Come costruire un portfolio di evidenze per le competenze AI

Una persona completa un corso, supera un quiz e carica cinque prompt. Sai che ha partecipato e che ricorda alcuni concetti. Non sai ancora se riconosce un caso inadatto, verifica una fonte, protegge i dati, corregge un output o trasferisce il metodo su un task nuovo.

Un portfolio di evidenze serve a colmare questo vuoto. Non raccoglie tutto ciò che una persona produce. Seleziona prove che mostrano una competenza in un contesto, con un livello di autonomia, criteri espliciti e una verifica datata.

Il prodotto non è la cartella. È il legame:

competenza → task → artefatto → decisioni → criteri → review → prossimo livello

Distingui portfolio, archivio e attestato

Un archivio conserva materiali. Un attestato dichiara che un percorso è stato completato. Un portfolio prova cosa una persona ha fatto e come è stato valutato.

Il portfolio può includere un quiz o un attestato, ma non li trasforma in prova di qualunque competenza.

Anche il “miglior lavoro” non basta. Per capire una competenza servono casi riusciti, correzioni, limiti riconosciuti e, quando utile, un caso che la persona ha deciso di non affidare all'AI.

Parti da competenze legate al ruolo

Non aprire una cartella vuota chiedendo carica esempi di uso dell'AI. Prima scegli competenze e task osservabili.

Il framework UNESCO organizza le competenze AI dei docenti in cinque dimensioni e tre livelli di progressione. DigComp 2.2 considera, nella progressione, complessità del compito, autonomia o bisogno di guida e dominio cognitivo. Sono riferimenti utili, ma non un catalogo pronto per ogni azienda.

Localizza il framework sul lavoro reale. Per un team marketing, per esempio:

La mappatura delle competenze AI del team aiuta a scegliere ruoli e gap. Il portfolio non ripete la mappa: conserva le prove che confermano o smentiscono quel livello nel tempo.

Limita il numero iniziale. Cinque competenze critiche con prove valide valgono più di quaranta etichette senza task.

Definisci il livello attraverso il lavoro

Base, intermedio e avanzato diventano presto ambigui. Descrivi il livello usando quattro assi:

• complessità del task

• autonomia richiesta

• qualità dell'esito

• capacità di spiegare e trasferire il metodo

Esempio:

Non usare i nomi come equivalenti automatici dei framework esterni. Mantieni una mappa di riferimento e spiega come li hai adattati.

Una persona può essere al livello 3 nella preparazione delle fonti e al livello 1 nella gestione di dati sensibili. Il portfolio resta per competenza e task, non assegna una patente unica chiamata esperto AI.

Registra il contesto, non solo l'artefatto

Lo stesso output può essere notevole o insufficiente a seconda del compito, del supporto e delle conseguenze.

Ogni evidence record dovrebbe contenere:

evidence_id: EVD-2026-041
person_ref: learner-27
competence: verifica_output_ai
task: controllare una bozza di report con fonti fornite
context:
  domain: marketing-b2b
  impact: external_draft
  timebox: 45m
autonomy:
  guidance: checklist_available
  human_help: none
artifact_ref: sanitized/report-review-041.pdf
decisions_ref: sanitized/review-log-041.md
rubric_version: output-verification-v3
reviewer: calibrated-reviewer-04
result: meets_level_2
limits:
  - non valutato su dati sensibili
  - non valutato su pubblicazione diretta
observed_at: 2026-08-28
next_evidence_due: role_or_workflow_change

Il riferimento alla persona può essere pseudonimizzato nella vista di analisi. L'artefatto deve essere autorizzato e sanitizzato. Non caricare documenti cliente, credenziali o conversazioni reali solo per rendere il portfolio “concreto”.

Registra anche gli aiuti:

• checklist disponibile

• esempi forniti

• template precompilato

• feedback del formatore

• collaborazione con un collega

• uso consentito di un assistente

Nasconderli gonfia il livello. Dichiararli permette di vedere la progressione verso maggiore autonomia.

Collega output e decisioni

Un file finale mostra il risultato, non sempre il ragionamento professionale. Aggiungi un decision log breve:

• perché il task era adatto o inadatto all'AI

• quali fonti erano ammesse

• quale rischio richiedeva verifica

• cosa è stato cambiato dopo l'output

• cosa è stato scartato e perché

• quale limite resta

Non serve chiedere un diario intimo o una ricostruzione artificiale dei pensieri. Bastano decisioni osservabili e prove: fonte scelta, controllo eseguito, passaggio corretto, escalation aperta.

Per un output generativo, conserva versione e configurazione quando sono rilevanti. Se la prova viene rieseguita dopo sei mesi con uno strumento diverso, puoi distinguere progressione della persona e cambio dell'ambiente.

Includi anche nessun output AI usato come esito valido quando il caso non è adatto. Riconoscere il limite è una competenza, non un fallimento di adozione.

Usa rubriche corte e ancorate a evidenze

Una rubrica efficace descrive ciò che il reviewer può vedere.

Esempio per verifica_output_ai:

Ogni giudizio punta a una pagina, un passaggio o una ricevuta. Buona padronanza senza locator produce una discussione, non una prova.

Usa versioni della rubrica. Se cambi criteri, non confrontare direttamente punteggi vecchi e nuovi senza una mappa. NIST suggerisce di definire, valutare e documentare la proficiency degli operatori in relazione a performance e affidabilità del sistema: criteri e contesto fanno parte dell'evidenza.

Calibra i reviewer

Due formatori possono leggere lo stesso artefatto in modo diverso. Prima di valutare il team:

1. scegli tre o quattro campioni rappresentativi

2. fai una review indipendente

3. confronta criteri e locator, non solo il punteggio finale

4. chiarisci soglie e casi di escalation

5. conserva il campione di calibrazione con la rubrica

Il manager può portare il contesto del lavoro, il formatore i criteri didattici e un domain expert la correttezza del contenuto. Non concentrare tutto in un unico reviewer quando il task richiede competenze diverse.

La review non deve diventare sorveglianza continua. Definisci quali prove sono necessarie, chi può vederle e quale decisione supportano.

Mostra progressione con prove comparabili

Una sequenza di file più eleganti non dimostra progressione. Confronta task con struttura simile o descrivi esattamente cosa è cambiato.

Puoi usare una scala a tre passaggi:

T1 · caso standard con checklist
T2 · variante nuova senza aiuto diretto
T3 · caso ambiguo con scelta del metodo ed escalation

La progressione può apparire in modi diversi:

• stessa qualità con minore guida

• qualità migliore sullo stesso task

• gestione di maggiore complessità

• trasferimento su dominio o formato nuovo

• riconoscimento più precoce del limite

• capacità di dare feedback utile a un collega

Non cambiare tutti gli assi insieme. Se T3 usa uno strumento più potente, più tempo e un compito più semplice, il confronto perde valore.

Il progetto finale di un corso AI aziendale può fornire una prova ricca. Il portfolio la colloca in una storia più lunga: prima, durante e dopo il corso, con task sul lavoro e retest quando cambiano strumenti o responsabilità.

Decidi validità e retest

Le competenze non scadono tutte allo stesso giorno, ma una prova può diventare poco rappresentativa.

Usa trigger:

• cambia il ruolo o il processo

• cambia lo strumento o il livello di autonomia

• entra un nuovo tipo di dato o conseguenza

• un incidente smentisce il comportamento osservato

• la persona non usa quel task da molto tempo

• la policy o la rubrica cambia in modo sostanziale

Registra valid_for e not_tested_on. Una prova su riassunti interni non copre pubblicazione esterna o dati sensibili. Una prova con checklist non dimostra autonomia senza guida.

Il retest non deve ripetere l'intero corso. Può essere un task breve, vicino al lavoro e focalizzato sulla superficie cambiata.

Misura il sistema formativo con indicatori aggregati, ma non confondere quantità di evidence record e sviluppo reale. L'articolo su come misurare la formazione AI in azienda aiuta a collegare apprendimento, trasferimento e risultati senza inventare causalità.

Proteggi persone e informazioni

Un portfolio può contenere dati sulla prestazione lavorativa. Definisci prima:

• finalità della raccolta

• evidenze ammesse

• visibilità per persona, manager, L&D e reviewer

• tempi di conservazione

• procedura di correzione o contestazione

• regole su dati cliente e proprietà intellettuale

• uso vietato dei punteggi

Non usare un modello per dedurre personalità, potenziale o affidabilità dalla scrittura. Valuta criteri visibili nel task.

Riduci le copie. L'artefatto può restare nel repository autorizzato; il portfolio conserva un riferimento, un estratto sanitizzato o una ricevuta. Se il documento viene ritirato, il record deve indicare che la prova non è più disponibile.

Evita classifiche generali. Il portfolio serve a decidere supporto, pratica e assegnazione del lavoro, non a creare un punteggio sociale interno.

Organizza una review trimestrale breve

La review non è una presentazione di tutti i file. Per ogni persona o ruolo:

1. scegli due prove nuove e una prova da retestare

2. verifica che contesto, rubrica e locator siano completi

3. confronta il livello con il task, non con i colleghi

4. identifica una competenza solida e un gap operativo

5. assegna un prossimo task con supporto esplicito

6. rimuovi o archivia evidence record non più validi secondo policy

Il risultato può essere una pagina:

Confermato: verifica output, livello 2, task marketing interno
Da estendere: gestione fonti in documenti con tabelle
Non valutato: dati sensibili e pubblicazione
Prossima prova: report breve con tre fonti e un conflitto
Supporto: checklist + peer review, nessuna soluzione modello

La chiarezza batte il volume.

Esempio fittizio: team commerciale

Un team ha seguito una formazione su ricerca e preparazione di email. Il primo portfolio conteneva screenshot di prompt e bozze riuscite.

L&D lo ricostruisce attorno a tre competenze:

• preparare un source pack ammesso

• produrre una bozza senza inventare fatti

• riconoscere quando serve un responsabile commerciale

Ogni persona esegue due task sintetici e uno sanitizzato dal lavoro. Il reviewer registra fonti, correzioni e astensioni. Una persona produce testi ottimi ma usa una fonte scaduta; un'altra scrive meno bene ma riconosce correttamente un claim non autorizzato.

Il team non assegna un voto unico. Pianifica pratica diversa: verifica delle fonti per la prima persona, revisione editoriale per la seconda. Dopo quattro settimane, entrambe affrontano un caso nuovo con meno guida.

Il portfolio ora supporta una decisione operativa: quale task può essere svolto in autonomia e quale richiede review.

Think, Build, Enable applicato al portfolio

Think: scegli competenze legate al ruolo, task osservabili, decisioni supportate e dati che non devono entrare nel sistema.

Build: crea evidence record con contesto, artefatto, decisioni, rubrica, reviewer, limiti e validità.

Enable: calibra i reviewer, restituisci feedback, assegna un prossimo task e usa la progressione per adattare pratica e responsabilità.

Progetta con MAIKER HUB una formazione team aziendale AI basata su task ed evidenze. Il portfolio non deve dimostrare che il corso è stato ricco. Deve aiutare persone e manager a capire quale lavoro è pronto, quale richiede supporto e quale non è ancora stato provato.