Algorithmic isomorphism and the barrier cascade: Evaluating human and organizational obstacles to artificial- intelligence adoption in workforce systems

Nel moderno mondo del lavoro, l'arrivo dell'intelligenza artificiale viene spesso trattato come un semplice aggiornamento, come sostituire un vecchio computer con uno più veloce. Eppure, per molte organizzazioni, questa transizione sembra meno un aggiornamento fluido e più un inciampo. Il problema centrale non è che la tecnologia non funzioni, ma che i sistemi umani e organizzativi che la circondano non sappiano come usarla. Questa tensione si colloca all'intersezione tra la scienza della gestione e la psicologia, campi che studiano come le persone lavorino insieme e come i leader le guidino. Quando un'azienda cerca di adottare nuovi strumenti di IA, deve affrontare una complessa rete di ostacoli: i dipendenti possono sentirsi stressati o diffidenti nei confronti dei nuovi sistemi, i manager potrebbero non avere le competenze per interpretare i dati e la cultura aziendale potrebbe resistere al cambiamento. Per anni, i ricercatori hanno elencato questi problemi uno alla volta, trattandoli come questioni separate da risolvere individualmente. Ma un nuovo studio suggerisce che questi ostacoli non sono isolati; sono profondamente connessi, formando una reazione a catena in cui alcuni problemi ne causano effettivamente altri.

Un team di ricercatori dell'Università Medipol di Istanbul si è posto l'obiettivo di mappare questa architettura nascosta. Hanno iniziato esaminando gli ultimi venticinque anni di ricerca ad accesso aperto su come le organizzazioni adottano strumenti digitali e di intelligenza artificiale. Hanno raccolto 336 articoli scientifici pubblicati tra il 2000 e il 2025, un periodo che ha visto la maturazione di Internet, l'ascesa dei big data e la recente esplosione dell'IA generativa. Analizzando le parole chiave e i temi di questi articoli, hanno identificato cinque barriere croniche che sono persistite attraverso tutte queste ere tecnologiche. Queste barriere sono: un disallineamento tra la tecnologia e il talento disponibile per utilizzarla; un'inerzia strutturale e culturale che mantiene le organizzazioni bloccate nelle vecchie abitudini; una resistenza psicologica ed etica da parte dei dipendenti; una carenza nel processo decisionale analitico; e un vuoto nella leadership strategica e nella visione.

Invece di trattare queste cinque barriere come un elenco piatto di lamentele non correlate, i ricercatori volevano capire come influenzassero l'una l'altra. Per farlo, hanno riunito un panel di cinque esperti, ognuno con un dottorato di ricerca e almeno quindici anni di esperienza in campi che spaziano dall'ingegneria informatica alla gestione sanitaria ed economia. A questi esperti è stato chiesto di giudicare quanto ogni barriera influenzasse le altre. Ad esempio, hanno considerato se una mancanza di visione della leadership causi un disallineamento nelle competenze, o se lo stress dei dipendenti causi una mancanza di strumenti analitici. Utilizzando un metodo progettato per trasformare questi giudizi degli esperti in una mappa chiara di causa ed effetto, il team ha calcolato quali barriere fossero i motori e quali i risultati.

I risultati hanno rivelato una distinta gerarchia, o una cascata, di problemi. All'apice di questa catena si trova il vuoto di leadership e visione. Gli esperti hanno giudicato questo elemento come il motore primario, la causa radice che mette in moto l'intero sistema. Quando i leader non forniscono una visione chiara o la necessaria direzione strategica, autorizzano involontariamente una forma di adozione che appare buona sulla carta ma manca di sostanza. Il secondo grande motore è l'inerzia strutturale e culturale. Questa è la resistenza incorporata nelle abitudini esistenti e nelle strutture fisiche dell'organizzazione, che sostiene il distacco tra ciò che l'azienda dice di fare e ciò che è effettivamente capace di fare.

Le altre tre barriere sono risultate essere le conseguenze, o i sintomi, di queste due cause radici. Il disallineamento tra tecnologia e talento, la mancanza di processi decisionali analitici e lo stress psicologico o la diffidenza etica provati dai dipendenti non sono problemi indipendenti. Sono invece i risultati prevedibili di un sistema in cui la leadership ha fallito nel guidare la trasformazione e in cui la struttura dell'organizzazione non si è adattata. Lo studio ha rilevato che le barriere psicologiche ed etiche, come la paura o la sfiducia dei dipendenti nei confronti della gestione algoritmica, sono i sintomi più gravi, situandosi proprio alla fine della catena. Il disallineamento tra tecnologia e talento si colloca più vicino al centro, agendo come un punto di transizione tra le cause e gli effetti.

Questa scoperta sfida il modo comune in cui le organizzazioni cercano di risolvere l'adozione dell'IA. Tipicamente, quando un'azienda nota che i dipendenti resistono ai nuovi strumenti o faticano con i dati, risponde offrendo più formazione, acquistando software migliori o cercando di ridurre lo stress. I ricercatori sostengono che questi sforzi siano spesso sprecati perché trattano i sintomi anziché la malattia. Se la visione della leadership manca e la struttura organizzativa è rigida, correggere le competenze o gli strumenti fornirà solo un miglioramento temporaneo. Le cause sottostanti genereranno inevitabilmente nuovamente gli stessi problemi. Lo studio suggerisce che la via più efficace sia affrontare prima gli strati generativi e strutturali: i leader devono definire una visione chiara e l'organizzazione deve rompere la propria inerzia per sostenere tale visione. Solo allora le questioni a valle, come i gap di competenze, i fallimenti analitici e la resistenza dei dipendenti, inizieranno a risolversi da sole.

I ricercatori hanno anche esplorato un fenomeno che chiamano "isomorfismo algoritmico". Questo descrive una situazione in cui le organizzazioni sentono l'intensa pressione di apparire come se stessero utilizzando l'intelligenza artificiale, non perché l'abbiano padroneggiata, ma perché è lo standard atteso. Poiché gli strumenti di IA sono facili da segnalare — attraverso dashboard, badge o conteggi di licenze — ma la capacità reale di usarli è difficile da verificare, le aziende possono facilmente creare un divario tra la loro immagine pubblica e la loro reale capacità. Ciò permette loro di sostenere uno stato di "adozione senza capacità", in cui sembrano trasformarsi mentre la loro forza lavoro rimane impreparata. Lo studio suggerisce che questo divario sia più ampio e persistente nell'era dell'IA rispetto alle precedenti tendenze gestionali, perché i segnali sono più economici da simulare e le competenze reali sono più difficili da auditare.

In definitiva, il lavoro offre una tabella di marcia sobria ma chiara per il futuro del lavoro. Indica che le barriere più rumorose e visibili, come lo stress dei dipendenti o la mancanza di competenze nei dati, sono in realtà i posti meno efficienti su cui concentrare gli sforzi di intervento. La vera leva risiede a monte, nelle persone al comando e nelle strutture che esse mantengono. Spostando il focus dal correggere i sintomi al trasformare la leadership e la cultura organizzativa, le aziende possono passare da uno stato passivo di consumo della tecnologia a uno stato attivo di ingegneria del proprio talento. Questo approccio non promette una soluzione magica, ma offre un modo per capire perché così tante trasformazioni falliscono e come costruire un sistema in cui la tecnologia e le persone possano davvero lavorare insieme.