La scena tipica è questa. Hai deciso — o ci stai pensando — che l'AI serve. Hai attivato uno o due abbonamenti, magari hai visto un webinar generico, hai detto ai collaboratori "provatela, poi mi dite". Passano due mesi. Chi l'ha usata la usa per fare le stesse tre cose che faceva già, meno chi l'ha aperta una volta e non l'ha più riaperta. Il ritorno è invisibile e la frustrazione monta: "ma allora questa AI, davvero cambia qualcosa?".
Il problema quasi mai è lo strumento. È che nessuno ha detto al team come usarlo davvero, su cosa, e con quali paletti. Questo articolo mette in fila da dove partire, se sei un imprenditore o un responsabile che deve formare le sue persone all'uso quotidiano dell'intelligenza artificiale. Non è un catalogo di corsi. È il percorso, chi coinvolgere prima, cosa insegnare davvero, in quanto tempo.
Perché la formazione AI non è un corso una tantum
La tentazione è mandare tutto il team a un webinar di due ore e considerare la casella spuntata. Non funziona per una ragione semplice: l'AI generativa non è una tecnologia con una procedura fissa da imparare — è uno strumento di lavoro, e come tutti gli strumenti si impara facendo, sul proprio caso reale, con qualcuno che rilegge come è andata.
La formazione utile ha tre caratteristiche che il webinar non ha. È ritagliata per ruolo: al commerciale servono cose diverse rispetto all'amministrativo, e diverse rispetto al tecnico. È legata al lavoro vero: la persona deve applicarla su una mail che ha davvero scritto, su un documento che ha davvero ricevuto. E prevede una revisione: dopo due o tre settimane si guarda cosa ha funzionato, cosa no, cosa si tiene, cosa si cambia. Se manca una di queste tre, dopo il corso la maggior parte torna a fare come prima.
Concretamente questo vuol dire che nessuna formazione seria si esaurisce in un giorno. Serve un percorso, con un inizio, delle settimane di applicazione, e un momento di verifica. Torneremo sulla scansione poco più avanti.
Chi formare per primo (e chi no)
Il criterio più comune — "formiamo prima i più giovani perché sono già digitali", oppure "formiamo prima i dirigenti così danno l'esempio" — non è il migliore. Il criterio che porta risultato è un altro: si forma per prima chi ha il caso d'uso più ripetitivo e oneroso. Cioè chi passa ore su un'attività che l'AI può alleggerire di netto, subito.
Nella PMI italiana media questi profili sono quattro, ricorrono in quasi tutte le aziende:
- Chi scrive tanto: commerciale che manda decine di email, marketing che produce contenuti, chi risponde a richieste tecniche in forma scritta. Il primo vantaggio è nella prima bozza.
- Chi gestisce documenti lunghi: chi legge capitolati, contratti, verbali, relazioni — e deve estrarne informazioni o riassumerle per altri.
- Chi risponde a clienti in modo ripetitivo: assistenza, back office, prevendita. Non per rimpiazzare le persone, per dare loro una prima risposta strutturata da revisionare.
- Chi analizza dati semi-strutturati: fogli Excel con clienti/ordini/consumi, per trovare pattern o preparare report.
Non è utile invece formare da subito chi ha un lavoro già molto specialistico e verticale: un tecnico che segue un solo cliente per volta, o chi lavora quasi solo con macchine, o chi ha un ruolo di firma e supervisione. Non è che l'AI non serva anche a loro — è che il ritorno per ora è basso e il rischio di formarli sul niente è alto. Vengono in un secondo giro, quando gli strumenti sono più maturi o quando emerge il caso d'uso specifico.
Cosa insegnare davvero: 4 competenze concrete
"Prompt engineering" è diventato un termine da corso, e va bene per venderli, ma nella pratica quotidiana un dipendente non ha bisogno di sapere il prompt engineering come disciplina. Ha bisogno di quattro cose molto concrete, che si insegnano in poche ore ma vanno esercitate per settimane.
Formulare bene la richiesta
Non è "scrivere il prompt perfetto". È imparare a dare all'AI il contesto che manca: chi è il destinatario, qual è l'obiettivo, che tono usare, cosa non deve fare. Il salto di qualità arriva quando le persone smettono di chiedere "scrivimi una mail" e iniziano a chiedere "scrivimi una mail per il cliente X, che ha già ricevuto due preventivi, per rispondere all'obiezione sul prezzo restando cortesi". La differenza è solo di attenzione, ma cambia tutto.
Riconoscere quando l'AI si inventa qualcosa
Questa è la competenza più sottovalutata e la più importante. L'AI generativa produce testi plausibili anche quando non ha davvero l'informazione: nomi di clienti che non esistono, articoli di legge sbagliati, cifre inventate. Le persone vanno addestrate a diffidare per default quando la risposta contiene fatti verificabili — nomi propri, numeri, riferimenti normativi — e a verificarli sempre alla fonte prima di usarli. È un abito mentale, non una regola scritta.
Sapere cosa NON caricare
La policy interna sui dati va scritta e distribuita prima del giorno uno, non dopo. Deve dire, in mezza pagina: cosa si può incollare, cosa non si può incollare, cosa fare se si ha un dubbio. Il confine è il concetto di dato aziendale/personale — chi non l'ha ancora messo a fuoco può leggere la nostra guida su cosa succede ai dati con ChatGPT pubblico. La regola pratica che va scritta nella policy è una sola: se il contenuto viene dall'azienda o parla di una persona identificabile, non entra nello strumento generalista.
Integrare il risultato nel proprio flusso di lavoro
Ultima competenza, meno vistosa ma decisiva: come il testo/output prodotto dall'AI diventa parte del lavoro. Va copiato dove? Va revisionato da chi? Va archiviato? Se manca questo passaggio, l'AI resta un giochino che si apre a parte, non uno strumento integrato. Nella pratica basta dire, per ogni caso d'uso: "output dell'AI → prima bozza in Outlook/CRM/Word → revisione umana → invio". La sequenza scritta rende ripetibile ciò che altrimenti dipende dall'iniziativa del singolo.
Strumenti: uno solo, per iniziare
La confusione più comune è partire con quattro o cinque strumenti in parallelo — uno per riassumere PDF, uno per scrivere immagini, uno per analizzare dati, uno per la trascrizione — perché il team "si trovi quello giusto per lui". Il risultato è che nessuno impara nessuno strumento.
Il metodo che funziona nelle PMI è opposto: uno strumento generalista per tutti, per almeno tre-quattro mesi. Nella maggior parte dei casi si tratta di ChatGPT nella versione business (Team o Enterprise), o di un equivalente con contratto azienda; l'importante è che ci sia un abbonamento aziendale con account gestiti dall'azienda — non venti account personali dei collaboratori. Se hai già dato per assodato che sull'operatività sensibile serva altro, il confronto è nella guida su AI privata vs ChatGPT: qui basta la scelta di partenza.
Gli strumenti specialistici — assistenti costruiti sui documenti aziendali, integrazioni col gestionale, agenti sui dati (di cui parla la guida sulla personal AI) — arrivano dopo. Quando l'uso quotidiano dello strumento base è consolidato e cominciano a emergere i limiti reali, non prima. Introdurli in anticipo distrae dal fondamentale e brucia il budget formazione su cose che il team non è pronto a usare.
Il percorso in 4-8 settimane
Un percorso realistico per una PMI da 8-30 persone, ripartito settimana per settimana. È un modello, va adattato: aziende più piccole comprimono, aziende con più reparti allungano.
Settimana 1 — Sessione base + policy. Due ore per tutti insieme, non di più. Cosa fa lo strumento, cosa non fa, le quattro competenze del capitolo precedente in modo introduttivo. Si consegna la policy dati (mezza pagina). Ognuno esce con un caso d'uso proprio da provare la settimana dopo.
Settimane 2-4 — Applicazione per ruolo. Sessioni piccole, 3-5 persone dello stesso ruolo, un'ora ciascuna. Ognuno porta il suo caso d'uso della settimana e si lavora insieme sul suo materiale reale: la sua mail, il suo capitolato, il suo Excel. Si vede cosa ha funzionato, cosa no, si aggiusta la formulazione della richiesta. Alla fine della settimana quattro, ogni persona ha 2-3 casi d'uso ricorrenti su cui usa lo strumento senza pensarci.
Settimane 5-8 — Revisione ed estensione. Si guarda quali casi d'uso hanno preso davvero piede e quali no. Si estende ai profili che nel primo giro non erano prioritari, se ha senso. Si valuta se introdurre uno strumento specialistico per il caso d'uso più maturo (per esempio un assistente sui documenti aziendali per il commerciale che ha capito bene lo strumento base).
Misura dell'impatto: non promettere numeri percentuali di produttività — nessuno li ha su base solida. Misura invece cose semplici e vere: quante attività ricorrenti sono ora coperte da un uso stabile dell'AI (prima erano zero), quanto tempo dedicano i responsabili alla revisione degli output rispetto a quello risparmiato sulla prima stesura, quali colleghi hanno smesso di aprire lo strumento (e vanno ripresi con una sessione dedicata). Sono metriche onestamente rilevabili, non "l'AI ha fatto risparmiare il 40% del tempo".
Errori tipici da evitare
Cinque errori che vediamo ricorrere quando la formazione AI non porta risultato.
- Formare tutti insieme in un'unica sessione lunga. Fuori dall'aula, chi non aveva un caso d'uso concreto in testa dimentica in tre giorni. La formazione a piccoli gruppi omogenei per ruolo costa più tempo del formatore ma produce l'unico ritorno vero.
- Non dare una policy scritta sui dati prima di iniziare. "Poi la scriviamo" quasi sempre diventa "l'abbiamo scritta dopo un incidente". Basta mezza pagina, deve esistere il giorno uno.
- Non prevedere revisione né misura. Senza il momento del "guardiamo cosa ha funzionato" a due-tre settimane, non c'è correzione di rotta. Chi usa male continuerà a usare male, chi ha abbandonato non tornerà.
- Considerarla un progetto IT. Non è un progetto di sistemi informativi, è un progetto di modo di lavorare. Se lo tieni sulla scrivania dell'IT come "attivazione licenze", perde il pezzo che conta — che è cosa fanno le persone.
- Aspettare che "l'AI maturi" prima di iniziare. Chi aspetta il 2027 perché "non è ancora affidabile" arriva con anni di ritardo su un'onda che intanto ha già ridefinito flussi di lavoro nei concorrenti. Meglio partire piccolo, oggi, sui casi d'uso a rischio basso, che restare fuori.
Domande frequenti
Quanto dura la formazione AI per un team di 8-30 persone?
Il percorso base che descriviamo qui sopra dura 4-8 settimane di calendario, ma il tempo effettivo di aula è contenuto: circa 2 ore per la sessione iniziale collettiva, più 1 ora a settimana per gruppo di 3-5 persone durante l'applicazione. In totale, per un team di 15 persone diviso in tre profili, si parla di 15-20 ore di formatore distribuite su due mesi. È molto meno impegnativo di un corso concentrato in una settimana, e produce risultato per la ragione opposta.
Serve un formatore esterno o basta l'autoapprendimento?
Dipende dalla dimensione e dalla presenza di una persona interna già competente. Se hai un collaboratore che usa l'AI in modo maturo e ha voglia di seguire i colleghi, può bastare — a patto che gli si dia il tempo di farlo davvero. Se non ce l'hai, o non hai chi organizzi la scansione a settimane, un formatore esterno per i primi due mesi risolve. Il rischio dell'autoapprendimento puro è che ognuno usa lo strumento a modo suo, senza un metodo comune, e il ritorno resta individuale invece che aziendale.
Come misuro il ritorno della formazione AI?
Non con le percentuali che leggi negli articoli di settore. Con metriche onestamente rilevabili nella tua azienda: quante attività ricorrenti prima non erano coperte e ora sì, quanti colleghi aprono lo strumento almeno una volta al giorno dopo tre mesi, quali reparti hanno assorbito lo strumento nel flusso e quali no. Se dopo tre mesi meno della metà del team usa l'AI in modo stabile, la formazione non ha funzionato — indipendentemente da qualsiasi numero di produttività.
Il team va formato prima o dopo aver introdotto lo strumento?
Insieme, in questa sequenza: si attiva l'abbonamento aziendale, si scrive la policy sui dati, si fa la sessione base la stessa settimana in cui le persone ricevono le credenziali. Non ha senso attivare le licenze e "lasciarle sedimentare" per settimane — le persone non le apriranno spontaneamente. Non ha senso nemmeno formare "in astratto" senza dare accesso: dopo due giorni non ricordano cosa hanno visto. Le due cose devono coincidere.
Servono competenze tecniche o basta l'uso base?
Per il primo giro di formazione — quello descritto qui — non servono competenze tecniche. Serve la lingua scritta, un metodo di lavoro, l'attenzione al contesto. Competenze più tecniche (integrazione col gestionale, agenti che leggono i documenti aziendali, automazioni) arrivano dopo, quando l'uso quotidiano è consolidato ed emergono i casi in cui lo strumento generalista non basta più. In quel momento, per quella fase, servono anche persone tecniche — ma è un secondo giro, non il primo.
Il quadro completo dei percorsi di formazione AI che progettiamo per le PMI, ritagliati sui ruoli e sui casi d'uso reali della tua azienda, è descritto nella pagina Formazione AI Aziendale.
