Secondo una ricerca di Atlassian, la maggior parte delle aziende sta affrontando l'adozione dell'intelligenza artificiale nel modo sbagliato, concentrandosi sull'ottimizzazione dell'uso individuale anziché sul lavoro di squadra. Lo ha dichiarato la dott.ssa Molly Sands, responsabile del Teamwork Lab di Atlassian, durante un incontro con VentureBeat al VB Transform 2026.
Il divario tra attività e valore nell'uso dell'AI
Il rapporto annuale State of Teams di Atlassian, che ha intervistato 12.000 lavoratori della conoscenza a livello globale e circa 200 dirigenti di aziende Fortune 1000, ha rilevato un significativo scollamento tra attività e valore. L'89% dei dirigenti ha riferito che i singoli dipendenti stanno accelerando il loro lavoro grazie all'AI, ma solo il 6% è stato in grado di indicare esempi concreti di ritorno sull'investimento. Tuttavia, circa il 14% dei team è riuscito a tradurre l'uso dell'AI in valore reale, creando un mix all'interno della stessa organizzazione tra team ad alte prestazioni e altri senza alcun ritorno.
Sponsored Protocol
I tre fattori chiave: contesto, flussi di lavoro e cultura
I team che ottengono risultati migliori condividono tre caratteristiche. Il primo è il contesto: questi team costruiscono un cosiddetto context graph, catturando obiettivi, decisioni e conoscenze organizzative in registri digitali condivisi, anziché lasciarli nella memoria individuale. Utilizzando prodotti come Jira e Confluence, il grafico collega attività, obiettivi e persone, fornendo all'AI il contesto organizzativo necessario. Il secondo elemento riguarda i flussi di lavoro: i team vincenti riprogettano processi end-to-end completi, senza limitarsi ad accelerare singole attività. Sands osserva che accelerare individui orientati in direzioni leggermente diverse li fa scontrare rapidamente. Il terzo fattore è la cultura: i team più veloci lavorano sotto leader che incoraggiano esplicitamente l'apprendimento e la sperimentazione, chiarendo che alcuni esperimenti possono fallire.
Superare l'ostacolo della conoscenza implicita
Sands ha sottolineato che un altro ostacolo non è la tecnologia in sé, ma il fatto che i dipendenti stanno imparando a usare l'AI da soli. Ogni lavoratore sviluppa prompt, agenti e assunzioni diverse, creando un ulteriore strato di conoscenza implicita che raramente si traduce in performance organizzativa. Per contrastare questo fenomeno, Atlassian ha sperimentato accordi di lavoro sull'AI all'inizio dei progetti: chiedere ai team di decidere non solo per cosa useranno l'AI, ma anche cosa eviteranno deliberatamente, quali agenti condivideranno e quali competenze comuni manterranno. I team che hanno adottato questa pratica hanno utilizzato più AI, si sono mossi più velocemente, hanno preso decisioni migliori e prodotto lavori di qualità superiore.
Sponsored Protocol
Sperimentazione e vincoli come acceleratori dell'apprendimento
Secondo Sands, la strada più rapida per l'apprendimento è la combinazione di sperimentazione e vincoli. I team che hanno ottenuto i maggiori progressi hanno imposto deliberatamente limiti al proprio modo di lavorare, ad esempio suddividendo ogni attività nell'unità più piccola possibile (un singolo story point) o impegnandosi a non scrivere codice a mano per una settimana. Anche se non sostenibile a lungo termine, questo approccio accelera l'apprendimento. Le lezioni più ampie sono che l'AI non crea problemi di gestione completamente nuovi, ma piuttosto espone quelli vecchi: i team hanno sempre lottato con assunzioni implicite e modelli mentali diversi, e l'AI rende questi divari più consequenziali, aumentando l'importanza di un contesto condiviso e di modalità di lavoro esplicite.
Sponsored Protocol
Per approfondire le implicazioni dell'adozione dell'AI nel contesto aziendale, leggi anche l'articolo su OpenAI sviluppa un hacker autonomo. Per ulteriori informazioni su Atlassian, consulta la pagina Wikipedia dedicata.
