Maggio 2026

Lombroso nell’età degli algoritmi

Enrico Maestri

Esce oggi il libro di Enrico Maestri, Giustizia ex Machina. Filosofia giuridica delle tecnologie digitali, un testo importante perché riesce a fare una cosa rara: non parla dell’AI come novità assoluta, ma la riporta dentro una genealogia culturale antica e rimossa. L’algoritmo non inventa da zero la tentazione di classificare l’essere umano; la rende più potente e più opaca.
Ci sono testi che non si limitano a spiegare una tecnologia, ma ne mostrano la genealogia nascosta. Il saggio di Enrico Maestri appartiene a questi, prende una delle promesse più seducenti dell’intelligenza biologica e non biologica (prevedere, classificare, anticipare il rischio) e la riconduce a una tentazione molto più antica della macchina.
Ora, in questo saggio che ci ha donato, si avverte che la domanda che lo attraversa non riguarda soltanto gli algoritmi. Riguarda il nostro desiderio di sapere prima. Prima che una persona parli e prima che agisca. Prima che la sua biografia, la scrittura della vita, si formi. È il desiderio di leggere nel corpo, nei dati, nei comportamenti, nei segni esteriori qualcosa che dovrebbe rimanere aperto nell’aperto delle possibilità.
Per questo Lombroso torna nel titolo non come reperto di una scienza superata, ma come fantasma. La sua antropologia criminale è stata confutata, ma la struttura del suo sogno continua a inquietarci: riconoscere il pericoloso prima del crimine, trasformare un volto in indizio, un corpo in prova, una probabilità in destino. Oggi non misuriamo più crani, addestriamo modelli.
Non parliamo più di “delinquente nato”, ça va sans dire, parliamo di rischio predittivo. Non invochiamo più la fisiognomica, ma la computer vision. E tuttavia la domanda resta sorprendentemente simile: possiamo sapere chi sei… prima.

Enrico Maestri mostra con chiarezza che il problema più profondo nasce quando una società democratica comincia ad accettare che una persona possa essere ridotta alla previsione che la riguarda, ovvero quando il volto diventa una confessione involontaria e il dato sostituisce la parola del soggetto. Quando la classificazione pretende di precedere l’esperienza.
In questa prospettiva, il diritto non appare come un ostacolo alla sicurezza o all’innovazione, ma come una delle forme più alte della prudenza: ogni persona resta sempre più grande della categoria che la descrive. Ogni biografia può deviare dalla probabilità. Ogni volto può sottrarsi all’etichetta che altri pretendono di leggervi. Ogni individuo è, in fondo, il proprio rapporto di minoranza rispetto alla statistica che lo anticipa. La persona non è mai il luogo e il tempo in cui un algoritmo riconosce una trama ricorrente. È la possibilità di smentirla.

Tesi. La fisiognomica computazionale e il pre-crimine algoritmico riattivano, con strumenti nuovi, una vecchia tentazione: leggere nel corpo o nei dati ciò che una persona è o farà. Il corpo non è un testo da decifrare; il futuro non è una sentenza da eseguire.

Nel racconto The Minority Report di Philip K. Dick, la polizia arresta uomini e donne per delitti che non hanno ancora commesso. Non li punisce per ciò che hanno fatto, ma per ciò che faranno. O, meglio, per ciò che un sistema di previsione dice che faranno. Il paradosso è noto: se il crimine viene impedito, il crimine previsto non accade più. Il soggetto viene allora trattato come colpevole di un futuro che, proprio grazie all’intervento preventivo, non diventerà mai presente.
Questa immagine continua a inquietarci perché tocca una tentazione profondissima delle società moderne: anticipare il rischio, leggere prima, sapere prima, intervenire prima. Non aspettare il fatto, ma riconoscere il pericoloso. Non giudicare l’atto, ma misurare la persona.

Oggi questa tentazione non si presenta più con il volto del profeta, del perito positivista o del poliziotto visionario. Si presenta con il volto apparentemente neutro dell’algoritmo. L’intelligenza artificiale promette di cogliere correlazioni invisibili, di riconoscere pattern, di trasformare immagini, dati biometrici, abitudini, precedenti, luoghi e comportamenti in previsioni. In una parola: promette di rendere calcolabile ciò che un tempo sembrava affidato all’incertezza del giudizio umano.
Ma il problema non è soltanto tecnico. Non riguarda solo l’accuratezza dei sistemi, i bias dei dati o l’opacità dei modelli. Il problema è più antico e più radicale. Riguarda il desiderio di leggere la persona prima che essa agisca; di dedurre la sua identità dal corpo; di inferire il suo futuro da una probabilità. È qui che ritorna, sotto forma digitale, un fantasma ottocentesco: Cesare Lombroso.

Lombroso non fu soltanto l’autore di una teoria sbagliata. Fu il nome di una promessa. La promessa che il crimine potesse essere riconosciuto prima del crimine stesso, perché inscritto nel corpo del criminale. Il delinquente nato, nella sua prospettiva, non era semplicemente un individuo che aveva commesso un reato: era un tipo umano, un essere riconoscibile attraverso segni fisici, misure craniche, tratti somatici, asimmetrie, anomalie. Il corpo diventava un testo. E il futuro diventava una conseguenza quasi naturale di quel testo.
Da questo punto di vista Lombroso è meno superato di quanto ci piaccia pensare. Certo, nessuno oggi prenderebbe sul serio la vecchia craniometria come scienza. Nessuno potrebbe più sostenere apertamente che la mascella, la fronte o la forma del cranio rivelino il destino criminale di un individuo. Eppure la struttura del ragionamento sopravvive. Cambiano gli strumenti, non il desiderio. Al posto del calibro c’è la computer vision. Al posto della tavola antropometrica c’è il dataset. Al posto del criminologo positivista c’è il modello predittivo. Ma la domanda resta sorprendentemente simile: possiamo leggere nel corpo, nei dati, nei segni esteriori ciò che una persona è o farà?

La nuova fisiognomica

Prima dell’intelligenza artificiale c’era la fisiognomica: l’arte di leggere il carattere dal volto. Non era una superstizione marginale, ma una lunga tradizione culturale, capace di sedurre filosofi, medici, moralisti e uomini di Stato. La sua promessa era semplice e potentissima: il visibile rivela l’invisibile. Dal volto si poteva risalire all’anima; dal corpo al carattere; dal tratto fisico alla disposizione morale.

La fisiognomica computazionale riprende questo antico schema, ma lo traduce nel linguaggio del machine learning. Non dice più che una fronte sfuggente o una mascella pronunciata rivelano la natura criminale. Dice che un insieme di pixel, correlazioni e pattern può permettere di inferire orientamento sessuale, appartenenza etnica, opinioni politiche, stati emotivi, inclinazioni comportamentali. Non invoca più la lettura morale del volto, ma la classificazione statistica dell’immagine. Il risultato, però, è inquietantemente simile: il corpo viene trattato come un testo da decifrare.

Un primo esempio paradigmatico riguarda gli studi che hanno preteso di dedurre l’orientamento sessuale dal volto. Il caso è diventato celebre perché sembrava dimostrare una capacità sorprendente dell’algoritmo: riconoscere ciò che la persona non aveva dichiarato. Ma proprio qui si rivela il vizio della fisiognomica computazionale. Il sistema non leggeva una verità biologica inscritta nei lineamenti; molto più probabilmente intercettava convenzioni di autopresentazione: qualità delle fotografie, posa, illuminazione, trucco, acconciatura, contesto sociale della piattaforma da cui le immagini erano tratte. In altri termini, non vedeva l’orientamento sessuale. Vedeva tracce culturali e le scambiava per essenza naturale.
Questo è il punto decisivo. L’algoritmo non scopre necessariamente ciò che siamo; spesso registra il modo in cui una società ci mette in scena. E quando queste tracce vengono naturalizzate, il rischio diventa enorme. Una differenza storica, culturale, sociale o biografica viene trasformata in un segno corporeo. La persona non parla più: viene letta. Non dichiara più: viene inferita. Non decide più quando e come rivelarsi: viene classificata.

Un secondo esempio, ancora più grave, è quello dei sistemi capaci di identificare automaticamente appartenenti a minoranze etniche, come nel caso della sorveglianza degli Uiguri nello Xinjiang. Qui la fisiognomica computazionale mostra il suo volto più politico. Il problema non è soltanto che un sistema può sbagliare. Il problema è che, anche quando funziona, può diventare infrastruttura di persecuzione. La classificazione biometrica non rimane una curiosità tecnica: entra nei flussi video urbani, nei database di polizia, nelle architetture di controllo, e trasforma l’appartenenza in bersaglio.

Questi esempi permettono di capire perché il divieto europeo di categorizzazione biometrica sensibile non sia un dettaglio tecnico dell’AI Act. Esso dice qualcosa di molto più profondo: non tutto ciò che può essere inferito deve essere inferito. Non tutto ciò che un modello riesce a classificare è per ciò stesso legittimo. Ci sono domande che una società democratica deve vietare alla macchina non perché la macchina sia imprecisa, ma perché quella domanda è sbagliata. Chiedere a un volto di rivelare la fede, l’origine etnica, l’orientamento sessuale o l’opinione politica significa trasformare il corpo in una confessione involontaria.
La distinzione tra riconoscere una persona e classificarla è, perciò, essenziale. Verificare che qualcuno sia chi dichiara di essere può avere una funzione legittima. Inferire dal suo volto che tipo di persona sia appartiene invece a un’altra logica: più invasiva, più ambigua, più pericolosa. Nel primo caso il corpo conferma un’identità dichiarata; nel secondo caso il corpo viene usato contro, prima o al posto della dichiarazione del soggetto. È la differenza fra dire: «sei davvero tu?» e dire: «so io chi sei».

Dal volto al rischio

La stessa logica si ripresenta nel campo del pre-crimine. Qui non si pretende di dedurre dal volto un’identità nascosta, ma di calcolare nei dati una condotta futura. Software di risk assessment, sistemi predittivi, modelli di polizia anticipatoria promettono di stabilire chi sia più incline a recidivare, quali quartieri siano più esposti al crimine, quali soggetti meritino maggiore sorveglianza. Anche qui la promessa è seducente: ridurre l’incertezza, prevenire il danno, razionalizzare le decisioni, sostituire l’intuizione del giudice o del poliziotto con una previsione fondata sui dati.

Il caso COMPAS, discusso negli Stati Uniti a partire dalla vicenda Loomis, è diventato il simbolo di questa trasformazione. Un software assegna un punteggio di rischio; quel punteggio entra nella decisione giudiziaria; l’imputato però non può realmente discutere il funzionamento del modello, perché l’algoritmo è proprietario, opaco, non pienamente accessibile. Il diritto continua formalmente a giudicare un soggetto, ma nella decisione entra una previsione prodotta su popolazioni. La persona concreta viene letta attraverso la probabilità statistica di altri soggetti ritenuti simili.

Il problema non è solo la possibile discriminazione razziale o sociale, pure gravissima. Il problema più profondo è dogmatico e filosofico: che cosa accade alla persona quando viene trattata come il risultato probabile di un gruppo statistico? Se un modello mi attribuisce un rischio perché altri, simili a me per certe variabili, hanno commesso certi atti, io non sono più giudicato per ciò che ho fatto, ma per la compagnia statistica alla quale vengo assegnato. La mia singolarità viene tradotta in appartenenza. La mia biografia diventa un caso medio. Il mio futuro viene chiuso nella probabilità di altri.

Anche i sistemi territoriali di polizia predittiva mostrano la stessa ambiguità. Strumenti come PredPol non indicano necessariamente persone, ma zone: quartieri, strade, aree urbane in cui il rischio di reato sarebbe più alto. Sembrano quindi meno invasivi. Eppure producono un effetto circolare: più una zona viene pattugliata, più vi si registrano reati; più vi si registrano reati, più il sistema raccomanda di pattugliarla. Il dato non descrive semplicemente il crimine; descrive anche la storia della sorveglianza. La previsione non fotografa il reale: contribuisce a costruirlo.

È precisamente qui che Lombroso ritorna. Non perché gli algoritmi siano lombrosiani in senso letterale. Non perché il machine learning coincida con l’antropologia criminale ottocentesca. Ma perché ricompare la stessa tentazione: sostituire il giudizio sull’atto con una misura preventiva della persona. Lombroso cercava il criminale prima del crimine nel corpo. La predizione algoritmica cerca il rischio prima dell’atto nei dati. In entrambi i casi, la persona viene anticipata da una classificazione.

Vi sono poi casi in cui le due linee si saldano in modo quasi perfetto. Alcune imprese hanno dichiarato di poter dedurre dal volto profili di pericolosità, inclinazioni aggressive, appartenenze criminali o addirittura probabilità di terrorismo. Qui non siamo più soltanto nel riconoscimento facciale, né soltanto nel risk assessment. Siamo nel punto esatto in cui la fisiognomica diventa pre-crimine: il corpo viene letto per prevedere il futuro. È Lombroso con le reti neurali al posto del calibro.

Il fascino della previsione

Questa continuità spiega anche perché il tema sia così politicamente potente. Le società contemporanee vivono immerse nel linguaggio del rischio. Rischio sanitario, rischio ambientale, rischio finanziario, rischio criminale, rischio reputazionale. Governare significa sempre più spesso prevenire. E prevenire significa anticipare. Ma quanto più l’anticipazione diventa tecnicamente possibile, tanto più cresce la tentazione di sacrificare il principio liberale più fragile: l’idea che una persona non coincida mai interamente con ciò che di essa si può prevedere.
Il diritto moderno, almeno nella sua forma più garantista, nasce anche per porre un argine a questa tentazione. Non punire l’essere, ma l’atto. Non condannare la pericolosità in quanto tale, ma accertare una condotta. Non trasformare il sospetto in destino. Il principio del fatto, la presunzione d’innocenza, il contraddittorio, la responsabilità personale non sono formalismi ottocenteschi: sono tecniche culturali per impedire che la società chiuda la persona dentro una diagnosi preventiva.

L’intelligenza artificiale mette sotto pressione proprio queste tecniche culturali. Non perché sia onnipotente, ma perché rende più credibile la vecchia aspirazione deterministica. L’algoritmo non dice «io sospetto»; dice «io calcolo». Non dice «mi pare»; dice «la probabilità è». La sua autorità non deriva dall’esperienza morale, ma dalla forma impersonale del numero. Ed è proprio questa apparenza di neutralità a renderlo culturalmente seducente. Il numero sembra non odiare, non discriminare, non avere pregiudizi. Ma può incorporare, amplificare e stabilizzare i pregiudizi di una società intera.
Il pericolo più grande, allora, non è che la macchina sostituisca l’uomo. È che l’uomo si nasconda dietro la macchina. Che decisioni politiche, morali e giuridiche vengano presentate come semplici risultati tecnici. Che la scelta di sorvegliare certi corpi, classificare certe identità o concentrare il controllo su certi gruppi appaia come conseguenza inevitabile dei dati. In questo senso l’algoritmo non elimina la responsabilità: la sposta e la rende meno visibile.

Da qui nasce l’esigenza di pensare una responsabilità dell’architettura. Non basta chiedersi se l’output del sistema sia corretto. Bisogna chiedersi perché quel sistema sia stato progettato, con quali dati, con quali categorie, con quali soglie, per quali fini. Un classificatore non è mai solo uno strumento neutro: incorpora una certa immagine del mondo. Decide quali differenze contano, quali somiglianze sono rilevanti, quali segnali meritano attenzione. Prima ancora di produrre una decisione, costruisce lo spazio entro cui alcune decisioni diventano possibili e altre scompaiono.
Per questo non è sufficiente dire che serve «più trasparenza». La trasparenza è necessaria, ma non basta. Anche un sistema perfettamente spiegabile potrebbe restare illegittimo se pretende di inferire dal corpo ciò che appartiene alla libertà della persona, o se trasforma una probabilità statistica in un destino individuale. Il problema non è soltanto vedere come funziona la macchina. Il problema è decidere se una certa macchina debba funzionare.

In questo senso, i divieti contenuti nell’AI Act europeo hanno un significato culturale che supera la tecnica normativa. Quando il regolamento vieta certe forme di categorizzazione biometrica e certe forme di predizione individuale del rischio criminale, non si limita a disciplinare un settore tecnologico. Dice qualcosa di più profondo: il corpo non è un archivio da cui estrarre identità nascoste; il futuro non è una sentenza già scritta nei dati; la persona non può essere ridotta alla probabilità del gruppo a cui viene associata.

Naturalmente le norme non eliminano la tentazione. Anzi, spesso la rendono più evidente. Ci sarà sempre qualcuno pronto a dire che, se un sistema funziona, sarebbe irresponsabile non usarlo. Se può prevenire un crimine, perché rinunciarvi? Se può identificare un rischio, perché ignorarlo? È l’argomento più forte e più pericoloso: quello della sicurezza. Ma una società libera non si misura solo dalla quantità di rischi che riesce a prevenire. Si misura anche dai rischi che accetta di non prevenire pur di non distruggere le condizioni della libertà.

Il rapporto di minoranza

Qui Minority Report resta una parabola insuperata. Nella versione cinematografica esiste il «rapporto di minoranza»: una previsione divergente, un futuro alternativo, una possibilità non allineata al verdetto principale. È una potente immagine filosofica. Ogni persona è, in fondo, il proprio rapporto di minoranza rispetto alla statistica che la descrive. Ogni individuo può smentire il gruppo a cui viene assegnato. Ogni biografia può deviare dalla probabilità. Ogni volto può sottrarsi all’etichetta che altri pretendono di leggervi.
Il compito del diritto, allora, non è soltanto regolare l’intelligenza artificiale. È difendere lo spazio di questa deviazione. Tenere aperta la distanza fra il corpo e l’identità, fra il dato e la persona, fra la probabilità e il destino. Impedire che la previsione diventi condanna, che la classificazione diventi natura, che la sicurezza diventi una nuova forma di determinismo.

Lombroso ci interessa ancora non perché avesse ragione, ma perché il suo errore continua a tentarci. Egli trasformò il corpo in prova e la pericolosità in destino. Oggi rischiamo di fare qualcosa di simile con strumenti immensamente più sofisticati e socialmente più accettabili. Non misuriamo più crani, ma addestriamo modelli. Non parliamo più di criminale nato, ma di rischio predittivo. Non invochiamo più la fisiognomica, ma la computer vision. Tuttavia la domanda di fondo rimane la stessa: possiamo sapere chi sei e che cosa farai prima che tu lo dica, prima che tu lo scelga, prima che tu agisca?

A questa domanda occorre rispondere con chiarezza: no, non senza perdere qualcosa di essenziale. Perché il corpo non è un testo da decifrare, e il futuro non è una sentenza da eseguire. La persona non è mai soltanto il luogo in cui un algoritmo riconosce un pattern. È anche, e soprattutto, la possibilità di smentirlo.

Nota bibliografica essenziale

I riferimenti sono indicati in forma essenziale, coerentemente con la destinazione culturale e divulgativa del testo.

Buolamwini, J., Gebru, T. (2018), Gender Shades: Intersectional Accuracy Disparities in Commercial Gender Classification, PMLR, 81.

Dick, P.K. (1956), The Minority Report; trad. it. Rapporto di minoranza e altri racconti, Fanucci, Roma 2002; cfr. S. Spielberg, Minority Report, 2002.

Dressel, J., Farid, H. (2018), The accuracy, fairness, and limits of predicting recidivism, Science Advances, 4(1).

Lombroso, C. (1876), L’uomo delinquente in rapporto all’antropologia, alla giurisprudenza ed alla psichiatria (Cause e rimedi), ebook, Hoepli, Milano 2026.

Maestri, E. (2026), Giustizia ex Machina. Filosofia giuridica delle tecnologie digitali, Luca Sossella editore, Roma.

Regolamento (UE) 2024/1689, art. 5, par. 1, lett. d) e g).

Stark, L., Hutson, J. (2022), Physiognomic Artificial Intelligence, Fordham Intellectual Property, Media & Entertainment Law Journal, 32(4).

Continua a leggere...

Maggio 2026

Dai fatti di Siena a quelli di Taranto: come il razzismo e la normalizzazione della violenza stanno trasformando le nostre società

Orlando Paris

Nel tempo dell’irrealtà

Nel primo volume dei Quaderni, Simone Weil scrive: «È bene ciò che dà maggiore realtà agli esseri e alle cose, male ciò che gliela toglie». È una frase che sembra appartenere a un’altra epoca e invece parla con precisione del nostro presente. L’odio comincia così: togliendo realtà. Prima ancora di colpire un corpo, impoverisce uno sguardo. Riduce una persona a categoria, bersaglio. Lo vede come una minaccia, un ostacolo. Sottrae complessità al diverso, al divergente, allo straniero, al migrante. Gli impedisce di apparire nella pienezza della sua esistenza. L’odio, pertanto, non è soltanto un sentimento privato o una degenerazione del discorso pubblico: è una forma di irrealtà prodotta socialmente, amplificata dai media e utilizzata politicamente. Simone Weil scriveva che «l’attenzione è la forma più rara e più pura della generosità» e aggiungeva che a pochissimi spiriti è dato scoprire che le cose e gli esseri esistono. In questa scoperta si trova forse il fondamento più esigente di ogni morale: riconoscere la realtà dell’altro, non ridurla a funzione del nostro pregiudizio.

Da qui nasce questa rubrica quindicinale di Orlando Paris – professore di Filosofia e teoria dei linguaggi all’Università per Stranieri di Siena e autore di Pensare l’odio. L’umano di fronte all’estremo – non per aggiungere un commento impotente all’indignazione, ma per interrogare le forme contemporanee attraverso cui l’odio torna a organizzare il dicibile, il pensabile. Razzismo, xenofobia, violenza politica, partecipazione ormai conclamata di capi di Stato alla grammatica dell’annientamento: sono tutti luoghi nefasti in cui si decide quanta realtà siamo ancora disposti a riconoscere agli esseri umani.Pensare l’odio significa custodire una soglia: impedire che l’altro venga reso irreale prima ancora di essere escluso. Annientato. È su questa soglia, fragile e decisiva, che il linguaggio deve tornare a essere una forma di attenzione: non il rumore che accompagna la violenza, ma la responsabilità in cui la realtà dell’altro viene riconosciuta.

Tredici giovani minorenni denunciati a Siena per apologia di fascismo e nazismo, accusati di aver progettato aggressioni razziste contro migranti. Pochi giorni prima, a Taranto, Sako Bakari, bracciante originario del Mali, viene ucciso da un gruppo di ragazzi, tre dei quali minorenni. Due vicende gravissime, accompagnate da un assordante e inquietante silenzio dei partiti che governano il Paese. Due vicende che non possiamo derubricare a semplici episodi di cronaca. Entrambe ci parlano di un fenomeno ormai endemico nelle società contemporanee: la crescente legittimazione del razzismo e il ritorno della violenza come modalità ordinaria di gestione delle relazioni sociali. È in questo brodo di coltura che prosperano ideologie fondate sull’esclusione e sulla disumanizzazione: quel fascismo e quel nazismo che stanno progressivamente riconquistando spazi culturali e istituzionali. Fino a pochi anni fa sarebbe stato difficile immaginare una simile legittimazione pubblica. Oggi, invece, simboli e parole d’ordine che sembravano confinati ai margini della vita democratica tornano a circolare con crescente disinvoltura, attraversano il dibattito pubblico, trovano visibilità nei media, alimentano campagne elettorali e costruiscono consenso.

Per questo i fatti di Siena e Taranto dovrebbero interrogare tutti noi. Ci interrogano perché sono il prodotto di un clima politico e culturale che attraversa oggi gran parte dell’Occidente: un clima segnato dall’avanzata di forme di populismo autoritario che hanno profondamente trasformato anche il nostro dibattito pubblico. Pensiamo al terribile fatto di cronaca avvenuto pochi giorni fa a Modena. Una tragedia che avrebbe richiesto riflessione e prudenza è stata invece immediatamente trascinata dentro la macchina della propaganda. Nel giro di poche ore il dolore delle persone coinvolte è diventato materia per la costruzione del nemico e per l’ennesima ondata di ostilità che ha attraversato i social network, i talk show televisivi e le pagine di quei giornali che da anni alimentano una narrazione fondata sulla paura e sull’esclusione.

Eppure i fatti raccontavano altro: l’autore dell’aggressione era un giovane nato e cresciuto in Italia, mentre tra coloro che hanno fermato la sua furia vi erano anche due migranti arrivati nel nostro Paese da poco tempo. Una circostanza che restituisce tutta la complessità delle società contemporanee e mostra quanto siano fragili le letture costruite attorno a identità compatte e appartenenze omogenee. I drammatici fatti di Modena ci hanno mostrato, ancora una volta, la persistenza di stereotipi e pregiudizi razziali, spesso radicati in una concezione biologica dell’umano, ma anche la tossicità di una sfera pubblica sempre più incapace di confrontarsi con la complessità dei fenomeni sociali e sempre più incline a trasformare ogni evento in uno slogan o in un’occasione di banalizzazione.

Le nostre società sono ormai attraversate da questa forma di discussione pubblica, alimentata da leader politici spregiudicati e pronti a strumentalizzare qualsiasi vicenda per rafforzare il proprio consenso. A questo si aggiunge il linguaggio delle leadership internazionali: come ha recentemente osservato Giorgio Agamben, parole che evocano annientamento e morte vengono pronunciate apertamente da capi di Stato e leader politici, entrando senza mediazioni nel flusso quotidiano dell’informazione. La brutalità viene esibita pubblicamente e rivendicata come prova di forza. Basti pensare ad alcune recenti dichiarazioni di Donald Trump e Benjamin Netanyahu sull’Iran. Assistiamo così a una progressiva erosione di quelle soglie simboliche che per decenni avevano contribuito a contenere la legittimazione pubblica della violenza.

Questo è il mondo nel quale viviamo. Questa è la sfera pubblica che ogni giorno interpreta gli eventi della contemporaneità e contribuisce a formare l’immaginario delle nuove generazioni. È dentro questo orizzonte culturale che maturano fenomeni come quelli di Siena e Taranto, ed è dentro questo stesso orizzonte che occorre tornare a interrogare il rapporto tra linguaggio, potere e odio. Naturalmente nessuno può sostenere che esista un rapporto meccanico tra le parole dei governi e le azioni di un gruppo di adolescenti. Le società sono molto più complesse. Esiste però una relazione evidente tra il clima discorsivo e culturale di un’epoca e ciò che diventa pensabile al suo interno. Le idee non restano confinate nei palazzi della politica o negli studi televisivi: circolano e producono effetti. Per questo sarebbe sbagliato considerare Siena e Taranto come semplici fatti di cronaca.
Questi eventi ci raccontano qualcosa di più profondo. Ci raccontano quello che siamo diventati: una società nella quale il razzismo e la xenofobia hanno progressivamente recuperato legittimità pubblica e nella quale la violenza viene sempre più spesso percepita come una risposta accettabile ai conflitti; una società che fatica a riconoscere il peso delle parole che utilizza e dove la polarizzazione erode progressivamente gli spazi del confronto democratico.

Continua a leggere...

Maggio 2026

Le madri invisibili dell’intelligenza artificiale

Michele Kettmajer

Dietro l’apparente immaterialità dell’IA esiste una geografia fatta di villaggi, famiglie, migrazioni interne, politiche territoriali e lavoro invisibile. Il testo di Michele Kettmajer prende avvio dalle madri rurali cinesi, impiegate nell’etichettatura dei dati, per mostrare che l’AI non si riproduce soltanto nei laboratori, nei data center o nelle architetture computazionali, ma dentro una filiera sociale che incorpora attenzione, pazienza, giudizio, percezione e criteri culturali. Non si tratta di denunciare una forma di sfruttamento, ma di comprendere come il capitalismo algoritmico riassorba strutture antiche trasformandole in infrastruttura cognitiva della macchina.
Tutt’altro che una tecnologia neutrale e smaterializzata, anzi, si rivela profondamente materiale: dipende da corpi, territori, lingue, miniere, energia, micro-decisioni umane. L’AI non estrae soltanto dati, ma capacità cognitive, forme mentali, giudizi culturali. E ciò che viene estratto dalle periferie viene trasformato in modelli controllati dai centri del potere tecnologico. Se l’umano diventa utile soprattutto come risorsa transitoria per addestrare la macchina destinata a sostituirlo, l’intelligenza artificiale non è più soltanto una questione tecnica o economica: diventa una questione antropologica. Quando anche la percezione diventa materiale estraibile, l’umano smette di essere origine del senso e diventa giacimento: non è più l’umano che guarda il mondo, ma ciò da cui la macchina impara a guardarlo.

In un villaggio dell’interno della Cina, una donna, contadina, siede davanti a uno schermo. Fuori ci sono i campi che lavorava fino a poco tempo fa, sulle stradine i figli giocano, i padri da anni vivono e lavorano nelle città algoritmiche. Dentro lo schermo scorrono immagini. Lei guarda, classifica, etichetta: un volto, un oggetto, un gesto, normale o anomalo. E lo fa per ore, ogni giorno. Non sa, o forse sa, ma non cambia nulla, che quelle sue decisioni minime, moltiplicate per migliaia di donne come lei, per milioni di immagini, stanno costruendo qualcosa di enorme e invisibile: l’intelligenza di una macchina.
Un articolo di “Sixth Tone” ha reso visibile questa filiera nascosta. Migliaia di madri nelle aree rurali cinesi hanno lavorato per anni al data labeling, l’etichettatura di immagini, video e dati che servono ad addestrare i modelli AI delle Big Tech. Non in grandi uffici urbani, ma in centri locali vicini ai villaggi, nelle nuove città satellite create dallo Stato per governare le migrazioni interne. Il fenomeno non risponde soltanto alla domanda di manodopera a basso costo: risponde anche alla necessità politica di contenere lo spopolamento rurale, mantenere unite le famiglie, sostenere una modernizzazione territoriale a basso costo sociale.

Alla faccia delle nuvolette piene di algoritmi e dati; per anni abbiamo raccontato l’intelligenza artificiale come il punto più avanzato della smaterializzazione del mondo. Poi basta guardare dentro la filiera reale per trovare altro: villaggi rurali, politiche abitative, migrazioni interne, famiglie separate, donne che etichettano immagini tra un colpo di zappa e l’altro. Il capitalismo algoritmico non supera le vecchie strutture sociali ma le riassorbe. Marx lo chiamava General Intellect, l’intelligenza collettiva incorporata nella macchina. Ma non aveva previsto che quella incorporazione potesse avvenire attraverso la regressione, non il progresso: non la fabbrica che libera il lavoro domestico, ma il lavoro domestico che alimenta la fabbrica globale dell’algoritmo.
L’aspetto più interessante della vicenda non è solo la denuncia dello sfruttamento. Siamo davanti a una convergenza molto più sofisticata tra modernizzazione tecnologica, stabilizzazione territoriale e gestione della riproduzione sociale.
Mentre l’Occidente continua a immaginare l’AI come forza che dissolve i territori e il lavoro, la Cina la usa anche come politica di infrastruttura territoriale. Il labeling distribuito nelle aree rurali non serve solo ad addestrare modelli, ma ad evitare il costo gigantesco di una completa urbanizzazione assistita. Il lavoro cognitivo distribuito funziona quasi come welfare indiretto. L’algoritmo non sostituisce il lavoratore: in alcuni casi sostituisce lo Stato sociale.

Le qualità richieste dal data labeling: la pazienza, la tolleranza della ripetizione, l’attenzione al dettaglio e la capacità sociale di sostenere compiti invisibili e frammentati non nasce dal nulla, ma sono il prodotto storico di strutture familiari e culturali sedimentate. L’AI non estrae soltanto dati, qui estrae capacità percettive e cognitive formate dentro specifici mondi sociali, contadini in questo caso. Estrae, in un senso preciso, la forma mentis e quella forma diventa codice.
Non è certo la maternità che addestra la macchina. Quelle lavoratrici non trasferiscono un’essenza femminile dentro l’algoritmo, ma ogni operazione di annotazione incorpora inevitabilmente criteri culturali impliciti. Il bias non è più un difetto del sistema, è la sua materia prima. Milioni di micro-decisioni cognitive diventano infrastruttura epistemica: determinano cosa il modello vede, cosa ignora e cosa normalizza. L’AI non neutralizza i criteri culturali incorporati nei dati: al contrario li industrializza.

Oggi, mentre si discute di world models e di modelli capaci di costruire rappresentazioni interne del mondo, vale forse la pena ricordare che quel mondo non emerge in uno spazio neutro. Viene classificato, corretto e normalizzato attraverso milioni di micro-decisioni cognitive distribuite nel tessuto sociale globale.
I modelli non emergono dal nulla computazionale. Sono costruzioni sociali, solo che la loro origine sociale viene sistematicamente occultata dalla retorica della neutralità tecnica.
C’è una grande continuità con la globalizzazione industriale, ma anche una differenza decisiva. La globalizzazione degli anni novanta distribuiva nel mondo fabbriche, assemblaggio, produzione materiale. La nuova globalizzazione dell’AI distribuisce funzioni cognitive. Alcuni territori producono energia e terre rare per data center e chip, altri semiconduttori avanzati, altri ancora diventano riserve di lavoro cognitivo a basso costo: annotazione dati, moderazione contenuti, addestramento dei modelli. È una divisione internazionale del lavoro che non riguarda più soltanto le mani, ma la percezione, l’attenzione e il giudizio.

In India il fenomeno assume una forma diversa, ma strutturalmente analoga. Intere regioni urbane e semi-urbane sono diventate infrastrutture umane per il testing dei modelli, per il reinforcement learningfrom human feedback, il processo con cui le macchine imparano a rispondere bene attraverso la valutazione umana, per l’annotazione multilingue e il supporto ai sistemi generativi. Qui il vantaggio competitivo non è soltanto il costo del lavoro: è la disponibilità di una massa linguistica tra le più vaste e differenziate del pianeta. Centinaia di lingue, registri, dialetti e scritture. I modelli globali le incorporano, le comprimono e le restituiscono come capacità universale. Ma l’universalità che producono appartiene a chi controlla i modelli, non a chi ha fornito la materia prima linguistica. La diversità viene estratta, rubata e l’omogeneità viene venduta.
Cina, India e molti altri esempi simili mostrano apertamente la struttura profonda di come l’AI viene costruita. E ciò che la accomuna ai colonialismi del passato non è la violenza, ma la logica: estrarre valore da una periferia, trasformarlo in un centro, restituire alla periferia un prodotto finito che non le appartiene. Semplice no?
Molti di questi territori – o, meglio, molti di questi paesaggi – rischiano così di essere integrati non come centri autonomi di sviluppo, ma come funzioni temporanee dentro infrastrutture controllate altrove. Miniere energetiche, serbatoi di dati, piattaforme logistiche, riserve di micro-lavoro cognitivo.

Il colonialismo estrattivo non ha cambiato logica: ha cambiato oggetto perché non estrae più solo materie prime fisiche, ma estrae capacità cognitive e giudizi culturali incorporati. E li trasforma in modelli che appartengono al potere delle Big Tech.
Il novecento industriale aveva separato nettamente fabbrica e casa. Il capitalismo algoritmico invece riporta il lavoro cognitivo dentro la vita quotidiana. Non concentra più soltanto i corpi nelle fabbriche, ma distribuisce anche micro-funzioni computazionali dentro famiglie, dentro l’attenzione, le relazioni e la cura del paesaggio e delle comunità. La produzione cognitiva torna domestica, continua e soprattutto invisibile.
Romano Guardini scriveva che ogni tecnica porta con sé un’immagine dell’uomo. L’immagine che porta questa tecnica è un essere umano utile finché serve a costruire la macchina che lo sostituirà. Non un soggetto, ma una risorsa di transizione. Cosa rimane dell’umano quando anche la sua funzione cognitiva più elementare è stata estratta, industrializzata e resa autonoma?
Non è un fatto tecnologico, ma antropologico. Chi costruisce queste infrastrutture ha interesse a trasformare l’intelligenza umana in risorsa computazionale, non a interrogarsi su ciò che resta dell’umano dopo averlo prosciugato.

Continua a leggere...

Maggio 2026

Psicurezza Sypcologia: quando la sicurezza psicologica diventa solo una moda Lesson Learned #14

Fabio Lisca

Perché ho storpiato il nome?

Perché ho storpiato il nome sicurezza psicologica? Perché rischia di diventare l’ennesima moda manageriale. Il termine sicurezza psicologica è diventato noto grazie al lavoro di Amy Edmondson, docente di Leadership e Management presso la Harvard Business School, che parla delle organizzazioni senza paura. L’assenza di paura coincide con un livello elevato di sicurezza psicologica e consiste nella capacità di creare ambienti organizzativi in cui le persone dimostrano di correre dei rischi e di parlare apertamente degli errori, senza paura, cercando nuove strade per prevenirli.

Il progetto Aristotele di Google

Nel 2012 Google commissionò una ricerca interna per comprendere cosa rende un team efficace. L’obiettivo era identificare i fattori che portano un gruppo di lavoro a raggiungere il successo. Si chiamò progetto Aristotele per via dell’affermazione “il tutto è maggiore della somma delle sue parti”. Il progetto durò più di 2 anni e coinvolse ricercatori di competenze diverse, psicologi, sociologi, esperti di statistica, antropologi, oltre 180 team, più di 200 interviste, più di 250 attributi dei team. L’analisi si è concentrata su vari aspetti, tra cui le competenze individuali, le dinamiche di gruppo e l’intelligenza emotiva. Partiva dall’ipotesi che un team performante dipendesse da una combinazione di persone altamente performanti, un manager esperto e risorse. Alla fine scoprirono che il primo e più importante fattore era la sicurezza psicologica.

Come riconoscere il livello di sicurezza psicologica

Quando si acquisisce un po’ di esperienza non servono survey (anche se poi ve ne proporrò una) per comprendere il livello di sicurezza psicologica di un’organizzazione. È sufficiente osservare come si comportano le persone. Come si parlano tra di loro? Come scrivono le email? Chi mettono in copia conoscenza? Quanto stanno attenti a ciò che dicono, come lo dicono, a chi lo dicono? Quali sono le dinamiche durante le riunioni?

Mentre è relativamente facile creare sicurezza psicologica all’interno di un team costituito ad hoc partendo dallo scopo comune, è molto difficile realizzarla in un’organizzazione basata su ruoli, posizioni organizzative, silos, ovvero un ambiente in cui si sono create le condizioni di difesa territoriale. Il problema per cui la sicurezza psicologica rischia di restare una moda manageriale, come lo è stato per l’agility, è che la sicurezza psicologica è strettamente connessa con la cultura organizzativa, la quale, da una parte è invisibile e dall’altra così pervasiva da influenzare i nostri comportamenti e il nostro modo di pensare. Se la cultura organizzativa è basata su una cultura della colpa come potete pensare che le persone dichiarino gli errori per poterli risolvere. Per introdurre la sicurezza psicologica occorre cambiare la cultura organizzativa, così come per introdurre l’agility occorre cambiare la struttura organizzativa, altrimenti potete chiamarle Psicurezza Sypcologia e Agile Washing.

Le conseguenze della mancanza di sicurezza psicologica

Ma quali sono le conseguenze della mancanza di sicurezza psicologica?

Domina la paura: le persone spendono energie e tempo a tutelarsi stando attente a cosa dicono, a chi lo dicono, come lo dicono, a mandare le email in copia conoscenza non per informare ma per cautelarsi. La percentuale è indirettamente proporzionale al livello di sicurezza psicologica e si assesta in alcune organizzazioni intorno al 70% del tempo lavorativo.

L’impossibilità di imparare dagli errori: le persone in assenza di sicurezza psicologica sono focalizzate sul ‘imparare cosa’ e tralasciano il ‘imparare come’ il che rende impossibile l’apprendimento necessario per esaminare e diagnosticare il processo per prevenire futuri fallimenti e per sperimentare.

La difficoltà di creare innovazione: quando manca la sperimentazione difficilmente un’organizzazione è in grado di produrre innovazione.

L’incapacità di migliorare le performance: per ottenere un miglioramento delle performance occorre migliorare continuamente i processi. Per poterlo fare è necessario identificare i problemi e analizzare la causa radice per cambiare lo status quo. In assenza di sicurezza psicologica la tendenza è quella di coprire i problemi non di farli emergere.

Elevata conflittualità: un basso livello di sicurezza psicologica esaspera i conflitti e la difesa territoriale. Questo atteggiamento non permette il confronto con gli altri e sopprime la possibilità di esprimere idee rilevanti e discussioni critiche.

La diversità porta ad elevati tassi di conflittualità: per questo nelle organizzazioni con basso livello di sicurezza le persone tendono a fare gruppo tra simili e non si sfrutta la possibilità di utilizzare competenze diverse.

Basso o inesistente livello di collaborazione: il basso livello di sicurezza psicologica non permette la fiducia, il che rende impraticabile la collaborazione. Al massimo si può ottenere una qualche forma di cooperazione. Quando poi i team lavorano virtualmente a distanza l’effetto è dirompente.

Survey: misura il livello di sicurezza psicologica

Quale è il livello di sicurezza psicologica nella vostra organizzazione? Rispondete a queste domande utilizzando una scala da 1 a 7, in cui 1 corrisponde a fortemente in disaccordo e 7 fortemente d’accordo. Quindi contate il punteggio e leggete che tipo di organizzazione è la vostra.

Non riceverò ritorsioni o critiche se ammetto un errore o uno sbaglio
Non tenere le carte nascoste è il modo migliore per andare avanti in questo team
In questo team è facile discutere di questioni e problemi difficili
È facile chiedere aiuto a un membro di questo team
In questo team, le persone sono accettate per essere diverse
I miei compagni di squadra accolgono con favore le mie idee e dedicano loro tempo e attenzione
I membri di questo team potrebbero facilmente descrivere il valore dei contributi degli altri
È sicuro correre un rischio in questo team
Nessuno in questo team agirebbe deliberatamente in un modo che mina i miei sforzi
Ci prendiamo del tempo per trovare nuovi modi per migliorare i processi di lavoro del nostro team
In questo team, le persone parlano di errori e modi per migliorare e imparare da essi
I membri di questo team sollevano preoccupazioni che hanno sui piani o sulle decisioni del team

Ovviamente questa breve survey dovrebbe essere condotta su tutti i componenti dei team e possibilmente allargata a tutti coloro con cui interagiscono. Meglio ancora se estesa a tutta l’organizzazione.

Risultati: tra 10 e 29 punti

Il livello di sicurezza psicologica percepito è molto basso. Rischio di elevata conflittualità sommersa, elevata sfiducia tra le persone, ambiente che si muove in “punta di forchetta” (armonia artificiale) per non urtare nessuno e scatenare potenziali conflitti. Tutti scrivono email accurate e inviate in copia conoscenza praticamente alla totalità delle persone a conoscenza dei fatti per costruire le prove della propria innocenza. Il gioco è quello della patata bollente per scaricare le responsabilità. Di solito dietro a questa situazione vi sono organizzazioni con una elevata dipartimentalizzazione e dove il leadership team non è un team ma un gruppo di manager di dipartimento con scopi e obiettivi individuali. Le persone spendono il 70% delle loro energie e tempo per guardarsi alle spalle e non fare passi falsi.

Risultati: tra 30 e 49 punti

Il livello di sicurezza psicologica percepito sembra neutrale il che può significare scarsa partecipazione, disinteresse, bassa responsabilità. È l’ambiente ideale per sopravvivere senza impegnarsi molto e coltivare il quite quitting. Le persone sono scarsamente motivate e se non cercano altrove la loro soddisfazione professionale è perché non hanno ancora capito che cosa le motiva in attesa che qualcosa accada.

Risultati: tra 50 e 70 punti

Il livello di sicurezza psicologica percepito è piuttosto elevato. Questo è l’ambiente ottimale per coltivare i talenti e per creare un’organizzazione che apprende. Il miglioramento continuo è all’ordine del giorno e l’innovazione è distribuita nell’intera organizzazione. Le persone sono fortemente motivate a fare ciò che fanno e fanno proprio il loro lavoro. Sono organizzazioni che sono state capaci di creare un’armata di problem solver con un elevato livello di intra-preneurship. Sono organizzazioni che non conoscono la paura e che prendono rischi ponderati grazie a cicli rapidi di sperimentazione. Normalmente sono organizzazioni che crescono rapidamente e diversificano notevolmente il business in base alla ownership presa dalle persone all’interno dell’organizzazione.

🎧 Ascolta il podcast Agile Confidential #LessonsLearned su Spotify.

Continua a leggere...

Maggio 2026

La coscienza delegata di Michele Kettmajer

Michele Kettmajer

Fra un mese sarà pronto il libro di Michele Kettmajer, La coscienza delegata. Questo primo testo ne anticipa il campo di tensione, il valore politico, ma innanzitutto l’urgenza. Il libro nasce da una convinzione che condividiamo profondamente: la questione dell’intelligenza artificiale non può essere ridotta a un problema tecnico, né a una semplice discussione sull’uso corretto degli strumenti. Come scrive Luca De Biase nel testo introduttivo di La coscienza delegata, le tre argomentazioni fondamentali sono chiare: la delega cognitiva all’intelligenza artificiale è, di fatto, una delega di potere ai produttori dell’intelligenza artificiale; questa delega non è soltanto un fatto tecnico, ma dipende anche da un difetto di immaginazione; infine, l’industria delle parole ha invaso i media con una quantità enorme di messaggi urgenti, quasi a consumare l’energia necessaria per comprendere ciò che è davvero importante.
Il lavoro di Kettmajer parte dalla necessità di sottrarsi al rumore, alla velocità imposta, alla falsa evidenza del presente e ci permette di entrare in una dimensione più profonda.
Questa rubrica nasce dunque come spazio di accompagnamento e di attraversamento, con la volontà di costruire insieme le parole necessarie per non subire il futuro come un’infrastruttura decisa altrove: non per commentare l’IA, ma per interrogare le forme di potere, di desiderio, di linguaggio e di immaginazione che l’intelligenza artificiale sta trasformando.

L’accelerazionismo tecnologico di destra, nel giro di pochi decenni, non ha prodotto soltanto teorie o provocazioni filosofiche. Ha prodotto Peter Thiel, Curtis Yarvin, Alex Karp, Elon Musk e soprattutto il mondo che li rende possibili: piattaforme che iniziano a sostituire funzioni statali, infrastrutture cognitive private, sovranità algoritmiche, reti satellitari controllate da corporation, sistemi di sorveglianza predittiva, capitalismo computazionale ad altissima concentrazione e una nuova aristocrazia tecnologica convinta che la democrazia liberale sia ormai troppo lenta per governare il XXI secolo.
Ridurre tutto questo alle vecchie categorie di destra e sinistra, però, rischia di diventare quasi inutile. Non perché quei termini non abbiano avuto significato storico, ma perché oggi sono gusci ideologici svuotati, incapaci di descrivere la natura reale del conflitto contemporaneo. “Destra” e “sinistra” appartenevano a un mondo costruito attorno alla fabbrica industriale, al lavoro salariato di massa, allo Stato nazionale fordista, alla centralità della produzione materiale e alla distribuzione della ricchezza dentro economie territorialmente delimitate. Quel mondo non è semplicemente finito. È stato assorbito dentro un ecosistema in cui il potere si organizza sempre più attraverso infrastrutture cognitive, reti computazionali, piattaforme globali, supply chain planetarie e modelli di intelligenza artificiale capaci di ridefinire linguaggio, desiderio, conoscenza e comportamento.

Oggi il conflitto non riguarda più soltanto chi possiede i mezzi di produzione industriale, ma chi controlla le condizioni computazionali di esistenza del reale. Chi costruisce il cloud, i chip, le API, le reti satellitari, i modelli linguistici e le infrastrutture energetiche non controlla semplicemente un mercato. Il Big Tech definisce il campo del possibile.
L’accelerazionismo di destra ha compreso molto presto questa trasformazione. Ha capito che nell’era digitale il vero potere non consiste solo nel vincere elezioni quanto nel costruire infrastrutture irreversibili. Per questo figure come Thiel, Musk o Karp non ragionano come industriali novecenteschi ma come architetti di sistemi. Non cercano soltanto profitto, ma cercano sovranità infrastrutturale. Il senso della loro idea è che il futuro appartenga a chi riesce a sostituire progressivamente le funzioni lente della politica con reti computazionali private capaci di organizzare logistica, comunicazione, sicurezza, conoscenza e persino immaginario collettivo.
È qui che emerge anche il limite storico di gran parte della sinistra contemporanea. Per anni ha pensato che bastasse criticare il capitalismo tecnologico o promettere una redistribuzione più equa dei suoi effetti mentre, nel frattempo, il capitale costruiva cloud, chip, data center, piattaforme cognitive e sistemi energetici planetari, comprendendo molto prima che nell’era computazionale il potere coincide con la capacità di organizzare materialmente il reale e che, una volta costruita l’infrastruttura, tutto il resto – etica, politica, regolazione, dibattito pubblico – arriva sempre dopo, come amministrazione di conseguenze già predefinite.

Il vecchio lessico dei commons digitali mostra tutta la propria ambiguità, perché è certamente vero che dati, conoscenza e modelli non dovrebbero essere monopolizzati da poche corporation, ma è altrettanto vero che, se i commons restano soltanto spazi locali, cooperative isolate o autonomie territoriali prive di massa critica industriale, finiscono per assomigliare più a riserve culturali che a vere alternative di potere, continuando infatti a dipendere integralmente da AWS, Azure, Nvidia, TSMC e dall’intera supply chain del capitalismo computazionale globale.
Dopo la dissoluzione storica – speriamo imminente – di ciò che oggi continuiamo a chiamare “sinistra”, e che probabilmente domani prenderà forme assembleari, forse più simili a ecclesìe simbiotiche che ai vecchi partiti industriali del novecento, ci si troverà davanti a una biforcazione estremamente dura. Non lo dico perché mi interessi la vittoria della destra, categoria altrettanto svuotata e spesso indistinguibile dal medesimo paradigma tecnocratico che finge di combattere. Personalmente non sono mai appartenuto né alla destra né alla sinistra. Mi interessa piuttosto ciò che un tempo veniva chiamato popolare, termine oggi quasi impronunciabile perché immediatamente confuso con il populismo. Eppure la differenza era radicale. Il popolare è il popolo che si fa attore politico, mentre il populismo è l’utilizzazione del popolo civicamente passivo a fini di potere. È una distinzione oggi quasi completamente rimossa. Perché il popolare non significava adulare le masse, inseguire il consenso o trasformare la rabbia in marketing elettorale, ma costruire condizioni materiali, simboliche e politiche affinché comunità reali potessero partecipare attivamente alla costruzione della propria esistenza collettiva. Non il popolo come folla emotiva o target algoritmico, ma come soggetto capace di abitare la storia senza esserne soltanto amministrato.

Da una parte questo nuovo senso politico può tentare di imitare la destra accelerazionista sul suo stesso terreno, costruendo grandi campioni nazionali, concentrazione di capitale, gigantismo computazionale, fondi sovrani, AI statali, infrastrutture centralizzate e nuova retorica neoindustriale. Ma qui emerge subito un problema strutturale: il capitale privato resta quasi sempre più veloce nel concentrare potenza, monetizzare, attrarre talenti e costruire ecosistemi monopolistici. Questo nuovo soggetto politico che provasse semplicemente a rincorrere Musk o Altman sul loro terreno rischierebbe allora di trasformarsi in una variante socialdemocratica dello stesso paradigma proprietario che oggi dice di voler combattere.
Dall’altra parte esiste invece la tentazione opposta, quella del puro comunitarismo digitale, dove si immagina che basti moltiplicare piattaforme etiche, piccoli cloud territoriali o cooperative tecnologiche per costruire un’alternativa reale. Ma qui il rischio è altrettanto evidente, perché l’intelligenza artificiale contemporanea non è un semplice software scaricabile da internet, bensì una condensazione gigantesca di energia, silicio, acqua, continuità elettrica, estrazione mineraria, capacità industriale e infrastruttura logistica. Senza affrontare il problema della scala materiale, i commons rischiano di trasformarsi in una forma di estetica politica incapace di produrre vera sovranità.

L’alternativa allora non può essere una semplice via di mezzo tra monopolio e localismo. Deve essere un cambio di paradigma molto più radicale, qualcosa che potremmo definire sussidiarietà federalista digitale. Questo significa smettere di pensare la sovranità tecnica come puro possesso centralizzato e iniziare invece a pensarla come capacità di sussidiarietà federativa: non attraverso un unico “Google pubblico europeo” costruito replicando i modelli verticali del novecento, ma attraverso reti interoperabili di nodi di calcolo sovrani, composti da università, territori, cooperative energetiche, consorzi industriali, cloud pubblici regionali e infrastrutture federate capaci di agire insieme come massa critica distribuita.

La parola decisiva qui non è decentralizzazione, che spesso viene usata in modo ingenuo o quasi libertario, ma sussidiarietà interoperabile, cioè una politica della potenza tecnica. Internet, prima della piattaformizzazione estrema, funzionava proprio così: una rete distribuita di nodi autonomi che parlavano protocolli comuni. L’errore contemporaneo è stato sostituire il protocollo con la piattaforma, perché il protocollo è una lingua condivisa mentre la piattaforma è una proprietà privata; il protocollo permette pluralità interoperabile mentre la piattaforma produce dipendenza.
Un accelerazionismo, post sinistra e destra, maturo dovrebbe allora spostare il conflitto dal semplice possesso delle applicazioni alla proprietà dei livelli profondi dell’infrastruttura, cioè energia, semiconduttori, cloud, protocolli, reti, modelli open e continuità computazionale. Perché non esiste alcuna sussidiarietà digitale senza sussidiarietà energetica e industriale e parlare di AI senza parlare di fonderie, reti elettriche o geopolitica del silicio significa restare dentro una versione puramente estetica della politica tecnologica. Se l’intelligenza artificiale è davvero la nuova industria pesante del XXI secolo, allora data center e GPU devono iniziare a essere trattati come nel novecento venivano trattate ferrovie, autostrade o reti elettriche: infrastrutture strategiche troppo importanti per essere lasciate integralmente alla logica del venture capital globale.

Ma persino questo non basta, perché il capitalismo computazionale non domina soltanto grazie alla proprietà dell’infrastruttura. Domina perché controlla il desiderio del futuro. La Silicon Valley non promette semplicemente software migliori ma trascendenza, immortalità, Marte, superamento biologico, automazione totale e liberazione dai limiti terrestri. Produce una vera e propria teologia tecnica capace di mobilitare immaginario, investimenti, talenti e consenso.
La sinistra, invece, racconta spesso il futuro come contenimento del danno, prudenza, mitigazione del rischio ed etica dell’AI. Tutte cose necessarie, ma incapaci, da sole, di produrre desiderio storico. Ed è qui che emerge forse il problema più profondo: la questione non è soltanto costruire infrastrutture alternative ma costruire una nuova mitologia operativa della tecnica. Non una tecnica della sostituzione dell’umano o della fuga dal pianeta, ma una tecnica della manutenzione del mondo, capace di mantenere stabilità ecologica, cooperazione cognitiva e pluralità culturale dentro sistemi ad altissima intensità computazionale. Non il mito della singolarità proprietaria ma quello di una pluralità interoperabile di intelligenze, territori e infrastrutture.
Tutto questo richiede però qualcosa che la sinistra contemporanea ha dimenticato: la capacità di pianificare e costruire materia, cioè energia, silicio, reti, capacità industriale e infrastrutture di lungo periodo. Perché mentre la politica discute framework etici e regolamenti, Nvidia produce una nuova generazione di chip ogni pochi mesi e il capitale consolida irreversibilmente la propria posizione infrastrutturale.
Questo nuovo soggetto politico vuole davvero essere una forza capace di costruire infrastrutture cognitive reali oppure accetterà definitivamente di diventare soltanto l’ufficio etico-amministrativo di un mondo progettato da altri? Perché nel capitalismo computazionale chi controlla l’infrastruttura non influenza semplicemente la società, ma ne definisce le condizioni di esistenza.

Dove si decide il reale
Immaginiamo una città in cui il consiglio comunale continui a discutere di traffico, sicurezza, commercio e libertà pubbliche, mentre, silenziosamente, qualcun altro ha già deciso dove possono passare le strade, chi può accendere la luce, quali edifici ricevono acqua e quali quartieri spariscono dalle mappe. A quel punto la politica non governa più davvero la città, amministra conseguenze di un’infrastruttura costruita altrove.
L’accelerazionismo nasce dentro questa frattura. Non come semplice provocazione filosofica o sottocultura cyberpunk, ma come intuizione che nel capitalismo contemporaneo il vero potere non si giochi più soltanto nelle ideologie, nelle costituzioni o nelle elezioni, bensì nella capacità di accelerare la costruzione delle infrastrutture tecniche che organizzano il reale. Non semplici strumenti, ma sistemi capaci di ridefinire lavoro, linguaggio, desiderio, conoscenza, relazioni sociali e perfino ciò che consideriamo possibile pensare.

Negli anni novanta, soprattutto attorno alla Cybernetic Culture Research Unit inglese, dentro un ambiente attraversato da Deleuze e Guattari, cyberpunk, teoria dei sistemi e cultura rave, emerge l’idea che il capitalismo non sia soltanto un sistema economico ma una gigantesca macchina di deterritorializzazione che dissolve continuamente strutture sociali, simboliche e politiche. È in quel contesto che il termine accelerazionismo inizia a prendere forma.
Da quel momento si aprono due traiettorie differenti. La prima, associata soprattutto a Nick Land, considera il capitalismo tecnologico come una forza evolutiva autonoma che tende naturalmente a dissolvere mediazioni democratiche, lentezze istituzionali e centralità dell’umano. La tecnica non deve essere frenata o governata ma lasciata accelerare oltre la politica stessa. La seconda traiettoria, quella che verrà poi definita accelerazionismo di sinistra, immagina invece di usare automazione, reti e piattaforme per ridurre il lavoro salariato e costruire nuove forme collettive di organizzazione sociale.
Storicamente, però, le due traiettorie non hanno avuto lo stesso destino. Una parte decisiva dell’accelerazionismo di destra ha smesso di essere teoria ed è diventata infrastruttura. Non tanto perché Nick Land abbia “vinto” filosoficamente, ma perché il mondo ha iniziato a muoversi nella direzione intuita da quella corrente: concentrazione computazionale, piattaforme private sempre più sovrane, cloud globali, sistemi cognitivi centralizzati, dipendenza da poche infrastrutture irreversibili.
Nel frattempo la sinistra accelerazionista è rimasta in larga parte dentro università, critica culturale, etica tecnologica e regolazione. Ha spesso pensato che bastasse riappropriarsi politicamente di tecnologie costruite da altri senza comprendere fino in fondo che l’architettura tecnica incorpora già rapporti di potere. Se cloud, GPU, modelli, supply chain e infrastrutture energetiche restano private, l’automazione non redistribuisce potere ma lo concentra.
C’è poi un altro elemento decisivo che spiega perché l’accelerazionismo di destra sia riuscito a imporsi culturalmente: il desiderio. Gran parte della sinistra tecnologica ha parlato di automazione come redistribuzione razionale del tempo e della produzione. La Silicon Valley invece ha trasformato la tecnica in epopea storica, trascendenza, superamento biologico, colonialismo cosmico e promessa di immortalità computazionale. Non ha venduto soltanto software, ma ha venduto il futuro.

È per questo che oggi il termine accelerazionismo non indica più semplicemente una teoria della velocità. Indica un mutamento molto più profondo: il progressivo spostamento della sovranità dalla politica alle infrastrutture tecniche. Non governare il capitalismo computazionale, ma lasciare che il capitalismo computazionale diventi la forma principale di organizzazione del mondo.
Poco importa allora regolare l’intelligenza artificiale o il destino delle piattaforme.
La posta in gioco è più radicale: capire se sia ancora possibile costruire una pluralità infrastrutturale reale dentro un ecosistema che tende alla concentrazione monopolistica, oppure se il futuro sarà organizzato da pochi sistemi cognitivi proprietari, capaci di definire non solo il mercato, ma le condizioni computazionali stesse dell’esistenza sociale.

Continua a leggere...

Maggio 2026

Non viceversa. L’economia per le persone, i territori e la democrazia

redazione

A cura di Francesca Battistoni e Daniela Freddi

Che cosa significa pensare l’economia a partire dalle persone, e non viceversa? Significa delineare una proposta in cui non siano le persone a doversi adattare al sistema economico, ma l’economia a essere orientata al loro benessere e riconoscere che nessuna trasformazione è soltanto economica. Ogni transizione coinvolge al contempo tecnologie, diritti, relazioni sociali, capacità pubbliche, forme della cooperazione e assetti della disuguaglianza. Questo libro non semplifica il presente: prova a renderlo leggibile. I saggi raccolti attraversano tensioni decisive – tra innovazione e giustizia, tra efficienza ed equità, tra locale e globale, tra crescita e valore sociale – mostrano che non basta aggiungere un filtro etico all’economia. Occorre ricostruire capacità collettive di organizzazione, decisione e governo. Per questo l’economia sociale non è un correttivo morale, ma una forza capace di intervenire nei processi che modellano la vita concreta.

Il libro sarà presentato martedì 12 maggio alle ore 17.30 presso Palazzo Magnani a Bologna, nell’ambito del Festival dello Sviluppo Sostenibile 2026.

Interverranno, insieme alle curatrici e all’editore, Enrico Giovannini, Vincenzo Colla, Patrizio Bianchi e Matteo Lepore. Modera Ilaria Vesentini.

Scarica qui l’invito

Il volume, pubblicato con il contributo della Fondazione del Monte, accoglie saggi provenienti da discipline, esperienze e pratiche differenti, costruendo uno spazio di confronto tra economia, sociologia, politiche pubbliche, innovazione sociale, sviluppo territoriale e governance democratica.

Gli autori e le autrici:
• Filippo Addarii è esperto di finanza a impatto sociale e sviluppo sostenibile in Europa. Co-fondatore di PlusValue, è consulente di istituzioni europee e internazionali e professore all’University College London.
• Alessandro Arrighetti è stato professore ordinario di Economia Industriale all’Università di Parma. Ha presieduto la SIEPI e studiato dinamiche industriali, innovazione e imprenditorialità migrante.
• Francesca Battistoni è economista sociale e cofondatrice di Social Seed. Si occupa di ricerca e politiche pubbliche per lo sviluppo territoriale e l’economia sociale.
• Patrizio Bianchi economista e già Ministro dell’Istruzione, è Professore Emerito all’Università di Ferrara e titolare della Cattedra Unesco “Educazione, crescita ed eguaglianza”.
• Vando Borghi è professore di Sociologia economica all’Università di Bologna e direttore della rivista “Sociologia del lavoro”. Studia il rapporto tra capitalismo, infrastrutture e cura.
• Nico Cattapan, dottore di ricerca allo IUAV, si occupa di economia sociale e sviluppo territoriale. È tra i fondatori dell’associazione Convergenze.
• Giovanni Carrosio è professore di Sociologia dell’ambiente e del territorio all’Università di Trieste. Si occupa di transizione energetica, aree interne e giustizia climatica.
• Virginia Cecchini Manara è ricercatrice di Politica economica all’Università di Milano. Studia le istituzioni, la sostenibilità e la teoria del contratto sociale.
• Alberto Cottica è economista e policy researcher, già direttore di ricerca di Edgeryders e consulente per UE, Consiglio d’Europa e UNDP sui temi di sviluppo sostenibile.
• Daniela Freddi, economista presso Ires Emilia-Romagna dove si occupa di innovazione, lavoro e sviluppo territoriale. Coordina il Piano per l’economia sociale della Città metropolitana di Bologna.
• Silvia Ganzerla è esperta di politiche per la wellbeing economy e lo sviluppo urbano sostenibile. Lavora a livello europeo presso EuroHealthNet, dopo aver ricoperto l’incarico di Policy Director a Eurocities, già consulente per la Commissione europea.
• Fabio Landini è professore di Economia applicata all’Università di Parma e studia innovazione, sostenibilità e trasformazioni industriali nel capitalismo contemporaneo.
• Andrea Lippi è professore ordinario di Scienza politica all’Università di Firenze e preside della Scuola di Scienze politiche. Si occupa di politiche pubbliche e governance.
• Laura Pennacchi, economista e saggista, già sottosegretaria al Tesoro, coordina il Forum Economia della CGIL e fa parte della Fondazione Basso.
• Vanni Rinaldi, giornalista e consulente, ha guidato per oltre trent’anni programmi di innovazione cooperativa, transizione digitale ed energetica.
• Gianluca Salvatori è segretario generale di Euricse e membro di organismi europei e ONU sull’economia sociale. Si occupa di innovazione sociale e cooperazione.
• Luca Tricarico è ricercatore del CNR-IRCrES e docente Luiss Business School. Si occupa di sviluppo territoriale, rigenerazione urbana, innovazione e impatto sociale.

Il volume curato da Francesca Battistoni e Daniela Freddi diventa così un luogo di convergenza tra saperi, esperienze e pratiche differenti: una riflessione corale su come costruire uno “Stato migliore”, capace di governare le transizioni tecnologiche, ambientali e sociali insieme ai territori, ai movimenti, ai sindacati, alle istituzioni e all’economia sociale. Non un semplice appello morale, ma il tentativo di delineare strumenti, alleanze e forme organizzative attraverso cui l’economia possa tornare a essere incorporata nella società e orientata alla giustizia sociale.

L’insieme dei saggi restituisce con chiarezza la natura multidimensionale delle trasformazioni in corso. Attraverso prospettive differenti ma convergenti, emerge un campo di problemi ampio e stratificato, in cui si intrecciano dimensioni tecnologiche, economiche, sociali e istituzionali.

Nella prefazione, Enrico Giovannini colloca questa riflessione dentro una crisi che non riguarda soltanto i mercati, ma il destino stesso delle società contemporanee. Richiamando il recente Rapporto sui rischi globali del World Economic Forum, Giovannini descrive un mondo attraversato da instabilità geopolitica, polarizzazione sociale, crisi ambientale e crescente concentrazione della ricchezza. Un quadro che rende sempre più evidente l’insostenibilità dell’attuale modello di sviluppo. Il capitalismo, osserva Giovannini, ha prodotto crescita e progresso senza precedenti, ma al prezzo di profonde disuguaglianze e di un impatto ecologico ormai critico.

La postfazione di Fabrizio Barca sposta ulteriormente il discorso sul terreno politico e organizzativo. Barca legge il volume come un tentativo di “ricostruire una bussola nella nebbia”: dare forma a una nuova visione collettiva in un tempo in cui il neoliberismo ha perso egemonia, ma non è ancora emersa un’alternativa capace di orientare società e democrazia. Per questo, sostiene, non bastano analisi o dichiarazioni di principio. Servono una nuova immaginazione sociale, proposte concrete e soprattutto un’infrastruttura democratica capace di trasformare il conflitto in partecipazione, organizzazione e progetto.

La pluralità degli approcci e dei casi esaminati consente di cogliere la varietà delle forme che tali trasformazioni assumono nei contesti concreti, mettendo in luce al tempo stesso alcune tensioni ricorrenti: tra innovazione tecnologica e capacità istituzionale, tra obiettivi di efficienza e istanze di equità, tra scala locale e dinamiche globali, tra dimensione economica e valore sociale delle pratiche. In questo senso, il lavoro nel suo complesso non propone una lettura univoca, ma costruisce uno spazio di riflessione articolato, capace di restituire la densità dei processi in atto.

Ne emerge un quadro in cui le transizioni analizzate – energetiche, sociali e produttive – appaiono sempre meno come percorsi lineari e sempre più come processi aperti, caratterizzati da interdipendenze, da elementi di incertezza e da una molteplicità di attori coinvolti. È proprio questa molteplicità, insieme alla varietà dei problemi affrontati, a costituire uno degli elementi di maggiore interesse del volume: la capacità di tenere insieme livelli diversi di analisi, senza ridurre la complessità ma, al contrario, rendendola leggibile e discutibile. Nel loro insieme, i saggi mostrano come le sfide contemporanee richiedano non solo strumenti analitici adeguati, ma anche nuove forme di integrazione tra saperi, politiche e pratiche. È in questo spazio – ancora in larga parte da esplorare – che il lavoro si colloca, offrendo contributi che, pur nella loro specificità, dialogano tra loro e delineano una possibile agenda di ricerca e di intervento.

Continua a leggere...

Maggio 2026

Voglio che tu imbrogli Lesson Learned #13

Fabio Lisca

Output vs Outcome: quando gli obiettivi fanno mentire

Le lezioni dall’Executive MBA

Più di vent’anni fa feci un executive MBA al Politecnico di Milano. Allora si chiamava MIP, oggi ha un nome molto più attraente: Graduate School of Management. Lì ho imparato le basi del management convenzionale che seguiva i dettami del paradigma di predizione e controllo (ma questo lo avrei scoperto in seguito). La cosa più bella e interessante è stata sicuramente il confronto con i compagni di corso. Con alcuni di loro ho mantenuto un rapporto di amicizia e ci trovavamo saltuariamente per raccontarci esperienze e aneddoti di lavoro. Ve ne narro alcuni.

Il manager che faceva tornare i conti

Uno dei compagni era un manager di dipartimento in una multinazionale che lavorava nel settore manufacturing. Una parte importante del suo lavoro era la costruzione dei report per il top management. Ci rivelò che questo lavoro consisteva nel far tornare i conti. In pratica una certa parte del lavoro era mettersi d’accordo con gli altri manager di dipartimento per far in modo che i risultati coincidessero con gli obiettivi dettati dal management. Non era particolarmente orgoglioso di questo perché significava, tra l’altro, che i pezzi difettosi sarebbero finiti nelle mani dei clienti e i costi di riparazione sarebbero stati elevati. “Ma cosa ci vuoi fare? Il raggiungimento degli obiettivi è legato al bonus e hanno tutti l’interesse a prendere il bonus a fine anno”. In un certo senso il vero cliente era il top management e farlo contento era la cosa più importante, più della reputazione aziendale, più dei clienti.

Il sistema di ticketing che inganna

Un altro ci raccontava che anche da loro il raggiungimento degli obiettivi dettati ad inizio anno era la cosa più rilevante. Lavorava in una società di servizi che forniva software specialistico e il servizio post vendita connesso. “Sì abbiamo sviluppato un sistema di ticketing che ci permette di assegnare emergenze, urgenze e interventi normali con dei giorni predeterminati, così gli operativi sanno quanto devono impiegare. Inutile dire che sforiamo sempre i tempi”. “Di quanto?”, domando io. “Non lo sappiamo esattamente”. “E come fate a far tornare i conti?”, gli chiedo. “Facile! quando un ticket arriva alla scadenza lo chiudiamo e ne riapriamo un altro con la nuova data. È una prassi comune”. Incalzo: “ma il management cosa dice?”. Mi risponde “non lo sa, per loro è importante il rispetto degli obiettivi che ci hanno dato e così tornano sempre”. Allora domando “ma i clienti non si lamentano?”. “Certo che sì”.

Il call center dei due minuti

“Noi – ci raccontò un altro compagno di master – nelle SLA diamo il tempo massimo di risposta ai call center inbound, così definiamo gli obiettivi di performance”. “E quanto tempo date agli operatori per rispondere al problema del cliente?”. “Due minuti”. Peccato che tempo dopo ci raccontò che avevano tracciato le chiamate per singolo cliente e scoperto che, sì, gli operatori impiegavano due minuti al massimo usando una grande quantità di espedienti, dalla telefonata che cade al passaggio ad un collega ‘più esperto’ dove il count down sarebbe ricominciato. Ma in media lo stesso cliente richiamava una decina di volte, quasi sempre parlando con un operatore diverso e raccontando di nuovo tutta la sua storia che si interrompeva al termine dei due minuti. Un bel danno di reputazione!

I venditori che frenano

“Da noi i venditori raggiungono sempre il budget assegnato. Ma abbiamo il sospetto che potrebbero fare di più. Non lo fanno per paura che l’anno successivo venga assegnato un budget superiore”. Chiedo incuriosito “ma quindi perdete vendite?”. Mi risponde: “Non proprio. Le dilazionano, sperando di recuperarle l’anno successivo e di solito ci riescono”.

La lezione: gli obiettivi di output fanno imbrogliare

Qual è l’apprendimento di questi racconti? Sicuramente il più evidente è che gli obiettivi di output dettati dal management inducono le persone a mentire, anzi ad imbrogliare. Non è una questione di cattive intenzioni, al contrario, le persone vogliono far tornare i numeri richiesti dal management e per farlo li organizzano per farli funzionare. Il fatto è che la logica del budget, sia quello data come obiettivo di vendita o produzione, sia quello di limite di spesa, conducono proprio le persone ad ingannare. Ingannare chi? Il cliente finale. D’altra parte se il focus è far contento il management il cliente è l’ultima cosa che viene tenuta in considerazione. L’altro problema è che gli obiettivi di output sono qualcosa che conosciamo alla fine e non ci dicono nulla su cosa fare per cambiare il sistema e orientare le performance.

Output vs Outcome: la differenza che cambia tutto

Intanto occorre capire la differenza tra criteri diversi di misurazione. L’output misura il risultato finale in termini di fatturato, vendite, di rispetto dei KPI imposti. Sono indicatori di lagging, sono cioè indicatori che misurano ciò che è passato, ci dicono ciò che è accaduto, il che non ci permette alcuna azione correttiva immediata.
L’outcome misura l’impatto che le nostre azioni hanno sul cliente, misurano la soddisfazione del cliente e costituiscono il feedback loop che ci permette di modificare le azioni per avere un migliore impatto sul cliente. Sono indicatori di leading, cioè sono anticipatori di ciò che accadrà. Vengono infatti utilizzati per misurare l’impatto che le nostre azioni avranno sul cliente.

Per spiegare questa differenza vi racconto come Amazon ha cambiato il processo di budgeting e le metriche per misurare l’andamento dei progetti.

Il caso Amazon: l’ossessione per il cliente

Amazon, fin dall’inizio, è stata esasperatamente orientata al cliente “sopra a tutto allineati con i clienti. Vinci quando loro vincono. Vinci solo quando loro vincono. Non siamo ossessionati dai concorrenti, siamo ossessionati con i clienti. Iniziamo dai loro bisogni e lavoriamo indietro”, affermava Bezos in una delle sue lettere agli investitori. Questa ossessione per il cliente spinse Amazon a ridisegnare la struttura della propria organizzazione.

Il budgeting orientato al cliente

Nelle organizzazioni convenzionali il processo di budgeting si focalizza completamente all’interno, il focus è sui costi e sugli output interni ed analizza le relazioni tra input e output. Ogni dipartimento presenta i propri output indipendentemente dai risultati finali per i clienti o per l’azienda. In Amazon il focus della pianificazione e del budgeting è sui risultati esterni per i clienti delle attività e sui relativi costi. Il processo di budgeting in Amazon è intriso di ossessione per il cliente.

Quindi non vengono assegnati budget ai dipartimenti, ma ai progetti che portano valore ai clienti che sono sempre trasversali ai dipartimenti. Questo implica un lavoro preliminare per stabilire le metriche di impatto sul cliente finale con cui un progetto o delle attività possono misurare il proprio impatto in tempo reale e correggere le proprie azioni. In un’organizzazione convenzionale attività e iniziative vengono spesso lanciate senza alcuna idea quantificata di come verrà misurato l’impatto finale sui clienti, l’importante è il raggiungimento degli obiettivi di output. La conseguenza di questa visione interna è che vengono lanciate molte attività di cui i clienti non hanno bisogno o non desiderano in futuro o che non costituiscono opportunità di business valide. Quindi in Amazon nessuna nuova attività può essere intrapresa fino a quando non vengono stabilite le metriche in base alle quali saranno misurati i benefici per i clienti dell’attività in tempo reale. In Amazon la discussione sul budget non riguarda i livelli di finanziamento per i diversi dipartimenti. Riguarda il finanziamento per le attività.

L’illusione del controllo

In effetti, nel processo di budgeting tradizionale, l’apparenza di controllo che i budget offrono al senior management in termini di tabelle ordinate di costi e risultati riconciliati a dovere non è altro che un’illusione di controllo, non la realtà. Inoltre permettono di tener nascosta la realtà e le cattive notizie fino a quando non è troppo tardi. Infine impongono alle persone di imbrogliare sui numeri poiché mancano le metriche di outcome che descrivono il reale andamento in termini di impatto sul cliente. In Amazon, la disponibilità di metriche in tempo reale relative ai clienti a tutti i livelli garantisce una trasparenza radicale. Non c’è posto dove nascondersi. Tutti sanno tutto.

E nella vostra organizzazione come è il processo di budgeting?

🎧 Ascolta il podcast Agile Confidential #LessonsLearned su Spotify.

Continua a leggere...

Aprile 2026

Che cos’è un leadership team? Lesson Learned #12

Fabio Lisca

Cooperazione vs collaborazione

Il leadership team, detto anche board di direzione o gruppo dirigente, per usare termini un po’ desueti, è costituito da tutti i primi riporti del CEO e da alcuni middle manager con funzioni chiave nell’organizzazione. La funzione del leadership team è quella di dare le linee strategiche, lo scopo e gli obiettivi. Incontro spesso leadership team nel mio lavoro e ormai ho accumulato sufficiente esperienza per trarre delle lezioni.

L’esperienza con un falso team

Un’azienda mi contattò per un progetto, naturalmente non ero l’unico ad essere preso in esame. Per capire veramente cosa avessero bisogno chiesi di fare un workshop di un paio di ore con il leadership team. Arriva l’appuntamento. Inizio introducendo i principi che guidano il mio modo di fare i progetti e quindi verifico l’allineamento tra di loro e tutti dimostrano al loro CEO di sapere bene la lezione e di essere allineati. Faccio i complimenti, accade di raro.

Quindi chiedo quali sono i problemi che intendono risolvere. È qualche anno che stanno lavorando con metodologie Agile ma sono molto indietro sulla tabella di marcia. Il problema principale si rivelano i meccanismi di coordinamento tra i vari team di sviluppo. Mi raccontano che stanno adottando gli O&KRs ma che sono solo tre mesi che li stanno implementando e che quindi ancora non vedono i risultati.

Faccio qualche domanda per capire meglio e scopro che i team sono team dipartimentali sotto i manager presenti nel leadership team. Esploro meglio i problemi che emergono e capisco che il leadership team non è un team. È un gruppo di manager di dipartimento ognuno con propri scopi, agenda e obiettivi, che sono poi quelli che comunicano ai team. Chiedo ancora come comparano le performance tra i vari team e a quel punto iniziano a rimbalzare accuse reciproche sulle inefficienze complessive.
Insomma l’allineamento tra i componenti del leadership team era solo apparente, un allineamento formale come un rituale vuoto, non vi era nulla di sostanziale. Prevalevano gli interessi dipartimentali su quelli aziendali (ammesso che la decantata visione comune fosse reale e non anch’essa apparente). Non esisteva alcuna visione sistemica da parte di nessuno dei componenti del leadership team.

Cooperazione vs collaborazione: la differenza fondamentale

Il problema con il leadership team molto spesso è proprio questo, non è un team. Ma quale è la differenza tra un team e un gruppo di persone che si incontrano periodicamente per allinearsi e prendere decisioni? La differenza che passa tra un team e un gruppo può essere paragonata alla differenza che passa tra cooperazione e collaborazione.

La cooperazione: operare insieme

La cooperazione, operare insieme, implica che degli individui con scopo e obiettivi propri, operino insieme per ottenere il proprio risultato. Paradossalmente l’altruismo può emergere semplicemente da motivazioni egoistiche. Molti studi e ricerche evidenziano che la cooperazione nel mondo animale è presente normalmente e permette la vita in comunità relativamente pacifica. Alcuni animali si organizzano in situazioni difensive e alcuni hanno sviluppato dei veri e propri sistemi di comunicazione e di caccia cooperativa. In questo senso gli animali sono per definizione cooperativi.

Lupi, leoni e scimpanzé applicano tattiche di caccia molto simili. Molti mammiferi hanno sviluppato sistemi di relazioni individuali, formando coalizioni e alleanze intra gruppo per la supremazia sul cibo e sugli altri membri del gruppo. La cooperazione, operare insieme, si basa sul fatto che ognuno ottiene il proprio obiettivo grazie alla cooperazione con altri individui. Le scimmie, osservate sia in natura che durante le sperimentazioni, adottano comportamenti di reciprocità nella cura tra di loro, sopportandosi in condizioni di lotta e per entrare in possesso del cibo.

Gli esperimenti condotti sui bambini hanno portato ad un risultato sorprendente. Nell’esperimento i bambini vengono divisi in due gruppi, uno che riceveva una ricompensa per il comportamento altruistico e l’altro no. Alla fine i bambini premiati si dimostravano molto meno cooperativi di quelli che non avevano ricevuto alcuna ricompensa.

La collaborazione: lavorare insieme

La collaborazione, lavorare insieme, implica che degli individui abbiano uno scopo e degli obiettivi comuni e che lavorino insieme per ottenerli. Cooperazione e collaborazione sono molto differenti e sanciscono la differenza che passa tra un gruppo che coopera e un team che collabora. Mentre nello sport di squadra la differenza tra cooperazione e collaborazione si rende evidente, nelle aziende è sottovalutata almeno quanto la cultura organizzativa che determina i comportamenti delle persone.

Le organizzazioni con i diversi dipartimenti tendono ad avere manager di dipartimento con scopi e obiettivi propri e ad instaurare una cultura del noi vs voi. Quante volte avete sentito dire “noi il nostro lavoro lo abbiamo fatto bene”? Quante volte avete visto rimbalzare la responsabilità da un dipartimento all’altro? Quante volte avete dovuto richiedere specifiche e informazioni ad una altro dipartimento? Quante incomprensioni avete visto sorgere e radicarsi tra un dipartimento e l’altro? Le organizzazioni dipartimentalizzate sono sistemi anti-collaborativi per definizione. Al massimo è possibile stabilire qualche forma di cooperazione, neanche così spesso e per nulla facile. Non solo, i silos creano conflitti territoriali e i conflitti territoriali sono nocivi al clima aziendale e radicano la cultura del noi vs voi.

Le conseguenze di un leadership team che non è un team

Ma torniamo al leadership team, quali sono le conseguenze di un leadership team che non è un team? L’esempio classico è indubbiamente la lotta per il budget, che induce a due comportamenti disfunzionali. Da una parte o lo spendi o lo perdi e questo significa alla fine un assurdo accumulo di sprechi. Dall’altra induce al conflitto per accaparrarsi maggior budget.

Esiste un altro fenomeno tipico di un leadership team che non è un team. Ogni manager di dipartimento ha dei suoi progetti. Per ogni manager di dipartimento i propri progetti sono i più importanti e quindi sono prioritari. Ho assistito più di una volta alla disperazione del dipartimento IT oberato di richieste tutte urgenti. Per rispondere a tutte il dipartimento, che sosteneva di essere agile, si era organizzato a matrice e aveva frazionato il tempo delle persone a tal punto che alla fine nessun progetto vedeva veramente la luce.

Il frazionamento del tempo non solo non produce il risultato sperato, a tal punto da far diventare obsoleti alcuni progetti, ma demotiva le persone che non vedono il loro lavoro portato a compimento. Inoltre la tendenza dei manager ad intervenire per dare priorità ai propri progetti fa si che vi siano continui spostamenti di persone da un team all’altro e l’unica soluzione sembra quella di aumentare a dismisura il personale. Infine i manager dipartimentali con i loro progetti dipartimentali tendono a costruire una grande quantità di strumenti che non solo non si parlano tra di loro ma obbligano gli operativi a sprecare molto tempo per inserire le stesse informazioni in strumenti diversi. Gli sprechi si sommano agli sprechi.

La soluzione: costruire un vero team con Obeya

Ma come si supera questa impasse? Costruendo il gruppo manageriale come team. Per farlo utilizzo Obeya, che è a tutti gli effetti un sistema manageriale. Obeya (per saperne di più vedi https://agile-school.com/che-cosa-e-obeya) conduce il leadership team a confrontarsi. L’Obeya del leadership team serve per allineare la strategia con le execution e a vedere in tempo reale l’andamento dei progetti. Si costituiscono varie board tra cui, fondamentali, il project portfolio e la capacity. Questa consapevolezza aiuta il leadership team a prendere decisioni insieme e a dare un ordine di priorità. Questa chiarezza permette ai team una delivery veloce e al leadership team di vedere in tempo reale gli andamenti e i problemi che emergono.

🎧 Ascolta il podcast Agile Confidential #LessonsLearned su Spotify.

Continua a leggere...

Aprile 2026

Il futuro del Middle Management Lesson Learned #11

Fabio Lisca

Che cosa è il middle management

È la funzione di mezzo nella gerarchia aziendale e nella catena di comando che funge da connessione tra il top management, che prende le decisioni strategiche, e i reparti operativi, che eseguono la strategia.
Il middle management dovrebbe tradurre la strategia in azioni concrete, assegnare obiettivi, coordinare persone e team, controllare il raggiungimento degli obiettivi, gestire le risorse e le persone e svilupparle, risolvere i problemi, comunicare e dare feedback.

Abbiamo visto come il middle management erige fortezze a difesa della propria posizione attivando l’entropia organizzativa al cambiamento e mantenendo risolutamente fermo lo status quo. Abbiamo anche visto che il middle management gioca spesso il ruolo del pompiere e che per farlo appicca lui stesso gli incendi delle emergenze accentrando su di sé le decisioni anche irrilevanti.

Ora vediamo cosa ne pensa la letteratura accademica.

Cosa dice Harvard Business Review

In un articolo pubblicato ad aprile 2025 da “Harvard Business Review” dal titolo What’s the Future of Middle Management? Gretchen Gavett e Vasundhara Sawhney si fanno questa domanda riflettendo su un precedente articolo di Linda Gratton del 2011 che prediceva la fine del middle management.
I dati ci dicono altro. Il middle management è cresciuto dal 9,2% del 1983 al 13% del 2022 su tutta la forza lavoro statunitense.

Le previsioni, da Gartner a Korn Ferry, vedono una drastica riduzione del middle management nei prossimi anni. Gallup descrive il calo di engagement con un aumento di burnout e insoddisfazione del ruolo.
Gli altri esperti intervistati nell’articolo prevedono invece una crescente importanza del middle management.

Mai stati così importanti

Secondo Raffaella Sadun e Jorge Tamayo non sono mai stati così importanti. In tempi di trasformazione svolgono un ruolo fondamentale nel plasmare la capacità di adattamento di un’organizzazione.
Secondo loro hanno due importanti funzioni. La prima: sono il collegamento con la voce del cliente. Ma è vero? La seconda: svolgono il ruolo di coach e mentor. Ma sono preparati?
Sadun e Tamayo sostengono che il loro ruolo si sposterà dalla supervisione alla facilitazione e dal controllo allo sviluppo delle capacità. In pratica il middle management dovrebbe diventare agente del cambiamento.

Ma guardiamo in faccia la realtà. Il middle management è pronto per svolgere questo ruolo?

Gli autori elencano una serie di difficoltà attualmente presenti nelle organizzazioni da cui si capisce che sono ben lontane dal permettere al middle management di svolgere quel ruolo.
La mia esperienza mi dice che al momento il middle management si pone come fortino a difesa dello status quo. Ben lontano dal ruolo di agenti del cambiamento.

Da supervisori a promotori

In un’altra intervista Zahira Jaser vede il passaggio del middle management da supervisori a promotori della digital transformation con il ruolo specifico di persuasori per convincere i lavoratori ad adattarsi alle nuove linee di produzione digitalizzate e come influenzatori nel superare i confini tra dipartimenti.

I nemici della cultura aziendale

Secondo Diane Gherson, ex CHRO di IBM, il middle management è stato “vilipeso come bagaglio aggiuntivo e ridicolizzato come piccoli burocrati che rallentano il lavoro. I middle manager sono da tempo i nemici della cultura aziendale. Custodi di politiche, programmi precedenti, controlli e conformità, sono in diretto conflitto con la filosofia di leadership del ‘muoversi velocemente e rompere le cose’ che ha preso piede in molte aziende del settore tecnologico e non solo”.

Più recentemente sono stati presi di mira per licenziamenti da Amazon, Meta, UPS, Salesforce, X e Bayer. Tutte con l’obiettivo di appiattire la gerarchia per aumentare l’agilità, spostando il processo decisionale ai livelli inferiori dell’organizzazione.
Gherson osserva che il middle management “veniva premiato per il raggiungimento di obiettivi funzionali, per l’assenza di violazioni delle policy e per il rispetto dei budget. E il modo più semplice per riuscirci era resistere al cambiamento”.

La domanda preliminare

Quindi quale sarà il futuro del middle management?
Secondo me, per rispondere occorre fare una domanda preliminare: in che tipo di organizzazione ci troviamo?

Organizzazione convenzionale

Se ci troviamo al cospetto di un’organizzazione convenzionale, gerarchica e basata sul paradigma di predizione e controllo, allora il middle management svolge le funzioni di collegamento tra il top management e le operation con le funzioni che ne conseguono.
Tradurre la strategia in azioni concrete, assegnare obiettivi, coordinare persone e team, controllare il raggiungimento degli obiettivi, gestire le risorse e le persone e svilupparle, risolvere i problemi, comunicare e dare feedback.
Molti di questi middle manager sono molto preparati e hanno probabilmente conseguito un diploma MBA

Organizzazione in trasformazione

Se invece siamo in un’organizzazione convenzionale che sta affrontando una trasformazione verso l’agility organizzativa è molto probabile che il middle management costituisca la roccaforte difensiva dello status quo.
La letteratura organizzativa ci racconta che Google in una fase di trasformazione Agile mandò a casa i manager per poi reintrodurli con un ruolo di coordinamento. Bayer recentemente sta eliminando la figura del middle management per affidare ai team decisioni e soluzioni dei problemi.

Se un’organizzazione vuole davvero fare una trasformazione Agile deve preparare il middle manager a realizzare quello che auspicano Sadun, Tamayo e Jaser.

Considerate però Toyota in cui i manager hanno la funzione primaria di sviluppare le persone. Toyota impiega un cospicuo numero di anni a formare i propri manager ad applicare il coaching del kata. Per questo preferisce sviluppare internamente i manager piuttosto che prenderli all’esterno.
Occorre un percorso per preparare i manager a svolgere un ruolo affatto diverso.

Organizzazione Agile

Se infine ci troviamo in un’organizzazione Agile che lavora secondo il paradigma di autonomia condivisa allora il discorso cambia poiché prevale il concetto di ownership su quello di leadership.
Alcune di queste organizzazioni hanno manager come owner di progetti o processi. Si pensi ad Amazon, Google, Tesla. Non manager a capo di dipartimento con tante funzioni ma responsabili di un singolo progetto. Vengono chiamati single-threaded manager e sono focalizzati allo sviluppo di una sola cosa.
Altre organizzazioni non hanno manager perché preparano tutti a prendere decisioni.

Morning Star processa pomodori in California senza manager.
Nucor, la più grande acciaieria degli USA, dove team autonomi sono responsabili di profit & loss con un CEO e un CFO per supportare i team che propongono investimenti di business e presentano i loro piani annuali.
Buurtzorg, organizzazione di assistenza alla salute olandese, costituita da team indipendenti dove la sede centrale fornisce loro servizi amministrativi e coach, non manager, per supportare i team.

Il caso Haier

La questione non è se debba o no esserci il middle management, o che futuro abbia, ma come vuole configurarsi l’organizzazione per evolvere e di cosa ha bisogno.
Non si tratta di ipostatizzare una figura, un ruolo, ma di capire di cosa si ha bisogno per essere efficaci come organizzazione.

Considerate Haier. Azienda fallita che fabbricava frigoriferi scadenti per il mercato cinese. Quando la municipalità di Qingdao nel 1984 diede incarico a Zhang Ruimin di farla rinascere, il nuovo CEO punta tutto sulla qualità e applica quello che viene chiamato micromanagement ossessivo.
Chiaramente in questo contesto il middle management svolgeva un ruolo fondamentale.
Poi crescendo si rende conto che questa struttura organizzativa gerarchica non era in grado di rispondere alle esigenze del cliente e si riconfigura in team autonomi e indipendenti.

Il middle management viene assorbito all’interno dei team. Chi non si trovava nella nuova configurazione lasciò l’azienda.
Haier ha cambiato nel corso degli anni cinque strutture organizzative. L’ultimo salto ha chiesto a tutti in azienda di diventare imprenditori.
Oggi è un’azienda di 90.000 dipendenti divisi in 4.000 microimprese di 10-15 persone con un ecosistema di micro comunità collaborative.

La vera questione

La questione non è il futuro del middle management ma il futuro che l’organizzazione vuole disegnare per gestire la complessità.
Sarà il tipo di scelte che farà che detteranno che tipo di persone avrà bisogno: leader, manager, owner o imprenditori.

Continua a leggere...

Marzo 2026

Il fortino del Middle Management Lesson Learned #10

Fabio Lisca

L’entropia organizzativa

Con l’esperienza di ora avrei potuto capirlo prima.

Il contesto

Azienda nel settore della moda. Quello che chiamano il Laboratorio è costituito da più di 800 persone e svolge un ruolo cruciale nel realizzare le idee degli stilisti: dal disegno alla prototipazione fino alla produzione, organizzando il procurement delle materie prime e di tutto quello che occorre per consegnare il prodotto in negozio.
L’organizzazione ha costruito una struttura molto frammentata. Ogni dipartimento ha il suo focus specifico. All’interno del dipartimento le persone si sono specializzate su aspetti ancora più specifici. Gli handover non sono solo tra dipartimenti diversi ma anche tra specializzazioni differenti all’interno dello stesso silos.

Come inizia il lavoro

Il lavoro inizia con un primo team. Partecipano anche alcuni middle manager. Nulla di male, sono stati dei tecnici che hanno fatto carriera e sono diventati i capi degli operativi.

Il team disegna il flusso del valore, i relativi tempi di lavorazione, attesa, approvazione. Quando il team comprende chi coinvolgere nelle riunioni e su quali prodotti concentrarsi per sperimentare una modalità di sviluppo più rapida attraverso la collaborazione tra persone di dipartimenti diversi, il middle manager esce di scena e lascia lavorare il team in parziale autonomia.
Parziale perché, come al solito, il tempo che possono dedicare al progetto lo devono ritagliare dalla routine che il middle manager impone per paura di mancare le consegne.
Ma il problema è proprio quello: mancano sistematicamente le consegne.

Il team non aveva autonomia di allocazione del budget. Permaneva il farraginoso sistema di approvazione degli acquisti che accumulavano ulteriori ritardi.

I primi risultati

Adottiamo un sistema di misurazione preciso dell’andamento del lavoro basato su previsioni realistiche. Il team produce i suoi risultati con una riduzione di poco meno del 50% del tempo di sviluppo del prodotto.
Il management decide di estendere ad altri team l’approccio.
Lavoriamo per costituire gli altri team, non senza qualche difficoltà e alcune sovrapposizioni. Il middle management rimane al di fuori del progetto ma pretende sempre che si svolga la gran parte del lavoro in modalità consueta, pur sapendo che funziona male ed è costantemente in ritardo.

Cosa accade

Cosa accade in un contesto in cui dei team lavorano efficacemente in parziale autonomia e il middle management spinge perché si lavori come sono abituati a fare?
Piano piano tutto torna come prima.
Quelli che hanno creduto di più al progetto e hanno apportato maggior contributo, sperimentando maggiore autonomia e senso di responsabilità, non ci stanno e cercano altrove la loro realizzazione.

Vince l’entropia organizzativa.

La difficoltà non è all’inizio quando entusiasmo e partecipazione dimostrano che si può cambiare, che è possibile ottenere risultati più efficaci in modo più efficiente. Avviene dopo.

Il castello di sabbia

È come un castello di sabbia. Se la sabbia è bagnata i granelli sono compattati dall’umido e tengono la forma. Quando si secca il castello si sgretola, le torri si sfaldano e l’intera costruzione precipita nello stato di indeterminazione della materia grezza da cui si era partiti.
Eravamo giunti al punto di poter fare il salto e scalare l’agility a livello organizzativo quando tutto lentamente si riassorbì nel lavoro as usual.
Il lavoro era aumentato. I manager funzionali facevano pressioni ai team Agile per lavorare in modo convenzionale. Per gestire la crescita iniziarono ad assumere nuove persone arrivando a più di mille unità.

Il secondo tentativo

Passò qualche tempo quando l’azienda mi richiamò.

Questa volta volevano che lavorassi con il middle management per capire come risolvere i problemi di puntualità di consegna, per ridurre il time to market e risolvere le inevitabili conflittualità che sorgevano tra i dipartimenti dovuti a questi problemi.
Scaricare la colpa sugli altri era la norma. Tutti i manager chiedevano più persone per fare il lavoro e risolvere i problemi.
Mi sembrò un’ottima occasione per comprendere l’organizzazione come sistema, il che avrebbe mostrato loro come risolvere i problemi.

Chiesi di mettere insieme tutti i responsabili della filiera di processi dalla domanda iniziale al prodotto finito e di lavorare insieme sul Value Stream end to end.
Pensavo che in quanto middle manager tecnici avrebbero avuto una visione più ampia e completa di come viene fatto il lavoro. Credevo che la loro visione più di alto livello avrebbe reso più rapido e agevole il lavoro.

Mi sbagliavo.

La difficoltà con i manager

Non ho mai incontrato così tante difficoltà nel facilitare il disegno del Value Stream da parte dei team operativi. E questo fin dal 2011 quando iniziai a utilizzare questo approccio.
Ma con quei manager fu un’impresa.

Al posto di portare una visione più alta scendevano in dettagli spesso irrilevanti. Si perdevano in una miriade di particolari poco significativi. Alla fine non riuscirono a disegnare il Value Stream completo.
Per loro tutto era una variabile unica e irripetibile. Aggiungevano attività che pensavano dovessero essere fatte quando in realtà non esistevano. Il concetto di AS IS era confuso con il SHOULD BE che avevano in mente.
Quando chiedevo tempi di esecuzione e tempi di attraversamento per quelle attività fantasma non sapevano rispondere.

Era il mio modo di scoprire che non esistevano. Era quello che pensavano dovesse accadere “in un mondo ideale”, usando una loro espressione.

I dati

Nonostante le imprecisioni, l’eccesso di dettagli inutili, la scarsa consapevolezza di come funzionasse il lavoro, la forte convinzione che tutto fosse un’eccezione, le informazioni che fornirono furono sufficientemente significative da mettere in evidenza le criticità.
Riuscimmo a disegnare il value stream che, seppure incompleto, forniva i tempi di attraversamento e di lavorazione reale.

Il risultato era sorprendente: il lead time risultava di 67 giorni in totale contro un process time di 6,4 giorni complessivi.
L’activity ratio era dunque di 9,5%. Ovvero 90,5% di lavoro inattivo.
La buona notizia è che avevano amplissimi margini di miglioramento. La cattiva notizia è che per ottenere questo miglioramento dovevano fare dei cambiamenti strutturali del loro modo di lavorare.

A quel punto si alzò il fortino.

La domanda rivelativa

Una domanda di uno di loro fu particolarmente significativa: “Se i team sono autonomi e prendono decisioni per conto loro, cosa facciamo noi manager?”
I team operativi disegnarono rapidamente il value stream. Il middle management era come miope, non era capace di vedere il lavoro come sistema.

Perché?

Perché avevano fatto i pompieri per troppo tempo risolvendo alla meglio micro incombenze.

Il pompiere eroe

Il pompiere è un eroe ed è gratificato a tal punto da non voler cambiare le cose e da erigere un fortino a difesa della propria posizione.
Il fatto però di non risolvere i problemi alla radice – il che implica un cambiamento strutturale – accende un circolo vizioso che aumenta i ritardi.
Per spegnerlo il middle management chiede che vengano assunte più persone. Il che aumenta il fuoco dell’emergenza.

Cambiare il sistema per il middle management significa perdere il potere di intervenire costantemente come pompieri e salvatori della patria. Per poi lamentarsi delle continue interruzioni dovute alle persone che vengono da loro per chiedere cosa fare. Perché pensano di essere necessari per risolvere le continue emergenze che loro stessi contribuiscono a creare.

La sovrastrutturazione

L’impressione che ricevetti da quell’esperienza era quella di un’organizzazione che crescendo nel tempo si fosse sovrastrutturata creando stratificazioni su stratificazioni.
Nuovi dipartimenti. Specializzazioni sempre più verticali. Sistemi informativi di controllo che venivano man mano integrati con altri sistemi informativi creando un labirinto di vincoli, dipendenze e handover difficile da districare.
Il che rendeva il lavoro rigido, anche se pensavano di essere molto flessibili. Irto di informazioni incomplete, di passaggi di mano, di rilavorazioni. Il regno degli sprechi di attività ridondanti, duplicazioni, autorizzazioni, attese di lavorazioni.

L’entropia organizzativa vince quando il middle management difende il fortino del proprio potere invece di servire il lavoro.

🎧 Ascolta il podcast Agile Confidential #LessonsLearned su Spotify.

Il futuro non è scritto

Il futuro non è scritto

La nuova fisiognomica

Dal volto al rischio

Il fascino della previsione

Il rapporto di minoranza

Nota bibliografica essenziale

Continua a leggere...

Nel tempo dell’irrealtà

Continua a leggere...

Continua a leggere...

Perché ho storpiato il nome?

Il progetto Aristotele di Google

Come riconoscere il livello di sicurezza psicologica

Le conseguenze della mancanza di sicurezza psicologica

Survey: misura il livello di sicurezza psicologica

Risultati: tra 10 e 29 punti

Risultati: tra 30 e 49 punti

Risultati: tra 50 e 70 punti

Continua a leggere...

Continua a leggere...

A cura di Francesca Battistoni e Daniela Freddi

Continua a leggere...

Output vs Outcome: quando gli obiettivi fanno mentire

Le lezioni dall’Executive MBA

Il manager che faceva tornare i conti

Il sistema di ticketing che inganna

Il call center dei due minuti

I venditori che frenano

La lezione: gli obiettivi di output fanno imbrogliare

Output vs Outcome: la differenza che cambia tutto

Il caso Amazon: l’ossessione per il cliente

Il budgeting orientato al cliente

L’illusione del controllo

Continua a leggere...

Cooperazione vs collaborazione

L’esperienza con un falso team

Cooperazione vs collaborazione: la differenza fondamentale

La cooperazione: operare insieme

La collaborazione: lavorare insieme

Le conseguenze di un leadership team che non è un team

La soluzione: costruire un vero team con Obeya

Continua a leggere...

Che cosa è il middle management

Cosa dice Harvard Business Review

Mai stati così importanti

Da supervisori a promotori

I nemici della cultura aziendale

La domanda preliminare

Organizzazione convenzionale

Organizzazione in trasformazione

Organizzazione Agile

Il caso Haier

La vera questione

Continua a leggere...

L’entropia organizzativa

Il contesto

Come inizia il lavoro

I primi risultati

Cosa accade

Il castello di sabbia

Il secondo tentativo

La difficoltà con i manager

I dati

La domanda rivelativa

Il pompiere eroe

La sovrastrutturazione

Continua a leggere...