Come analizzare i fabbisogni formativi AI

L'analisi dei fabbisogni formativi AI serve a decidere quali persone devono sviluppare quali capacità per svolgere task reali, con quale livello di autonomia e con quale prova finale. Non parte da un catalogo di corsi. Parte dal lavoro, dai sistemi AI già usati o previsti e dalle conseguenze di un errore.

Il risultato non è una lista generica di temi come prompt engineering, privacy e automazione. È una matrice che collega ruolo, attività, rischio, competenza attuale, capacità attesa e intervento. Questa distinzione evita due sprechi frequenti: formare tutti allo stesso modo e usare la formazione per compensare un processo o uno strumento progettato male.

Distingui fabbisogno, mappa e piano formativo

I tre oggetti rispondono a domande diverse.

Puoi usare una mappa delle competenze AI del team come vocabolario, ma non dedurre automaticamente un corso da ogni livello basso. Il gap conta quando è collegato a un task, a un risultato atteso e a una conseguenza.

Parti dai task, non dal catalogo dei corsi

Intervista manager e persone sul lavoro osservabile. Evita domande come quanto sei bravo con l'AI da uno a cinque?. Chiedi invece:

• quale output devi produrre o quale decisione devi preparare

• quali input ricevi e quali fonti puoi usare

• quale sistema AI interviene e con quali permessi

• cosa controlli prima di accettare il risultato

• quali errori hai visto o consideri plausibili

• chi risponde dell'esito e chi può fermare il processo

• quale prova dimostrerebbe una prestazione adeguata

Registra un task per riga:

role
task
business_outcome
ai_system_or_method
allowed_use
forbidden_use
error_consequence
current_evidence
target_capability
support_needed
assessment_method
owner

Non confondere frequenza e importanza. Un task raro può avere conseguenze elevate. Un task frequente può essere già protetto da controlli efficaci e richiedere soltanto un job aid.

Descrivi la capacità come comportamento

Conosce l'AI generativa non è verificabile. Una capacità target dovrebbe contenere azione, condizioni e standard. Per esempio:

Su un brief marketing approvato, prepara tre varianti con fonti tracciate, segnala i claim non verificati e applica la checklist di revisione prima dell'handoff.

Il comportamento permette di scegliere una prova. Permette anche di separare la competenza della persona dalla capacità del sistema. Se il tool non conserva le fonti, non puoi correggere il problema con un modulo di due ore.

DigComp 3.0 integra l'AI nelle competenze digitali e offre un riferimento per profili e percorsi. Usalo come struttura da adattare, non come questionario universale. Il contesto del ruolo decide quali elementi sono pertinenti e quanto devono essere profondi.

Raccogli evidenza iniziale proporzionata

Combina fonti diverse:

• osservazione di un task o di un campione di output

• esercizio con caso realistico e criteri dichiarati

• errori, escalation e richieste di supporto già registrati

• intervista strutturata a persona e manager

• autovalutazione accompagnata da esempi

• vincoli di policy, accesso e processo

Il test d'ingresso per un corso AI aziendale è utile quando misura un comportamento vicino al lavoro. Non usarlo come diagnosi completa: una prova individuale non mostra da sola qualità delle fonti, carico, permessi o responsabilità del processo.

Raccogli soltanto dati necessari alla decisione formativa. Definisci chi vede gli esiti, per quanto tempo e se vengono usati per sviluppo, assegnazione o valutazione. Le persone devono conoscere lo scopo.

Considera contesto e AI literacy

Nel testo consolidato al 27 luglio 2026, l'articolo 4 dell'AI Act richiede a provider e deployer di adottare misure a sostegno dello sviluppo dell'AI literacy, considerando conoscenze tecniche, esperienza, istruzione e formazione delle persone, il contesto d'uso e i soggetti sui quali i sistemi sono usati.

La formulazione orienta verso misure contestuali, non verso un corso identico per tutti. La Commissione europea chiarisce inoltre che non è richiesto uno specifico certificato e indica che registri interni delle iniziative formative o di orientamento possono documentare le azioni adottate.

Queste informazioni aiutano a progettare il lavoro, ma non sostituiscono la consulenza legale applicabile alla tua organizzazione. Conserva fonti, data della lettura, decisioni e responsabilità; evita di presentare un attestato come prova automatica di adeguatezza.

Calcola il gap senza ridurlo a un voto

Per ogni task confronta l'evidenza attuale con la capacità target. Descrivi il gap per componente:

Un punteggio aggregato può essere utile per sintesi, ma non deve nascondere un blocco. Una persona capace di generare buone bozze ma incapace di riconoscere dati riservati non è pronta per un uso autonomo.

Trasforma il gap in una decisione formativa

Non ogni gap richiede un corso. Scegli tra:

• forma: manca una capacità apprendibile con spiegazione, pratica e feedback

• affianca: la capacità richiede esperienza guidata su casi reali

• fornisci supporto: checklist, template o esempio riducono il carico cognitivo

• limita: permessi o perimetro devono restare ristretti finché la prova non è superata

• riprogetta: il task o lo strumento crea un errore che la formazione non può compensare

• elimina: il task non produce valore o non dovrebbe usare l'AI

Esempio: se un team non riconosce fonti scadute, servono pratica e criteri di verifica. Se l'interfaccia nasconde la data della fonte, serve anche una modifica del sistema. Se il processo autorizza un invio senza revisione, il problema è di controllo, non di sola competenza.

Costruisci un piano minimo verificabile

Per ogni priorità definisci:

target_group
task_scope
baseline_evidence
learning_outcome
practice_cases
feedback_owner
job_aid
access_or_permission
final_evidence
review_date

Raggruppa persone con task e conseguenze simili, non soltanto con lo stesso livello gerarchico. Un manager che approva output, un operatore che usa il sistema ogni giorno e un tecnico che lo configura hanno fabbisogni diversi anche nello stesso processo.

La misurazione della formazione AI in azienda dovrebbe confrontare la prova iniziale e finale sullo stesso tipo di prestazione e osservare il trasferimento nel lavoro. Presenza e gradimento descrivono l'esperienza, non dimostrano la capacità.

Esempio fittizio

Un team commerciale usa un assistente per preparare note pre-incontro. L'analisi identifica tre task: scegliere fonti ammesse, distinguere fatti e ipotesi, consegnare la nota al responsabile.

La prova iniziale mostra che il team scrive bene, ma non registra la data delle fonti e tratta alcune inferenze come fatti. Il gap prioritario non è imparare prompt avanzati. È costruire una nota con provenienza leggibile e claim classificati. Il piano combina un laboratorio su casi, un template obbligatorio e una revisione dei primi cinque output. L'accesso all'invio automatico resta disabilitato perché non è necessario al task.

Think, Build, Enable applicato ai fabbisogni

Think: mappa ruoli, task, sistemi, conseguenze e capacità target.

Build: raccogli evidenza iniziale, descrivi i gap e scegli formazione, supporto, limite o riprogettazione.

Enable: assegna manager e feedback owner, esegui pratica e prova finale, documenta le misure e rivedi il piano quando cambiano sistema o task.

Porta ruoli, task e casi reali alla formazione AI per team aziendali di MAIKER HUB. Il punto di partenza non è quale corso compriamo?, ma quale prestazione deve diventare osservabile e sicura?.