L’AI non cambia solo i processi: cambia il modo in cui le aziende progettano clienti, competenze e management
- Andrea Viliotti
- 6 lug
- Tempo di lettura: 8 min
Dai chatbot ai team di servizio integrati con l’AI, tre studi mostrano perché il valore nasce dall’allineamento tra esperienza cliente, capacità organizzative e lavoro manageriale.
Sintesi manageriale • L’AI genera valore quando l’interfaccia cliente, le capacità organizzative e il lavoro manageriale vengono progettati come un sistema unico. • I chatbot non vanno valutati solo per quanto sembrano umani, ma per la qualità della relazione che producono: fiducia, soddisfazione, continuità e chiarezza dei limiti. • Il middle manager non viene eliminato dall’AI: diventa il punto di traduzione fra tecnologia, team, cliente e responsabilità. |
Intelligenza artificiale e business: come l’AI cambia clienti, competenze e management
Ogni discussione aziendale sull’intelligenza artificiale tende a partire dalla stessa domanda: che cosa possiamo automatizzare? È una domanda utile, ma incompleta. Se la si prende come punto di partenza unico, l’AI viene ridotta a una macchina per tagliare tempi e costi. I tre studi analizzati suggeriscono invece una lettura più esigente: l’AI crea valore quando cambia, in modo coerente, il modo in cui l’azienda progetta la relazione con il cliente, costruisce capacità organizzative e ridisegna il lavoro manageriale.
La prima evidenza arriva dal marketing digitale: i chatbot con tratti umani possono influenzare la decisione d’acquisto, ma non per magia. Nel lavoro di Gomes, Lopes e Nogueira, l’effetto più interessante passa dalla relazione: soddisfazione, fiducia, loyalty ed engagement. La seconda evidenza è organizzativa: nella review di Raina, Sharma, Taheri, Dev e Chavriya, l’AI-driven management non è un singolo caso d’uso, ma un sistema che attraversa HR, service management, decision-making, leadership, operations e customer experience. La terza evidenza è manageriale: nel caso studiato da Koponen e colleghi, l’AI integrata nei team di servizio obbliga i middle manager a gestire non solo task e strumenti, ma nuove relazioni fra persone, algoritmi e responsabilità.
La tesi manageriale è semplice: l’AI non è solo un acceleratore di processi. È una tecnologia che modifica la forma dell’impresa. E questa forma regge solo se tre livelli vengono allineati: interfaccia cliente, capacità organizzativa e lavoro manageriale.
1. Cliente: il chatbot vale se genera relazione, non solo sembianza umana
Il paper di Gomes, Lopes e Nogueira studia l’antropomorfismo dei chatbot, cioè la progettazione di sistemi conversazionali con tratti umani: tono, personalità, espressioni, capacità comunicativa e percezione di credibilità. Il campione analizzato comprende 1.319 consumatori portoghesi che avevano acquistato online in negozi con chatbot. Il dato va letto con cautela, perché si tratta di un campione di convenienza e non di una rappresentazione universale del mercato. Ma il risultato è rilevante per chi progetta esperienze digitali: il chatbot non influenza la decisione d’acquisto come leva isolata; funziona soprattutto quando attiva engagement.
Questa distinzione è decisiva. Molte aziende affrontano il chatbot come un problema di front-end: renderlo più simpatico, più umano, più fluido, più presente. Lo studio suggerisce una soglia più alta: la domanda non è quanto il bot sembri umano, ma se la sua interazione produce fiducia, soddisfazione e continuità nella relazione. Un chatbot antropomorfo che promette più di quanto possa mantenere rischia di aumentare le aspettative e poi deluderle. Un chatbot progettato bene, invece, chiarisce ciò che può fare, personalizza quando ha dati adeguati, passa la mano agli operatori umani quando serve e non nasconde le proprie limitazioni.
Per il marketing e la customer experience, l’implicazione è forte: non bisogna progettare “bot più umani”, ma interazioni più affidabili. La sembianza umana è un mezzo, non il fine. Se il cliente percepisce trasparenza, competenza e controllo, l’AI può rafforzare la relazione. Se percepisce manipolazione, opacità o eccessiva imitazione dell’umano, la stessa tecnologia può erodere fiducia. La frontiera business non è l’effetto speciale conversazionale; è la qualità della relazione che l’interfaccia riesce a sostenere.
2. Organizzazione: l’AI come capacità, non come acquisto software
Il secondo studio, firmato da Raina e colleghi, allarga la prospettiva. La review analizza 1.377 articoli Scopus e organizza il campo dell’AI-driven management in sei aree: AI-driven HRM, AI in consumer and service management, machine learning nel decision-making manageriale, AI in strategic management and leadership, AI in operations e supply chain, AI nella customer experience.
Per un’impresa, questo significa che l’AI non può essere governata come una collezione di tool separati. Se un algoritmo ottimizza il customer service ma i dati sono frammentati, se un sistema HR automatizza screening e performance senza criteri trasparenti, se il machine learning supporta decisioni operative ma il management non sa interpretare output e rischi, l’azienda non ha una capacità AI: ha una somma di esperimenti.
Una capacità organizzativa nasce quando tecnologia, dati, processi, competenze e governance si rinforzano a vicenda. La review collega l’AI alla creazione di conoscenza, all’innovazione e alla sostenibilità delle pratiche aziendali. Tradotto in linguaggio di impresa: l’AI crea valore quando aiuta l’organizzazione a imparare meglio, decidere meglio e coordinare meglio le proprie funzioni. Non basta installare un sistema; bisogna progettare il circuito di apprendimento che trasforma dati e automazione in decisioni responsabili.
Per questo la leadership non dovrebbe chiedere solo “quale soluzione compriamo?”, ma “quale capacità stiamo costruendo?”. La differenza è sostanziale. Un acquisto software può restare confinato in un reparto. Una capacità modifica il modo in cui l’azienda definisce problemi, seleziona informazioni, distribuisce responsabilità, misura risultati e corregge errori. È qui che l’AI esce dal perimetro IT e diventa tema di strategia.
3. Management: il punto critico è il middle manager
Il terzo studio, di Koponen, Julkunen, Laajalahti, Turunen e Spitzberg, porta l’AI dentro i team. Il paper analizza 25 middle manager di una società di servizi finanziari, con team ibridi in cui l’AI era già integrata nei processi di lavoro. Il risultato più utile per le aziende è che l’AI non cambia solo il contenuto dei task: cambia le caratteristiche del lavoro manageriale.
Nel caso studiato, i sistemi AI vengono percepiti in due modi diversi. A volte sono strumenti tecnici: eseguono compiti ripetitivi, supportano ricerche, automatizzano controlli, gestiscono passaggi standardizzati. In altri casi vengono percepiti come coworker: partecipano al processo di servizio, interagiscono con clienti o dipendenti, ricevono nomi, entrano nelle conversazioni organizzative come se avessero una presenza nel team. Questa seconda situazione non significa che l’AI sia davvero una persona; significa che, nella pratica quotidiana, le persone iniziano a costruire una relazione operativa con il sistema.
Qui emerge il ruolo del middle manager. Se l’AI assume una parte del processo, qualcuno deve decidere che cosa resta umano, che cosa viene controllato, come si gestiscono gli errori, chi risponde al cliente, come si accompagnano i dipendenti che temono sostituzione o perdita di competenza. Il manager intermedio non scompare; semmai diventa più esposto. Deve tradurre le scelte tecnologiche in nuove routine, supportare i team, interpretare policy e limiti, vigilare su sicurezza, responsabilità e qualità del servizio.
Lo studio identifica cinque domini di lavoro manageriale coinvolti: contesto, task, competenze, dimensione sociale e relazione. L’ultimo è il più interessante: la relazione non è più soltanto manager-dipendente o team-cliente, ma può diventare triangolare: manager, persone e AI. Le aziende che non formano i manager a questa triangolazione rischiano di trattare l’AI come un semplice oggetto tecnico mentre i team la vivono già come parte del sistema sociale.
4. La vera domanda: che tipo di AI sta entrando nel lavoro?
Una delle lezioni più utili dei paper è che non tutte le AI hanno lo stesso impatto organizzativo. Un’automazione meccanica che svolge task ripetitivi richiede regole, metriche, controlli di qualità e gestione delle eccezioni. Un sistema analitico che supporta decisioni complesse richiede competenze interpretative, qualità dei dati e responsabilità chiare. Un chatbot o un assistente che entra nell’interazione sociale richiede anche fiducia, trasparenza, tono, empatia e capacità di escalation verso l’umano.
Il punto non è classificare la tecnologia per moda, ma progettare il management adeguato al tipo di relazione che genera. Se l’AI è uno strumento tecnico, il problema principale è l’affidabilità operativa. Se l’AI diventa un coworker percepito, il problema si sposta su coordinamento, identità del team, accountability e qualità della relazione. Questo spiega perché molti programmi AI falliscono non nella fase di demo, ma nella fase di assorbimento organizzativo: la tecnologia funziona, ma l’azienda non ha ridisegnato ruoli, linguaggi, regole e competenze.
5. Governance: valore, controllo, competenze e fiducia
I tre studi convergono anche su un avvertimento: l’AI non porta solo efficienza. Porta nuove ambiguità. Nel marketing, l’antropomorfismo può aumentare coinvolgimento, ma anche generare aspettative irrealistiche o percezioni manipolative. Nella gestione aziendale, l’AI può migliorare processi e decisioni, ma solleva temi di privacy, trasparenza, accountability e bias. Nei team di servizio, l’AI può aumentare produttività e supporto, ma anche produrre carichi di controllo, resistenza, paura e responsabilità distribuite in modo poco chiaro.
La governance non dovrebbe quindi essere un documento separato dal business case. È parte del business case. Un progetto AI serio deve rispondere ad almeno cinque domande: quali dati alimentano il sistema? Chi interpreta gli output? Chi interviene quando il sistema sbaglia? Quali competenze servono ai manager e ai team? Quale promessa viene fatta al cliente e quale limite viene dichiarato?
Quando queste domande mancano, l’AI tende a diventare opaca. Quando vengono trattate in modo esplicito, l’AI può diventare infrastruttura di fiducia. Per le aziende, la differenza fra le due strade non è solo etica: è competitiva. Un cliente che non si fida dell’interazione automatizzata abbandona o cerca contatto umano. Un dipendente che non capisce il ruolo dell’AI la subisce o la aggira. Un manager senza strumenti di controllo diventa responsabile di un sistema che non governa davvero.
Che cosa dicono e che cosa non dicono questi studi
Il valore di questi paper non sta nel promettere una formula universale dell’AI in azienda. Al contrario, sta nel rendere più rigorosa la conversazione manageriale. Lo studio sui chatbot è empirico ma legato a un campione specifico di consumatori portoghesi. La review sull’AI-driven management è ampia e utile per costruire una mappa delle capacità, ma non è una misurazione in tempo reale del mercato. Il caso sui middle manager è profondo sul piano qualitativo, ma riguarda una singola azienda di servizi finanziari.
Questi limiti non indeboliscono l’utilità manageriale; la precisano. Le aziende non dovrebbero leggere i paper come prove definitive, ma come tre lenti operative: la lente del cliente, la lente dell’organizzazione e la lente del management. Usate insieme, aiutano a evitare due errori opposti: l’hype secondo cui l’AI produce valore automaticamente, e il minimalismo secondo cui l’AI è solo automazione di task.
Agenda manageriale in cinque mosse
La prima mossa è progettare l’interazione cliente intorno alla fiducia. Se il chatbot deve sembrare umano, deve farlo per rendere l’esperienza più chiara, utile e affidabile, non per mascherare limiti o manipolare il cliente.
La seconda è costruire capacità prima di scalare. Dati, processi, competenze, governance e metriche devono essere progettati come un sistema unico. Senza questo sistema, l’AI resta una collezione di strumenti.
La terza è ridisegnare il ruolo dei middle manager. L’AI cambia task, responsabilità e relazioni: i manager devono essere formati non solo sulla tecnologia, ma su comunicazione, interpretazione, gestione dell’incertezza e supporto ai team.
La quarta è distinguere i tipi di AI. Non si governa allo stesso modo un’automazione meccanica, un supporto analitico e un assistente conversazionale che entra nella relazione con clienti o dipendenti.
La quinta è tenere insieme valore e controllo. L’AI non deve essere valutata solo per efficienza potenziale, ma per qualità della decisione, sostenibilità della relazione, capacità di apprendimento e chiarezza delle responsabilità.
In definitiva, l’AI non chiede alle aziende soltanto di diventare più veloci. Chiede di diventare più consapevoli della propria architettura: come parlano con i clienti, come imparano internamente, come guidano le persone e come distribuiscono responsabilità fra umano e macchina. È lì, più che nella singola automazione, che si gioca l’impatto business.
Box — Come leggere le evidenze
Studio | Base empirica | Uso nell’articolo | Limite da ricordare |
Gomes et al. | Survey su 1.319 consumatori portoghesi | Chatbot antropomorfi, engagement e decisione d’acquisto | Campione di convenienza; nessuna garanzia di conversione |
Raina et al. | Review di 1.377 articoli Scopus | AI-driven management, knowledge creation, innovazione e sostenibilità | Sintesi di letteratura; non è una fotografia live del mercato |
Koponen et al. | Caso qualitativo con 25 middle manager | AI-integrated service teams e lavoro manageriale | Singolo caso nei servizi finanziari; cautela nella generalizzazione |
Fonti analizzate
Gomes, S., Lopes, J. M., & Nogueira, E. (2025). “Anthropomorphism in artificial intelligence: a game-changer for brand marketing.” Future Business Journal, 11:2.
Raina, K., Sharma, G. D., Taheri, B., Dev, D., & Chavriya, S. (2026). “Artificial intelligence-driven management: Bridging innovation, knowledge creation, and sustainable business practices.” Journal of Innovation & Knowledge, 11, 100860.
Koponen, J., Julkunen, S., Laajalahti, A., Turunen, M., & Spitzberg, B. (2025). “Work Characteristics Needed by Middle Managers When Leading AI-Integrated Service Teams.” Journal of Service Research, 28(1), 168–185.
Commenti