Non la regolamentazione. Le competenze.
C’è poi il dato Gartner che merita attenzione: entro il 2026, il 50% delle organizzazioni richiederà valutazioni delle competenze “AI-free”, progettate per verificare il pensiero critico senza l’assistenza dell’AI. È il segnale che il sistema formativo sta già generando una nuova forma di dipendenza: persone che sanno usare l’AI come strumento di supporto al ragionamento ma che stanno perdendo la capacità di ragionare senza di essa.
La formazione AI non è un prodotto, è una diagnosi
Il Rapporto Udemy Global Learning & Skills Trends 2026 introduce il concetto di “AI fluency” come nuova alfabetizzazione professionale: non solo saper usare gli strumenti, ma comprenderne limiti, rischi, logica di funzionamento e applicazioni operative. È una definizione utile, a condizione che venga calibrata sullo stadio di maturità dell’organizzazione. L’AI fluency di un’azienda che sta ancora digitalizzando i processi base è diversa dall’AI fluency di un’organizzazione che sta integrando agenti AI nelle catene decisionali.
C’è un collegamento che viene spesso trascurato: l’innovazione è un processo, non un evento. E come ogni processo, presuppone che le persone che lo eseguono abbiano le competenze per farlo funzionare. Un’organizzazione che investe in progetti di innovazione AI senza aver prima costruito l’AI fluency adeguata al proprio stadio sta finanziando esperimenti che non avranno le condizioni per scalare. I dati lo confermano: la stragrande maggioranza dei proof of concept AI non arriva in produzione. Il blocco, nella maggior parte dei casi, non è tecnico. È la distanza tra le competenze che il progetto richiede e quelle che l’organizzazione possiede realmente.
Il salto vero non è dal corso al micro-learning. Non è dalla formazione in aula alla formazione online. È dalla formazione come spesa da rendicontare alla formazione come capacità organizzativa da costruire. Le aziende che l’hanno capito, poche per ora, stanno già costruendo un vantaggio competitivo che sarà molto difficile da recuperare per chi arriverà tardi. E i dati dicono che la maggior parte delle organizzazioni, in Italia e nel mondo, sta arrivando tardi.
