Marzo 2016, Seoul. Demis Hassabis guarda il suo programma AlphaGo battere Lee Sedol, campione mondiale di Go. Nei mesi successivi DeepMind assume un gruppo di biologi e costruisce un team interdisciplinare per affrontare un problema irrisolto: predire la struttura tridimensionale delle proteine a partire dalla sequenza di aminoacidi. Nel 2020 AlphaFold lo risolve. Nel 2024 Hassabis e John Jumper vincono metà del Nobel per la Chimica.
Le persone che hanno risolto il protein folding erano gli stessi ricercatori AI che per anni avevano insegnato a una macchina a giocare un gioco da tavolo. Hanno trasferito il loro metodo a un dominio che non conoscevano, studiato la letteratura, portato dentro biologi. Hassabis lo ha detto a Scientific American: "Something we do uniquely well at DeepMind is mix that together, not just machine learning and engineering." La competenza di base è trasferibile. Il dominio cambia.
Famiglie nascoste
Incrociando le 18.796 descrizioni di task del database O*NET con i dati di penetrazione AI del dataset di Anthropic emerge uno schema. Le task dove l'AI non mostra traccia si concentrano in otto famiglie che attraversano centinaia di professioni: pianificazione strategica e decisione (2.100 task in 600 professioni), giudizio e valutazione della qualità (1.600 task, 550 professioni), lettura del contesto e ricerca (1.300 task, 470 professioni), compliance e governance (1.000 task, 370 professioni), consulenza e relazione con il cliente (900 task, 320 professioni), supervisione e sviluppo delle persone (680 task, 330 professioni), coordinamento degli stakeholder (660 task, 330 professioni), negoziazione (420 task, 240 professioni).
La sovrapposizione tra professioni distanti è marcata. Un ingegnere industriale e un regista cinematografico condividono il 92% di queste categorie di competenza. Un CEO e un art director, il 91%. Un financial manager e un responsabile della logistica, il 91%. Togli la componente produttiva che li rende diversi e il nucleo è lo stesso: coordinare, valutare, negoziare, leggere il contesto, decidere, supervisionare.
Il sistema produttivo del Novecento tratta questo nucleo come utile ma subordinato alla funzione "vera" del ruolo, quella produttiva. Sangeet Paul Choudary in Reshuffle offre il framing giusto: l'AI non sottrae qualcosa lasciando un residuo, ristruttura il sistema, e il valore si riorganizza attorno a ciò che diventa scarso. Quando le componenti produttive diventano abbondanti perché l'AI le esegue a costo decrescente, le componenti di advisory, giudizio, coordinamento e lettura del contesto diventano scarse. Ciò che il sistema trattava come accessorio diventa il nucleo di valore.
Perché esistono i dipartimenti
L'organigramma per funzioni (marketing, engineering, finance, HR) risponde a un problema specifico: coordinare persone con competenze produttive diverse costa. Quando produrre una campagna richiede strumenti, linguaggi e routine condivise, conviene raggruppare chi li possiede. Il reparto marketing esiste perché la funzione produttiva lo tiene insieme.
Ma quel collante ora separa competenze di valore che sarebbero più utili combinate. La persona nel marketing che sa leggere il contesto del cliente e l'ingegnere che sa valutare i compromessi tecnici condividono una competenza: il giudizio. Lavorano in silos diversi e si incontrano nelle riunioni cross-funzionali, che esistono per compensare la separazione che la struttura stessa crea.
L'AI comprime i vincoli che giustificavano quella struttura. Il costo del coordinamento crolla: un sistema AI può orchestrare flussi di lavoro con frizione vicina a zero. Il costo della specializzazione produttiva crolla: l'AI porta la capacità di un ingegnere, un designer, un analista dentro un unico sistema accessibile a chi ha giudizio sufficiente per usarlo. Lo span of control si espande: un professionista potenziato dall'AI può dirigere processi che prima richiedevano un team intero.
Cosa cambia
Quando l'AI assorbe la componente produttiva di marketing e engineering, il motivo per cui quelle persone stavano in reparti separati scompare. Nel marketing resta chi sa capire cosa vuole il cliente e tradurlo in direzione strategica. Nell'engineering chi sa valutare vincoli tecnici e comunicarli a chi decide. Nel finance chi sa leggere i numeri e trasformarli in scelte operative. Queste persone condividono più competenze di valore tra loro che con i rispettivi colleghi di reparto.
I team si formano attorno ai problemi. Un team è fatto dalle persone che sanno leggere un mercato specifico, giudicare un'opportunità e coordinare una risposta. L'AI fornisce la capacità produttiva: se il problema richiede una campagna la produce, se richiede un prototipo software lo genera, se richiede un modello finanziario lo costruisce. Le persone contribuiscono relazioni, giudizio calibrato sull'esperienza, coordinamento, lettura del contesto che richiede presenza e sensibilità culturale.
I ruoli diventano fluidi. La stessa persona può lavorare su un problema di pricing al mattino e su un problema di product design al pomeriggio, perché la competenza di valore è trasversale. Il team di DeepMind applica una competenza di metodo profonda a domini diversi. Un professionista che sa negoziare, leggere il contesto e valutare la qualità può fare lo stesso, con l'AI che colma il gap produttivo.
La gerarchia si trasforma. Un direttore marketing e un CTO hanno senso dove marketing e technology sono funzioni separate con processi produttivi distinti. Se la produzione è automatizzata e i team si organizzano per problema, servono persone che compongano il team giusto per il problema giusto, allocano l'attenzione (la risorsa scarsa) e giudicano la qualità delle soluzioni. Un ruolo che somiglia più a un regista che a un direttore di funzione.
La dimensione cambia significato. Oggi la dimensione di un'azienda corrisponde alla capacità produttiva: più persone, più output. Se la capacità produttiva viene dall'AI, la dimensione corrisponde alle relazioni, al contesto e al giudizio che l'organizzazione riesce a mobilitare. Un'agenzia di 10 persone con relazioni profonde in tre settori può generare lo stesso output di un'agenzia di 200, perché l'AI colma la differenza produttiva. Ma opera in quei tre settori solo perché ha persone con anni di esperienza relazionale in ciascuno. Le relazioni non scalano con la tecnologia. Scalano con il tempo.
Tre forme possibili
Se il dipartimento funzionale perde il suo principio fondante, cosa prende il suo posto?
L'organizzazione come flussi di valore. I dipartimenti scompaiono. Al loro posto, flussi che attraversano l'organizzazione dal problema del cliente alla soluzione consegnata, con persone e AI allocate in base a cosa serve. Non esisti come "marketing manager" ma come nodo con un profilo di competenze di valore: sai leggere un certo tipo di contesto, hai relazioni in un certo settore, il tuo giudizio è calibrato su un certo tipo di decisione. L'organigramma (chi riporta a chi) lascia il posto a una mappa di flussi: chi lavora su cosa, con quale combinazione di persone e AI, per risolvere quale problema. La mappa cambia ogni settimana. Il rischio è il disorientamento, perché le persone hanno bisogno di appartenenza e continuità. Il contrappeso: i flussi si stabilizzano attorno alle relazioni con i clienti, che per natura richiedono tempo e costanza. La relazione diventa l'asse stabile.
Prendi uno studio legale. Oggi è organizzato per practice: corporate, litigation, tax, IP. L'AI assorbe la ricerca giurisprudenziale, la redazione di contratti, la due diligence, l'analisi di compliance. Ciò che conserva valore è la capacità di capire cosa vuole il cliente, il giudizio su quale strategia adottare, la negoziazione con la controparte. Queste competenze non appartengono a una practice area: un avvocato che sa negoziare e leggere il contesto può lavorare su un deal M&A al mattino e su una disputa IP al pomeriggio. Lo studio si riorganizza sulle relazioni con i clienti: team stabili che seguono un cliente su tutti i suoi problemi, con l'AI che porta la specializzazione produttiva e le persone che portano esperienza e continuità.
L'organizzazione come sistema nervoso. L'AI è il sistema nervoso. I suoi organi sensoriali sono le persone nel contesto: parlano con i clienti, frequentano un mercato, leggono segnali. Il loro lavoro è percepire, portare dentro l'organizzazione informazione che l'AI non può raccogliere perché richiede presenza, fiducia, sensibilità culturale. L'AI elabora: prende le informazioni e le trasforma in analisi, modelli, prototipi a una velocità che la mente umana non può raggiungere. La risposta torna alle persone, che traducono l'output in azione nel mondo sociale, presentando la strategia, negoziando, guidando il cambiamento. Il ruolo del management diventa curare le connessioni: assicurarsi che l'informazione sensoriale fluisca verso l'elaborazione e che l'elaborazione alimenti la risposta. Il valore dell'organizzazione si misura con la sua qualità percettiva. Quanto bene sente il mercato? Quanto velocemente capisce che qualcosa sta cambiando? La produzione è abbondante. La percezione e il giudizio sono scarsi.
L'organizzazione come protocollo. L'organizzazione smette di essere un'entità con confini definiti e diventa un protocollo di collaborazione. Come un protocollo internet definisce le regole per lo scambio di dati senza possedere i nodi della rete, un protocollo organizzativo definisce le regole per la collaborazione tra professionisti senza possedere i professionisti. Funziona su reputazione, fiducia e regole condivise che permettono a professionisti con competenze di valore diverse di coordinarsi senza gerarchia. L'AI abbatte il costo della coordinazione al punto da rendere il protocollo sufficiente. La dimensione non è il numero di dipendenti ma il numero di nodi nel network di fiducia. La reputazione diventa il meccanismo organizzativo centrale: sei dentro il protocollo se la rete si fida del tuo giudizio, sei fuori se non si fida.
Le tre forme non si escludono. Sono tre scale della stessa trasformazione: il flusso è come funziona il lavoro dentro l'organizzazione, il sistema nervoso è come l'organizzazione percepisce e risponde al suo mercato, il protocollo è come funzionano gli ecosistemi di organizzazioni e professionisti tra loro.
Due strati
Le organizzazioni che integrano l'AI convergono verso due strati coesistenti. Uno strato di esecuzione, dove l'AI opera nei flussi operativi con autonomia crescente. E uno strato di valore, dove le persone lavorano con l'AI in modo collaborativo, contribuendo giudizio, relazioni e contesto che l'AI non può raccogliere da sola.
Mettere agenti negli organigrammi, assegnare loro un manager, inserirli nei reparti: queste operazioni rendono l'agente leggibile dentro strutture progettate per coordinare persone con competenze produttive diverse. Se la produzione si automatizza, il principio organizzativo cade, e aggiungere agenti come colleghi sposta il problema senza risolverlo.
Il passaggio è da ruoli a flussi, da gerarchie di approvazione a protocolli di coordinamento, dalla funzione produttiva come unità organizzativa alla competenza di valore come unità organizzativa. Le organizzazioni che lo vedono possono iniziare a costruire attorno a questo principio adesso.