Nel suo recente articolo “The model eats the world—now what?” Jared Spataro, Chief Marketing Officer di AI@Work in Microsoft, propone una lettura sorprendentemente lucida dell’evoluzione dell’Intelligenza Artificiale nel mondo del lavoro. Non si limita a descrivere l’ennesima ondata di innovazione tecnologica: racconta un vero cambio di paradigma.
Un cambio che tocca il modo in cui le aziende costruiscono competenze, generano valore e, soprattutto, competono.
Dal software agli agenti: il nuovo motore del vantaggio competitivo
Per decenni siamo stati abituati a pensare l’organizzazione come un sistema composto da processi, software deterministico e competenze umane. L’AI generativa ha già iniziato a incrinare questo equilibrio, ma secondo Spataro ora sta accadendo qualcosa di più profondo: i modelli non sono più semplici strumenti generalisti, ma diventano agenti specializzati, capaci di eseguire — e spesso superare — attività altamente complesse in domini specifici.
Quando i modelli vengono alimentati con dati di qualità e addestrati su valutazioni rigorose, smettono di comportarsi come chatbot e iniziano ad agire come veri specialisti.
Un esempio citato nell’articolo: un modello addestrato da Yale e Google è riuscito a generare una nuova ipotesi biologica verificata poi in laboratorio. Non un suggerimento generico, ma un contributo scientifico reale.
La conclusione è dirompente: l’expertise smette di essere un monopolio umano.
Hill Climbing: come si costruiscono capacità AI che si auto‑potenziano
Microsoft chiama “hill climbing” il metodo che molte aziende d’avanguardia stanno adottando per addestrare agenti che migliorano in modo continuo.
Il ciclo è semplice:
- Scegli un dominio (finanza, supporto, supply chain, design…).
- Definisci cosa significa “lavoro fatto bene”.
- Addestra l’agente finché raggiunge la soglia.
- Alza l’asticella.
- Ripeti.
Questo approccio non ha a che vedere con rilasci di software o roadmap funzionali: è sviluppo di capacità, non di prodotti.
Ogni iterazione spinge l’agente più in alto, fino a livelli difficili da eguagliare anche per i migliori specialisti umani.
Pensare a un team che “cresce competenze” insieme ai propri agenti AI non è futurismo: è ciò che sta già accadendo nelle cosiddette Frontier Firms.
Perché questa trasformazione è diversa dalle precedenti
Finora la maggior parte delle implementazioni AI si è concentrata su funzioni di supporto — automatizzare reportistica, migliorare la produttività personale, velocizzare processi amministrativi.
Un impatto utile, ma laterale.
La vera differenza arriverà quando l’AI entrerà nei motori centrali di creazione del valore:
- progettazione di prodotti,
- erogazione di servizi,
- consulenza,
- ingegneria,
- ricerca,
- design e prototipazione.
In queste aree, agenti ben addestrati possono:
- esplorare più alternative in meno tempo,
- ridurre errori progettuali,
- uniformare la qualità del servizio,
- velocizzare i cicli di innovazione,
- trasformare ogni team in un “team più grande”.
È una transizione dalla produttività individuale alla scalabilità aziendale.
Un’implicazione cruciale: non basta adottare l’AI, occorre cambiare approccio
L’articolo sottolinea con forza un punto che molte organizzazioni stanno ancora ignorando: chi tratta l’AI come un add-on ai processi esistenti rimarrà indietro.
Il vantaggio competitivo non verrà dal possedere la tecnologia, ma dal creare i loop di miglioramento continuo che trasformano agenti generalisti in esperti aziendali.
La domanda chiave diventa quindi:
quanto velocemente la tua organizzazione sa addestrare e far crescere i suoi agenti?
Come iniziare, davvero
Jared Spataro propone un percorso sorprendentemente concreto:
- identificare un workflow critico,
- definire criteri di “qualità” misurabile,
- costruire un agente che sappia eseguirlo,
- affidare a un piccolo team cross‑funzionale il compito di iterare.
Dopo pochi cicli, l’impatto diventa evidente: non solo l’agente migliora, ma cambiano i comportamenti delle persone. Diventano “allenatori di capacità”, non solo esecutori.
Il mio commento: un cambio culturale più che tecnologico
L’interpretazione di Spataro coglie l’essenza del momento attuale: stiamo passando da strumenti che aiutano gli individui a sistemi che amplificano l’intelligenza collettiva dell’organizzazione.
La sfida non è capire cosa può fare un modello, ma come costruire un metodo interno per farlo migliorare costantemente.
Le aziende che vinceranno non saranno quelle che implementano più funzionalità AI, ma quelle che sapranno:
- progettare benchmark di valutazione efficaci,
- coltivare team che “alzano l’asticella”,
- integrare agenti nei processi core,
- accettare che la forma dell’expertise sta cambiando.
Non è la tecnologia a mangiare il mondo.
È la capacità di migliorare rapidamente ad avere fame.