di Federico Ruggiero

C'è una domanda su tutte che scuote il mondo economico e delle imprese: Come deve cambiare la formazione manageriale quando l’intelligenza artificiale diventa una componente ordinaria del lavoro? il quesito è stato il cuore dell'Annual Meeting dell'Academy of Management, uno dei principali appuntamenti internazionali dedicati alla ricerca e alla formazione del management e delle organizzazioni che a Filadelfia ha tagliato il traguerdo dell'86° edizione. Ogni anno la conferenza riunisce migliaia di ricercatori, docenti, professionisti e dottorandi provenienti da tutto il mondo, offrendo uno spazio di confronto sulle trasformazioni che stanno interessando il lavoro manageriale, le organizzazioni e i modelli di formazione.

Perché la formazione manageriale deve cambiare

Durante le varie sessioni che si sono alternate, si è discusso delle indicazioni ricevute dalle istituzioni, quali UNESCO e World Economic Forum negli ultimi anni in merito all'utilizzo responsabile di IA. In particolare, il Future of Jobs Report 2025 del World Economic Forum mostra che l'86% dei datori di lavoro intervistati si aspetta che AI e tecnologie di elaborazione dell'informazione trasformino il proprio business entro il 2030. Ma, soprattutto, che il cambiamento riguarderebbe le competenze. Infatti, secondo il rapporto, in media il 39% delle competenze attuali dei lavoratori sarà trasformato o diventerà obsoleto nel periodo 2025-2030. Competenze in merito all' Intelligenza Artificiale e ai big data sono indicate tra quelle con la crescita più rapida, ma insieme a esse aumentano di importanza pensiero creativo, resilienza, flessibilità, curiosità e capacità di apprendimento continuo. Appare evidente come il ruolo dei docenti non sia più solo quello di far acquisire agli studenti le competenze tecniche aziendali ma anche quelle in merito all'utilizzo di strumenti basati su intelligenza artificiale. Quindi:

Dai contenuti al giudizio: cosa cambia per le business school

La formazione manageriale dovrebbe tenere in considerazione l'utilizzo consapevole e critico di intelligenza artificiale, favorendo ambienti di apprendimento in cui affrontare le dinamiche e i rischi che gli strumenti tecnologici si portano dietro. Significa sviluppare capacità di adattamento a contesti in cui tecnologie, attività e ruoli cambiano continuamente. Significa preparare la futura classe dirigenziale a un mondo dinamico in cui la tecnologia non sarà più solo mezzo ma anche, ma anche interlocutore, collaboratore e parte integrante dei processi decisionali. La formazione manageriale deve quindi spostare l'attenzione dalla semplice acquisizione di conoscenze e dall'esecuzione di compiti alla costruzione di capacità che permettano di lavorare efficacemente insieme all'AI. Se attività come raccogliere informazioni, sintetizzare documenti o generare una prima analisi possono essere sempre più facilmente supportate dalla tecnologia, diventano ancora più importanti competenze come il giudizio, il pensiero critico, la capacità di interpretare situazioni ambigue, valutare alternative e assumersi la responsabilità delle decisioni. La sfida per le business school non è quindi insegnare soltanto a utilizzare nuovi strumenti, ma riprogettare curriculum, esperienze di apprendimento e sistemi di valutazione affinché l'AI diventi parte del processo formativo senza sostituire l'agency dello studente.

Non sorprende quindi che il 77% delle imprese intervistate dal World Economic Forum dichiari di voler investire in reskilling e upskilling per permettere alle proprie persone di lavorare meglio insieme all'AI. Allo stesso tempo, il 50% degli executive identifica proprio la mancanza di competenze come principale ostacolo all'adozione dell'AI, seguito dalla mancanza di visione da parte di manager e leader, indicata dal 43%.

Secondo il report McKinsey The State of AI in 2025, quasi nove organizzazioni su dieci dichiarano ormai di utilizzare regolarmente l'AI. Eppure, quasi due terzi non sono ancora passati dalla sperimentazione alla diffusione su scala aziendale. Allo stesso tempo sta emergendo l'agentic AI: il 23% delle organizzazioni intervistate dichiara di avere già portato almeno un sistema agentico alla fase di scaling, mentre un ulteriore 39% sta sperimentando questi sistemi.

È proprio questo passaggio che rende la questione particolarmente interessante per le business school. L'AI sta progressivamente smettendo di essere soltanto uno strumento al quale chiediamo di svolgere un compito. Sta diventando parte di sistemi sociotecnici nei quali persone e sistemi artificiali collaborano, si scambiano informazioni e contribuiscono a processi decisionali più ampi.

Ripensare la valutazione nell'era dell'IA

Una volta compresa da parte del corpo docente la necessità di adottare e favorire l'utilizzo di strumenti di IA negli ambienti di apprendimento, è necessario imparare a difendersi dagli utilizzi impropri degli studenti. La domanda che spesso veicola i dibattiti delle sessioni è “come poter verificare che gli studenti non utilizzino impropriamente l'IA per svolgere le prove?”, “come possiamo essere certi che gli studenti abbiano appreso i contenuti presentati a lezione e non abbiano solo usato l'IA?”.

Una risposta possibile è che non esiste un unico strumento in grado di garantire che l'IA non venga utilizzata impropriamente. La strada più efficace consiste piuttosto nel ripensare le modalità di valutazione, progettando prove nelle quali sia più difficile delegare integralmente il lavoro all'IA e nelle quali lo studente sia chiamato a rendere visibile il proprio processo di apprendimento. Per studenti di MBA, master ed executive education, ad esempio, è possibile costruire esercitazioni che richiedano di applicare concetti e modelli a esperienze personali e professionali concrete: situazioni vissute sul luogo di lavoro, durante uno stage o all'interno di un progetto, chiedendo di motivare le proprie interpretazioni e decisioni. In questi casi, l'IA può eventualmente supportare l'elaborazione, ma non può sostituire completamente la conoscenza del contesto e la capacità dello studente di discuterlo criticamente.

Un secondo strumento particolarmente efficace è il ricorso all'interazione orale. Una prova scritta può essere integrata da brevi domande successive, nelle quali lo studente deve spiegare le scelte compiute, approfondire un passaggio dell'elaborato o rispondere a una variazione dello scenario proposto. In questo modo, l'attenzione si sposta dal solo prodotto finale alla capacità di argomentare, interpretare e dimostrare padronanza dei contenuti.

La questione diventa più complessa con gli studenti più giovani, che spesso non dispongono ancora di esperienze professionali significative da utilizzare come base per esercitazioni personalizzate. In questi casi, prove orali, attività svolte in aula, assessment articolati in più fasi e, dove appropriato, sistemi di tracciamento dell'attività rimangono opzioni percorribili. Più che inseguire una impossibile certezza sull'assenza di IA, l'obiettivo dovrebbe essere costruire sistemi di valutazione nei quali lo studente debba comunque dimostrare personalmente di saper comprendere, applicare e discutere ciò che ha appreso.

Il nuovo ruolo del docente

L'ingresso dell'intelligenza artificiale negli ambienti di apprendimento non modifica soltanto ciò che gli studenti possono fare, ma anche il ruolo del docente. Se un sistema di IA è in grado di spiegare un concetto, sintetizzare un testo, proporre esempi, generare esercizi o fornire un primo feedback, il valore della docenza non può più essere identificato esclusivamente con la trasmissione dei contenuti. Di conseguenza, una seconda domanda cruciale da affrontare potrebbe essere: Se l'IA può spiegare, suggerire, correggere e fornire feedback, quale diventa il ruolo del docente?

Il docente come progettista e regista dell'apprendimento

Da quanto emerso nei vari incontri, la risposta sembrerebbe andare nella direzione di un docente sempre più progettista e regista dell'esperienza di apprendimento. Il suo compito diventerebbe, infatti, quello di definire gli obiettivi formativi, selezionare le attività, stabilire quando e come utilizzare l'IA, costruire occasioni di confronto e intervenire nei momenti in cui sono necessari interpretazione, giudizio e contestualizzazione. In questa prospettiva, un approccio human-centered non significherebbe necessariamente costruire ambienti di apprendimento esclusivamente umani. Significherebbe piuttosto progettare configurazioni nelle quali persone e sistemi di IA possano interagire, mantenendo però giudizio, responsabilità e accountability in capo alle persone. L'IA può quindi guidare, mettere alla prova, offrire feedback e adattare alcuni aspetti del percorso senza però sostituire l'agency dello studente.

Per questo motivo, il docente non perde centralità ma cambia il modo in cui la esercita. La tecnologia diventerebbe sempre più un materiale di progettazione dell'esperienza formativa, mentre al docente resterebbe la responsabilità di governarne l'utilizzo e di assicurarsi che l'IA ampli le possibilità di apprendimento senza sostituire i processi di riflessione, confronto e sviluppo del pensiero critico.

Cosa resta, oltre il dibattito

Nel complesso, le discussioni emerse durante l'Annual Meeting dell'Academy of Management sembrano indicare che il dibattito sulla presenza dell'intelligenza artificiale nella formazione manageriale abbia ormai superato la fase iniziale, nella quale la questione principale era stabilire se consentirne o vietarne l'utilizzo. La direzione appare oggi diversa: l'IA è destinata a diventare una componente ordinaria degli ambienti di apprendimento e, proprio per questo motivo, business school e università devono comprendere come integrarla senza rinunciare agli obiettivi fondamentali della formazione. Ciò significa insegnare agli studenti non soltanto a utilizzare questi strumenti, ma anche a valutarne criticamente gli output, comprenderne i limiti, riconoscerne i rischi e assumersi la responsabilità delle decisioni prese con il loro supporto. Significa, allo stesso tempo, ripensare le modalità di valutazione, privilegiando prove che rendano maggiormente visibile il processo di apprendimento e che richiedano allo studente di argomentare, contestualizzare e difendere le proprie scelte. E significa, inoltre, ripensare il ruolo stesso del docente, sempre meno esclusivamente trasmettitore di conoscenze e sempre più progettista di esperienze di apprendimento nelle quali persone e sistemi di IA possono interagire senza che giudizio, responsabilità e agency vengano trasferiti alla tecnologia.

Questa prospettiva risulta coerente con l'idea, emersa anche nelle varie sessioni, secondo cui un approccio human-centered non debba necessariamente essere human-only. Ovvero, sistemi e agenti di intelligenza artificiale possono offrire guida, feedback, stimoli e adattamento, purché giudizio e accountability rimangano umani. Del resto, la necessità di sviluppare queste capacità non riguarda solamente il mondo universitario, infatti, il World Economic Forum identifica proprio la carenza di competenze come il principale ostacolo all'adozione dell'IA nelle organizzazioni e indica il reskilling e l'upskilling come la strategia più frequentemente prevista dalle imprese per affrontare questa trasformazione.

Una convergenza internazionale, con un nodo ancora aperto

Un ulteriore elemento interessante emerso dal confronto tra esperienze provenienti da università e business school differenti è che le direzioni intraprese appaiono ormai sorprendentemente simili. Il quadro restituito dalle sessioni è quello di istituzioni che, pur appartenendo a sistemi universitari diversi, stanno progressivamente accettando l'utilizzo dell'IA, promuovendo forme di AI literacy, sperimentando nuovi assessment, introducendo momenti di verifica orale e interrogandosi su come preservare pensiero critico, autonomia e responsabilità dello studente. Da questo punto di vista, sembra quindi formarsi una sorta di convergenza internazionale per cui il problema non è più stabilire se la trasformazione avverrà, ma capire con quale velocità e con quali modalità governarla.

Ed è proprio sul governo di questa trasformazione che sembra emergere uno degli aspetti ancora più problematici. In molte delle esperienze discusse, infatti, una parte significativa delle decisioni continua a essere lasciata ai singoli docenti: ciascuno può stabilire quanto consentire l'utilizzo dell'IA, quali strumenti ammettere, come modificare gli assessment, quali forme di disclosure richiedere agli studenti e, più in generale, quale ruolo attribuire all'IA all'interno del proprio insegnamento. Una certa autonomia didattica è certamente necessaria, anche perché discipline e obiettivi formativi possono essere molto diversi tra loro. Tuttavia, autonomia non dovrebbe significare assenza di coordinamento. Lasciare quasi interamente ai singoli docenti la responsabilità di interpretare una trasformazione di questa portata rischia infatti di produrre esperienze formative estremamente eterogenee all'interno della stessa università. Uno studente potrebbe trovarsi, nello stesso semestre, in un corso nel quale l'utilizzo dell'IA viene incoraggiato, in un altro nel quale è tollerato a determinate condizioni e in un terzo nel quale viene sostanzialmente vietato. Ancora più problematico, docenti con livelli molto differenti di conoscenza e familiarità con questi strumenti potrebbero trovarsi a definire autonomamente regole, modalità di verifica e criteri di valutazione, con il rischio di generare non solo confusione, ma anche differenze significative nella qualità dell'esperienza formativa.

Verso una governance istituzionale

È quindi legittimo chiedersi se il prossimo passaggio non debba essere proprio quello da una fase di sperimentazione individuale a una fase di governance istituzionale. Non si tratta necessariamente di introdurre regolamenti rigidi e uniformi per ogni corso, che rischierebbero di diventare rapidamente obsoleti in un contesto tecnologico in continua evoluzione. Sarebbe però importante che le università definissero almeno una cornice comune.

Alcune domande che potrebbero guidare il ragionamento: quali principi devono guidare l'utilizzo dell'IA nella didattica? Quale livello minimo di conoscenza dell'IA dovrebbe possedere uno studente al termine del proprio percorso? Quali utilizzi devono essere sempre dichiarati? Quali strumenti possono essere utilizzati quando sono coinvolti dati personali o informazioni riservate? Quali elementi di un assessment devono necessariamente restare sotto la responsabilità dello studente? E, soprattutto, quale formazione deve essere offerta ai docenti affinché non siano lasciati soli a rispondere a queste domande?

Le domande aperte per le business school

Forse è proprio questa la sfida che si apre ora. La sperimentazione dal basso ha avuto un ruolo fondamentale per comprendere le possibilità offerte dall'intelligenza artificiale e per sviluppare pratiche innovative. Ma una tecnologia che sta diventando strutturale non può essere governata esclusivamente attraverso una somma di iniziative individuali. Se l'IA è destinata a trasformare non solo gli strumenti utilizzati dagli studenti, ma anche curriculum, assessment, ruolo dei docenti e competenze attese dai futuri manager, allora diventa difficile considerarla semplicemente una scelta didattica del singolo insegnamento. A quale livello deve essere governata questa trasformazione? E fino a che punto un'università può dichiararsi pronta all'era dell'intelligenza artificiale se non dispone ancora di una visione condivisa su cosa significhi insegnare e apprendere insieme all'IA? Queste potrebbero essere le domande sulle quali le business school saranno chiamate a confrontarsi sempre più nei prossimi anni.