Spesso confondiamo la quantità di formazione disponibile con la reale capacità delle persone di usarla. Nelle aziende - e solo in quelle che hanno capito l'urgenza di trattenere persone e conoscenza - si accumulano terabyte di corsi, wiki e manuali, ma restano risorse "inerti" nel momento del bisogno.
Anche noi di Otomo, in passato, abbiamo creduto che la missione fosse digitalizzare tutto lo scibile aziendale. Pensavamo che rendere un PDF ricercabile fosse sufficiente.
Oggi, guardando i dati di accesso alle piattaforme LMS tradizionali, abbiamo l'impressione di aver guardato il problema dalla prospettiva sbagliata.
Il punto non è più "indicizzare" la conoscenza, ma farla "agire".
Se oggi Google (tramite le nuove AI generative) smette di darti una lista di 10 link blu e inizia a costruirti una risposta sintetica e pronta all'uso, perché la formazione aziendale continua a offrire ai dipendenti liste di corsi da seguire passivamente?
La strategia che ci sembra più coerente per il futuro prossimo è passare dal concetto di Libreria a quello di Navigazione Assistita. Usare l'AI non per suggerire "cosa leggere", ma per estrarre la risposta e, soprattutto, simulare l'azione.
Dove si blocca la ricerca (la "biblioteca fantasma")
Il problema non è che il dipendente non vuole imparare. È che il formato dell'informazione non è compatibile con i tempi del lavoro moderno. Se di fronte a un problema urgente la risposta dell'azienda è "cerca nel portale formativo", abbiamo perso in partenza.
Il paradosso dei "Link Blu"
Come su Google nessuno va più oltre la prima pagina, in azienda nessuno apre il quarto modulo di un corso e-learning per trovare una singola procedura.
Il risultato è lo "Shadow Learning": i dipendenti ignorano le fonti ufficiali (troppo lente) e chiedono al collega di scrivania o improvvisano. La conoscenza aziendale resta un gigante silenzioso e inutilizzato.
La struttura della nuova interazione (dall'indice all'agente)
Prendendo spunto da come le Big Tech stanno evolvendo verso la Search Generative Experience, crediamo che l'L&D debba evolvere su due assi portanti che vanno oltre la semplice fruizione di contenuti:
La sintesi operativa (Answer Engine): l'AI deve aver "mappato" tutto il materiale aziendale (video, pdf, policy) non per restituire un link, ma per generare la risposta esatta alla domanda specifica, nel contesto specifico.
La simulazione contestuale (active training): questo è il salto di qualità. L'AI non deve dirti come fare una cosa, deve farla con te.
Esempio (pensando a procedure tecniche, compliance o vendita):
-
Vecchio approccio: "Per capire come gestire il reso fuori garanzia, vai al minuto 14 del video sulla policy aziendale 2024."
-
Nuovo approccio (Agente AI): "ho analizzato la situazione. Dato che il cliente è 'Platinum', possiamo accettare il reso. Ecco una simulazione della email da inviare o delle parole da dire. Proviamo a scriverla insieme?"
Il test della rilevanza (essere "mappati" dall'intelligenza)
La vera sfida per le aziende oggi non è produrre nuovi corsi, ma rendere la conoscenza esistente "leggibile" e "azionabile" dagli Agenti AI.
Se la formazione aziendale fosse un sito web, oggi rischierebbe di essere penalizzata dai nuovi motori di ricerca perché troppo dispersiva e poco pragmatica.
Per capire se siamo sulla strada giusta, proviamo a porci questa domanda:
• "Se un'intelligenza artificiale dovesse interrogare il nostro database formativo per risolvere un problema critico di un cliente in tempo reale, saprebbe cosa fare o troverebbe solo teoria?" • Se la risposta è "troverebbe solo definizioni", allora c'è un gap di design.
La soluzione che stiamo esplorando con maggiore interesse non è aggiungere contenuti, ma integrare agenti che trasformano quella conoscenza statica in dialoghi dinamici e role-play infiniti.
Non servono più motori di ricerca interni più potenti. Servono motori di risposta più intelligenti.
L'efficacia della formazione, oggi, non sta nel possedere la conoscenza nei server, ma nella velocità con cui un'intelligenza (umana supportata da quella artificiale) riesce a recuperarla, adattarla e applicarla al caso reale.
