Risorse
Una selezione di riferimenti per comprendere adozione dell’AI, capacità delle persone e responsabilità. Ogni fonte ha un contributo e un perimetro: leggerli insieme aiuta a decidere nel proprio contesto.
Questi lavori informano la riflessione sul metodo e il progetto del libro. La loro presenza in bibliografia non dimostra l’efficacia di SINTESI e non implica collaborazione o approvazione da parte degli autori e delle istituzioni citate.
I risultati del metodo richiedono casi documentati, criteri di confronto e verifiche. Le simulazioni del sito sono esempi didattici. La ricostruzione delle fonti effettivamente usate nella prima versione e la bibliografia del libro restano da completare.
Adozione e governo
Apprendimento, prove per attività, contesto e gestione del rischio.
2020 · MIT Sloan Management Review / BCG
Mette in relazione adozione dell’AI, apprendimento organizzativo e cambiamenti nel lavoro. Aiuta a ragionare su processi, ruoli e capacità di imparare.
Come leggerlo. Indagine sulle organizzazioni: le associazioni osservate non dimostrano che una singola pratica causi un risultato, né validano SINTESI.
2026 · Dell’Acqua e coautori · Organization Science
L’esperimento con consulenti BCG mostra che gli effetti dell’AI su produttività e qualità cambiano fra attività. Motiva prove circoscritte prima di estendere un uso.
Come leggerlo. Risultati riferiti ai compiti, partecipanti e strumenti studiati. Non permettono di prevedere il beneficio di ogni applicazione o organizzazione.
2025 · McKinsey / QuantumBlack
Offre un quadro dell’adozione e delle pratiche associate al valore dichiarato: processi, leadership, controlli e misurazione. Qui è citata l’edizione 2025.
Come leggerlo. Survey basata su risposte dichiarate; correlazioni e classificazioni non sono prove causali. La quota di high performer non implica che tutti gli altri non ottengano valore.
2026 · Stanford HAI
Raccoglie dati e ricerca sull’evoluzione dell’AI, utili ad aggiornare il contesto tecnologico, economico e sociale delle decisioni.
Come leggerlo. È una sintesi di fonti diverse. Ogni dato richiede capitolo, fonte e perimetro propri; il report non valuta l’efficacia di SINTESI.
2023 / 2024 · NIST
Fornisce un linguaggio per governare, contestualizzare, misurare e gestire i rischi. Il profilo per AI generativa approfondisce rischi e azioni pertinenti a questi sistemi.
Come leggerlo. Framework volontario di gestione del rischio. Il richiamo a NIST non costituisce certificazione, conformità normativa o approvazione del metodo.
Approfondimento NIST: Generative Artificial Intelligence Profile, 2024 ↗.
Persone e lavoro cognitivo
Il potenziamento umano è un criterio progettuale. I suoi effetti dipendono dal compito, dalle persone e da come si organizza la collaborazione.
1962 · Douglas C. Engelbart
Considera le capacità intellettuali nel sistema di persone, linguaggio, metodi e strumenti. È una cornice per progettare il potenziamento umano.
Come leggerlo. Proposta concettuale storica, precedente all’AI generativa. Non dimostra gli effetti degli strumenti attuali.
2021 · Sebastian Raisch e Sebastian Krakowski
Legge automazione e potenziamento come processi interdipendenti. Aiuta a valutare come una scelta su un’attività modifica altre attività e responsabilità.
Come leggerlo. Contributo teorico. Non propone un equilibrio valido per tutti né misura l’efficacia del metodo SINTESI.
2015 · David H. Autor
Distingue attività e occupazioni e discute complementarità e sostituzione nel lavoro. Invita a leggere le professioni come insiemi di compiti.
Come leggerlo. Analisi economica e storica precedente agli strumenti generativi attuali. Non garantisce che una specifica adozione preservi occupazione o competenze.
2000 · James Hollan, Edwin Hutchins e David Kirsh
Studia la cognizione distribuita tra persone, strumenti e ambiente. Sostiene una lettura del lavoro che comprende coordinamento e contesto.
Come leggerlo. Cornice per l’interazione persona-computer, non misura di uno spostamento universale del lavoro verso l’orchestrazione dell’AI.
2025 · Erik Brynjolfsson, Danielle Li e Lindsey R. Raymond · QJE
Analizza l’introduzione di un assistente nel supporto clienti e differenze fra lavoratori con esperienza diversa. Collega risultati, apprendimento e contesto del compito.
Come leggerlo. Studio sul campo in uno specifico servizio. Gli effetti osservati non sono una previsione generale per professioni, strumenti o organizzazioni differenti.
2025 · Hao-Ping Lee e coautori · CHI
Esplora i cambiamenti dichiarati nello sforzo cognitivo e nel pensiero critico, inclusi verifica delle informazioni, integrazione delle risposte e governo del compito.
Come leggerlo. Survey e resoconti dei partecipanti. Non prova una perdita causale di competenze o una trasformazione uguale per tutti.
2024 · Michelle Vaccaro, Abdullah Almaatouq e Thomas Malone
Distingue il miglioramento rispetto alla persona sola dalla sinergia rispetto al migliore fra persona e AI. Mostra l’importanza di attività e modalità di collaborazione.
Come leggerlo. Studi e sistemi eterogenei. Persona più AI non significa automaticamente prestazione migliore del migliore dei due; le differenze vanno misurate.
1983 · Lisanne Bainbridge · Automatica
Discute i problemi che l’automazione può lasciare alla supervisione umana, inclusa la gestione di situazioni anomale. Richiama attenzione su pratica e capacità di intervenire.
Come leggerlo. Analisi nata nell’automazione industriale. L’applicazione ai sistemi generativi richiede un ragionamento esplicito sul nuovo contesto.
Dalle fonti alla proposta
SINTESI collega sette dimensioni di osservazione a un ciclo di decisioni, attività ed evidenze. Questa architettura, ideata da Andrea Zurini, è una scelta progettuale da applicare e valutare sul campo.
Inizia da qui
Partiamo dalla tua attività, dalle persone e dal bisogno da affrontare. Anche se lavori da solo.
Cookie di sessione per l'accesso, cookie tecnici per ricordare tema e preferenze. Nessun cookie di profilazione o di terze parti. Leggi la Cookie Policy.
