Articolo commemorativo a cura di Davide Dalla Valle
Federico Butera, figura di spicco nella sociologia dell’organizzazione, ci ha lasciato un’eredità intellettuale che continua a stimolare riflessioni profonde sul mondo del lavoro. In un’epoca segnata dall’avvento dell’intelligenza artificiale, il suo pensiero si rivela di straordinaria attualità, offrendo spunti preziosi per comprendere le trasformazioni in atto e per immaginare futuri possibili.
Il lavoro della conoscenza e la sfida dell’intelligenza artificiale
In un articolo pionieristico, Butera analizzò il lavoro dei cosiddetti “lavoratori della conoscenza”, evidenziando le loro caratteristiche peculiari e il loro ruolo cruciale nell’economia contemporanea. Questi lavoratori, definiti in base alla loro capacità di operare con processi immateriali e trasformare la conoscenza, sono difficili da misurare e hanno un impatto significativo sull’innovazione. La loro attività trascende la semplice applicazione di competenze tecniche, richiedendo una gestione integrata di conoscenze, relazioni e responsabilità.
Il mondo del lavoro è in continua evoluzione e l’aumento dei lavoratori della conoscenza hanno accelerato questa trasformazione, rendendo necessaria una profonda riconsiderazione dei modelli organizzativi tradizionali. Questo articolo esplora le sfide e le opportunità che ne derivano.
Il lavoro sta cambiando radicalmente. Stiamo assistendo a una crescente domanda di lavoratori specializzati in processi immateriali, capaci di trasformare la conoscenza in valore concreto. I nuovi asset organizzativi hanno esacerbato questa dimensione, mettendo in luce la fragilità di modelli obsoleti e la necessità di maggiore flessibilità e adattabilità.
I lavoratori della conoscenza: un asset strategico:
I lavoratori della conoscenza sono il motore dell’innovazione. Si distinguono per:
- Manipolazioni di processi immateriali: il loro lavoro si basa su informazioni, idee e tecnologia.
- Trasformazione della conoscenza: convertire informazioni in soluzioni, innovazione e vantaggio competitivo.
- Difficoltà di misurazione: la performance non è sempre quantificabile con metriche tradizionali.
- Impatto strategico sull’innovazione: sono fondamentali per la competitività aziendale.
È cruciale riconoscere la diversità tra questi lavoratori, identificando quelli strategici e quelli che, pur essendo fondamentali, potrebbero non essere adeguatamente valorizzati. Questo richiede una attenta analisi delle competenze e delle necessità aziendali.
“Caratterizzati da ruoli complessi e in continua evoluzione, i lavoratori della conoscenza costituiscono una categoria professionale emergente, le cui attività trascendono la semplice applicazione di competenze tecniche e richiedono una gestione integrata di conoscenze, relazioni e responsabilità.”
Oggi, l’intelligenza artificiale sta ridefinendo i confini di questo tipo di lavoro, aprendo nuove opportunità ma anche sollevando interrogativi. Se da un lato l’AI promette di automatizzare compiti complessi, liberando i lavoratori da mansioni ripetitive e potenzialmente alienanti, dall’altro rischia di accentuare le disuguaglianze e creare nuove forme di precarietà
In un recente articolo di Lee et al. (2025) evidenzia come l’uso di GenAI possa influenzare negativamente il pensiero critico. La maggiore fiducia nelle capacità di queste tecnologie può portare a un eccessivo affidamento alle loro capacità, diminuendo la propensione a valutare autonomamente i risultati. In altre parole, se gli utenti credono che GenAI fornisca risposte corrette, potrebbero essere meno inclini a verificarle o metterle in discussione.
Questo fenomeno è particolarmente rilevante nel contesto della tassonomia di Bloom che classifica gli obiettivi educativi in sei livelli di complessità crescente: conoscenza, comprensione, applicazione, analisi, sintesi e valutazione. L’uso di GenAI può spostare l’attenzione degli utenti dai livelli più alti, come l’analisi e la valutazione, a quelli più bassi, come la conoscenza e la comprensione. Invece di analizzare criticamente le informazioni, gli utenti potrebbero limitarsi ad accettare passivamente ciò che GenAI produce.
Automatizzazione della convergenza
Un’altra conseguenza dell’uso di GenAI è la “automatizzazione della convergenza”. Poiché queste tecnologie tendono a produrre risultati simili, gli utenti che le utilizzano possono generare output meno diversificati rispetto a chi non le utilizza. Questo può limitare la creatività e l’innovazione, portando a una sorta di pensiero di gruppo automatizzato. L’utilizzo dell’IA generativa (GenAI) solleva importanti interrogativi. In molti casi, si osserva una tendenza alla “convergenza meccanizzata”: la GenAI converge verso soluzioni simili, riducendo la varietà di output rispetto ai metodi tradizionali. Questo aspetto ha un impatto significativo sulla capacità di pensiero critico degli utenti, richiedendo una attenta valutazione delle implicazioni per il futuro del lavoro.
Implicazioni e possibili soluzioni
L’articolo di Lee et al. (2025) suggerisce di progettare strumenti GenAI che promuovano il pensiero critico, affrontando le barriere di consapevolezza, motivazione e capacità degli utenti. Inoltre, future ricerche dovrebbero utilizzare misure alternative del pensiero critico e considerare le differenze tra fiducia soggettiva e competenza oggettiva.
In sintesi, l’uso di GenAI può avere un impatto significativo sul pensiero critico e la creatività. È fondamentale essere consapevoli di questi rischi e progettare strumenti che promuovano un uso responsabile e consapevole di queste tecnologie.
La danza dell’intelletto: knowledge management nell’era dell’algoritmo
L’avvento dell’Intelligenza Artificiale (IA) non è un’onda gentile che lambisce placidamente le coste del knowledge management: è uno tsunami concettuale che ne ridisegna, con violenza algoritmica, i confini e le fondamenta. Assistiamo a una mutazione epocale, un passaggio dall’era dell’informazione a quella dell’interpretazione algoritmica. Non si tratta più di accumulare dati, ma di comprendere come un’intelligenza artificiale interpreta, manipola e, in ultima analisi, monopolizza il significato di quei dati. Siamo chiamati a un’esplorazione critica, un’indagine a tratti scomoda, delle implicazioni profonde che questa metamorfosi comporta per il futuro del lavoro intellettuale e della formazione.
Il knowledge management, un tempo baluardo della conoscenza umana, si trova ora a fronteggiare un’entità capace di elaborare informazioni a velocità inimmaginabili, generare intuizioni inedite e automatizzare processi cognitivi che, fino a ieri, erano appannaggio esclusivo della mente umana. Ma è proprio in questa apparente superiorità che si annida il paradosso: la nostra dipendenza crescente dall’IA rischia di atrofizzare le stesse capacità cognitive che ci rendono unici. Stiamo abdicando alla nostra capacità di pensare criticamente, di risolvere problemi complessi, di collaborare in modo autentico, in cambio di una comodità illusoria offerta da algoritmi infallibili?
La risposta non è un semplice “sì” o “no”. È un invito a navigare in acque torbide, a discernere tra l’utilità innegabile dell’IA e il rischio di una sua egemonia intellettuale. Dobbiamo interrogarci sul significato profondo di “conoscenza” in un’era in cui la creazione e la diffusione di informazioni sono sempre più delegate a macchine. La conoscenza si riduce a una mera sequenza di dati elaborati da un algoritmo, oppure conserva una dimensione umana, un valore intrinseco legato alla comprensione, all’esperienza e alla capacità di creare connessioni significative?
È necessario affrontare le contraddizioni facendo dell’ambiguità risorsa emozionale e cognitiva, consapevoli che il progresso tecnologico ci pone di fronte a domande antiche, riproposte in una veste inedita, mantenendo al contempo quella bussola riflessiva che ci viene in soccorso per preservare un senso di umanità, ricordando che, al di là degli algoritmi, ciò che conta è sono le dimensioni del senso e del significato, implicate organizzativi
Già in Platone, nel “Fedro”, si coglie una profonda riflessione sulla natura della scrittura, che si manifesta attraverso una critica articolata e complessa. Platone, con la sua acuta capacità di analisi, ci pone di fronte a un paradosso, descrivendo la scrittura come un “farmaco”, un termine che in greco racchiude in sé sia l’idea di rimedio che di veleno. Questa ambivalenza ci spinge a interrogarci: la scrittura, pur essendo un utile strumento di memoria, non rischia forse di indebolire la nostra capacità di ricordare?
Platone temeva che la dipendenza dalla scrittura potesse portare alla perdita della memoria, che l’affidarsi a segni esterni potesse sostituire l’esercizio della mente. Un testo scritto, infatti, non può rispondere alle domande o alle obiezioni, a differenza di un dialogo vivente. La sua natura statica impedisce quell’interazione dinamica che è essenziale nella ricerca della verità.
Inoltre, Platone sottolineava come la scrittura rendesse le informazioni accessibili a tutti, senza distinzione, rischiando di diffondere false conoscenze e di ostacolare una comprensione autentica. Per lui, il dialogo filosofico, la dialettica, rimaneva il metodo supremo per raggiungere la verità, un processo dinamico di esplorazione delle idee, di messa in discussione e di approfondimento.
In sintesi, Platone vedeva la scrittura come un promemoria utile, ma la considerava inferiore al dialogo vivo, che permetteva una ricerca della conoscenza più profonda e autentica.
Questa ambivalenza ci spinge a interrogarci: la scrittura, pur essendo un utile strumento di memoria, non rischia forse di indebolire la nostra capacità di ricordare?
Questa ambivalenza risuona anche oggi nei confronti dell’AI generativa.
L’IA genera opportunità e rischi. L’automazione libera da compiti ripetitivi, ma accentua le disuguaglianze. Lee et al. (2025) rilevano che la GenAI riduce il pensiero critico, spostando l’attenzione dai livelli alti della tassonomia di Bloom. La “convergenza meccanizzata” limita la creatività, uniformando gli output. Occorre progettare strumenti GenAI che stimolino il pensiero critico, affrontando consapevolezza, motivazione e capacità. L’eccessivo affidamento sull’IA riduce la propensione a valutare autonomamente. Gli strumenti devono rafforzare l’autostima, calibrare la fiducia e mantenere la responsabilità dell’utente. La ricerca futura deve usare misure alternative del pensiero critico, considerando la differenza tra fiducia soggettiva e competenza oggettiva. È fondamentale ripensare il knowledge management e l’apprendimento degli adulti, sviluppando modalità etiche ed efficaci per la conoscenza.
Questa riflessione ci conduce inevitabilmente al cuore della formazione. I modelli pedagogici tradizionali, incentrati sulla trasmissione di nozioni e competenze specifiche, appaiono sempre più obsoleti di fronte alla capacità dell’IA di accedere e elaborare informazioni in modo istantaneo. Dobbiamo ripensare radicalmente il ruolo della formazione, spostando l’attenzione dalla memorizzazione all’analisi critica, dalla passiva ricezione alla proattiva creazione di conoscenza. L’obiettivo non è competere con l’IA sul suo terreno, ma coltivare quelle capacità umane che la macchina non può replicare: l’empatia, la creatività, il pensiero laterale, la capacità di formulare domande pertinenti.
L’adozione di nuovi metodi di formazione diventa imperativa. Dobbiamo abbracciare approcci sperimentali, che favoriscano l’apprendimento situato, l’immersione in contesti reali e complessi, dove le competenze vengono messe alla prova e affinate attraverso l’esperienza diretta. La valutazione non può più basarsi su test standardizzati, ma deve privilegiare metodi autentici, capaci di misurare la capacità di applicare le loro conoscenze in modo significativo e creativo.
La formazione soffre oggi forti esperienze di omologazione. Siamo di fronte a ritorni massivi di tensioni fordiste. È sempre più arduo difendere nelle attività di formazione spazi per una ricerca di senso individuale. E così, se valutare la formazione diventa centrale, nella considerazione che è insieme un processo che dà valore e una riflessione sul valore, riconoscere il significato personale dell’apprendimento umano costituisce la prima salvaguardia della singolarità. “In questo senso indichiamo per il nostro modello della valutazione la qualità di clinico, pedagogico, ed esistenziale” (Varchetta, Fontana 2005). La valutazione riconoscente potenzia l’apprendimento in azienda agendo su quattro leve fondamentali: rafforza il senso di appartenenza condividendo i valori aziendali, migliora la comunicazione interna, facilita il cambiamento e, soprattutto, supporta concretamente i dipendenti, aiutandoli ad affrontare le sfide della complessità organizzati
In questo scenario in rapida evoluzione, le competenze chiave per il successo professionale non sono più quelle del tecnico specializzato, ma quelle proprie di chi sa navigare nel mare magnum dell’informazione, di interpretare i dati con occhio critico, di collaborare in modo efficace con colleghi umani e artificiali. Il pensiero critico, la risoluzione di problemi complessi, la comunicazione efficace e la capacità di lavorare in team diventano le fondamenta di un nuovo paradigma del lavoro intellettuale.
Affrontare questa sfida richiede un cambio di mentalità radicale. Dobbiamo abbandonare la confortante illusione di una conoscenza stabile e definita, per abbracciare la fluidità e l’incertezza del mondo contemporaneo. Dobbiamo imparare a convivere con l’IA, non come competitori, ma come partner in un’esplorazione continua del potenziale umano. E, soprattutto, dobbiamo coltivare la nostra capacità di porci domande scomode, di mettere in discussione le verità apparenti, di restare umani in un mondo sempre più dominato da algoritmi.
L’organizzazione come sistema di attività umane coordinate
Butera definiva l’organizzazione come un sistema di attività umane coordinate, finalizzato al raggiungimento di obiettivi comuni attraverso la divisione del lavoro e il coordinamento delle attività. Questa definizione, apparentemente semplice, racchiude in sé una complessità che invita a esplorare le dinamiche profonde che plasmano il mondo del lavoro.
Egli critica i modelli burocratici e funzionali, considerandoli inadatti all’innovazione nella R&S, privilegiando invece strutture reticolari che favoriscono la cooperazione e la condivisione della conoscenza. Questo approccio si basa sulla “cooperazione intrinseca” che supera la sincronizzazione esterna tipica dei modelli taylor-fordisti.
Le imprese rete si basano su connessioni multiple e strutture interne con “nodi” ad alto livello di autoregolazione, capaci di cooperare. Questa visione si sposa con l’importanza che i knowledge worker hanno nel trasformare la conoscenza in soluzioni innovative e vantaggi competitivi. L’importanza delle strutture reticolari e della collaborazione si allinea con l’idea di “open innovation” promossa da Chesbrough, specialmente riguardo al ruolo e alle caratteristiche dei knowledge worker. Le imprese rete si basano su connessioni multiple e strutture interne con “nodi” ad alto livello di autoregolazione, capaci di cooperare efficacemente. Questa visione valorizza la capacità dei knowledge worker di trasformare la conoscenza in soluzioni innovative e vantaggi competitivi.
La manipolazione di processi immateriali, la trasformazione della conoscenza e la difficoltà di misurazione della performance sono caratteristiche distintive dei knowledge worker. In un’organizzazione a rete, essi agiscono come nodi attivi, contribuendo con la loro expertise e capacità di trasformazione della conoscenza. La cooperazione intrinseca facilita la condivisione della conoscenza e promuove un equilibrio tra strategie di appropriazione capitalistica e conoscenze esperte. La natura non sempre quantificabile del lavoro dei knowledge worker richiede sistemi di governance che rafforzino l’appartenenza alla rete e promuovano nuovi sistemi decisionali e di regolazione dei conflitti. Il prestigio di questi lavoratori non è legato alla posizione gerarchica, ma al valore del contributo fornito, alla visibilità sul mercato del lavoro e all’appartenenza a comunità professionali.
L’impatto strategico dei knowledge worker sull’innovazione è fondamentale per la competitività aziendale. L’innovazione aperta si basa sull’integrazione di conoscenze e competenze provenienti da diverse fonti, interne ed esterne all’organizzazione. La politica della rete punta a una collaborazione permanente e bidirezionale tra il centro e le periferie del sistema, superando i modelli di decentramento e outsourcing.
Un invito a ripensare il futuro del lavoro
Di fronte a queste sfide, Butera ci spronerebbe a immaginare scenari alternativi, a progettare un futuro in cui l’AI sia al servizio dell’uomo, non il contrario. Ci inviterebbe a valorizzare le competenze umane che le macchine non possono replicare, come la creatività, l’empatia e il pensiero critico.
In questo contesto di trasformazione, l’analisi di Butera sulla cultura organizzativa assume una rilevanza inedita. Le organizzazioni, più che mai, necessitano di culture che promuovano l’apprendimento continuo, la collaborazione e l’innovazione, mettendo al centro il benessere dei lavoratori.
Un’eredità da custodire e attualizzare
L’eredità di Butera è un invito a non cedere alla passività, a non lasciare che l’AI plasmi il nostro futuro senza il nostro consenso. Ci sprona a essere protagonisti del cambiamento, a utilizzare la nostra intelligenza e la nostra creatività per costruire un mondo del lavoro più giusto e sostenibile.
Bibliografia
Berente, N., Gu, B., Recker, J., & Santhanam, R. (2021). Managing artificial intelligence. MIS quarterly, 45(3).
Butera, F. (n.d.). La ricerca e sviluppo: la questione organizzativa. Fondazione IRSO.
Butera, F., & Di Guardo, S. (2009). Analisi e progettazione del lavoro della conoscenza: il modello della Fondazione Irso e due casi. Studi Organizzativi, 2(1), 107-133. https://doi.org/10.3280/SO2009-002010
Butera, F., Bagnara, S., Cesaria, R., & Di Guardo, S. (2008). Knowledge working: lavoro, lavoratori, società della conoscenza. Mondadori Università.
Castoldi, M. (2011). Progettare per competenze. In Verso le competenze: una bussola per la scuola (pp. 64-89). Franco Angeli.
Chesbrough, H. W. (2003, April 15). The Era of Open Innovation. MIT Sloan Management Review.
Fontana, A., & Varchetta, G. (n.d.). La valutazione riconoscente. La valutazione della formazione nelle organizzazioni contemporanee.
Lee, H. P. H., Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R., & Wilson, N. (2025). The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers.
Platone. (2013). Fedro. Universale Economica Feltrinelli.
Varchetta, G. (2007). L’ambiguità organizzativa. Guerini e associati.