Introduzione di Marco Minghetti
Immaginiamo una riunione del comitato direttivo di un’azienda. Sullo schermo compare una raccomandazione elaborata dall’intelligenza artificiale: quali investimenti finanziare, quali candidature selezionare, quali attività affidare a un sistema automatizzato. I responsabili discutono i risultati, confrontano le alternative e infine deliberano. Ma quando qualcuno chiede chi abbia stabilito i criteri utilizzati dall’algoritmo, chi ne abbia verificato l’affidabilità e chi sia in grado di contestarne le conclusioni, le risposte diventano incerte.
Intorno al tavolo siedono persone che possiedono competenze e responsabilità differenti. Eppure, la sedia di chi dovrebbe garantire il governo complessivo del processo resta vuota.
È l’immagine che Valeria Lazzaroli, Presidente di Fondazione ENIA – Ente Nazionale per l’Intelligenza Artificiale, sceglie per introdurre una questione destinata a incidere sul futuro delle organizzazioni: quali professioni servono per governare l’intelligenza artificiale? Chi deve definirne le competenze, accertarne il possesso e garantire che possano essere esercitate?
Il titolo del suo Opinion Piece, La sedia vuota. Sei giurisdizioni in cerca d’autore, richiama una doppia assenza. Manca una regia condivisa per coordinare la nascita delle professioni dell’intelligenza artificiale. Manca anche un riconoscimento adeguato al lavoro, spesso invisibile, di chi già esercita funzioni di controllo e supervisione dei sistemi.
Sei giurisdizioni alla ricerca di una regia
Valeria propone la Matrice delle sei giurisdizioni, costruita incrociando sei ambiti dell’ecosistema IA – ontologie e semantica, sovranità infrastrutturale, AI Literacy, governance, giurie di comunità e AI Finance, Banking & Insurance – con tre livelli di responsabilità: alfabetizzazione, esercizio e supervisione.
Le diciotto caselle risultanti descrivono competenze da presidiare e rendere riconoscibili. La loro funzione consiste nel chiarire chi debba sapere che cosa, quali decisioni possa assumere e attraverso quali criteri si possa valutare la qualità del suo operato.
La proposta dialoga con numerose riflessioni già sviluppate nei Prolegomeni.
Nel Prolegomeno 215, Governare la delega prima di perdere il giudizio, ho affrontato il rischio della resa cognitiva: chi autorizza una decisione preparata attraverso l’IA può conservare la responsabilità formale pur avendo perduto la capacità di ricostruirne le premesse.
Maurizio Carmignani, nel Prolegomeno 193, Homo Textilis, ha descritto la Scala Spezzata: l’automazione dei compiti junior rischia di eliminare le esperienze attraverso cui si acquisiscono le competenze necessarie per assumere responsabilità superiori.
Luigi Congedo, nel Prolegomeno 182, L’illusione della competenza, ha affrontato una questione complementare: due persone capaci di produrre risultati simili attraverso l’IA possono possedere competenze assai diverse. L’equivalenza degli output rischia di nascondere la distanza fra chi comprende la struttura di un problema e chi si affida alla plausibilità della risposta.
Il Prolegomeno 172, Dallo stile cognitivo alla governance cognitiva ha ampliato questa riflessione: riconoscere gli stili cognitivi dei modelli, comprenderne le differenze e governarne l’impiego costituisce una responsabilità organizzativa che precede la valutazione del singolo risultato.
Sono questioni che la Matrice di Valeria aiuta a ricondurre a una prospettiva comune, offrendo una struttura per distinguere competenze, responsabilità e condizioni necessarie al loro esercizio.
Dal Made in Italy ai distretti: chi governa il patrimonio di conoscenze?
La Matrice permette anche di rileggere due contributi che hanno affrontato il rapporto fra intelligenza artificiale e sistema produttivo italiano, mettendo in relazione la trasformazione culturale del Made in Italy e il futuro dei distretti industriali.
Nel Prolegomeno 153, Made in Italy trasformativo: radici aumentate per un nuovo ecosistema narrativo, Michela Matarazzo ha proposto di interpretare l’intelligenza artificiale come un’occasione per rigenerare il patrimonio culturale e creativo italiano.
La sua riflessione muove da un’idea di Made in Italy che comprende la memoria delle imprese, la creatività artigianale e la capacità di costruire relazioni con pubblici internazionali. L’IA può contribuire a sviluppare nuove narrazioni, favorire la personalizzazione e alimentare processi di co-creazione, a condizione che la trasformazione tecnologica mantenga un rapporto riconoscibile con le culture produttive da cui nasce.
Ma chi possiede le competenze necessarie per governare questa trasformazione? Chi stabilisce quali elementi del patrimonio culturale debbano essere preservati, quali reinterpretati e quali affidati all’elaborazione algoritmica? E come possiamo accertare che una narrazione generata dall’IA esprima la conoscenza del territorio anziché riprodurre una rappresentazione stereotipata della sua identità?
Il problema assume una dimensione industriale nel Prolegomeno 206, Perché la partita italiana sull’AI si gioca sui dati di filiera, non sui modelli, nel quale Valentino Megale e Valerio Mancini propongono il Dataspace dei Distretti.
La loro ipotesi consiste nel valorizzare il patrimonio informativo distribuito fra le imprese dei distretti italiani attraverso infrastrutture di condivisione dei dati, regole di governance cooperativa e modelli di IA specializzati nei diversi domini produttivi.
È una proposta che sposta il confronto sulla competitività italiana dalla disponibilità di modelli generalisti alla capacità di rendere utilizzabili conoscenze industriali difficili da replicare altrove.
L’accostamento fra i due contributi rivela una complementarità. Michela Matarazzo si concentra sulla trasformazione del significato e del racconto del Made in Italy; Megale e Mancini sulle condizioni tecnologiche e organizzative che consentono ai saperi delle filiere di diventare una risorsa condivisa.
La Matrice di Valeria aggiunge una terza dimensione: le competenze professionali necessarie per governare questi processi.
La giurisdizione delle ontologie e della semantica diventa essenziale quando imprese differenti devono concordare il significato dei dati. La sovranità infrastrutturale riguarda la possibilità di condividere informazioni senza perdere il controllo delle dipendenze tecnologiche. L’AI Literacy consente anche alle imprese più piccole di partecipare alla trasformazione. La governance definisce chi autorizza l’impiego dei dati, verifica i modelli e risponde delle decisioni.
Le giurie di comunità potrebbero inoltre contribuire a verificare se le nuove rappresentazioni algoritmiche del Made in Italy siano riconosciute dalle persone e dai territori che ne costituiscono il patrimonio culturale. L’AI Finance, Banking & Insurance richiama infine il problema della valutazione economica degli asset algoritmici e delle condizioni necessarie per finanziarli e assicurarli.
Dalla lettura congiunta dei tre contributi emerge così un interrogativo che riguarda il futuro del sistema produttivo italiano: come trasformare il patrimonio di conoscenze delle nostre filiere in una risorsa condivisa, garantendo che le competenze per governarla siano riconosciute e che le imprese coinvolte conservino una capacità effettiva di giudizio?
Giardinieri, Orchestratori e Sentinelle
Un raccordo significativo riguarda il Prolegomeno 216, Il giudizio non è compreso nel biglietto, nel quale Bernardo Lecci descrive tre mestieri organizzativi dell’era dell’IA.
Il Giardiniere coltiva le competenze e le condizioni dell’apprendimento. L’Orchestratore governa gli affidamenti ai sistemi artificiali e organizza le verifiche. La Sentinella riconosce anomalie, dipendenze e decisioni delle quali si rischia di smarrire le ragioni.
Accostando queste figure ai tre livelli della Matrice emerge una possibile corrispondenza: l’alfabetizzazione richiede qualcuno che coltivi, l’esercizio qualcuno che orchestri, la supervisione qualcuno che vigili.
È un’analogia funzionale, da discutere e verificare, che permette di formulare una domanda concreta: come possiamo accertare che un responsabile sia ancora capace di governare il processo affidato alla sua supervisione?
Lecci suggerisce due esercizi: simulare per un tempo circoscritto l’indisponibilità dell’IA e ricostruire a campione le decisioni già assunte. Saper continuare a operare e saper spiegare le ragioni delle scelte diventano prove della qualità della supervisione.
A queste riflessioni si aggiunge il personigramma di Piero Trupia, che ho ripreso nel Prolegomeno 221, Leadership Pop. Dire il nome del piatto.
L’organigramma descrive le responsabilità formali; il personigramma rende visibili le relazioni effettive attraverso cui circolano conoscenze e autorevolezza.
Applicato alla Matrice, suggerisce di interrogare anche la distribuzione dell’autorità cognitiva: chi stabilisce le classificazioni, chi seleziona le informazioni, chi può contestare una raccomandazione, chi possiede la facoltà di sospendere una decisione?
La sedia vuota di Valeria potrebbe dunque richiedere una regia capace di riconoscere e coordinare responsabilità differenti.
Il Distant Writing Collaborativo: un laboratorio per il governo del giudizio
Il problema discusso da Valeria trova un terreno di sperimentazione anche nel Distant Writing Collaborativo (DWC), il metodo che sto sviluppando durante la scrittura del romanzo E. Un horror. Vacui., attraverso il confronto fra autore umano e differenti sistemi di intelligenza artificiale.
Il DWC nasce da un’esigenza: utilizzare le capacità generative dell’IA conservando la possibilità di ricostruire, discutere e modificare ogni scelta che incide sul significato dell’opera. L’esperimento narrativo consente di osservare processi di delega e supervisione che, pur appartenendo a un contesto creativo, presentano analogie con i problemi affrontati dalla Matrice delle sei giurisdizioni.
Nel Prolegomeno 160, Dal Distant Writing al Social Reading: tre livelli di Intelligenza Collaborativa ho descritto il passaggio dalla collaborazione individuale fra autore e modelli linguistici a un laboratorio sociale nel quale anche i lettori partecipano alla costruzione del significato.
Il framework TB-CSPN di Borghoff, Bottoni e Pareschi, applicato alla nostra esperienza di Distant Writing Collaborativo, permette di distinguere quattro fasi del processo.

Nella prima, Definire, l’autore elabora il brief, stabilisce gli obiettivi narrativi e dichiara i criteri attraverso cui valuterà i risultati. Nella seconda, Delegare, affida l’esecuzione a più sistemi di IA, che producono versioni alternative del testo. Nella terza, Valutare, esamina gli output, confronta le soluzioni, individua incongruenze e verifica la coerenza con il progetto narrativo. Nella quarta, Autorizzare, decide quali proposte accogliere, modificare o scartare, assumendosi la responsabilità della versione finale.
Il framework distingue tre livelli comunicativi: L1 – Surface, L2 – Observation e L3 – Computation. Nel processo descritto, la definizione e l’autorizzazione appartengono al primo livello, la valutazione al secondo, l’esecuzione delegata al terzo.
La distinzione chiarisce un principio centrale del DWC: delegare l’esecuzione testuale lascia all’autore la responsabilità dei criteri, della valutazione e dell’autorizzazione.
Il confronto con la Matrice di Valeria rivela affinità significative, ma anche differenze da considerare. I tre livelli della Matrice – alfabetizzazione, esercizio e supervisione – descrivono responsabilità e competenze professionali; quelli del framework TB-CSPN distinguono funzioni comunicative all’interno di un processo. Il loro accostamento consente di formulare ipotesi sulla qualità del governo umano dei sistemi, evitando di confondere le due classificazioni.
Nel DWC la supervisione richiede che l’autore sappia formulare criteri, riconoscere errori, valutare alternative e motivare le proprie decisioni. La familiarità con gli strumenti di IA costituisce una condizione utile, ma insufficiente. Occorrono conoscenza del dominio narrativo, capacità critica e disponibilità a rivedere anche le proprie ipotesi iniziali.
Un aspetto ulteriore riguarda la documentazione del processo. Nel gruppo LinkedIn Romanzo E – Social Reading Pop, il confronto con i lettori ha reso necessario distinguere le osservazioni ricevute dalle modifiche accolte, conservando anche le proposte respinte e i successivi ripensamenti. La discussione con Sabrina Franco ha contribuito a definire un doppio registro, capace di documentare tanto il contributo quanto la decisione dell’autore.
Questo dispositivo risponde a una domanda vicina a quelle sollevate da Valeria: come verificare la qualità di una decisione quando il risultato finale, considerato isolatamente, nasconde il processo che l’ha generata?
Il DWC suggerisce una risposta metodologica. Per valutare l’esercizio del giudizio occorre rendere osservabili i criteri iniziali, le alternative considerate, le obiezioni ricevute e le ragioni delle decisioni. Il risultato acquista così una storia documentabile, aperta alla verifica e alla discussione.
La sperimentazione resta circoscritta al dominio narrativo. La responsabilità dell’autore di un romanzo differisce da quella di chi autorizza una decisione sul credito, sulla selezione del personale o sulla sicurezza di un impianto. Cambiano le conseguenze, i vincoli normativi e le competenze richieste.
Proprio per questo il DWC può offrire un ambiente di ricerca nel quale osservare alcuni meccanismi cognitivi della supervisione, prima di verificarne la trasferibilità ad altri contesti.
La questione diventa allora: quali evidenze possono dimostrare che una persona abbia esercitato il proprio giudizio, anziché limitarsi ad approvare una decisione prodotta dall’intelligenza artificiale?
Dall’Opinion Piece al Delphi Pop
Il confronto avviato con Valeria proseguirà attraverso un Delphi Pop ENIA–Pop Management dedicato alle professioni e alle competenze dell’intelligenza artificiale.
Abbiamo elaborato un questionario articolato in otto questioni, ricavate dai problemi sviluppati nell’Opinion Piece: la regia della transizione, la struttura della Matrice, il rapporto fra alfabetizzazione e professione, la specializzazione nei diversi settori, la misurazione del giudizio, i percorsi di apprendimento, gli interessi coinvolti nella definizione degli standard e le condizioni necessarie per esercitare una supervisione effettiva.
Il progetto prevede un panel di esperti rappresentativi dei sei ambiti della Matrice, integrato da competenze giuridiche e del mondo del lavoro. Gli inviti sono previsti a dicembre e la prima tornata a gennaio 2027.
Il metodo Delphi Pop intende favorire un confronto nel quale le ipotesi possano essere contestate, le divergenze motivate e le valutazioni riesaminate alla luce delle argomentazioni altrui. Anche le obiezioni minoritarie conserveranno visibilità nei risultati.
Una delle questioni riguarda la possibilità stessa di misurare il giudizio. Il laboratorio del Distant Writing Collaborativo offre un primo campo di osservazione: attraverso la conservazione dei brief, degli output alternativi, delle obiezioni e delle decisioni finali, possiamo esaminare quali comportamenti rendano riconoscibile l’esercizio della supervisione.
Il Delphi potrà discutere se queste evidenze siano sufficienti, quali condizioni ne garantiscano l’attendibilità e fino a che misura il metodo possa essere adattato ad altri contesti professionali.
Un registro documentale può rendere visibile il processo, ma da solo non dimostra la qualità del giudizio. Occorre verificare quanto le valutazioni siano fondate, quanto le alternative siano state considerate e se le obiezioni abbiano avuto una reale possibilità di modificare la decisione.
In questo senso, il Delphi Pop rappresenta uno sviluppo della Conversazione Collaborativa: un percorso nel quale le proposte individuali diventano materia di ricerca condivisa, aperta alla verifica e alla revisione.
Un riconoscimento reciproco fra ENIA e Community Pop
Il confronto ha assunto anche un significato istituzionale.
Il 15 novembre 2026 Fondazione ENIA ha deliberato la mia nomina a Socio Onorario e il mio coinvolgimento nelle attività dell’OIA – Osservatorio Italiano per l’Intelligenza Artificiale, con particolare riferimento al Tavolo dedicato alle Competenze.
Ho accolto il riconoscimento con gratitudine verso Valeria e l’intero Consiglio di Amministrazione, considerandolo un’occasione per sviluppare il dialogo fra la ricerca scientifica promossa dalla Fondazione e il patrimonio culturale e progettuale della Community Pop.
A mia volta, ho voluto riconoscere a Valeria il Pop Ambassador Badge, destinato a chi favorisce collaborazioni fra la nostra comunità e altre realtà culturali e professionali.

Mi ha colpito la sua risposta. Accettando il riconoscimento, Valeria ha scritto di sentirsi investita di una responsabilità, fino a promettere un «impegno cognitivo» nell’esercizio del ruolo di Ambassador.
È un’espressione che coglie il significato dell’incontro fra i nostri percorsi. L’appartenenza a una comunità culturale acquista valore attraverso il contributo che ciascuno sceglie di offrire.
Ed è proprio da questa idea di responsabilità che vorrei ripartire per coinvolgere tutti i lettori.
Otto archetipi Pop per una leadership capace di giudizio
La Matrice di Valeria identifica competenze, funzioni e livelli di responsabilità. Resta da comprendere quali qualità culturali e relazionali consentano alle persone di esercitarle, soprattutto quando occorre discutere una classificazione, accogliere un’obiezione o riconoscere un’alternativa che l’IA ha escluso.
Durante il nostro confronto abbiamo provato ad accostare la Matrice agli otto archetipi della leadership Pop, sviluppati attraverso la serie di Pop Quiz Che Pop Manager sei?.
L’Esteta contribuisce a dare forma e significato condiviso alle informazioni.
Il Visionario è un Pop Manager capace di vedere oltre l’orizzonte immediato, anticipare i cambiamenti e guidare l’organizzazione verso futuri desiderabili. Con icone come Coco Chanel e Neo (Matrix), questo profilo incarna la capacità di immaginare scenari alternativi e trasformarli in realtà.
L’Empatico riconosce i segnali deboli e ascolta le esperienze di chi subisce gli effetti delle decisioni.
L’Innovatore è il Pop Manager che trasforma idee in azione, sperimenta nuove soluzioni e guida il cambiamento con creatività e pragmatismo. Combina pensiero divergente, capacità di execution e una sana dose di coraggio nel rischiare. È un leader che vede opportunità dove altri vedono ostacoli e che sa trasformare l’incertezza in vantaggio competitivo.
Il Simposiarca sa orchestrare conversazioni, creare spazi di dialogo fecondo e facilitare l’intelligenza collettiva. Come il maestro del banchetto platonico, il Simposiarca è chi sa far emergere il meglio dalle persone attraverso l’arte della convivialità intellettuale.
L’Esploratore con icone Pop come Indiana Jones e Lara Croft, l’Esploratore incarna lo “spirito avventuroso” e una “intelligenza adattiva”. È un leader che pratica la “sperimentazione continua”, accoglie l’incertezza come opportunità e sa trasformare gli errori in apprendimento prezioso.
L’Ironic Diva/Divo è il Pop Manager come creatura imperfetta e consapevole, capace di abitare la complessità con ironia, auto-riflessività e una leggerezza che non rinuncia alla profondità. Questo profilo emerge come figura fluida, in grado di decostruire le certezze manageriali senza perdere efficacia.
Il Pratico rappresenta il Pop Manager che sa coniugare pragmatismo ed efficacia senza perdere di vista l’umanità. «Perché dovrei fare questo ennesimo quiz?» potrebbe chiedersi proprio un Pratico/Pratica – e questa domanda ne rivela già la natura: concreta, orientata al risultato, attenta al valore.
Ogni archetipo offre una sensibilità diversa, ma ciascuno presenta anche rischi e limiti. La qualità della leadership nasce dalla possibilità di riconoscere questa pluralità, far dialogare le differenze e imparare a correggere i propri squilibri.
I Pop Quiz sono strumenti di autoriflessione culturale, distinti dalle certificazioni professionali e dai test psicometrici. Possono aiutarci a discutere una questione che riguarda tutti: quali qualità del giudizio possediamo già e quali dobbiamo ancora coltivare per lavorare con l’intelligenza artificiale?
Per questo vorrei invitare chi legge il contributo di Valeria a partecipare a un piccolo esperimento collettivo.
Nei commenti al post LinkedIn di presentazione riproporrò gli otto Pop Quiz, collegando ciascun archetipo a una delle questioni sollevate dalla Matrice.
Chi desidera partecipare potrà scegliere da quale iniziare, sperimentare i diversi profili e condividere le proprie riflessioni. Completando almeno quattro degli otto quiz, sarà inoltre possibile richiedere il Pop Manager Badge e, dopo la convalida prevista, entrare nella Hall of Fame della Community Pop e nella relativa leaderboard.
Le modalità di partecipazione sono illustrate nel Prolegomeno 200, Arrivano i Pop Badge!.
È un modo per rendere il confronto sulle competenze dell’IA accessibile anche a chi partecipa alla community al di fuori degli ambiti professionali specialistici.
Ritorniamo così alla domanda iniziale: chi occuperà la sedia vuota?
Forse la risposta dipenderà anche dalla nostra capacità di riconoscere le molte intelligenze che possono contribuire al governo della transizione, creando le condizioni perché ciascuna possa esercitare il proprio giudizio e rispondere delle proprie scelte.
Gli otto archetipi Pop ci invitano a iniziare da noi stessi.
Buona lettura.
Chi governa la transizione all’intelligenza artificiale?
La sedia vuota. Sei giurisdizioni in cerca d’autore
Opinion Piece di Valeria Lazzaroli, Presidente di Fondazione ENIA
In Il diritto di contare (Hidden Figures, 2016) Dorothy Vaughan dirige di fatto il gruppo delle calcolatrici afroamericane del centro di ricerca di Langley, senza averne il titolo né la retribuzione. Quando arriva il primo calcolatore IBM capisce che il lavoro suo e delle colleghe è destinato a scomparire. Impara da sola il FORTRAN, lo insegna al gruppo e ne fa la squadra di programmatrici di cui la NASA ha bisogno. Il film comprime e drammatizza la storia, perché Vaughan guidò il gruppo come facente funzione per alcuni anni prima della nomina formale, ma la dinamica che mette in scena è ricorrente nella storia del lavoro. Nathan Ensmenger, in The Computer Boys Take Over (2010), ha ricostruito come la programmazione sia nata quale mansione esecutiva, affidata in larga parte a donne e collocata ai margini delle gerarchie, e sia diventata una professione solo dopo una lunga conquista di riconoscimento. Il contenuto tecnico del lavoro cambiò meno della sua collocazione sociale.
L’intelligenza artificiale attraversa oggi una fase analoga. Nelle organizzazioni esiste già un lavoro di governo dei sistemi, fatto di scelte sui dati, verifiche sugli output e mediazioni fra chi sviluppa e chi decide. Lo svolgono persone prive di un titolo per farlo, spesso in aggiunta alle proprie mansioni e quasi sempre senza che qualcuno ne valuti la qualità. Susan Leigh Star e Anselm Strauss hanno chiamato lavoro invisibile quello di cui le organizzazioni si servono senza nominarlo, e ne hanno descritto le conseguenze sulla valutazione e sulla tutela di chi lo svolge.
Lo si vede nella richiesta che arriva più spesso alla Fondazione. Imprese agricole, studi professionali ed enti locali cercano «qualcuno che sappia di AI». La formula è generica perché il ruolo non ha ancora un nome. Appena si prova a precisare quali decisioni spetteranno a quella persona, su quali dati e con quale responsabilità, emerge che l’organizzazione non dispone delle categorie per descriverlo.
Il vincolo principale all’adozione dell’intelligenza artificiale sta qui, più che nella disponibilità delle tecnologie o nella chiarezza delle norme. L’AI entrerà stabilmente nelle organizzazioni quando il lavoro di governarla avrà assunto la forma di professioni identificabili, con un nome, criteri pubblici di competenza e un luogo in cui rispondere del proprio operato. Il Manifesto del Pop Management offre la cornice adatta, perché legge la diffusione di una trasformazione come costruzione di forme condivise, che chiunque possa apprendere, esercitare e far valere anche fuori dall’organizzazione in cui le ha acquisite.
La competenza come fatto sociale
Andrew Abbott, in The System of Professions (1988), ha mostrato che le professioni si definiscono attraverso contese di giurisdizione. Un gruppo rivendica il controllo di un insieme di problemi e ottiene che clienti, istituzioni e colleghi ne accettino la rivendicazione. La competenza individuale è necessaria, ma acquista valore professionale solo quando un sistema di attori la rende visibile, la attribuisce a qualcuno e la difende da usurpazioni. Eliot Freidson ha chiamato questa configurazione la terza logica dell’organizzazione del lavoro, distinta dal mercato e dalla burocrazia, perché affida il controllo della qualità a chi pratica il mestiere secondo standard condivisi.
Sull’AI la contesa è aperta e si svolge in uno scenario paradossale. Gli attori ci sono tutti, informatici, giuristi, responsabili della qualità, data protection officer, risk manager e consulenti, e ciascuno rivendica una porzione del problema. Esiste anche una sceneggiatura, e negli ultimi mesi si è fatta più fitta. All’AI Act si sono aggiunti la legge 132 del 2025 e i decreti legislativi che ne attuano la delega. Il decreto 160 del 2026 introduce un reato per l’omessa adozione di misure di sicurezza e di sorveglianza umana nei sistemi ad alto rischio. Il decreto 179 del 2026 designa le autorità competenti e assegna compiti formativi a scuola, università, pubblica amministrazione e ordini professionali. Una norma tecnica, la UNI 11621-8 del 2026, descrive dodici profili di ruolo professionale per l’IA. Resta vuota la sedia del regista. Le regole distribuiscono obblighi, sanzioni e compiti settore per settore, ma nessun soggetto ha il compito di organizzare la transizione nel suo insieme, di stabilire chi debba formarsi, con quali percorsi e verso quali ruoli, soprattutto nelle professioni prive di ordini. Uno standard, del resto, può esistere senza essere riconosciuto ed essere riconosciuto senza essere adottato. La UNI 11621-8 è volontaria, la certificazione delle persone che vi si conformano è possibile ma non richiesta, e la sua adozione dipende dalle scelte delle singole organizzazioni. Nelle organizzazioni l’effetto più visibile sono le iniziative affidate a una persona motivata e prive di un ruolo formalizzato, che si esauriscono quando quella persona cambia incarico.
La democratizzazione degli strumenti, d’altra parte, non coincide con quella del giudizio. L’uso fluente di un’interfaccia alimenta un senso di autoefficacia che può distaccarsi dalla competenza effettiva, e la ricerca sui sistemi automatizzati documenta da decenni la tendenza a fidarsi oltre misura di strumenti che funzionano bene nella maggior parte dei casi. Un mercato della formazione privo di standard prospera su questo scarto e vende scorciatoie a chi non dispone di criteri per valutarle.
Le ironie della supervisione
Nel 1983 Lisanne Bainbridge pubblicò Ironies of Automation. L’automazione, sosteneva, sottrae agli operatori le occasioni di pratica che servirebbero loro per intervenire quando il sistema fallisce. Più il processo è affidabile, meno l’operatore si esercita, e più si deteriora la sua capacità di gestire l’anomalia. La supervisione umana, che i quadri normativi pongono a garanzia, rischia così di ridursi a una funzione nominale.
La cultura popolare ne offre una caricatura memorabile. Homer Simpson è l’addetto alla sicurezza della centrale nucleare di Springfield, sorveglia un impianto che non comprende e conserva il posto perché nessuno verifica che cosa sappia fare. Marco Minghetti chiama resa cognitiva la versione seria di questa condizione, quella di chi mantiene la firma sulle decisioni rinunciando a ricostruirne le premesse.
Il Prolegomeno 215, Governare la delega prima di perdere il giudizio, ritrova questa ironia in un contesto decisionale. Un comitato approva una graduatoria di fornitori ignorando che due candidati sono stati esclusi durante la preparazione del dossier. La firma c’è, la valutazione manca. Perché la responsabilità resti effettiva, osserva Minghetti, chi decide deve poter risalire alle evidenze, discutere i criteri e ottenere una revisione, disponendo di tempo e competenze. Resta da stabilire chi accerti quelle competenze, perché spesso chi supervisiona un sistema di AI agisce in forza di un incarico formale privo di un profilo corrispondente.
Il modello domanda-controllo di Robert Karasek associa allo stress lavorativo la combinazione di richieste elevate e scarsi margini di controllo, che è la condizione di chi risponde di decisioni assistite senza disporre degli strumenti per valutarle. Collegare ogni livello di responsabilità a un livello di competenza dichiarato tutela insieme la qualità delle decisioni e il benessere di chi le assume.
Maurizio Carmignani, nel Prolegomeno 193, chiama «Scala Spezzata» l’effetto dell’automazione sui ruoli junior. Jean Lave ed Étienne Wenger hanno descritto l’apprendimento professionale come partecipazione periferica legittima, un ingresso graduale nelle pratiche di una comunità attraverso compiti semplici e circoscritti. Se quei compiti vengono automatizzati, si interrompe il percorso con cui i novizi diventano esperti. Uno standard che descriva livelli e passaggi permette di ricostruire quel percorso in modo intenzionale e di fissare per iscritto ciò che un tempo si trasmetteva per affiancamento.
Tutto comincia dal significato
Un dato non possiede un significato proprio. Una temperatura registrata in una serra, un codice di lotto, un importo in una pratica di credito acquistano senso solo quando qualcuno stabilisce a quale concetto appartengono, quali attributi li caratterizzano e con quali altri elementi sono in relazione. Peter Berger e Thomas Luckmann hanno descritto la realtà sociale come esito di un processo di oggettivazione, nel quale categorie nate da scelte umane finiscono per apparire naturali. Le basi dati delle organizzazioni seguono la stessa dinamica. Le categorie con cui un’impresa registra clienti, prodotti o difetti nascono da decisioni, e col tempo smettono di essere percepite come tali.
Il punto decisivo sono le relazioni. Un’ontologia descrive un dominio attraverso concetti, relazioni fra concetti, attributi, regole di inferenza e vincoli che impediscono interpretazioni incoerenti. Stabilire che un lotto deriva da un campo, che il campo appartiene a un’azienda e che l’azienda aderisce a un disciplinare significa decidere quali domande il sistema potrà porsi e quali conclusioni potrà trarre. Su dati privi di relazioni dichiarate un modello di AI individua correlazioni statistiche. Su dati organizzati da un’ontologia condivisa può ricostruire catene di provenienza, verificare la coerenza di un’informazione e rendere conto del percorso che ha condotto a una raccomandazione.
Jorge Luis Borges immaginò un’enciclopedia cinese nella quale gli animali si dividono in appartenenti all’Imperatore, imbalsamati, addomesticati, disegnati con un pennello finissimo di peli di cammello e che da lontano sembrano mosche. Michel Foucault, aprendo Le parole e le cose, vi riconobbe lo spaesamento che proviamo davanti a un ordine diverso dal nostro, e la scoperta che anche il nostro è soltanto uno degli ordini possibili.
Geoffrey Bowker e Susan Leigh Star, in Sorting Things Out (1999), hanno mostrato che ogni classificazione valorizza alcuni punti di vista e ne rende invisibili altri. Ciò che una categoria non prevede scompare dall’orizzonte decisionale. Chi definisce un’ontologia esercita dunque un potere, perché determina che cosa un’organizzazione potrà vedere, misurare e governare. Nel lessico del Pop Management è il sensemaking reso formale e computabile, e proprio per questo deve restare discutibile da parte di chi ne subisce gli effetti.
Da questo livello dipende l’intero ecosistema, perché nessun dato può essere elaborato, governato, confrontato o valutato economicamente se il suo significato non è condiviso. La giurisdizione semantica è dunque il fondamento della matrice che segue, e la professione la cui assenza pesa di più.
La Matrice delle sei giurisdizioni
Per ordinare il campo serve un modello, che chiamo Matrice delle sei giurisdizioni. Sul primo asse stanno i sei pilastri con cui Fondazione ENIA descrive l’ecosistema italiano dell’intelligenza artificiale, ciascuno dei quali delimita un insieme di problemi su cui qualcuno dovrà esercitare una competenza professionale. Sul secondo stanno tre livelli di responsabilità, descritti dopo i pilastri. Ogni casella individua una competenza da nominare, misurare e affidare a una comunità di pratica.
Ontologie e semantica. È il pilastro fondativo descritto nella sezione precedente. Valentino Megale e Valerio Mancini, nel Prolegomeno 206, collocano il vantaggio italiano nei dati di filiera e nelle relazioni sedimentate fra le imprese dei distretti, un patrimonio che diventa utilizzabile solo se le imprese che lo condividono adottano un linguaggio comune, e qualcuno deve saperlo costruire.
Edge computing e sovranità infrastrutturale. Una parte dell’elaborazione può avvenire dove il dato nasce, in un ospedale, in uno stabilimento o in un’azienda agricola. Stabilire che cosa trattare localmente e che cosa affidare a infrastrutture esterne incide su sicurezza, continuità operativa e dipendenze, e determina quanto costerà in futuro cambiare fornitore.
AI Literacy. È la base cognitiva comune, distinta dalla capacità di usare un’applicazione. Accanto al digital divide si profila un AI Divide fra chi comprende il funzionamento dei sistemi e chi ne usa soltanto le interfacce. L’articolo 4 dell’AI Act, riscritto dal Regolamento (UE) 2026/1744, chiede ora a fornitori e deployer di adottare misure per sostenerne lo sviluppo nel personale, senza imporre di garantire un livello determinato. Questa base va resa universale e accessibile senza barriere di età o di ruolo, mentre la certificazione riguarda le competenze più specialistiche.
Governance. Ogni sistema di AI richiede che qualcuno garantisca la qualità dei dati, autorizzi il modello, ne valuti il rischio, intervenga sulle anomalie e conservi le evidenze. Ognuna di queste funzioni è un ruolo con un proprio profilo di competenza.
Giurie di comunità. Molti effetti dell’AI emergono soltanto nell’uso e riguardano la fiducia, la comprensibilità delle decisioni automatizzate, la percezione di equità. Rilevarli richiede persone capaci di raccogliere evidenze qualitative con metodo e di restituirle a chi decide. È il pilastro più vicino all’idea di convocazione che attraversa il Pop Management.
AI Finance, Banking & Insurance. Gli algoritmi sono asset che evolvono con l’uso e possono essere riutilizzati in contesti differenti. Valutarli, finanziarli e assicurarli richiede metodologie di due diligence e criteri di assicurabilità ancora da definire, e quindi analisti e risk manager in grado di applicarli.
I tre livelli descrivono il rapporto fra la persona e il sistema. L’alfabetizzazione riguarda chi lavora accanto all’AI o ne subisce gli effetti, e richiede di comprendere che cosa il sistema fa, porre domande pertinenti e contestarne gli esiti. L’esercizio riguarda chi opera dentro il processo, configura gli strumenti, prepara i dati e documenta le scelte. La supervisione riguarda chi autorizza, sospende e risponde delle decisioni, e deve saper ricostruire le premesse di ciò che firma.
| Pilastro | Alfabetizzazione | Esercizio | Supervisione |
| Ontologie e semantica (fondamento delle altre righe) | Accorgersi di un dato classificato in modo improprio | Descrivere un dominio e mantenerne le categorie | Approvare le ontologie condivise con altre organizzazioni |
| Edge computing e sovranità | Sapere dove risiedono e come circolano i propri dati | Progettare che cosa elaborare in locale | Stabilire le dipendenze accettabili e le vie d’uscita |
| AI Literacy | Comprendere funzionamento e limiti dei sistemi | Formare i colleghi adattando i contenuti al contesto | Definire gli standard di alfabetizzazione dell’organizzazione |
| Governance | Segnalare anomalie e incoerenze | Validare, monitorare e documentare i modelli | Autorizzare, sospendere e rispondere delle decisioni |
| Giurie di comunità | Riferire la propria esperienza d’uso | Raccogliere e analizzare evidenze con metodo | Tradurre le evidenze in decisioni istituzionali |
| AI Finance, Banking & Insurance | Leggere valore e rischio di uno strumento acquistato | Valutare e documentare asset algoritmici | Deliberare finanziamenti e coperture assicurative |
La matrice muove da un limite della teoria di Abbott. Le professioni da lui studiate fondavano la giurisdizione su un nucleo di sapere astratto e relativamente stabile, come la diagnosi medica o l’interpretazione giuridica. Nell’AI il sapere tecnico invecchia in pochi mesi, e una giurisdizione costruita sulla padronanza di strumenti specifici diventerebbe obsoleta prima di affermarsi. Conviene perciò fondarla sulla responsabilità, che resta stabile mentre gli strumenti cambiano. La supervisione presuppone l’esercizio, perché chi non pratica perde la capacità di intervenire, come ha mostrato Bainbridge. Il passaggio da un livello all’altro ricostruisce la partecipazione periferica descritta da Lave e Wenger. La corrispondenza fra responsabilità e competenza, infine, sottrae chi decide alla condizione di elevata domanda e scarso controllo studiata da Karasek.
Le diciotto caselle descrivono funzioni e competenze da presidiare, e non diciotto professioni autonome. In una piccola impresa una sola persona può coprirne diverse, in una grande amministrazione una casella può richiedere un ufficio. Il confronto con la UNI 11621-8 aiuta a leggerle. I dodici profili della norma, dal Chief AI Officer al Data Scientist, dall’AI Security Specialist al Prompt Engineer, si concentrano in larga parte sul livello dell’esercizio e sui pilastri tecnici. Restano privi di un profilo dedicato la supervisione delle decisioni assistite, la raccolta delle evidenze presso le comunità, la valutazione economica degli asset algoritmici e la costruzione delle ontologie. La norma ha compiuto un passo importante, e la matrice indica dove la sedia resta vuota.
La matrice va poi compilata settore per settore, perché il contenuto di ogni casella cambia con il dominio. Un caso agricolo, costruito a scopo illustrativo, ne mostra il funzionamento. Un consorzio ortofrutticolo usa un sistema che suggerisce quali lotti destinare all’export in base ai dati di qualità raccolti nelle aziende associate. In una di esse il calibro dei frutti viene registrato in una categoria che il sistema interpreta come difetto, e la raccomandazione esclude lotti conformi. Se ne accorge un tecnico di campo, che non conosce i modelli ma conosce il prodotto, e segnala l’incoerenza. È il livello dell’alfabetizzazione. Chi gestisce i dati del consorzio ricostruisce l’errore, corregge la categoria nell’ontologia condivisa e documenta la modifica. È il livello dell’esercizio. Il responsabile commerciale sospende la raccomandazione, chiede una nuova elaborazione e firma la decisione sapendo che cosa è cambiato e perché. È il livello della supervisione. Per questo le professioni dell’AI si formeranno dentro i settori, a contatto con i problemi concreti delle filiere.
Dal ruolo alla professione
Una casella della matrice diventa una professione quando acquista un nome stabile, una misura condivisa e una comunità che la custodisce. Senza un nome un ruolo non può essere cercato, retribuito né inserito in un percorso di carriera, e poiché il mercato del lavoro su queste competenze ha dimensione europea le nuove figure dovrebbero avere denominazioni leggibili a livello internazionale. La misura si fonda su comportamenti osservabili, come documentare una base dati, motivare a un collega una raccomandazione del sistema o accorgersi che un caso esce dal perimetro per cui il modello è stato addestrato. La comunità di pratica utilizza lo standard, lo discute, lo aggiorna e prolunga l’apprendimento oltre la valutazione formale.
Una competenza è trasferibile, e consente a chi la possiede di cambiare impresa, mestiere o territorio senza ripartire da zero, soltanto se un soggetto esterno all’organizzazione che l’ha formata è in grado di attestarla. Ne deriva la necessità di separare chi forma da chi certifica. La norma ISO/IEC 17024 affida la certificazione delle persone a organismi indipendenti, secondo lo stesso principio che il Prolegomeno 215 applica alle decisioni assistite, dove valutazione e autorizzazione restano funzioni distinte. In Italia la legge 4 del 2013 consente inoltre alle associazioni professionali inserite nell’elenco del Ministero delle Imprese e del Made in Italy di rilasciare ai propri iscritti un’attestazione di qualità dei servizi, offrendo un riferimento pubblico alle professioni prive di ordini o collegi.
La certificazione attesta che una persona possiede una competenza, ma non garantisce che possa esercitarla. Come mostra il Prolegomeno 215, anche una supervisione affidata a una figura qualificata diventa formale se mancano il tempo per esaminare il dossier, l’accesso alle evidenze e la facoltà effettiva di contestare le premesse di una raccomandazione. Il decreto 179 del 2026 prevede che le decisioni su assunzioni, valutazioni e cessazioni del rapporto di lavoro non possano basarsi soltanto su trattamenti automatizzati e spettino a una persona fisica, ma la presenza di una persona non basta ad assicurare il giudizio. La qualificazione dei singoli va accompagnata da condizioni organizzative che rendano esercitabile ciò che è stato certificato.
In Fondazione ogni iniziativa formativa si aggancia a uno standard, produce un modello replicabile e lascia una misura confrontabile nel tempo, perché solo così un risultato ottenuto in un’impresa diventa patrimonio del settore.
Per chi dirige un’organizzazione ne discende un criterio pratico. Prima di acquistare un percorso formativo, incaricare un consulente o nominare un responsabile interno, conviene chiedersi in quale casella della matrice si collochi la competenza richiesta, come se ne accerterà la presenza a distanza di mesi e chi, fuori dall’organizzazione, sarebbe in grado di attestarla. Risposte vaghe indicano il rischio di acquistare un’illusione di competenza.
Il rischio della chiusura corporativa
L’obiezione più seria proviene dalla stessa sociologia delle professioni. Magali Sarfatti Larson ha descritto il progetto professionale come ricerca di un monopolio di mercato e di mobilità sociale, e la tradizione weberiana chiama chiusura sociale il meccanismo con cui un gruppo protegge redditi e status restringendo l’accesso. Uno standard può inoltre irrigidire pratiche in rapido mutamento, e un esame può premiare la conformità alle procedure più della capacità di giudizio.
Il rischio diminuisce se gli standard descrivono responsabilità anziché strumenti. I modelli cambiano di continuo, mentre restano stabili le domande sulla legittimità dei dati, sulle alternative escluse e sul momento in cui sospendere una decisione. Le norme tecniche volontarie prevedono del resto scadenze e revisioni periodiche e nascono da tavoli aperti alle parti interessate, mentre le professioni disciplinate dalla legge 4 del 2013 non sono esclusive e la qualificazione aggiunge soltanto un’informazione verificabile per clienti e datori di lavoro.
Resta concreto il pericolo che il mercato della certificazione riproduca le scorciatoie di quello della formazione. Lo si contiene soltanto con un confronto stabile fra chi forma, chi certifica, chi assume e chi lavora, ed è il confronto che il Delphi Pop può avviare.
Otto questioni per il Delphi Pop
- La regia. A chi spetta occupare la sedia rimasta vuota e organizzare la transizione verso le professioni dell’AI? Istituzioni, imprese, associazioni professionali ed enti di ricerca possono condividerla, e con quale divisione dei compiti?
- La matrice. Sei pilastri e tre livelli descrivono in modo adeguato il campo? Quali caselle sono già presidiate da professioni esistenti e quali restano scoperte?
- Alfabetizzazione e professione. Dove passa, settore per settore, il confine fra il primo livello, da garantire a tutti, e i livelli che richiedono una figura dedicata? Chi è legittimato a tracciarlo?
- Verticalità. Le professioni dell’AI devono nascere dentro i domini applicativi, o esiste un nucleo comune trasversale? Come si evita che la specializzazione produca profili reciprocamente incomprensibili?
- Misurare il giudizio. Un esame accerta conoscenze e procedure. Con quali prove si osserva in modo attendibile, al livello della supervisione, la capacità di individuare un’alternativa esclusa o di dissentire da una raccomandazione ben argomentata?
- Ricostruire l’ingresso. Se l’automazione riduce i compiti junior, quali istituzioni offriranno ai novizi le occasioni di partecipazione periferica necessarie per passare dall’esercizio alla supervisione?
- Gli interessi in gioco. Uno standard pubblico rende confrontabili fornitori, consulenti e dipendenti. Quali attori hanno interesse a sostenerlo, quali a ostacolarlo, e come si costruisce un consenso sufficiente a farlo funzionare?
- Qualificazione e giudizio. Accanto alle competenze tecniche, come si riconoscono le capacità di ascoltare, discutere le classificazioni, accogliere il dissenso e individuare alternative escluse dai sistemi? Quale rapporto lega qualificazione professionale, qualità della leadership e capacità di giudizio?
Una forma condivisa
Il carattere popolare di un’espressione culturale dipende dalla condivisione della sua forma fra chi la produce e chi ne fruisce. Le professioni svolgono una funzione analoga nel lavoro, perché stabiliscono un linguaggio comune fra chi offre una competenza e chi ne ha bisogno e rendono possibile la fiducia fra persone che non si conoscono. Nella vicenda di Dorothy Vaughan raccontata dal film, il riscatto arriva quando l’organizzazione dà un nome a ciò che quelle donne facevano già da anni. Per l’AI quel nome arriverà quando qualcuno avrà occupato la sedia del regista, e decidere insieme chi debba sedervi è il primo compito del confronto che si apre con queste pagine. È un lavoro paziente, che richiede il contributo di molti attori, e da esso dipende la possibilità che chiunque, a qualunque età e in qualunque settore, acceda a questi mestieri e li veda riconosciuti.
Riferimenti
- Abbott A. (1988), The System of Professions. An Essay on the Division of Expert Labor, University of Chicago Press.
- Bainbridge L. (1983), Ironies of Automation, Automatica, 19(6), pp. 775-779.
- Berger P. L., Luckmann T. (1966), The Social Construction of Reality, Doubleday (trad. it. La realtà come costruzione sociale, il Mulino).
- Borges J. L. (1952), El idioma analítico de John Wilkins, in Otras inquisiciones (trad. it. Altre inquisizioni).
- Bowker G. C., Star S. L. (1999), Sorting Things Out. Classification and Its Consequences, MIT Press.
- Ensmenger N. (2010), The Computer Boys Take Over. Computers, Programmers, and the Politics of Technical Expertise, MIT Press.
- Foucault M. (1966), Les mots et les choses, Gallimard (trad. it. Le parole e le cose, Rizzoli).
- Freidson E. (2001), The Third Logic, University of Chicago Press.
- Karasek R. A. (1979), Job Demands, Job Decision Latitude, and Mental Strain. Implications for Job Redesign, Administrative Science Quarterly, 24(2), pp. 285-308.
- Larson M. S. (1977), The Rise of Professionalism. A Sociological Analysis, University of California Press.
- Lave J., Wenger E. (1991), Situated Learning. Legitimate Peripheral Participation, Cambridge University Press.
- Star S. L., Strauss A. (1999), Layers of Silence, Arenas of Voice. The Ecology of Visible and Invisible Work, Computer Supported Cooperative Work, 8(1-2), pp. 9-30.
- Melfi T. (regia) (2016), Il diritto di contare (Hidden Figures), 20th Century Fox.
- Regolamento (UE) 2024/1689 sull’intelligenza artificiale (AI Act), art. 4, come sostituito dal Regolamento (UE) 2026/1744 (Omnibus digitale sull’IA).
- Legge 23 settembre 2025, n. 132, Disposizioni e deleghe al Governo in materia di intelligenza artificiale.
- Decreto legislativo 9 settembre 2026, n. 160.
- Decreto legislativo 7 ottobre 2026, n. 179.
- Legge 14 gennaio 2013, n. 4, Disposizioni in materia di professioni non organizzate.
- UNI 11621-8:2026, Attività professionali non regolamentate. Profili di ruolo professionale per l’ICT. Parte 8, Profili di ruolo professionale relativi all’Intelligenza Artificiale (IA).
- UNI CEI EN ISO/IEC 17024:2012, Valutazione della conformità. Requisiti generali per organismi che eseguono la certificazione di persone.
223 – continua
1 – DALLO HUMANISTIC AL POP MANAGEMENT
2 – MANIFESTI, ATLANTI, MAPPE E TERRITORI
3 – IL MANAGER PORTMANTEAU
4 – WHICH WAY, WHICH WAY?
5 – LEADERSHIP POP (LEZIONI SHAKESPEARIANE)
6 – OPINION PIECE DI RICCARDO MAGGIOLO
7 – LEADERSHIP POP (APERTURA, AUTONOMIA, AGIO, AUTO-ESPRESSIONE)
8 – OPINION PIECE DI JOSEPH SASSOON
9 – OPINION PIECE DI CESARE CATANIA
10 – OPINION PIECE DI VANNI CODELUPPI
11 – OPINION PIECE DI ALESSANDRO GIAUME
12 – COLLABORAZIONE POP. L’IRRESISTIBILE ASCESA DELLE COMMUNITY INTERNE
13 – COLLABORAZIONE POP. L’EMPATIA SISTEMICA
14 – COLLABORAZIONE POP. LE COMMUNITY AZIENDALI: UNO STATO DELL’ARTE, PARTE PRIMA
15 – COLLABORAZIONE POP. LE COMMUNITY AZIENDALI: UNO STATO DELL’ARTE, PARTE SECONDA
16 – OPINION PIECE DI MATTEO LUSIANI
17 – OPINION PIECE DI MARCO MILONE
18 – OPINION PIECE DI ALESSIO MAZZUCCO
19 – OPINION PIECE DI ALESSANDRA STRANGES
20 – OPINION PIECE DI FRANCESCO VARANINI
21 – ORGANIZZAZIONE POP. COMANDO, CONTROLLO, PAURA, DISORIENTAMENTO
22 – OPINION PIECE DI ROBERTO VERONESI
23 – OPINION PIECE DI FRANCESCO GORI
24 – OPINION PIECE DI NELLO BARILE
25 – OPINION PIECE DI LUCA MONACO
26 – OPINION PIECE DI RICCARDO MILANESI
27 – OPINION PIECE DI LUCA CAVALLINI
28 – OPINION PIECE DI ROBERTA PROFETA
29 – UN PUNTO NAVE
30 – ORGANIZZAZIONE POP. VERSO L’HYPERMEDIA PLATFIRM (CURA)
31 – OPINION PIECE DI NICHOLAS NAPOLITANO
32 – LEADERSHIP POP. VERSO L’YPERMEDIA PLATIFIRM (CONTENT CURATION)
33 – OPINION PIECE DI FRANCESCO TONIOLO
34 – ORGANIZZAZIONE POP. VERSO L’HYPERMEDIA PLATFIRM (CONVIVIALITA’)
35 – OPINION PIECE DI LUANA ZANELLATO
36 – OPINION PIECE DI ANDREA BENEDETTI E ISABELLA PACIFICO
37 – OPINION PIECE DI STEFANO TROILO
38 – OPINION PIECE DI DAVIDE GENTA
39 – OPINION PIECE DI ANNAMARIA GALLO
40 – INNOVAZIONE POP. ARIMINUM CIRCUS: IL READING!
41 – ORGANIZZAZIONE POP. VERSO L’HYPERMEDIA PLATFIRM (CONVOCAZIONE)
42 – OPINION PIECE DI EDOARDO MORELLI
43 – ORGANIZZAZIONE POP. VERSO L’HYPERMEDIA PLATFIRM (CO-CREAZIONE DI VALORE)
44 – OPINION PIECE DI MARIANNA PORCARO
45 – OPINION PIECE DI DONATO IACOVONE
46 – OPINION PIECE DI DENNIS TONON
47 – OPINION PIECE DI LAURA FACCHIN
48 – OPINION PIECE DI CARLO CUOMO
49 – OPINION PIECE DI CARLO MARIA PICOGNA
50 – OPINION PIECE DI ROBERTO RAZETO
51 – OPINION PIECE DI ALBERTO CHIAPPONI
52 – OPINION PIECE DI ALESSANDRO ANTONINI
53 – OPINION PIECE DI ALESSANDRA PILIA
54 – OPINION PIECE DI CLEMENTE PERRONE
55 – OPINION PIECE DI FABRIZIO RAUSO
56 – OPINION PIECE DI LORENZO TEDESCHI
57 – OPINION PIECE DI EUGENIO LANZETTA
58 – OPINION PIECE DI GIOLE GAMBARO
59 – OPINION PIECE DI DANTE LAUDISA
60 – OPINION PIECE DI GIAMPIERO MOIOLI
61 – OPINION PIECE DI GIOVANNI AMODEO
62 – OPINION PIECE DI ALESSANDRO LOTTO
63 – OPINION PIECE DI GIANLUCA BOTTINI
63 – OPINION PIECE DI MARILU CARNESI
65– OPINION PIECE DI SIMONE FARINELLI
66– OPINION PIECE DI FRANCESCA ANNALISA PETRELLA
67– OPINION PIECE DI VALERIO FLAVIO GHIZZONI
68– OPINION PIECE DI STEFANO MAGNI
69– OPINION PIECE DI LUCA LA BARBERA
70 – INNOVAZIONE POP. ARIMINUM CIRCUS: LA GRAPHIC NOVEL!
71 – LEADERSHIP POP. APOFATICA E CATAFATICA DELLA COMUNICAZIONE
72 – OPINION PIECE DI FEDERICA CRUDELI
73– OPINION PIECE DI MELANIA TESTI
74 – OPINION PIECE DI GIANMARCO GOVONI
75– OPINION PIECE DI MARIACHIARA TIRINZONI
76 – SENSEMAKING POP. LODE DELLA CATTIVA CONSIDERAZIONE DI SE’
77 – OPINION PIECE DI ALESSANDRA CAPPELLO E ALESSANDRA MAZZEI
78 – OPINION PIECE DI JOE CASINI
79 – OPINION PIECE DI MARTA CIOFFI
80 – STORYTELLING POP. VERSO IL POP BRANDING (PARTE PRIMA)
81 – STORYTELLING POP. VERSO IL POP BRANDING (PARTE SECONDA)
82 – STORYTELLING POP. VERSO IL POP BRANDING (NOTE A MARGINE)
83 – ENGAGEMENT POP. IL MANAGER INGAGGIANTE IMPARA DAI POKEMON
84 – ENGAGEMENT POP. DARE VOCE IN CAPITOLO
85 – ENGAGEMENT POP. COMUNICARE, VALUTARE, TRASFORMARE
86 – SENSEMAKING POP. MALATTIA MENTALE E BENESSERE PSICOLOGICO SUL LAVORO
87 – SENSEMAKING POP. FOLLIA O DIVERSITA’?
88 – OPINION PIECE DI LUIGIA TAURO
89 – OPINION PIECE DI NILO MISURACA
90 – OPINION PIECE DI FRANCESCO DE SANTIS
91 – INNOVAZIONE POP. REMIX, RI-USO, RETELLING
92 – STORYTELLING POP. ARIMINUM CIRCUS AL BOOK PRIDE 2025
93 – OPINION PIECE DI SIMONE VIGEVANO
94 – OPINION PIECE DI LORENZO FARISELLI
95 – OPINION PIECE DI MARTINA FRANZINI
96 – OPINION PIECE DI EMANUELA RIZZO
97 – INNOVAZIONE POP. OLTRE LA PRE-INTERPRETAZIONE
98 – INNOVAZIONE POP. FORMAZIONE: ANALOGICA, METAVERSALE, IBRIDA
99 – ARIMINUM CIRCUS: LA VISUAL NOVEL!
100 – La (P) AI INTELLIGENCE (PARTE PRIMA)
101 – La (P) AI INTELLIGENCE (PARTE SECONDA)
102 – La (P) AI INTELLIGENCE (PARTE TERZA)
103– La (P) AI INTELLIGENCE (PARTE QUARTA)
104– La (P) AI INTELLIGENCE (PARTE QUINTA)
105– OPINION PIECE DI ALEXANDRA NISTOR
106– FORMAZIONE POP. PARTE PRIMA
107– FORMAZIONE POP. PARTE SECONDA
108– OPINION PIECE DI FEDERICA GRAZIA BARTOLINI
109– OPINION PIECE DI FEDERICO PLATANIA
110– OPINION PIECE DANIELA DI CIACCIO
111– OPINION PIECE DI LUCIANA MALARA E DONATELLA MONGERA
112– IL RITORNO DEL CEOPOP
113– LA VISIONE DEI CEOPOP (VOLUME 1)
114– LA VISIONE DEI CEOPOP (VOLUME 2)
115 – LA COMUNICAZIONE DEL CEOPOP
116– CEOPOP E PARTI SOCIALI
117– CHE POP MANAGER SEI? L’ESTETA
118– STORYTELLING POP. UNA COMUNICAZIONE POP PER IL NON PROFIT
119– CHE POP MANAGER SEI? VISIONARIO/VISIONARIA
120– OPINION PIECE DI REMO PONTI
121– CHE POP MANAGER SEI? EMPATICA/EMPATICO
122– OPINION PIECE DI GIACOMO GRASSI
123– CHE POP MANAGER SEI? INNOVATORE/INNOVATRICE
124– SECONDA CONVERSAZIONE COLLABORATIVA SUL POP BRANDING
125– CHE POP MANAGER SEI? SIMPOSIARCA
126– SENSEMAKING POP. UNA NUOVA GRAMMATICA DEL LAVORO (1)
127– CHE POP MANAGER SEI? ESPLORATORE/ESPLORATRICE
128– SENSEMAKING POP. UNA NUOVA GRAMMATICA DEL LAVORO (2)
129– CHE POP MANAGER SEI? IRONIC DIVA/DIVO
130– SENSEMAKING POP. UNA NUOVA GRAMMATICA DEL LAVORO (3)
131– CHIUSI PER FERIE
132– OPINION PIECE DI ELENA BOBBOLA E MARIE LOUISE DENTI
133– CHE POP MANAGER SEI? PRATICO/PRATICA
134- L’INTELLIGENZA COLLABORATIVA MOTORE POP DEL CHANGE MANAGEMENT – INDUSTRIA
135- L’INTELLIGENZA COLLABORATIVA MOTORE POP DEL CHANGE MANAGEMENT – NO SERVIZI
136- L’INTELLIGENZA COLLABORATIVA MOTORE POP DEL CHANGE MANAGEMENT – NO PROFIT
137- LEADERSHIP POP E VIDEOGIOCHI. PARTE PRIMA
138- LEADERSHIP POP E VIDEOGIOCHI. PARTE SECONDA
139- LA CONSULENZA NELL’ERA DELL’AI AGENT
140- INNOVAZIONE POP NEL RETAIL
141- LA NUOVA ERA MEDIATICA
142- BRAND FORWARD!
143- OPINION PIECE DI ALESSANDRA LAZZAZARA E STEFANO ZA
144- LA FORZA DELLA GENTILEZZA. PARTE PRIMA
145- LA FORZA DELLA GENTILEZZA. PARTE SECONDA
146 – NELLO BARILE E LE IMMAGINI DI UN MONDO IN FRANTUMI
147 – INNOVARE NELLA PA
148 – OPINION PIECE DI SALVATORE RICCO
149 – OPINION PIECE DI LUCA MAGNI
150 – INNOVAZIONE POP. DISTANT WRITING E SOCIAL READING
151 – L’ADOZIONE LENTA DELLA AI IN AZIENDA – 1
152 – OPINION PIECE DI CRISTIANO GHIRINGHELLI, RAOUL NACAMULLI, LUCA QUARATINO
153 – OPINION PIECE DI MICHELA MATARAZZO
154 – OPINION PIECE DI MARIA FRANCESCA IANNONE
155– OPINION PIECE DI MOIRA BUZZOLANI
156– OPINION PIECE DI LUCA GUERRASIO
157 – IMPARARE LA LEADERSHIP DALLE SERIE TV
158 – DA HAMLET A E: GENEALOGIA DEL DISTANT WRITING COLLABORATIVO
159 – OPINION PIECE DI PAOLO BORTOLOTTI
160 – DAL DISTANT WRITING AL SOCIAL READING: TRE LIVELLI DI INTELLIGENZA COLLABORATIVA
161 – L’ADOZIONE LENTA DELLA AI IN AZIENDA – 2
162 – DALL’AZIENDA NARRATIVA ALLA COMMUNITY INTERPRETANTE
163 – OPINION PIECE DI MARCO GRECO
164 – LE AI CHE RECITANO LA COSCIENZA
165 – LA SINGOLARITA’ ORGANIZZATIVA
166 – MANAGER ALL’ASILO!
167 – IL MANOSCRITTO E LA RESA SILENZIOSA
168 – L’INTELLIGENZA ARTIFICIALE NELLE VENDITE
169 – OPINION PIECE DI CATERINA BOSCHETTI
170 – INTELLIGENZA ARTIFICIALE E STILI COGNITIVI
171 – OPINION PIECE DI GIULIA ALOISIO RAFAIANI
172 – DAGLI STILI COGNITIVI ALLA GOVERNANCE COGNITIVA
173 – OPINION PIECE DI FRANCOIS RASTIER
174 – OPINION PIECE DI DANIELA GENSABELLA
175 – OPINION PIECE DI ALEX CASCARANO
176 – OPINION PIECE DI ELIO BORGONOVI, FILIPPO ABRAMO, MAURO MEDA
177 – OPINION PIECE DI FILIPPO POLETTI
178 – OPINION PIECE DI AGATHE MEZZADRI-GUEDJ
179 – DUE ANNI DI AVVENTURE COLLABORATIVE
180 – OPINION PIECE DI FEDERICO MATTIA DOLCI
181 – OPINION PIECE DI MONICA MAGNONI
182– OPINION PIECE DI LUIGI CONGEDO
183– IL PROTOCOLLO DI SORVEGLIANZA STILISTICA
184– OPINION PIECE DI MANUELA RONCHI
185– PRIMA CHE GLI AGENTI DECIDANO PER NOI
186– OPINION PIECE DI VALENTINA DARA
187– LA COMPLESSITA’ E’ COLLABORATIVA. IL PENSERO POP DI EDGAR MORIN
188– LINGUAGGIO, IDENTITA’ E POTERE NELLE ORGANIZZAZIONI. PARTE PRIMA
189– LINGUAGGIO, IDENTITA’ E POTERE NELLE ORGANIZZAZIONI. PARTE SECONDA
190 – OPINION PIECE DI PAOLA VILLANI
191– LINGUAGGIO, IDENTITA’ E POTERE NELLE ORGANIZZAZIONI. PARTE TERZA
192 – OPINION PIECE DI DANIEL TRABUCCHI E TOMMASO BUGANZA
193 – OPINION PIECE DI MAURIZIO CARMIGNANI
194 – IL SOCIAL READING DEL ROMANZO E VINCE IL PREMIO ECCELLENZA TECNOLOGICA AIF
195 – OPINION PIECE DI LUCA MORI
196 – VISUAL PIECE DI FABIOLA GIANCANE
198 – REINVENTARE LE ACADEMY AZIENDALI
199 – OPINION PIECE DI RICCARDO SANTILLI
200– ARRIVANO I POP BADGE!
201 – OPINION PIECE DI PIER GIORGIO CURI
202 – OPINION PIECE DI ROSSELLA PALMIERI E GAETANO SERVIDDIO
203 – OPINION PIECE DI RENATO ALBANESE
204 – DALLA GLOBALIZZAZIONE FRAMMENTATA ALLA GLOBALITA’ FEDERATA
205 – OPINION PIECE DI CRISTINA SANGIORGI
206 – OPINION PIECE DI VALENTNO MEGALE E VALERIO MANCINI
207 – FUORI CENTRO
208 – OPINION PIECE DI DARIO FORTI
209 – LA SERIETA’ DEL POP
210 – OPINION PIECE DI PAOLO CAPODANNO
211 – OPINION PIECE DI SABRINA FRANCO
212 – OPINION PIECE DI FRANCESCA MASTROGIACOMI
213 – OPINION PIECE DI GIANMARIO BATTAGLIA
214 – OPINION PIECE DI DIEGO FONTANA
215 – GOVERNARE LA DELEGA PRIMA DI PERDERE IL GIUDIZIO
216 – OPINION PIECE DI BERNARDO LECCI
217 – OPINION PIECE DI CARLO TUZZI
218 – OPINION PIECE DI PAOLO FUSERO
219 – OPINION PIECE DI PAOLO GUGLIELMONI
220 – OPINION PIECE DI GIANNA MARTINENGO
221 – DIRE IL NOME DEL PIATTO
222 – OPINION PIECE DI RICCARDO BUBBIO E ARIANNA CATALDO