Per anni le aziende hanno riconosciuto il talento attraverso segnali relativamente chiari: la qualità di un’analisi, la capacità di sintesi, la struttura di una presentazione, la velocità nel risolvere problemi complessi. Indicatori imperfetti, certo, ma sufficientemente affidabili da orientare valutazioni, promozioni e percorsi di carriera.

Oggi molte di queste competenze possono essere potenziate, e in parte simulate, dall’intelligenza artificiale.

La questione non è se l’AI aumenti la produttività. La questione è più scomoda: quando osserviamo una performance, stiamo davvero riconoscendo talento o stiamo misurando l’abilità nell’uso di uno strumento?

Uno studio di Microsoft Research sull’utilizzo di GitHub Copilot ha mostrato che gli sviluppatori che usavano l’AI completavano le attività fino al 55% più velocemente. Ma il dato più interessante non riguarda la velocità: riguarda l’effetto di livellamento. In alcuni compiti, la distanza tra junior e senior si riduceva sensibilmente.

Se questo fenomeno si estende ad altre funzioni, scrittura, analisi dati, progettazione, pianificazione, allora cambia qualcosa di profondo. Se l’output diventa più omogeneo, su cosa si basa oggi la distinzione tra competenza media ed eccellenza?

Quando l’AI livella… e quando divide

C’è però un secondo effetto, meno evidente ma altrettanto importante.

Non tutte le persone usano l’AI allo stesso modo. C’è chi la interroga superficialmente e accetta la prima risposta plausibile, chi la utilizza come acceleratore senza metterne in discussione i limiti, e chi invece la tratta come uno strumento da governare: raffina le domande, confronta fonti, verifica i presupposti, integra il contesto aziendale prima di prendere una decisione.

All’esterno il risultato può sembrare simile, un report ben scritto, una presentazione strutturata, un’analisi coerente, ma sotto la superficie la differenza è enorme.

L’AI può appiattire la forma, ma amplificare la distanza nella qualità del pensiero. Quando questa differenza non viene riconosciuta, l’organizzazione rischia di confondere performance assistita e competenza reale.

Il nuovo divario invisibile

Se tutti hanno accesso agli stessi strumenti ma non tutti li governano con la stessa maturità, si crea un nuovo divario professionale.

Non è più la distanza tra chi ha informazioni e chi non le ha. È la distanza tra chi sa integrare l’intelligenza artificiale nel proprio processo decisionale e chi si limita a utilizzarla come scorciatoia.

Questo divario è silenzioso, perché l’output esteriore può apparire equivalente. Ma nel medio periodo può generare conseguenze rilevanti: decisioni meno solide, valutazioni distorte del potenziale, percorsi di carriera costruiti su indicatori non più affidabili.

Il rischio non è che l’AI renda tutti meno competenti. Il rischio è che renda più difficile riconoscere chi è davvero competente.

Spostare il criterio del merito

Forse la questione non è difendere il vecchio concetto di talento. È aggiornarlo.

Se l’AI riduce il divario nell’esecuzione, il vero elemento distintivo si sposta altrove: nella capacità di formulare le domande giuste, interpretare criticamente le risposte generate, comprendere i limiti del modello e assumersi la responsabilità finale delle decisioni.

Il talento, oggi, non è solo produzione. È qualità del giudizio.

E questo richiede un cambiamento anche nei sistemi di valutazione, nei percorsi di sviluppo e nella formazione manageriale. Continuare a misurare solo velocità e qualità formale dell’output significa restare ancorati a criteri pre-AI in un contesto ormai post-AI.

Una domanda “scomoda” ma necessaria

L’intelligenza artificiale non elimina il talento. Ma lo sposta e lo rende meno visibile.

La domanda che le organizzazioni dovrebbero iniziare a porsi non è soltanto “chi usa l’AI?”, ma se sono ancora capaci di distinguere tra chi produce con l’AI e chi pensa con l’AI.

L’AI può aumentare le performance. Ma sono ancora le organizzazioni a stabilire cosa conta davvero. Forse la riflessione più urgente non riguarda la tecnologia, ma i criteri con cui scegliamo di valutare il valore.