L'organizzazione AI-ready

Creare coordinamento senza consenso

Mar 06, 2026

In ogni organizzazione proliferano file Excel. Fogli personali, tabelle duplicate, versioni parallele dello stesso dato mantenute da persone diverse in formati diversi. Esistono strumenti progettati per evitarlo, eppure i fogli si moltiplicano, e non per pigrizia. È il modo in cui le persone organizzano naturalmente l’informazione: ciascuno struttura i dati nel modo che ha senso per il proprio contesto, per le proprie domande, per il proprio modo di ragionare. Il costo di mettersi d’accordo su un formato condiviso è sistematicamente più alto del costo di aprire un nuovo foglio, e questo vale per sei persone come per seimila.

Questo è il coordinamento attraverso il consenso nella sua forma più quotidiana. Per lavorare insieme sugli stessi dati bisogna prima accordarsi su come formattarli, dove archiviarli, chi è responsabile di cosa, e poi rispettare quell’accordo nel tempo, cosa che richiede formazione, disciplina e supervisione. Il consenso funziona, ma il suo costo cresce con ogni persona aggiunta e con ogni funzione coinvolta, fino a diventare l’attività principale dell’organizzazione stessa: coordinarsi su come coordinarsi.

L’AI cambia la meccanica di questo problema. Non serve più che le persone si accordino su un formato, non serve imporre uno standard preventivo e spendere energia per farlo rispettare. L’AI aggrega dati da fonti diverse, li normalizza, li presenta in modo coerente a chiunque ne abbia bisogno, nel formato utile a ciascuno. La coerenza non è più prodotta dalla disciplina delle persone, ma dalla capacità di tradurre tra formati, strutture e linguaggi diversi.

Sangeet Paul Choudary chiama questo meccanismo coordinamento senza consenso. Team piccoli operano con la coerenza di strutture molto più grandi perché la coerenza non dipende dal processo, dalle riunioni o dagli standard condivisi, ma dall’accessibilità dell’informazione. Il principio non si ferma ai confini dell’organizzazione: funziona tra un’azienda e i suoi fornitori, ciascuno con i propri sistemi; tra un’organizzazione e i suoi clienti, che comunicano nel proprio linguaggio naturale; tra attori di un sistema che non si sono mai accordati su uno standard comune e non hanno bisogno di farlo. Dove prima serviva un protocollo condiviso per collaborare, ora serve un layer di intelligenza che traduca.

Un’organizzazione AI-ready si coordina attraverso la visibilità, non attraverso il consenso.

La mappa

Per sapere dove applicare questo principio bisogna vedere il sistema su cui si interviene.

La maggior parte delle organizzazioni non ha mai visualizzato la propria catena del valore. Fortunatamente Simon Wardley ha passato vent’anni a costruire un metodo per farlo. Si parte dall’utente e da ciò che gli serve, si scompone quel bisogno nelle attività necessarie a soddisfarlo, si tracciano le dipendenze.

Fin qui è una lista con delle frecce. Il contributo di Wardley è aggiungere un asse orizzontale che rappresenta l’evoluzione di ogni componente attraverso quattro stadi. Ogni attività nasce come genesi: qualcuno la inventa, non esiste ancora un mercato, le pubblicazioni parlano della “meraviglia” della cosa nuova. Se funziona e qualcuno la copia, diventa custom: costruita su misura per chi ne ha bisogno, ancora rara, ancora costosa, compresa da pochi, e le pubblicazioni spiegano come costruirla. Quando la domanda cresce e appaiono più fornitori, diventa prodotto: qualcosa che si compra, si confronta, si sceglie tra alternative che competono sulle funzionalità. Infine, quando la comprensione è totale e la differenza tra fornitori irrilevante, diventa commodity: un’utilità invisibile, standardizzata, intercambiabile, come l’elettricità o l’hosting. Questa evoluzione non è opzionale: è la competizione a spingerla, e nessuna organizzazione può fermarla se altri competono su quella stessa attività.

L’asse verticale rappresenta la visibilità per l’utente: in alto ciò che tocca direttamente, in basso ciò da cui tutto dipende ma che non vede. La mappa che ne risulta è una fotografia spaziale della catena del valore in un momento preciso, dove ogni componente ha una posizione che dice simultaneamente quanto è visibile, quanto è matura e soprattutto in che direzione si sta muovendo.

Come si muove il valore

La mappa mostra dove sei. Capire cosa accade al valore durante quel movimento è il passaggio successivo.

Choudary scompone il valore in tre dimensioni.

Il valore intrinseco è la competenza stessa, la sofisticazione con cui si fa una cosa. Un traduttore simultaneo dal mandarino all’italiano ha alto valore intrinseco: servono anni di pratica e la capacità di pensare in tempo reale tra due strutture sintattiche diverse.

Il valore economico è quanto il mercato paga per quella competenza, ed è funzione della scarsità: il traduttore era pagato molto perché poche persone sapevano farlo, oggi l’AI traduce in tempo reale con qualità sufficiente per la maggior parte dei contesti, e il compenso è crollato insieme alla scarsità.

Il valore contestuale è quanto quella competenza è determinante nel sistema specifico in cui opera: lo stesso traduttore, in un negoziato diplomatico dove una sfumatura sbagliata può compromettere anni di relazioni, ha valore contestuale che l’AI non replica, perché non sta nella traduzione ma nella lettura del contesto politico e nella gestione del rischio comunicativo tra le parti.

Il meccanismo diventa visibile quando si combinano queste tre dimensioni con il movimento sulla mappa. Quando l’AI replica una competenza a costo marginale prossimo a zero, la scarsità che ne sosteneva il valore economico scompare. Il bisogno che quella competenza soddisfaceva nel sistema non scompare: si sposta. L’abbondanza di una competenza crea scarsità nel suo complemento. Quando l’informazione diventa abbondante, diventa scarsa la capacità di interpretarla nel contesto giusto. Quando l’esecuzione diventa abbondante, diventa scarso il giudizio su cosa vale la pena eseguire. Quando la produzione diventa abbondante, diventa scarso il coordinamento.

Il sommelier illustra bene questo meccanismo. La conoscenza enologica è commoditizzata: qualsiasi app suggerisce abbinamenti, il valore intrinseco è replicato, il valore economico è collassato. Al contrario, il valore contestuale è cresciuto, perché il lavoro del sommelier si è spostato dalla conoscenza alla gestione del rischio sociale della scelta: leggere il tavolo, calibrare il suggerimento, dare sicurezza a chi decide se il vino va bene o no, sotto lo sguardo degli altri commensali. L’abbondanza di informazione enologica ha creato scarsità di giudizio contestuale. Il valore ha seguito il vincolo.

Da questa lettura, applicata componente per componente sulla mappa, emergono tre mosse possibili:

Automatizzare ciò che si muove verso commodity
Quando un componente si standardizza, il valore economico che la scarsità gli conferiva collassa, e ogni ora spesa a farlo manualmente è sottratta ai punti della mappa dove il valore si sta concentrando. Automatizzare un componente commodity significa renderlo affidabile e invisibile, come l’elettricità: nessuno pensa all’hosting del proprio sito finché funziona, e proprio perché non ci pensa può concentrarsi su ciò che ci costruisce sopra. Sulla mappa questi componenti sono riconoscibili, stanno a destra dell’asse evolutivo e da essi dipendono attività a maggior valore. Automatizzarli non è un’ottimizzazione: è la precondizione per liberare capacità verso i punti della catena dove il valore si sta spostando.
Differenziare dove il giudizio umano guadagna rilevanza.
Quando l’AI gestisce l’esecuzione, il valore si sposta verso chi controlla le decisioni che l’AI non può prendere: quelle ad alto rischio, dove le conseguenze di un errore sono asimmetriche e qualcuno deve assumersi la responsabilità; quelle che richiedono fiducia, dove il cliente ha bisogno di sapere che un essere umano risponde del risultato; quelle ambigue, dove i dati non convergono e serve leggere il contesto. È la dinamica del sommelier applicata sistematicamente a ogni punto della mappa dove il valore contestuale cresce mentre quello economico decresce. In pratica significa investire nelle persone che stanno al centro delle decisioni critiche, costruire relazioni che l’AI non può disintermediare, e accumulare un vantaggio informativo che si rafforza nel tempo perché si nutre del contesto specifico di ogni cliente, ogni progetto, ogni interazione.
Esplorare le configurazioni che i vecchi vincoli rendevano impraticabili. Quando un vincolo basato sulla scarsità cade, diventano possibili combinazioni di competenze, canali e risorse che il sistema precedente non permetteva. Se la traduzione diventa abbondante, puoi servire mercati che prima non raggiungevi per barriera linguistica. Se l’analisi diventa economica, puoi offrire intelligenza strategica a organizzazioni che non potevano permettersela. Se il coordinamento tra attori diversi diventa gestibile dall’AI, puoi orchestrare ecosistemi che prima richiedevano infrastrutture dedicate e anni di standard condivisi. La mossa esplorativa è la più difficile da vedere perché richiede di immaginare ciò che il sistema precedente non permetteva, e le organizzazioni tendono a pensare entro i confini di ciò che hanno sempre fatto. La mappa aiuta: dove un componente che era custom diventa commodity, le attività che ne dipendono diventano possibili a una scala e a un costo diversi, e lì si aprono spazi che prima non esistevano.

Le uniche domande che contano

Dove si stanno spostando i vincoli nella tua catena del valore?
La struttura è allineata a quel movimento?

Con Play New facciamo continuous strategic intelligence: aiutiamo le organizzazioni a vedere il proprio sistema, capire dove si sta muovendo il valore, decidere di conseguenza. Per capire concretamente quello che ho descritto in questo articolo puoi provare questo tool: ti permette di mappare la catena del valore della tua organizzazione, identificare gli spostamenti e generare un report che suggerisce cosa automatizzare, dove investire il tempo delle persone e quali nuove opportunità esplorare. È ancora in versione alfa, ho tante idee per sistemarlo e migliorarlo, ma se vuoi darmi un feedback sono felice!

È il primo esperimento per rendere accessibile un metodo che fino a ieri richiedeva settimane di consulenza. E noi stiamo imparando, costruendolo.

Discussion about this post

Ready for more?