Maurizio Carmignani è Senior Advisor & AI Innovation Strategist. Da oltre venticinque anni lavora come executive manager, consulente direzionale, executive trainer e startup advisor, affiancando imprese, pubbliche amministrazioni e organizzazioni impegnate in processi di trasformazione digitale, innovazione e sviluppo delle competenze. È Foresight & Design Thinking Director della Fondazione ENIA, autore per Agenda Digitale e AI4Business, e coautore, con Giovanni Rossi, dello studio Work 2040, dedicato al futuro del lavoro nell’era dell’intelligenza artificiale.
Carmignani aveva già contribuito alla riflessione sulla resa cognitiva, riprendendo la Tri-System Theory di Steven D. Shaw e Gideon Nave e traducendola nel lessico del Sistema 3: l’AI come attore cognitivo esterno che interviene nei processi di giudizio umano. Qui il ragionamento compie un passo ulteriore. La resa cognitiva riguarda anche il modo in cui una persona costruisce, ricorda e racconta la propria storia professionale.
Homo Textilis al lavoro. Quando l’AI scrive la trama professionale al posto nostro
di Maurizio Carmignani
1. Homo Textilis: dalla Medicina Narrativa al lavoro
Paola Villani, nel Prolegomeno 190 di questa serie, propone un concetto che merita di uscire dal campo in cui nasce: Homo Textilis.
L’idea è semplice solo in apparenza. Noi raccontiamo storie perché siamo fatti di storie. L’identità personale non coincide con un dato anagrafico, con un documento, con una qualifica. È una trama costruita nel tempo attraverso esperienze, relazioni, scelte, errori, ferite, ricomposizioni. La parola viene dal latino textilis: tessuto. Per dirla con il linguaggio della sociologia, siamo insieme oggetti e soggetti di osservazione. Agiamo dentro la nostra storia e, mentre agiamo, la interpretiamo.
Villani sviluppa questa immagine dentro la Medicina Narrativa, la disciplina fondata da Rita Charon alla Columbia University. Chi attraversa una malattia grave ricostruisce il corpo e, insieme, il racconto di sé. Il passaggio che Villani chiama da trauma a trama indica il lavoro con cui una persona riprende possesso della propria storia dopo che un evento l’ha spezzata.
Questo meccanismo vale anche per il lavoro.
2. Il professionista come Homo Textilis
Ogni professionista è, in qualche misura, un Homo Textilis.
Il CV che scriviamo è un atto narrativo. Le competenze che dichiariamo sono una trama. Il modo in cui raccontiamo il nostro profilo a un colloquio, su LinkedIn, a un collega, a un manager, è tessitura. L’identità professionale prende forma attraverso ciò che facciamo, ricordiamo, selezioniamo, omettiamo, rielaboriamo.
Il primo lavoro, il progetto riuscito male, la presentazione sbagliata, il feedback ricevuto davanti agli altri, il passaggio da un settore a un altro, la perdita del ruolo, la ripartenza: tutti questi eventi diventano materiale narrativo. Nessuno di essi resta puro fatto. Ogni episodio viene ripreso, confrontato, interpretato, messo in rapporto con altri episodi.
Chi cambia settore deve rileggere le proprie competenze in una luce diversa. Chi perde il lavoro deve ricostruire un racconto di sé per poter rientrare nel mercato. Chi riceve un feedback duro deve capire se quella ferita è un fallimento, un apprendimento o l’inizio di una competenza nuova. Il professionista, come il paziente di cui parla Villani, non è un foglio bianco. È un tessuto che si ricompone.
3. Memoria, identità, racconto
La filosofia e la sociologia hanno preparato da tempo questa idea.
John Locke lega l’identità personale alla continuità della memoria. Paul Ricoeur trasforma quella intuizione in una teoria dell’identità narrativa: diventiamo noi stessi attraverso il racconto che costruiamo della nostra vita. Maurice Halbwachs aggiunge il piano sociale: i ricordi non appartengono mai soltanto all’individuo, perché si formano dentro relazioni, gruppi, istituzioni, linguaggi condivisi.
L’identità, quindi, non è un archivio di fatti. È il processo continuo con cui ricordiamo, selezioniamo, interpretiamo, colleghiamo, ricomponiamo. Quando questo processo si indebolisce, non perdiamo soltanto alcune informazioni su di noi. Perdiamo la pratica con cui diventiamo soggetti.
Nel lavoro tutto questo diventa visibile, perché la trama individuale si intreccia con quella degli altri in modo strutturato e ripetuto. Il collega che ci ha insegnato qualcosa, il progetto fallito, la crisi gestita, la scelta di cambiare ruolo, la riunione in cui abbiamo capito troppo tardi cosa stava accadendo: sono ricordi professionali. Restano dentro di noi come materiali da rielaborare.
Quando qualcuno ci chiede che cosa sappiamo fare, la risposta autentica non nasce da un elenco. Nasce da una tessitura in tempo reale.
Oggi questa tessitura rischia di interrompersi.
4. Il telaio automatico
L’intelligenza artificiale generativa automatizza anche narrazioni professionali pronte all’uso: profili LinkedIn, piani di carriera, lettere motivazionali, gap analysis, percorsi di reskilling, sintesi delle competenze, feedback, presentazioni personali.
La persona li adotta perché funzionano. Sono scritti bene, risultano plausibili, suonano appropriati, sembrano su misura. Il problema nasce proprio qui. L’AI diventa rischiosa non quando produce testi scadenti, ma quando produce testi buoni abbastanza da farci sospendere il lavoro interiore necessario per giudicarli.
In un mio lavoro precedente ho chiamato questo attore cognitivo esterno Sistema 3, a partire dalla Tri-System Theory di Steven D. Shaw e Gideon Nave. Kahneman aveva reso popolare la distinzione fra Sistema 1, rapido e intuitivo, e Sistema 2, lento e deliberativo. Con l’AI generativa entra in scena un terzo elemento: una forma di cognizione artificiale esterna alla mente biologica, capace di intervenire in tempo reale nel processo di ragionamento.
Nel Prolegomeno 160 di questa serie, Marco Minghetti ha ripreso quel concetto e lo ha applicato al Distant Writing Collaborativo, il metodo con cui sta scrivendo il romanzo E usando tre AI in parallelo e conservando una sovranità autoriale esplicita. In quel contesto, il Sistema 3 entra nella stanza e offre output plausibili, ben costruiti, immediatamente utilizzabili. Il rischio individuato da Minghetti è la resa cognitiva: il momento in cui il Supervisor adotta un output senza verificarne il criterio, adattando progressivamente il proprio giudizio a ciò che riceve.
Qui il fuoco si sposta.
Nel DWC il rischio riguarda la scrittura. Nel lavoro riguarda qualcosa di più profondo: il modo in cui una persona riconosce chi è e chi può diventare.
La delega non riguarda più una frase da scegliere o un paragrafo da tagliare. Riguarda la propria identità professionale.
5. Resa cognitiva e identità professionale
Nella serie abbiamo chiamato questo rischio resa cognitiva: l’abitudine ad accettare un output plausibile senza risalire al criterio che lo ha prodotto.
Nel lavoro, però, la resa cognitiva tocca un piano più profondo. Non riguarda soltanto una decisione, un testo, una procedura. Riguarda il modo in cui una persona impara a riconoscere la propria esperienza e a trasformarla in identità professionale.
L’AI può scrivere un profilo LinkedIn efficace. Può individuare competenze coerenti con il mercato. Può proporre un piano di sviluppo. Può tradurre una storia frammentaria in una narrazione ordinata. Ma il lavoro decisivo non è la stesura finale. È l’elaborazione che precede la stesura: ricordare, scegliere, attribuire peso, capire che cosa conta, riconoscere che cosa ci somiglia e che cosa invece è solo formulato bene.
Quando questo lavoro viene esternalizzato troppo presto, la persona riceve una trama professionale senza averla tessuta.
Il brain rot, al netto della sua origine mediatica, intercetta questo rischio: la perdita di esercizio dell’elaborazione autonoma. L’immagine del muscolo che non lavora più resta utile, purché non venga trasformata in diagnosi automatica. La mente non si spegne. Si ritrae. Lascia che il Sistema 3 anticipi, organizzi, concluda.
Fabrizio Degni, executive manager e ricercatore italiano impegnato su un framework interdisciplinare dedicato alla stupidità funzionale nell’era dell’AI, chiama questo meccanismo sovereignty trap: il trasferimento graduale dell’autorità cognitiva dall’umano alla macchina, prodotto dall’accumulo di molte piccole abdicazioni.
Alcune ricerche recenti rafforzano questa ipotesi, con cautele diverse. Michael Gerlich ha rilevato, in uno studio del 2025 su 666 partecipanti, una correlazione negativa fra uso frequente di strumenti AI e pensiero critico, mediata dal cognitive offloading. Nataliya Kosmyna e il suo gruppo hanno osservato, attraverso misurazioni EEG, una riduzione della connettività cerebrale negli utenti che scrivevano con l’assistenza di un LLM rispetto ai gruppi che usavano motori di ricerca o lavoravano senza strumenti. Si tratta di evidenze iniziali, da leggere con prudenza. Ma indicano una direzione: quando l’AI diventa sostituto abituale del processo deliberativo, la distribuzione del lavoro mentale cambia.
6. Dalla persona all’organizzazione
Questa serie ha già compiuto un passaggio essenziale: dalla resa cognitiva individuale alla resa cognitiva organizzativa.
Nei Prolegomeni 164 e 165, Minghetti ha analizzato l’esperimento Moltbook, una piattaforma presentata come interamente gestita da agenti AI. Agenti che simulano autonomia, conversazioni che sembrano autentiche, pattern relazionali preconfezionati. Dietro tutto questo rimaneva un requisito strutturale: la presenza di un human owner che governava il sistema.
Il Prolegomeno 165 ha dato un nome a questa soglia: singolarità organizzativa. La questione non è la macchina superintelligente. È l’organizzazione che delega progressivamente il giudizio e rende sempre più facile dire: non sono stato io. Ogni decisione delegata senza governance abbassa la soglia per la delega successiva. L’opacità diventa una proprietà del sistema.
Applicato all’Homo Textilis al lavoro, questo significa che il problema supera l’individuo. Una persona può smettere di tessere la propria trama perché l’AI gliene offre una pronta. Ma un’organizzazione può fare qualcosa di ancora più serio: può smettere di creare le condizioni perché le persone tessano.
Un’azienda che distribuisce piani di sviluppo generati dall’AI, mappe di competenze prodotte da un modello, percorsi di carriera preconfezionati, feedback sintetici basati su dati strutturati, rischia di trattare le persone come destinatarie di una narrazione invece che come autrici della propria storia professionale.
La resa cognitiva, in azienda, raramente arriva come imposizione. Arriva come servizio. Questa è la sua forza. Chi la riceve la vive come efficienza, semplificazione, personalizzazione. La perdita resta poco visibile, perché l’output è fluido, appropriato, rassicurante.
7. Quello che molte organizzazioni stanno già facendo
Il rischio è già presente in molte pratiche aziendali, spesso animate da buone intenzioni.
Prendiamo i piani di sviluppo individuali. In un numero crescente di aziende, il piano di sviluppo del dipendente viene generato da una piattaforma AI sulla base dei dati di performance, delle competenze dichiarate e degli obiettivi aziendali. Il risultato è un documento personalizzato, ben scritto, ragionevole. Il dipendente lo riceve, lo legge, lo firma. In molti casi modifica poco o nulla, perché il piano è plausibile e correggerlo richiederebbe uno sforzo che l’organizzazione non incentiva. Il manager lo approva, perché il documento è coerente con i KPI.
Il ciclo si chiude senza che nessuno abbia posto alla persona la domanda decisiva: che cosa vuoi diventare?
La stessa logica si ripete nella selezione del personale. Le job description vengono generate dall’AI. I CV dei candidati vengono scritti con l’AI. I sistemi di screening filtrano le candidature con altri modelli. Il risultato è un circuito in cui una macchina scrive l’offerta, un’altra macchina scrive la risposta, una terza macchina decide quali risposte corrispondono all’offerta. Il recruiter interviene sulla shortlist, ma la shortlist è già il prodotto di un allineamento fra modelli.
Le persone che non rientrano nei pattern previsti rischiano di sparire prima dello sguardo umano. Le competenze che il modello non riconosce faticano a diventare competenze visibili.
Poi c’è il reskilling. Le piattaforme di formazione aziendale propongono percorsi di aggiornamento generati algoritmicamente. Il sistema analizza il gap fra competenze attuali e competenze richieste dal mercato, poi produce un piano su misura. Il piano è efficiente, strutturato, misurabile. Ma può avere un rapporto debole con il modo in cui una persona vive il proprio lavoro, con le domande che si pone, con le direzioni che intuisce senza saperle ancora formulare.
Il reskilling algoritmico assume che lo sviluppo professionale consista nel colmare un gap fra A e B nel modo più rapido possibile. Lo sviluppo professionale reale procede anche per esplorazione, tentativi, errori, incontri, conversazioni con persone che aprono strade non considerate.
Procede tessendo.
Il caso più sottile riguarda il feedback. Quando un manager usa l’AI per scrivere la valutazione annuale di un collaboratore, il testo arriva puntuale, equilibrato, ben calibrato. Ma può mancare il ricordo concreto. Quel martedì in cui il collaboratore ha gestito una crisi. Quel progetto in cui ha mostrato un talento inatteso. Quella riunione in cui ha tenuto insieme un gruppo in difficoltà.
Una sintesi generata a partire da dati strutturati può risultare ragionevole e, insieme, non somigliare alla persona. Manca il tessuto. Manca la grana dell’esperienza condivisa. Proprio quella grana trasforma un feedback in un momento di crescita.
In tutti questi casi, il problema non è l’AI. È l’assenza di un momento in cui la persona viene messa nella condizione di elaborare, scegliere, correggere, dissentire, riconoscersi o dire: questa storia funziona, ma non è la mia.
8. Una generazione che rischia di non iniziare a tessere
C’è poi un aspetto che rende il quadro più urgente: l’automazione cognitiva sta comprimendo i ruoli d’ingresso nel mercato del lavoro.
Le evidenze sono ancora in evoluzione, ma convergono su un segnale: alcune mansioni junior, soprattutto nei lavori cognitivi più esposti all’AI, rischiano di ridursi proprio dove un tempo si costruivano apprendistato, memoria professionale e competenze tacite.
Leland D. Crane e Paul E. Soto, in un paper della Federal Reserve, documentano una decelerazione dell’occupazione nei ruoli intensivi di programmazione dopo l’introduzione di ChatGPT, pur precisando che l’occupazione dei coder continua a crescere, ma a un ritmo più basso rispetto al periodo pre-2022. Erik Brynjolfsson, Bharat Chandar e Ruyu Chen parlano di canarini nella miniera per descrivere i primi segnali di impatto sproporzionato sui lavoratori entry-level nel mercato americano. Goldman Sachs, in una ricerca del 2026, osserva che gli effetti negativi sulla creazione di lavoro sembrano ricadere soprattutto sui lavoratori più giovani e meno esperti.
In una serie di articoli per Agenda Digitale ho chiamato questo fenomeno Scala Spezzata: la rottura dei primi gradini della scala professionale. Chi perde il primo gradino non ha soltanto un problema occupazionale. Rischia di perdere il luogo in cui si formano i primi ricordi di lavoro.
La trama professionale non si costruisce in astratto. Si costruisce facendo cose che all’inizio non sai fare. Il primo report sbagliato. La riunione in cui non hai capito nulla. Il momento in cui qualcuno ti corregge davanti agli altri. La consegna arrivata tardi. La telefonata gestita male. La prima volta in cui un cliente ti prende sul serio.
Sono materiali scomodi. A volte dolorosi. Però sono il tessuto. Sono i ricordi professionali che poi ricomponi quando ti chiedi chi sei diventato e che cosa sai fare davvero.
Se il primo gradino manca, quei ricordi non si formano. E nel vuoto entra facilmente una narrazione prodotta dall’algoritmo.
Un profilo LinkedIn perfetto per un ventitreenne che non ha ancora capito cosa gli piace fare. Un piano di carriera costruito sui trend di mercato, prima ancora che quella persona abbia avuto il tempo di formulare le proprie domande. Una skill map che riflette ciò che il mercato chiede, invece di ciò che la persona ha scoperto di saper fare.
Qui la Scala Spezzata incontra l’Homo Textilis in modo diretto. Villani racconta pazienti che ricostruiscono la propria trama dopo un trauma. Ma cosa accade quando la trama professionale non ha avuto il tempo di formarsi? Il giovane professionista che entra nel mercato senza un primo gradino dove imparare, sbagliare, riprovare, costruire memoria, non ha una trama da ricostruire. Ne ha una da inventare.
L’AI è già lì, pronta a offrirgliene una.
Il risultato è un proto-professionista con una narrazione efficace e poca esperienza. Ha una trama che funziona, ma potrebbe non essere la sua. E può non avere gli strumenti per accorgersene, perché non ha tessuto abbastanza da riconoscere la differenza fra una storia vissuta e una storia ricevuta.
9. Custodire il processo, non soltanto il prodotto
Villani dice che siamo tessuti di storie. Il punto che qui aggiungo è questo: il tessuto si forma solo se partecipiamo alla tessitura. Se il telaio lavora da solo, il tessuto può anche esistere, ma noi rischiamo di restarne fuori.
Per le persone questo significa una cosa concreta. L’AI può aiutare a scrivere un CV, ma non può sostituire il processo con cui capisci che cosa vale la pena metterci dentro. Può generare un percorso di reskilling, ma non può sostituire la domanda su che cosa vuoi diventare e perché. Può produrre un profilo professionale efficace, ma non può sapere se quel profilo ti somiglia.
La differenza è la stessa che passa fra ricevere una mappa già disegnata e costruirla attraversando il territorio. La mappa ricevuta può essere elegante, completa, persino utile. Però il tratto che non hai percorso non diventa esperienza. Non diventa ricordo. Non diventa trama.
Per le organizzazioni la conseguenza è altrettanto concreta.
Il Prolegomeno 160 ha fissato una formula che vale oltre la scrittura: delegare l’esecuzione, custodire il criterio. La catena operativa Definire, Delegare, Valutare, Autorizzare nasce per governare il rapporto fra un autore e tre AI nella scrittura di un romanzo. Ma funziona anche come principio generale per chiunque lavori con sistemi capaci di produrre output plausibili.
Definire significa sapere che cosa chiedi prima di chiederlo. Delegare significa affidare l’esecuzione, conservando il giudizio. Valutare significa confrontare ciò che ricevi con il criterio fissato. Autorizzare significa assumere la responsabilità del risultato.
Applicato all’Homo Textilis al lavoro, questo principio diventa ancora più radicale. Bisogna custodire il processo attraverso cui ci raccontiamo chi siamo.
10. Il presidio esterno
Il Prolegomeno 183, dedicato al Protocollo di Sorveglianza Stilistica, ha mostrato un punto decisivo: nella scrittura con AI, il rischio più insidioso non è l’errore evidente. È l’effetto cronico. Mesi di esposizione intensa ai modelli possono modificare il criterio stesso di chi li governa. Il Supervisor continua a intervenire, ma abbassa progressivamente la soglia. Una frase resta perché non disturba. Un paragrafo resta perché riassume bene. Una chiusura viene confermata perché suona compiuta.
Il rimedio non nasce soltanto dentro il processo. Ha bisogno di un presidio esterno: una comunità, un lettore, un gruppo di social reading, qualcuno che non condivida la stessa deriva e possa dire che l’allineamento non coincide con la qualità.
Lo stesso vale per il professionista.
Chi lascia che sia l’AI a definire le proprie competenze, tracciare il proprio sviluppo, raccontare la propria storia, può non accorgersi del momento in cui smette di tessere. L’adattamento è graduale. L’output è plausibile. Il criterio si sposta insieme all’output.
Servono altri esseri umani.
Colleghi, mentori, capi capaci di osservare, pari capaci di restituire una differenza, relazioni professionali abbastanza vere da riconoscere quando una storia suona bene ma non somiglia alla persona che la racconta.
Nel DWC, il social reading impedisce al Supervisor di confondere allineamento e qualità. Nel lavoro, il presidio umano impedisce al professionista di confondere efficacia narrativa e identità.
Se quelle relazioni vengono sostituite da percorsi automatizzati, il proto-professionista resta solo con un output ben scritto e pochi strumenti per capire se quell’output gli appartiene.
11. L’AI come telaio, non come tessitore
La conclusione non è un rifiuto dell’AI. Sarebbe una risposta povera a un problema complesso.
L’AI può aiutare moltissimo. Può chiarire, ordinare, sintetizzare, suggerire alternative, far emergere connessioni. Può funzionare come telaio. Ma il tessitore deve restare umano, perché nella tessitura non si produce soltanto un documento. Si produce identità.
Per questo, nelle organizzazioni, ogni uso dell’AI applicato a sviluppo professionale, selezione, formazione, feedback, reskilling e valutazione dovrebbe rispettare una regola minima:
la persona deve poter attraversare il processo prima di ricevere la sintesi.
Prima il ricordo, poi il profilo.
Prima la domanda, poi il piano.
Prima il confronto, poi il feedback.
Prima l’esperienza, poi la mappa.
Prima la trama vissuta, poi la narrazione assistita.
L’AI può aiutare a scrivere meglio la storia. Ma la storia deve avere attraversato il corpo, la memoria, l’errore, la relazione, il giudizio.
Perché se deleghiamo anche il racconto di chi siamo, il tessuto potrà sembrare perfetto.
Forse funzionerà.
Ma non sarà nostro.
193 – continua
