Sapere abbondante: i capi intermedi alla prova dell'AI

Toronto, 23 settembre 2026: la tesi

Al Nrth Festival di Toronto, il 23 settembre 2026, Frankie Llewellyn-Thomas, partner della practice Transformation di KPMG Canada, ha messo a fuoco un passaggio strutturale, ripreso il 28 settembre da HCAMag^[1]: l'expertise ha cominciato a separarsi dagli esperti.

Per secoli il sapere specialistico è rimasto dentro le teste delle persone. Scuole, università, studi legali, società di revisione e governi sono nati intorno a quella condizione di scarsità.

La generative AI, secondo la partner, rende accessibile in pochi secondi un livello di analisi e di ragionamento esperto. Il risultato resta imperfetto e poco umano, per usare le sue parole, eppure disponibile su larga scala. Una risorsa rara diventa abbondante, e il vantaggio competitivo si sposta altrove.

Il fatto rilevante per chi guida le organizzazioni riguarda poco gli strumenti. Riguarda il punto in cui si forma il giudizio delle persone che dovranno usarli.

La valigia di libri del 2008

La partner ha raccontato di essere entrata a un esame di diritto tributario nel 2008 con una valigia carica di testi: leggi, regolamenti, giurisprudenza.

Lo scopo della prova era sapere dove cercare la risposta. Chi ignorava il punto del codice in cui guardare aveva davanti, per quell'esame, un'informazione inesistente.

Nel 2026 una persona appena laureata pone le stesse domande in lingua corrente e riceve una risposta ragionata in pochi secondi. La distanza fra le due scene misura quanto è cambiato il valore del recupero delle informazioni.

Il punto merita precisione. Recuperare informazioni perde valore; decidere cosa farne ne acquista. Sono due abilità diverse, e le organizzazioni le hanno sempre formate insieme, dentro lo stesso mestiere.

Il mestiere resta, la prima delle due abilità esce dal suo percorso.

Quel che resta raro

La tesi prosegue con un elenco preciso: giudizio, leadership, relazioni, etica, responsabilità, fiducia. Sono le risorse che, secondo la partner di KPMG Canada, diventano il fattore scarso del prossimo decennio.

Una conferma arriva da un'altra fonte citata nello stesso servizio. Il Global AI Jobs Barometer di PwC registra una domanda crescente di giudizio e creatività nei ruoli più esposti all'AI.

Una lettura parallela compare nel saggio «AI Made Knowledge Cheap. The Scarcity Moved Into Nature» (Adaptation Intelligence^[2]), che descrive lo stesso spostamento: quando la conoscenza costa poco, il valore migra verso ciò che resta difficile da replicare.

Il rischio, per chi legge in fretta, sta nel trattare giudizio e fiducia come tratti di carattere. Sono esiti di un percorso: si formano dentro un'architettura di ruoli, prove ed errori corretti da qualcuno di più esperto.

Il limite della tesi

La tesi merita una verifica onesta. L'accesso a una risposta esperta arriva in pochi secondi; la valutazione di quella risposta richiede qualcuno capace di riconoscerla.

Qui compare il paradosso operativo. Il sistema produce materiale di livello esperto, e serve una persona competente per validarlo. Quella competenza nasce dallo stesso apprendistato che l'automazione sta accorciando.

Le organizzazioni che trascurano questo anello si ritrovano, fra qualche anno, con molta produzione e poca capacità di controllo. Il costo emerge tardi, sotto forma di errori corretti fuori tempo.

Un percorso di risposta esiste già: rendere la validazione un compito esplicito, assegnato e misurato, invece di un residuo implicito del mestiere.

Dove si impara davvero il giudizio

Il giudizio professionale nasce da un apprendistato lungo. Una persona junior scrive una bozza imperfetta, un capo la corregge, la logica della correzione diventa criterio.

Quel ciclo vive nel lavoro ripetitivo: ricerche, prime stesure, riconciliazioni, sintesi. È la fascia di compiti che i sistemi generativi assorbono per prima.

Qui la conseguenza diventa misurabile sulla carriera più che sugli strumenti. Quando la porta d'ingresso si stringe, la curva di apprendimento perde i suoi primi gradini.

I dati sull'ingresso vanno in questa direzione. La Federal Reserve Bank di New York misura una disoccupazione dei neolaureati al 5,7%, e i payroll entry-level segnano un arretramento relativo del 16%. Il World Economic Forum descrive carriere che si comprimono verso l'alto.

La domanda per un capo intermedio cambia di conseguenza: quali decisioni affidare a chi ha poca esperienza, ora che la parte meccanica del lavoro esce dalle sue mani.

Il collo di bottiglia siede più in alto

Adozione e prontezza restano due cose distinte. Cornerstone ha misurato il divario: il 94% dei leader vede un impatto dell'AI sui ruoli, il 17% delle persone si sente pronto.

La distanza fra quelle due cifre descrive il perimetro del problema. Chi guida vede il cambiamento; chi lavora attende le condizioni per attraversarlo.

L'evidenza raccolta finora indica un ordine di priorità: la prontezza della leadership pesa più della dotazione tecnologica. Strumenti ottimi in mano a capi impreparati rendono meno di strumenti medi in mano a capi alfabetizzati.

Il ruolo intermedio porta il peso maggiore. Traduce in compiti quotidiani una strategia scritta ai piani alti, e decide ogni giorno chi impara che cosa. Il premio salariale del 56% misurato da PwC sulle competenze AI indica dove il mercato paga già questa traduzione.

Cosa fanno le organizzazioni che colmano il divario

Le organizzazioni che reggono il passaggio lavorano sulla conversione interna del talento. Morgan Stanley riporta il 98% di adozione fra i propri consulenti; JPMorgan ha raccolto 200.000 adesioni volontarie ai programmi di formazione.

La ricerca LHH/Adecco su 11.000 dirigenti indica una convenienza chiara: ricollocare le persone costa meno che licenziare e riassumere. Poche organizzazioni possiedono l'infrastruttura per farlo.

Sul piano operativo i team ad alto funzionamento ridisegnano tre cose:

• la porta d'ingresso: compiti junior scelti per il valore formativo, più che per il costo
• il ciclo di revisione: una correzione spiegata vale più di una correzione applicata
• il tempo del capo: ore protette per insegnare, contate come produzione

Un patrimonio resta disponibile dentro molte organizzazioni. Le persone che hanno imparato il mestiere prima dell'AI possono mettere per iscritto i criteri che usano. Quel materiale diventa insieme formazione per i più giovani e istruzione per i sistemi.

Il criterio comune è semplice. L'esposizione al giudizio diventa una condizione progettata più che una scelta individuale.

La conversazione da portare al vertice

Per un CEO la domanda da portare al board riguarda la prontezza organizzativa più del numero di licenze attivate. Quante persone, nei prossimi ventiquattro mesi, raggiungeranno un ruolo di giudizio autonomo?

Per un CHRO la priorità si sposta sull'organizational design: ridisegnare i primi diciotto mesi di carriera vale più di un catalogo di corsi.

Per un CFO l'investimento con ritorno documentato resta la ricollocazione interna, con un costo per persona inferiore alla sostituzione esterna. Per il comitato Talent del board la metrica da seguire diventa il tempo medio di formazione di un capo intermedio.

La domanda di design finale è diretta: quale parte del lavoro che forma il giudizio è già passata alle macchine, e chi, dentro questa organizzazione, risponde della sua sostituzione.