La prima competenza AI non è il prompt: è sapere cosa non delegare a una macchina

Delle 21+ automazioni che ho in produzione, ce n'è una che mi viene chiesto di costruire quasi ogni mese e che rifiuto ogni volta: l'invio automatico della risposta finale a un cliente, senza che nessuno la legga prima di premere invio.

Non è un limite tecnico. Tecnicamente si fa in venti minuti. È una decisione di delega: quel passaggio specifico non va dato a una macchina, e capire perché è la prima competenza AI che serve a chi lavora. Prima del prompt. Prima del tool. Prima ancora di scegliere quale modello usare.

Questo è il primo articolo di una serie, "Alfabetizzazione AI per chi lavora". Non parlerò di quale assistente è meglio o di quale funzione è uscita questa settimana. Parlerò di competenze che non invecchiano: come decidere cosa delegare, come chiedere, come verificare, come prendersi la responsabilità del risultato. Si parte dalla delega, perché è quella che viene per prima e quella che quasi nessuno tratta come una competenza.

Alfabetizzazione AI: non è un corso, è un obbligo dal 2 febbraio 2025

Partiamo da un dato che la maggior parte dei freelancer e delle PMI italiane non ha ancora registrato. L'articolo 4 dell'AI Act impone a chi sviluppa e a chi usa sistemi di AI di garantire un livello sufficiente di alfabetizzazione AI alle persone che li operano. Questo obbligo è in vigore dal 2 febbraio 2025. Non riguarda solo i sistemi ad alto rischio: riguarda tutti i sistemi di AI, anche il più banale assistente che usi per scrivere una mail.

Il punto è questo: se usi ChatGPT, Claude o Copilot per lavoro, sei un "deployer" ai sensi del regolamento. L'obbligo ti tocca già oggi. Dal 2 agosto 2026 le autorità nazionali di vigilanza acquisiscono i poteri formali per farlo rispettare, e le sanzioni dell'AI Act non sono simboliche: si arriva fino a 7,5 milioni di euro o l'1% del fatturato globale annuo. Per inquadrare il calendario senza allarmismo: il 2 agosto 2026 scattano anche gli obblighi di trasparenza dell'articolo 50, mentre gli obblighi sui sistemi ad alto rischio dell'Allegato III sono stati rinviati al 2 dicembre 2027 con l'accordo Omnibus. Quindi no, ad agosto non scatta "tutto": scatta l'alfabetizzazione e scatta la trasparenza.

Tradotto fuori dal legalese: la legge ti chiede di sapere cosa stai facendo quando usi l'AI. Non un attestato da appendere. Un giudizio operativo. E qui arriva la parte scomoda. Secondo Anitec-Assinform la carenza di competenze AI dichiarata dalle imprese italiane sfiora il 70% [dato di settore, non misurato sul mio campione]. La PMI media è problem-aware e solution-unaware: sa che dovrebbe usare l'AI, non sa dove ha senso. È esattamente il vuoto che la delega riempie.

Una nota pratica per chi lavora in due o in cinque, senza un ufficio compliance. "Livello sufficiente" non vuol dire un master. Vuol dire che le persone che toccano lo strumento sanno cosa fa, dove sbaglia, e quando fermarsi. Per uno studio o una micro-impresa questo si traduce in poche pagine: chi usa cosa, per quali task, con quale supervisione. Non è burocrazia fine a se stessa. È la stessa decisione di delega scritta una volta invece che improvvisata ogni mattina.

L'alfabetizzazione non è "imparare a scrivere prompt migliori". Quello è un pezzo, e nemmeno il primo. Il primo è decidere quando l'AI serve davvero e quando ti stai solo complicando la vita.

Delegation: la competenza che viene prima del prompt

Per dare struttura a questa serie uso un framework che attribuisco apertamente: l'AI Fluency Framework, sviluppato dal Prof. Rick Dakan (Ringling College) e dal Prof. Joseph Feller (University College Cork) in collaborazione con Anthropic. I loro materiali sono rilasciati con licenza non commerciale, quindi qui prendo in prestito solo la cornice concettuale e ci scrivo sopra contenuto mio, con i miei casi reali. La cornice è semplice e robusta: lavorare bene con l'AI significa farlo in modo efficace, efficiente, etico e sicuro, attraverso quattro competenze. Le chiamano i quattro D.

1) Delegation: decidere quando e come usare l'AI. Cosa vuoi ottenere, cosa tieni per te, cosa deleghi, in quale modalità.

2) Description: comunicare con chiarezza alla macchina. Dare contesto, esempi, vincoli. Ne ho scritto parlando di come gestire il contesto e i token con Claude, che è Description applicata.

3) Discernment: valutare l'output. Riconoscere quando inventa, verificare numeri e fonti, mettere in discussione il ragionamento.

4) Diligence: usarla in modo responsabile. Trasparenza verso chi riceve il risultato, e responsabilità del prodotto finale che resta tua.

Il pregio dei quattro D è che non sono legati a un tool. Cambia il modello, cambia l'interfaccia, la competenza resta. Per questo regge come spina dorsale, sia di quello che pubblico sia di come imposto il lavoro.

Oggi sto sul primo. E parto da un'osservazione che faccio spesso quando qualcuno mi dice "l'AI non funziona per il mio settore". Quasi mai il problema è il modello. È la delega: ha chiesto la cosa sbagliata, nel modo sbagliato, in una modalità sbagliata. Il sintomo è "l'AI è inutile". La causa è una delega fatta male. Sono due cose diverse, e finché le confondi compri tool nuovi sperando che risolvano un problema che non è tecnico.

Le tre modalità: automazione, augmentation, agency

Delegare non è un interruttore acceso/spento. Esistono tre modalità, e scegliere quella giusta per il task è metà della competenza.

La prima è l'automazione: l'AI esegue un task definito dall'inizio alla fine, senza che tu intervenga ogni volta. Esempio dal mio sistema: la categorizzazione delle email in entrata. Regole chiare, errore reversibile, nessuno fuori dall'azienda vede il risultato grezzo. Si delega e si dorme tranquilli.

La seconda è l'augmentation: l'AI lavora insieme a te, tu resti alla guida. Scrive una bozza, tu la correggi. Propone tre angoli, tu ne scegli uno. Qui non deleghi il risultato, deleghi la fatica del primo 70%. Il giudizio finale resta in mano tua.

La terza è l'agency: dai all'AI un obiettivo e un margine di iniziativa, e lei decide i passi. Un agente che fa ricerca, incrocia fonti e ti porta una proposta. Più potente e più rischiosa, perché aumenta la distanza tra la tua decisione e quello che succede davvero.

C'è anche il movimento opposto, meno appariscente ma costoso uguale: task ripetitivi, a basso rischio, che restano in augmentation per anni perché "mi fido solo se controllo io". Quella è delega mancata. Ogni volta che valli a mano una cosa che la macchina farebbe bene e in modo reversibile, stai pagando un collo di bottiglia che ti sei creato da solo. La competenza di Delegation taglia in tutte e due le direzioni: riconoscere cosa non va automatizzato, ma anche smettere di presidiare cose che potresti lasciar andare.

La maggior parte degli errori che vedo nasce dal primo caso: task che andavano gestiti in augmentation buttati in automazione piena, perché "tanto l'AI ci pensa". L'AI ci pensa. Il problema è quando ci pensa al posto tuo su una cosa dove dovevi pensarci tu.

Cosa non delegare: la matrice della supervisione umana

Arriviamo al cuore. La domanda "lo delego o no?" si risolve con due assi, non con l'istinto.

Primo asse: reversibilità dell'errore. Se la macchina sbaglia, quanto costa rimediare? Una categorizzazione sbagliata si corregge in un clic. Un'email partita a un cliente con un numero errato non torna indietro.

Secondo asse: visibilità verso l'esterno. Il risultato resta dentro casa o esce verso un cliente, un'autorità, il pubblico? E soprattutto: impatta una persona, una sua decisione, un suo diritto?

Incrocia i due assi e hai la regola. Più l'errore è irreversibile e più il risultato è visibile all'esterno, più la supervisione umana deve restare nel loop. Non come formalità. Come punto in cui un essere umano legge, decide e si prende la responsabilità prima che la cosa esca.

Qui la delega tocca due norme che vale la pena nominare. Quando un sistema automatizzato prende decisioni che producono effetti su una persona, c'è l'articolo 22 del GDPR sulle decisioni automatizzate: non è terreno da "automazione cieca", serve un intervento umano significativo. E quando il risultato esce verso il pubblico come contenuto generato dall'AI, dal 2 agosto 2026 c'è l'obbligo di trasparenza dell'articolo 50: dire che è AI. La supervisione umana, in questi casi, non è una buona abitudine facoltativa. È il modo in cui resti dal lato giusto della legge.

La matrice, in pratica:

• Errore reversibile e risultato interno: automazione piena. Delega e basta.
• Errore costoso ma interno: augmentation. La macchina prepara, un umano valida.
• Risultato verso l'esterno o che impatta una persona: la macchina può proporre, mai chiudere da sola. Supervisione e, dove serve, disclosure.

Nessuna di queste righe ti dice "non usare l'AI". Ti dicono dove mettere l'essere umano nel loop. È una differenza enorme rispetto al modo in cui di solito si parla di automazione, tutto o niente.

Tre decisioni di delega dalle mie automazioni

Le teorie reggono quando le applichi a casi veri. Tre esempi dal mio sistema di automazioni che orchestro tra Mac locale e cloud, con la modalità scelta e il perché.

Email in entrata, smistamento. Modalità: automazione piena. L'AI legge, classifica, instrada. Se sbaglia, il costo è un'email nella cartella sbagliata, riportarla indietro costa cinque secondi. Errore reversibile, risultato interno. Delegato senza riserve.

Bozza di risposta a un nuovo contatto. Modalità: augmentation. L'AI scrive la prima versione partendo dallo storico. Io la leggo, taglio, aggiusto il tono, controllo i numeri. Poi invio io. Quello che non delego non è la scrittura: è l'invio. Perché l'invio è irreversibile e va verso una persona. La macchina mi fa risparmiare il primo 70% del lavoro, non l'ultimo 30% dove sta la responsabilità.

Contenuto pubblicato che l'AI ha aiutato a produrre. Modalità: augmentation più Diligence. La macchina propone, io decido cosa pubblicare, e dichiaro quando un contenuto è assistito da AI. Non per obbligo formale soltanto. Perché la trasparenza verso chi legge è parte del lavoro fatto bene, e perché l'articolo 50 e la normativa italiana sulla trasparenza dell'AI vanno in quella direzione. Questo è già il quarto D, la Diligence, e non a caso è il ponte tra l'alfabetizzazione e la conformità: insegnando a delegare bene ci si arriva da soli.

Tre task, tre modalità diverse, un'unica logica sotto. Non "quanto è potente il modello", ma "quanto costa l'errore e chi lo vede".

Da dove partire, senza comprare un tool nuovo

Se hai letto fino a qui ti aspetti il consiglio sul software. Non arriva. L'esercizio di Delegation non richiede nessun acquisto.

Prendi i cinque task che già deleghi all'AI, o che vorresti delegare. Per ognuno rispondi a tre domande. Se sbaglia, l'errore è reversibile? Il risultato esce verso l'esterno? Impatta una persona o una sua decisione? Le risposte ti dicono la modalità giusta: automazione, augmentation, o "qui ci metto le mani prima che esca". Questo è già un audit di alfabetizzazione, ed è anche, guarda caso, il tipo di ragionamento che l'articolo 4 ti chiede di saper fare.

È un esercizio che puoi fare da solo, oggi, su un foglio. Se preferisci farlo su un caso reale del tuo flusso e vedere dove ha senso automatizzare e dove no, se ne parla meglio in una call. Ma il primo passo è gratis e non richiede nessuna installazione: è una decisione, non un download.

Il 2 agosto 2026 non è una scadenza da panico. È una buona ragione per costruire ora il giudizio che ti serve comunque, legge o non legge. La prossima puntata della serie è sul secondo D, la Description: come si parla a una macchina perché capisca davvero cosa vuoi. Perché una volta deciso cosa delegare, resta da imparare come chiederlo.

Una cosa la lascio qui. La macchina può fare il lavoro. Decidere quale lavoro merita di essere fatto da una macchina resta tuo, e quella decisione non si delega.

Serie "Alfabetizzazione AI per chi lavora", episodio 1 di 4. Struttura basata sull'AI Fluency Framework di Rick Dakan e Joseph Feller, in collaborazione con Anthropic (licenza CC BY-NC-SA): cornice attribuita, contenuto ed esempi originali. I riferimenti normativi (AI Act art. 4, art. 50; GDPR art. 22) sono a scopo informativo e non costituiscono consulenza legale.