IA e capacità di conversazione

L'IA generativa elimina molte piccole frizioni dal lavoro della conoscenza. Riassume documenti, ristruttura proposte, prepara e-mail, trasforma appunti in presentazioni, confronta alternative e aiuta a passare più rapidamente da una pagina bianca a una prima versione utilizzabile.

È produttività reale.

Una nuova ricerca di Microsoft pone però una seconda domanda: quando l'IA cambia l'equilibrio tra i diversi modi di lavorare, cosa accade alle capacità umane che si costruiscono soprattutto attraverso l'interazione e non attraverso la produzione di documenti?

I ricercatori hanno analizzato dati di utilizzo di Microsoft 365 provenienti da diverse grandi aziende internazionali. Tra gli utilizzatori intensivi dell'IA, definiti nello studio come persone con più di 100 utilizzi del sistema in un periodo di 20 settimane dopo l'adozione, le attività orientate alla produttività sono aumentate del 21,2%, mentre quelle orientate alla comunicazione sono aumentate del 7,1%. Entrambe sono cresciute, ma non allo stesso ritmo. L'equilibrio complessivo si è spostato verso un lavoro più individuale e incentrato sulla documentazione.

I ricercatori non sostengono che l'IA renda le persone meno capaci di comunicare. Lo studio misura pattern di attività, non competenza conversazionale.

La domanda interessante è cosa potrebbe accadere se questa tendenza continuasse.

L'IA assorbe prima la comunicazione più semplice

Una parte importante della comunicazione aziendale non è una conversazione impegnativa nel senso stretto del termine. È trasmissione di informazioni.

“Puoi riassumere questo?”

“Puoi trasformare questi appunti in un aggiornamento?”

“Puoi preparare una risposta?”

“Quali erano i punti principali della riunione?”

L'IA può assorbire molto di questo lavoro. Spesso è un miglioramento. Meno scambi di stato inutili e meno tempo speso a formattare informazioni non rappresentano una perdita.

Le conversazioni che restano, però, sono spesso proprio quelle che erano difficili da automatizzare fin dall'inizio.

Il fornitore chiede il 12% in più.

Lo stakeholder interno rifiuta la modifica di una specifica.

Il manager boccia la proposta.

Un collega si sente escluso.

Il cliente sta escalando.

Un collaboratore ha bisogno di un feedback difficile.

In una trattativa entrambe le parti conoscono i fatti ma non sono d'accordo su ciò che dovrebbe succedere dopo.

Questi non sono principalmente problemi di trasferimento dell'informazione. Sono problemi di coordinamento in tempo reale, sotto pressione, con interessi diversi e conseguenze sociali.

Se l'IA elimina più lavoro scritto di routine, la conversazione umana media potrebbe diventare più impegnativa, non meno.

Comunicare in modo più efficiente non significa diventare più bravi a conversare

Un manager che usa l'IA per preparare un'e-mail difficile può comunicare in modo più chiaro. Un buyer che usa l'IA per costruire argomenti negoziali può arrivare meglio preparato. Un commerciale che usa l'IA per anticipare le obiezioni può disporre di materiale migliore.

Tutto questo può migliorare la performance.

Ma nulla di tutto questo costruisce automaticamente la capacità di gestire il momento in cui l'altra persona risponde in modo diverso da quanto previsto.

La conversazione è una capacità di esecuzione. Richiede recupero, giudizio e adattamento in tempo reale.

Bisogna ascoltare mentre si decide che cosa conta. Bisogna accorgersi quando cambia il quadro. Bisogna formulare una risposta prima di sapere esattamente come verrà recepita. Bisogna regolare la propria reazione mentre si legge quella dell'altra persona. A volte occorre dire no senza distruggere la cooperazione. A volte bisogna contraddire qualcuno più senior. A volte bisogna restare in silenzio quando ogni istinto invita a riempire il vuoto.

Leggere una risposta eccellente generata dall'IA non è lo stesso atto mentale che produrla sotto pressione.

Questa differenza diventa più importante man mano che la risposta generata migliora.

Il rischio non è che le persone smettano di parlare

La versione semplicistica del problema sarebbe: l'IA riduce la comunicazione, quindi le capacità sociali peggiorano.

I dati Microsoft non dimostrano questo. Le attività di comunicazione sono aumentate anche tra gli utilizzatori intensivi. È cambiato l'equilibrio: le attività orientate alla produttività sono cresciute molto più velocemente.

La questione più utile riguarda la distribuzione della pratica.

Le capacità diventano affidabili attraverso l'uso. Se più lavoro analitico, di scrittura e di coordinamento viene delegato all'IA, le persone potrebbero avere meno ripetizioni di alcune interazioni a basso rischio, pur continuando a dover performare bene in quelle ad alto rischio.

Questo crea un problema particolare di sviluppo delle competenze.

Potremmo diventare più efficienti nel prepararci alle conversazioni proprio mentre abbiamo meno occasioni di esercitare il comportamento necessario dentro quelle conversazioni.

Per i professionisti esperti potrebbe essere più facile compensare, perché dispongono già di un ampio repertorio di schemi. Per chi è all'inizio della carriera la questione può essere più importante. Molti istinti professionali sono stati storicamente costruiti attraverso centinaia di piccole interazioni: fare una domanda scomoda, spiegare una decisione, risolvere un malinteso, opporsi a una richiesta, osservare un collega senior gestire la resistenza.

Se una parte di questo livello di interazione diventa asincrona o mediata dall'IA, le organizzazioni potrebbero dover essere più intenzionali nel creare altrove quelle ripetizioni.

Gli acquisti mostrano bene il problema

Gli acquisti stanno diventando sempre più assistiti dall'IA.

L'IA può aiutare a fare ricerca sui fornitori, analizzare la spesa, confrontare contratti, individuare driver di costo, strutturare la preparazione negoziale, preparare RFQ, riassumere incontri e generare controargomentazioni.

Molto di questo è utile. Non c'è un buon motivo per conservare lavoro manuale solo perché un tempo veniva svolto manualmente.

Il risultato commerciale, però, dipende ancora spesso da un'interazione parlata.

Il fornitore respinge il modello di costo.

Il buyer chiede evidenze.

Il fornitore porta la discussione sul rischio di continuità.

Il buyer deve decidere se il rischio è reale, se sfidarlo e con quale intensità.

Il fornitore offre movimento in cambio di volume.

Il buyer deve capire se quello scambio crea davvero valore.

Nessun prompt perfetto elimina il bisogno di giudizio mentre questa sequenza sta accadendo.

L'IA può rendere il buyer meglio informato e supportare la decisione. Ma se l'obiettivo è costruire capacità, qualcuno deve ancora esercitarsi a essere la persona dentro la conversazione.

Le conversazioni rimaste sono spesso quelle in cui la relazione conta di più

La comunicazione di routine può spesso diventare più efficiente senza grandi costi relazionali. Nessuno ha bisogno di un'esperienza profondamente umana per ottenere il riassunto di una riunione.

Le conversazioni difficili sono diverse.

Negoziazione, feedback, conflitto, escalation e persuasione coinvolgono fiducia, status, equità, intenzione e identità. Le persone non reagiscono solo alle informazioni scambiate. Reagiscono anche a come vengono trattate mentre esiste il disaccordo.

Per questo una frase perfettamente scritta dall'IA non equivale necessariamente a una conversazione ben gestita.

Un messaggio può essere tecnicamente eccellente e allo stesso tempo evitare la conversazione che avrebbe dovuto avvenire.

Questo conta soprattutto nelle organizzazioni che già ricorrono a e-mail o chat quando il tema diventa scomodo. L'IA può rendere l'evitamento più elegante. Può produrre un paragrafo diplomatico che rimanda il disaccordo invece di risolverlo.

Efficienza ed evitamento possono apparire sorprendentemente simili nel risultato finale.

Il tempo risparmiato non diventa automaticamente tempo di sviluppo

Il problema delle competenze diventa più concreto quando si guarda a ciò che le organizzazioni fanno davvero con la capacità liberata dall'IA.

Il primo studio comparativo AI at Work di Culture Amp, pubblicato il 17 settembre 2026, raccoglie dati relativi a circa 112.000 dipendenti. Il 71% dichiara che l'IA lo fa sentire più produttivo. Eppure la percezione del carico di lavoro cambia pochissimo con l'intensità d'uso: il 72% degli utenti intensivi considera ragionevole il proprio carico, contro il 69% dei non utenti. Allo stesso tempo, l'85% dice che l'organizzazione incoraggia la sperimentazione con l'IA, ma solo il 58% ritiene che i leader abbiano spiegato chiaramente come l'IA contribuisca agli obiettivi aziendali.

Sono percezioni dei dipendenti, non ore risparmiate o produttività misurata. Culture Amp precisa inoltre che le organizzazioni partecipanti sono probabilmente più avanti nell'adozione dell'IA rispetto al mercato generale. Il dato resta utile perché mostra un punto semplice: la capacità creata dall'IA non arriva con l'obbligo di investirne una parte nell'apprendimento.

Una ricerca dell'American Management Association su 1.088 professionisti rende ancora più visibile la scelta di allocazione. Il 41% dei manager afferma che l'IA ha aumentato le proprie aspettative sulla quantità di lavoro che i dipendenti dovrebbero completare. I manager riferiscono anche più tempo dedicato a controllare lavoro assistito dall'IA e a usare informazioni generate dall'IA nelle decisioni. I dipendenti, invece, continuano a riconoscere l'impegno manageriale soprattutto attraverso comportamenti visibili: comunicazione regolare, direzione chiara, ascolto e sostegno alla crescita.

Da qui nasce un percorso molto ordinario dal guadagno di produttività alla perdita di occasioni di sviluppo. Venti minuti spariscono dalla preparazione di una bozza e non diventano coaching, osservazione o pratica. Diventano il compito successivo.

Talogy riporta separatamente che il 78% dei responsabili delle risorse umane e dello sviluppo dei talenti coinvolti nella sua ricerca teme una perdita di competenze di leadership nel lungo periodo, man mano che l'IA assorbe attività attraverso cui le persone costruivano esperienza. È evidenza di una preoccupazione dei datori di lavoro, non la prova che quella perdita sia già avvenuta. Ma il meccanismo è coerente: se scompaiono le ripetizioni a basso rischio e ogni minuto liberato viene trasformato subito in una maggiore quantità di lavoro, lo sviluppo non compare automaticamente nello spazio rimasto.

Negli acquisti il rischio di perdita di competenze è ormai esplicito

Il 9 settembre 2026 Gartner ha pubblicato una ricerca rivolta ai CPO dal titolo Prevent AI-Related Skill Loss to Maintain Procurement Cost Goals. La sintesi pubblica segnala un rischio preciso: un'eccessiva dipendenza dall'IA può ostacolare lo sviluppo di competenze umane critiche per creare valore strategico.

La sintesi disponibile non offre abbastanza dettagli metodologici per concludere che le competenze negli acquisti stiano già diminuendo. Non va usato come prova di un effetto già misurato.

La novità è piuttosto nel modo in cui il problema viene formulato. La perdita di competenze non è più soltanto un'ipotesi generale sul lavoro della conoscenza. Un importante fornitore di ricerca sugli acquisti la tratta ora esplicitamente come un rischio manageriale per i CPO.

Il tema è particolarmente rilevante perché molte attività di preparazione sono ottime candidate per l'automazione: ricerca sui fornitori, analisi della spesa, revisione contrattuale, sintesi delle riunioni e preparazione della negoziazione. La domanda non è quali attività manuali conservare. È quale pratica scompare insieme a esse quando la capacità umana resta necessaria.

Se un responsabile acquisti risparmia un'ora nella preparazione di una prima bozza, il guadagno di produttività è reale. Se quell'ora viene subito riempita con un'altra attività, lo spazio di sviluppo scompare. Se una parte viene usata per riscontro, pratica parlata o revisione di una conversazione difficile con un fornitore, parte dell'efficienza viene convertita in capacità.

L'avvertimento di Gartner non dimostra il declino. Rende però più chiara la scelta: quali ripetizioni erano solo lavoro eliminabile e quali erano anche apprendimento?

Il divario di adozione dell'IA sta diventando un problema di progettazione delle capacità

Un rapporto di London Business School e Sifted pubblicato il 21 settembre 2026 rende particolarmente chiara la dimensione organizzativa. Solving Europe's AI Adoption Puzzle sostiene che la sfida europea dipenda meno dalla disponibilità di tecnologia e più da come le aziende ridisegnano il lavoro, sviluppano competenze e costruiscono fiducia intorno all'IA.

Questo sposta la domanda. Non basta sapere se le persone hanno accesso all'IA o quanto la usano. Due aziende possono adottare strumenti simili e produrre effetti molto diversi sulle capacità umane. Una può eliminare attrito amministrativo e proteggere deliberatamente coaching, giudizio e pratica. Un'altra può trasformare ogni minuto risparmiato in ulteriore carico di lavoro e dare per scontato che le competenze si mantengano da sole.

Uno studio pubblicato lo stesso giorno su BMC Psychology offre un contrappeso importante a una narrazione tutta incentrata sul deskilling. In un'indagine in tre ondate su 380 lavoratori della conoscenza a tempo pieno, i ricercatori hanno trovato un'associazione positiva tra uso dell'IA generativa e comportamento proattivo. Maggiore flow e minore percezione di oggettivazione sul lavoro spiegavano parte di questa relazione. Il disegno dello studio non dimostra un rapporto causale, ma mostra perché la domanda utile non è se l'IA sia in assoluto positiva o negativa per le persone.

L'IA può sostenere l'iniziativa e migliorare alcuni aspetti dell'esperienza lavorativa mentre, nello stesso tempo, cambia le ripetizioni che mantengono altre capacità.

Questo è il problema di progettazione delle capacità. Le organizzazioni devono decidere che cosa delegare, quali competenze continuano a pretendere dalle persone e da dove arriverà la pratica necessaria. Un rischio parallelo emerge quando l'IA non si limita ad aiutare ma conferma troppo comodamente il giudizio dell'utente.

Si può progettare contro la perdita di competenze senza vietare l'IA

Un esperimento preregistrato pubblicato il 17 settembre 2026 aggiunge un elemento più costruttivo al dibattito. Sebastian Maier, Kai Schwabe, Manuel Schneider e Stefan Feuerriegel hanno testato due interventi con 704 partecipanti che si esercitavano con le frazioni usando un assistente LLM e poi affrontavano una prova senza supporto.

Un intervento premiava semplicemente chi ricorreva meno al modello. L'altro forniva un feedback metacognitivo che rendeva esplicite le conseguenze dell'esternalizzare la risposta. Questo feedback ha ridotto la delega completa delle risposte e migliorato la successiva prestazione senza assistenza. L'intervento basato sulla ricompensa non ha mostrato lo stesso effetto.

Il compito era circoscritto, lo studio breve e non misurava né negoziazioni professionali né mantenimento delle competenze nel lungo periodo. Non dimostra quindi che uno specifico design formativo possa preservare capacità professionali complesse.

Il punto utile è più preciso: accesso all'IA e prestazione umana autonoma non devono essere trattati come opposti. Conta come viene progettata l'interazione.

Per lo sviluppo delle capacità, l'implicazione è immediata. Se un sistema di apprendimento fornisce subito la risposta ogni volta che la persona esita, può produrre un buon risultato eliminando proprio il recupero dalla memoria, il giudizio e l'autocorrezione che dovrebbero essere allenati. Un sistema può offrire supporto e allo stesso tempo rendere visibile quando è stata l'IA a fare il lavoro cognitivo.

Nella pratica orale di negoziazione il principio equivalente è semplice. L'IA può aiutare nella preparazione, interpretare la controparte e analizzare la conversazione dopo. Ma durante lo scambio dal vivo la persona deve ancora decidere che cosa dire, recuperare gli argomenti, gestire la resistenza e affrontare la conseguenza della propria scelta. L'obiettivo non è rendere l'IA meno utile. È progettare l'ambiente di apprendimento in modo che l'utilità non sostituisca il comportamento che si vuole sviluppare.

Le aziende dovrebbero distinguere sistemi di produttività e sistemi di capacità

Oggi la maggior parte delle organizzazioni chiede come usare l'IA per aumentare l'output.

Per molti flussi di lavoro è la domanda giusta.

Le funzioni di apprendimento e sviluppo delle capacità devono però aggiungerne una seconda: quali parti del lavoro vogliamo che l'IA elimini, e quali parti devono ancora essere eseguite dalle persone perché è proprio l'esecuzione a mantenere la competenza?

La risposta varia per ruolo.

Un avvocato non deve scrivere manualmente ogni clausola standard per restare un buon avvocato. Un buyer non deve creare da zero ogni sintesi del fornitore per restare un buon negoziatore. Un manager non deve formattare personalmente ogni aggiornamento per restare un buon leader.

Ma il buyer deve ancora saper gestire la resistenza. Il manager deve ancora saper dare un feedback difficile. Il leader deve ancora saper sostenere una posizione quando la stanza non è d'accordo.

Se l'organizzazione continua ad aspettarsi che gli esseri umani siano responsabili del risultato, queste non sono inefficienze da automatizzare via.

Sono capacità da preservare.

La pratica può diventare più importante proprio perché l'IA migliora

Da qui emerge una conclusione controintuitiva.

Più l'IA riesce a fare prima e dopo una conversazione, più importante può diventare la pratica deliberata della conversazione stessa.

Non perché si debba rifiutare l'IA, ma perché il lavoro umano rimasto si concentra sempre più nei momenti in cui conta il giudizio in tempo reale.

Un buon ambiente di pratica può creare ripetizioni che il lavoro quotidiano non fornisce in modo affidabile. Un buyer può provare una discussione su un aumento di prezzo senza rischiare una relazione reale con un fornitore. Un manager può esercitare una conversazione di escalation prima che il vero collaboratore sia seduto di fronte. Un team può ripetere lo stesso momento difficile e ricevere feedback preciso su ciò che è cambiato.

Questa è la logica di Voice2Evolve. L'IA non conduce la vera trattativa al posto del buyer. Offre sparring conversazionale per allenare le trattative negli acquisti, con un partner basato sull’IA e un’analisi della conversazione realmente avvenuta.

In un ambiente di lavoro più ricco di IA, questa distinzione diventa più importante, non meno.

Lo studio Microsoft fornisce evidenza iniziale di un cambiamento nei pattern di lavoro, non la prova di un declino delle capacità conversazionali. Ma pone una domanda che le organizzazioni dovrebbero iniziare ad affrontare.

Se l'IA gestisce sempre più documenti, sintesi, bozze e coordinamento di routine, dove costruiranno le persone le capacità necessarie per le conversazioni che non possono essere delegate?

La produttività può essere automatizzata sorprendentemente in fretta.

La capacità conversazionale deve ancora essere esercitata.

Fonti

• Maier, S., Schwabe, K., Schneider, M. & Feuerriegel, S. (17 settembre 2026). Designing Against Deskilling: Metacognitive Feedback Reduces Cognitive Offloading to LLM Assistants. Preprint arXiv.

• London Business School & Sifted (21 settembre 2026). Solving Europe's AI adoption puzzle.

• Xu, S., Mei, Y., Yao, K., et al. (21 settembre 2026). More flow and less objectification: Dual influence mechanisms of generative AI use on employees' proactive behaviors. BMC Psychology.

• Gartner (9 settembre 2026). Prevent AI-Related Skill Loss to Maintain Procurement Cost Goals.

• Culture Amp (17 settembre 2026). AI at Work Benchmark 2026: 85% Are Encouraged to Use AI. 42% Don't Know Why.

• American Management Association (2026). The New Management Reality: AI, Engagement, and the Invisible Work of Managers.

• Talogy (15 settembre 2026). Starting a career in the age of AI: The human skills that matter.

• Yu, Y., Chen, Y., Hu, R., Suri, S., & Counts, S. (2026). Adoption of Generative AI in the Workplace: Increasing and Shifting the Balance of Productivity and Communication Activity. Microsoft Research / arXiv.