Dal 2 febbraio 2025 l'obbligo di formazione obbligatoria AI per i dipendenti è operativo in tutta Europa, sancito dall'articolo 4 del Regolamento UE 2024/1689 — l'AI Act. Da agosto 2026 le autorità nazionali avviano la vigilanza: chi non si è adeguato è esposto a sanzioni. In Italia, la Legge n. 132 del 23 settembre 2025 ha recepito il quadro europeo, fissando obblighi di trasparenza nei confronti dei lavoratori e prevedendo la consultazione delle rappresentanze sindacali prima di introdurre sistemi che incidono sull'organizzazione del lavoro.
Per molte piccole imprese questa sequenza normativa ha prodotto un riflesso comprensibile: trovare un corso, farlo fare ai dipendenti, documentarlo. La compliance, in questa lettura, coincide con l'adempimento burocratico. Il problema è che questa lettura lascia irrisolto il problema reale — e, in molti casi, lo aggrava. Spendere in formazione senza aver ridisegnato i processi su cui quella formazione dovrebbe agire produce una certezza: il costo. Il ritorno rimane incerto.
L'obbligo normativo: cosa prescrive davvero l'AI Act
L'articolo 4 dell'AI Act non impone un numero minimo di ore né un format specifico. Prescrive che fornitori e deployer di sistemi di intelligenza artificiale garantiscano un livello adeguato di AI literacy a tutto il personale coinvolto nell'operatività, nella supervisione o nella gestione di quegli strumenti. Il termine "adeguato" non è decorativo: significa proporzionato al ruolo, al livello di rischio del sistema adottato e al contesto operativo dell'organizzazione.
Questa distinzione ha conseguenze pratiche immediate. Un corso generico su "cosa è l'intelligenza artificiale", erogato a tutta la forza lavoro indipendentemente dalle mansioni, soddisfa formalmente un requisito ma non risponde all'impianto logico della norma. Le autorità di vigilanza — operative da agosto 2026 — valuteranno la coerenza tra i sistemi AI effettivamente in uso, i ruoli che li gestiscono e i percorsi formativi documentati. La tracciabilità è parte integrante dell'obbligo, non un'aggiunta opzionale.
Sul versante italiano, la legge n. 132/2025 aggiunge un livello: le aziende devono informare i lavoratori sull'utilizzo di AI che li riguarda direttamente. Questo implica non solo formare, ma rendere espliciti e consultabili i criteri con cui i sistemi AI interagiscono con i processi lavorativi. Un impegno che richiede, come condizione preliminare, che quei criteri siano stati definiti.
Il paradosso dell'adozione italiana: si adotta l'AI, ma quasi nulla cambia davvero
I dati ISTAT del 2025 registrano un'accelerazione significativa: il 16,4% delle imprese italiane con almeno 10 addetti utilizza oggi almeno una tecnologia di intelligenza artificiale, contro l'8,2% dell'anno precedente. In due anni, la quota è più che triplicata rispetto al 5% del 2023. La crescita è reale. Ma i numeri sull'adozione efficace raccontano qualcosa di diverso.
Secondo il rapporto Anitec-Assinform elaborato con il Politecnico di Torino e presentato nell'aprile 2026, l'adozione è fortemente concentrata nelle grandi imprese: oltre il 50% delle aziende con più di 250 addetti utilizza AI, contro il 15,7% delle realtà con meno di 50 dipendenti. Ma anche tra chi adotta, la distanza tra "utilizzo di uno strumento" e "trasformazione dei processi" rimane ampia. Il dato più rivelatore viene da AI4Business: nel 2025 il 42% delle imprese ha abbandonato la maggior parte delle iniziative AI avviate, e meno della metà dei prototipi sviluppati ha raggiunto la produzione su larga scala. Una paralisi da proof-of-concept che descrive con precisione il meccanismo ricorrente: si avvia una sperimentazione, si ottengono risultati parziali, si sospende. E si ricomincia con un altro strumento.
Il Sole 24 Ore, citando i dati degli Osservatori del Politecnico di Milano, riassume il problema in modo efficace: il salto organizzativo — non quello tecnologico — è la vera variabile critica. Solo il 5% delle imprese porta i propri prototipi AI in produzione stabile. Il 79% dei leader aziendali considera l'intelligenza artificiale una tecnologia strategica per il futuro, ma solo il 20% dei dipendenti la usa quotidianamente nei propri flussi di lavoro. Questa forbice non si chiude con un corso.
Perché i programmi di formazione AI falliscono
La formazione AI fallisce per ragioni strutturali, non per mancanza di budget o di volontà. Tre meccanismi ricorrono in modo sistematico nelle organizzazioni di piccole dimensioni.
Il primo è la formazione sullo strumento anziché sul processo ridisegnato. I dipendenti imparano a usare una piattaforma — come interrogarla, come interpretarne l'output — ma tornano a lavorare su processi rimasti identici. Lo strumento viene usato in modo episodico, per sostituire attività puntuali anziché integrarsi in un flusso rivisto. L'efficienza attesa non si materializza perché il flusso reale non è cambiato. Il Il Sole 24 Ore lo chiama con precisione "adozione episodica": la tecnologia entra, ma l'organizzazione rimane ferma.
Il secondo meccanismo è la separazione tra formazione e operatività. L'aula — fisica o virtuale — e il lavoro quotidiano rimangono ambienti separati. Le competenze acquisite in contesti astratti o con esempi generici faticano a trasferirsi su processi specifici, spesso in settori dove le casistiche non corrispondono a quelle dei casi di studio standardizzati. Il rapporto Anitec-Assinform documenta questa frammentazione: l'ecosistema formativo italiano è ancora largamente disorganizzato, con un'offerta inadeguata rispetto alla domanda reale di competenze contestualizzate.
Il terzo — e il più sottovalutato — è l'assenza di coinvolgimento dei vertici. L'Osservatorio del Politecnico di Milano evidenzia che la formazione nelle PMI italiane è concentrata sui livelli operativi, mentre l'ingaggio di imprenditori e management resta spesso assente. Questo crea un cortocircuito: si chiede alle persone di cambiare il modo in cui lavorano, senza che chi governa l'azienda abbia ridisegnato i processi su cui quelle persone operano, né definito come misurare il cambiamento atteso.
Cosa distingue le adozioni che reggono
Le imprese che ottengono risultati concreti dall'integrazione dell'intelligenza artificiale condividono una sequenza operativa precisa, che inverte l'ordine abituale delle priorità. Prima il processo, poi la formazione su quel processo ridisegnato. La formazione, in questa prospettiva, non è la premessa dell'adozione: è la conseguenza di una scelta organizzativa già presa.
Ramp, la piattaforma americana di gestione finanziaria aziendale, ha raggiunto una percentuale di adozione interna dell'AI vicina al 100% costruendo prima un'infrastruttura di accesso unificato agli strumenti, che eliminava l'attrito organizzativo impedente l'utilizzo quotidiano. Solo dopo ha investito in formazione contestualizzata. L'obiettivo era rendere i processi già ridisegnati comprensibili a chi li doveva operare. Un approccio replicabile — in scala diversa — anche in un'impresa con dieci dipendenti, come abbiamo analizzato in un approfondimento dedicato ai rischi dell'automazione nelle piccole imprese.
Lo stesso principio emerge dai dati europei. Secondo il report Fivetran sull'AI Readiness del 2026, solo il 15% delle organizzazioni è effettivamente pronto per l'adozione AI su scala. La barriera principale non è tecnologica: sono la governance dei dati, la qualità dei processi documentati e la chiarezza sugli obiettivi misurabili. Formare i dipendenti su sistemi che operano su dati non strutturati e processi impliciti non produce competenze: produce frustrazione.
La variabile che separa le adozioni funzionanti da quelle abbandonate è la qualità dell'analisi preliminare. Le aziende che mappano prima cosa fanno, dove perdono tempo e dove si deteriorano le informazioni tra un passaggio e l'altro, arrivano alla formazione con qualcosa di concreto su cui formare. Le aziende che comprano lo strumento e poi cercano di adattarci la formazione, nella migliore delle ipotesi, ottengono dipendenti competenti su una tecnologia che non stanno usando nel modo giusto.
Due livelli da distinguere: compliance e adozione efficace
Per una piccola impresa italiana che affronta il tema oggi — con la scadenza di agosto 2026 come riferimento immediato — è utile distinguere con chiarezza due obiettivi che spesso vengono confusi.
Il primo è la compliance normativa: documentare che i dipendenti che usano sistemi AI hanno ricevuto formazione adeguata al loro ruolo e al livello di rischio degli strumenti adottati. Questo obiettivo è raggiungibile in tempi relativamente brevi, richiede un inventario degli strumenti AI in uso, una mappatura dei ruoli coinvolti e un percorso formativo tracciabile. È necessario. Non è sufficiente.
Il secondo è l'adozione efficace: integrare gli strumenti AI nei processi operativi in modo da produrre un ritorno misurabile — tempo recuperato, errori ridotti, decisioni migliori. Questo obiettivo richiede più tempo, un'analisi dei processi esistenti, la ridefinizione di almeno una parte dei flussi e una formazione costruita su quei flussi ridisegnati. È il percorso più lungo. È anche l'unico che giustifica l'investimento.
Trattare il secondo come conseguenza automatica del primo è l'errore più diffuso. La compliance apre la porta. L'adozione efficace richiede di attraversarla con un metodo.
Prima di scegliere un corso
I processi su cui formare i tuoi dipendenti sono già stati ridisegnati?
Molte aziende che si rivolgono a noi arrivano con un obbligo da rispettare e uno strumento già acquistato. Quasi sempre, lavorando insieme, emerge che il vero nodo sta a monte: processi non documentati, dati frammentati, obiettivi non definiti. Un confronto iniziale serve a capire da dove ha senso partire.
Prenota un primo confrontoDomande frequenti
Da quando è obbligatoria la formazione AI per i dipendenti in Italia?
L'obbligo di AI literacy è operativo dal 2 febbraio 2025, ai sensi dell'articolo 4 dell'AI Act europeo. Le autorità nazionali avviano la vigilanza da agosto 2026. In Italia, la Legge n. 132 del 23 settembre 2025 integra il quadro europeo con obblighi specifici di trasparenza verso i lavoratori.
Cosa si intende per AI literacy secondo l'AI Act?
L'AI Act non prescrive un formato unico ma richiede formazione adeguata al ruolo di ciascun dipendente, al livello di rischio del sistema AI adottato e al contesto operativo specifico dell'organizzazione. Un corso generico uguale per tutti non risponde pienamente all'impianto della norma.
Perché la formazione AI in azienda spesso non produce risultati concreti?
La causa principale è che si forma sullo strumento senza aver prima ridisegnato i processi su cui quello strumento dovrebbe operare. I dipendenti acquisiscono competenze su una tecnologia che si innesta in flussi invariati, e il ritorno atteso non si materializza.
Da dove dovrebbe partire una piccola impresa che vuole adottare l'AI in modo efficace?
Il punto di partenza corretto è una mappatura dei flussi operativi reali: dove si perde tempo, dove si generano errori, dove le informazioni si deteriorano tra un passaggio e l'altro. Solo dopo questa analisi ha senso scegliere gli strumenti e costruire i percorsi formativi adeguati.