AI e pensiero critico devono crescere insieme: delegare un’attività richiede di saper valutare il risultato, riconoscere gli errori e decidere quando fermarsi. Lo studio IBM CHRO 2026 offre uno spunto concreto per ripensare la formazione aziendale. Ma la sua lettura richiede la stessa attenzione che chiediamo a chi usa un chatbot: controllare fonti, definizioni e confronti.
Il mio consiglio alle aziende è semplice: inserire la verifica degli output tra le attività da insegnare, organizzare e riconoscere. Il pulsante “genera” è facile da trovare. Chi può premere “fermi tutti” dovrebbe essere altrettanto chiaro.
Che cosa misura lo studio IBM CHRO 2026
Il comunicato IBM del 21 settembre 2026 presenta due indagini condotte con Oxford Economics tra aprile e giugno 2026: 1.500 CHRO e dirigenti equivalenti, in 21 aree geografiche e 23 settori; 8.800 dipendenti a tempo pieno, in 28 Paesi. CHRO significa Chief Human Resources Officer, ossia responsabile delle risorse umane.
Si tratta di un’indagine aziendale basata su risposte e valutazioni, non di un esperimento che misura la perdita di capacità cognitive. Non la leggerei neppure come una fotografia specifica delle PMI italiane.
71%, 29% e 38%: attenzione a che cosa confrontiamo
Il comunicato accosta il 71% dei CHRO, che dà priorità alla supervisione, validazione e possibilità di disattendere gli output dell’AI, al 29% dei dipendenti, che considera importante il giudizio.
Nella pagina del report IBM “Designing the Thinking Organization”, però, il confronto sulla capacità di supervisionare, validare o disattendere gli output è 71% contro 38%. Per pensiero critico e definizione del problema, i valori sono 57% e 49%.
Le etichette contano. Il 29% non va sostituito al 38% come se fosse la stessa misura. I testi pubblici consultati non consentono di ricostruire integralmente il questionario: mantengo quindi separati i confronti. Sarebbe scorretto concludere che “il 71% dei lavoratori non sa ragionare”: una priorità dichiarata non è un test di competenza.
Responsabilità, fiducia e competenze: gli altri dati
Queste percentuali sono confermate dal comunicato IBM citato sopra:
| Indicatore | Dato |
|---|---|
| Dipendenti preoccupati dall’erosione delle competenze | 60% |
| Dipendenti che riferiscono di ricevere la colpa degli errori dell’AI | 43% |
| CHRO che dubitano della sicurezza percepita nel contestare l’AI | 41% |
| CHRO che segnalano responsabilità poco chiare | 36% |
| Organizzazioni che escludono il CHRO dalla definizione della strategia AI | 46% |
| CHRO con difficoltà di coordinamento nella C-suite | 73% |
| Valutazioni delle capacità HR: alfabetizzazione AI, misurazione, gestione del cambiamento | 13%, 16%, 20% |
Il report collega inoltre l’integrazione del giudizio nel lavoro alla fiducia: il 62% dei CHRO segnala una crescita dove questa integrazione esiste; dove manca, il 57% segnala un calo. Sono gruppi e direzioni differenti: non sono due percentuali da sottrarre per calcolare un “effetto”.
Il mio punto di attenzione è organizzativo: chiedere a una persona di controllare un risultato, senza darle tempo e autorità per respingerlo, rischia di trasformare la supervisione in una firma automatica. Una procedura utile deve spiegare chi verifica, con quali fonti e che cosa succede se il risultato non supera il controllo.
AI e pensiero critico: che cosa dice la ricerca scientifica
Un riferimento pertinente è il lavoro di Hao-Ping Lee e colleghi, pubblicato negli atti di CHI 2025 e disponibile su Microsoft Research: “The Impact of Generative AI on Critical Thinking”. Gli autori hanno raccolto risposte da 319 lavoratori della conoscenza e 936 esempi d’uso.
Una maggiore fiducia nell’AI risulta associata a minore pensiero critico dichiarato; una maggiore fiducia nelle proprie capacità, al contrario, a maggiore esercizio critico. Il lavoro descrive anche uno spostamento dell’impegno verso la verifica delle informazioni, l’integrazione delle risposte e la supervisione del compito.
Associazione non significa causalità. Anche qui parliamo di autovalutazioni: il paper non dimostra che usare un chatbot provochi inevitabilmente un deterioramento cognitivo. Per sostenere una conclusione del genere servirebbero misure delle capacità nel tempo e un disegno capace di distinguere l’effetto dell’AI da altri fattori.
Il Future of Jobs Report 2025 del World Economic Forum aggiunge una prospettiva sulle priorità dei datori di lavoro: sette aziende su dieci considerano essenziale il pensiero analitico. È un’indagine diversa, che non valida le percentuali IBM; aiuta però a collocare le competenze di valutazione nel quadro più ampio del lavoro.
Come riconoscere gli errori dell’AI nel lavoro quotidiano
Propongo di tradurre “pensiero critico” in comportamenti osservabili. “Usare buon senso” è un’indicazione troppo vaga per progettare una lezione o verificare un processo.
| Attività | Errore da cercare | Verifica umana |
|---|---|---|
| Preparare un preventivo | Condizioni tratte da una proposta superata | Confrontare importi e scadenze con l’ultimo accordo |
| Riassumere una riunione | Ipotesi trasformate in decisioni | Distinguere proposte, decisioni e attività assegnate |
| Analizzare vendite | Percentuali corrette su periodi non confrontabili | Controllare denominatori, intervalli e dati mancanti |
| Scrivere un articolo | Una fonte esistente che non sostiene la frase | Aprire il documento e verificare il passaggio pertinente |
| Preparare una bozza HR | Requisiti aggiunti senza evidenza | Confrontare ogni requisito con il brief approvato |
Sono esempi didattici, non casi misurati dallo studio. Nel mio approfondimento su agenti AI e second brain ho affrontato proprio il problema del preventivo: recuperare informazioni serve solo se si individua la versione pertinente e si mantiene una verifica del risultato.
Una procedura in cinque passi per le aziende
Come riferimento generale, il National Institute of Standards and Technology propone l’AI Risk Management Framework, un quadro volontario per integrare l’affidabilità nella progettazione, nell’uso e nella valutazione dei sistemi. La procedura seguente è una mia proposta operativa, non una checklist ufficiale del NIST.
- Definire la decisione. Prima di aprire il chatbot, scrivere quale problema si vuole risolvere e con quali criteri si accetterà il risultato.
- Assegnare la responsabilità. Indicare chi prepara, chi verifica e chi autorizza l’azione finale. Il verificatore deve poter chiedere modifiche.
- Rendere disponibili le prove. Affiancare all’output documenti originali, versioni e dati utilizzati. Un link da solo non basta.
- Prevedere lo stop. Stabilire quando sospendere l’attività: fonti assenti, risultati incoerenti, informazioni insufficienti o conseguenze che richiedono una valutazione specialistica.
- Misurare anche la qualità. Registrare errori trovati, correzioni e tempo complessivo, compreso quello della revisione. Il solo numero di testi prodotti racconta poco.
Un esercizio per allenare il giudizio umano
In un percorso di formazione sull’AI generativa inserirei una prova di venti minuti. Il docente prepara un breve report e un fascicolo di fonti, introducendo intenzionalmente tre problemi: una percentuale con denominatore sbagliato, una fonte che non sostiene la conclusione e un’ipotesi presentata come certezza.
I partecipanti devono trovare i problemi, spiegare come li hanno verificati e decidere se approvare, correggere o sospendere il report. Prima formulano una valutazione autonoma; poi possono usare l’AI per cercare obiezioni. Vince chi motiva meglio, non chi consegna prima.
Il debriefing dovrebbe includere una domanda: “Quale errore avresti lasciato passare se avessi avuto soltanto trenta secondi?”. La risposta aiuta a progettare tempi realistici di controllo.
Domande frequenti su AI, competenze e pensiero critico
Che cosa significa supervisionare un output dell’AI?
Significa confrontarlo con fonti e criteri pertinenti, verificarne i limiti e decidere se utilizzarlo, modificarlo o respingerlo. Rileggere un testo senza controllarne le affermazioni è una revisione incompleta.
Lo studio IBM dimostra che l’AI riduce le competenze?
No: le rilevazioni riportano percezioni e valutazioni. Per misurare una perdita effettiva servono prove delle capacità, confronti nel tempo e analisi delle possibili cause.
Come formare i dipendenti a contestare l’AI?
Propongo esercitazioni con errori intenzionali, accesso alle fonti, criteri espliciti e discussione delle decisioni. La formazione va accompagnata dal tempo necessario per verificare e da un percorso chiaro per segnalare i dubbi.
Fonti e criterio di lettura
I collegamenti alle cinque risorse principali sono distribuiti nei paragrafi: comunicato IBM, report IBM Institute for Business Value, studio CHI 2025, World Economic Forum e NIST. Le prime due documentano la notizia; le altre offrono ricerca e riferimenti di contesto. Gli esempi e la procedura sono mie proposte didattiche. Verifica effettuata il 21 settembre 2026.
Per progettare un laboratorio aziendale su AI e pensiero critico, contattami: possiamo partire dai vostri documenti e definire insieme che cosa significhi, concretamente, un risultato affidabile.
Scrivimi per organizzare un evento o un corso sull’intelligenza artificiale generativa
Mandami un WhatsApp al 339.6325418 per organizzare un corso o una conferenza sull’A.I. generativa.