# mollick-making-ai-work-leadership-lab-crowd-2025-05-22

## Veille

Adozione dell'IA in ambito organizzativo, trasformazione del lavoro, strategia dell'innovazione, leadership, produttività, oneusefulthing.org

## Titre Article

Making AI Work: Leadership, Lab, and Crowd

## Date

2025-05-22

## URL

https://www.oneusefulthing.org/p/making-ai-work-leadership-lab-and

## Keywords

adozione dell'IA, trasformazione organizzativa, produttività, leadership, innovazione ambidestra, sperimentazione, collaborazione uomo-IA, vantaggio competitivo, apprendimento organizzativo

## Authors

Ethan Mollick

## Ton

**Profilo:** Accademico-praticante | Prima persona, thought leader | Registro analitico-prescrittivo | Livello tecnico intermedio

Mollick adotta la voce di un costruttore di framework, sintetizzando i risultati della ricerca in strategie organizzative attuabili. La struttura tripartita "Leadership, Lab, Crowd" rivela un pensiero sistematico tipico dei framework manageriali. Linguaggio bilanciato tra accademico (apprendimento organizzativo, innovazione ambidestra) e pratico (sperimentazione, guadagni di produttività). Tono incoraggiante e pragmatico, che posiziona la trasformazione dell'IA come gestibile piuttosto che opprimente. Il formato Substack consente una profondità di approfondimento impossibile in formati più brevi. Tipico degli accademici-praticanti (stile Rita McGrath, Clayton Christensen) che traducono la ricerca in consigli esecutivi, rivolti ai leader organizzativi che affrontano il cambiamento tecnologico.

## Pense-betes

- **Paradosso dell'adozione dell'IA**: grandi guadagni individuali (fino a triplicare la produttività) ma miglioramento organizzativo minimo
- **Guadagni di performance reali**: studi in Danimarca e negli Stati Uniti mostrano risparmi di tempo sostanziali
- **Adozione diffusa**: il 30-40% dei lavoratori statunitensi utilizza l'IA a fini professionali (contro il 20% nei sistemi ufficiali)
- **Potenziale inespresso**: strumenti di deep research, agenti IA e generazione di contenuti possono realizzare trasformazioni importanti
- **Framework in 3 parti**: Leadership, Lab, Crowd
- **Leadership**: visione chiara, incentivi per un'adozione trasparente contro l'uso "ombra"
- **Lab**: unità di innovazione ambidestra, trasforma i flussi di lavoro in soluzioni scalabili, benchmarking dell'IA
- **Crowd**: i lavoratori esperti scoprono applicazioni efficaci per tentativi ed errori
- **Raccomandazioni chiave**:
- Stabilire zone di sperimentazione esplicite (non solo linee guida etiche vaghe)
- Formazione = esperienza pratica (non solo tecniche di prompting)
- Parametri di riferimento organizzativi sui compiti reali dell'azienda
- Ripensare le strutture di incentivo che spingono le persone a nascondere l'uso dell'IA
- Interrogarsi sullo scopo dei compiti quando l'efficienza elimina i colli di bottiglia
- **Messaggio chiave**: "Il vantaggio competitivo appartiene alle organizzazioni che apprendono più rapidamente, non a quelle che attendono una chiarezza perfetta"
- **Momento per agire**: ora, mentre tutto è ancora incerto e disordinato

## RésuméDe400mots

Ethan Mollick individua un paradosso rilevante nell'adozione aziendale dell'IA: mentre i singoli lavoratori riportano guadagni di produttività significativi (alcuni affermano che l'IA ha "triplicato la loro produttività"), le organizzazioni registrano miglioramenti complessivi di performance minimi.

**Quattro osservazioni centrali**

Primo, i guadagni di performance sono reali e documentati. Studi condotti in Danimarca e negli Stati Uniti mostrano lavoratori che ottengono risparmi di tempo sostanziali in ambiti diversi: sviluppo prodotto, vendite, consulenza e ruoli tecnici.

Secondo, l'adozione è diffusa. Tra il 30 e il 40% dei lavoratori statunitensi utilizza l'IA a fini professionali, sebbene i sistemi aziendali ufficiali mostrino tassi di utilizzo inferiori (~20%), rivelando un uso "ombra" significativo.

Terzo, esiste un potenziale inespresso. Strumenti di deep research, agenti IA e sistemi di generazione di contenuti possono realizzare un lavoro trasformativo ben oltre le implementazioni organizzative attuali.

Quarto, le organizzazioni non catturano questo valore. I guadagni di produttività individuale non si traducono automaticamente in miglioramenti organizzativi senza un'innovazione sistemica.

**Il framework: Leadership, Lab e Crowd**

Mollick propone un modello a tre componenti per risolvere questo paradosso.

La **Leadership** deve stabilire una visione chiara dell'impatto futuro dell'IA sul lavoro e creare incentivi che favoriscano un'adozione trasparente piuttosto che un uso nascosto guidato dal timore di licenziamenti o di un riconoscimento ridotto.

Il **Lab** funziona come un'unità di innovazione ambidestra, trasforma i flussi di lavoro individuati dalla crowd in soluzioni scalabili, stabilisce parametri di riferimento sulle capacità dell'IA sui compiti reali dell'organizzazione e costruisce prototipi sperimentali che testano le possibilità emergenti.

La **Crowd** rappresenta i lavoratori esperti che scoprono organicamente applicazioni efficaci dell'IA per tentativi ed errori, per poi condividere i flussi di lavoro riusciti in tutta l'azienda.

**Raccomandazioni pratiche**

Mollick sottolinea la necessità di andare oltre linee guida etiche vaghe per stabilire zone di sperimentazione esplicite. La formazione dovrebbe essere riformulata come esperienza pratica piuttosto che istruzione sulle tecniche di prompting. Le organizzazioni devono costruire parametri di riferimento che misurino le performance dell'IA sui loro compiti reali.

Evidenzia inoltre l'importanza di affrontare le strutture di incentivo che scoraggiano i lavoratori dal rivelare la produttività assistita dall'IA, e di ripensare in modo fondamentale lo scopo dei compiti quando i guadagni di efficienza eliminano i colli di bottiglia precedenti.

**Visione strategica**

L'intuizione critica di Mollick: il vantaggio competitivo appartiene alle organizzazioni che apprendono più rapidamente, non a quelle che attendono una chiarezza perfetta. "Il momento di iniziare non è quando tutto diventa chiaro: è ora, mentre tutto è ancora disordinato e incerto."

## GrapheDeConnaissance

- Ethan Mollick —recommande→ framework Leadership-Lab-Crowd (METHODOLOGIE, 0.99)
- Ethan Mollick —publie→ One Useful Thing (ORGANISATION, 0.99)
- Manus —est_basé_sur→ Claude (TECHNOLOGIE, 0.97)
- Ethan Mollick —utilise→ Manus (TECHNOLOGIE, 0.97)
- Shopify —a_créé→ politique IA prioritaire (CONCEPT, 0.95)
- Duolingo —a_créé→ politique IA prioritaire (CONCEPT, 0.95)
- Andrew Carton —soutient→ importance d'une vision concrète du leadership (CONCEPT, 0.9)
- Ethan Mollick —affirme_que→ les gains individuels IA ne se traduisent pas en gains organisationnels (AFFIRMATION, 0.98)
- travailleurs américains —utilise→ IA (TECHNOLOGIE, 0.93)
- Secret Cyborgs —est_basé_sur→ incitations organisationnelles inadaptées (CONCEPT, 0.92)
- framework Leadership-Lab-Crowd —utilise→ innovation ambidextre (CONCEPT, 0.95)
- Wharton —a_créé→ simulation business complexe (METHODOLOGIE, 0.9)
- Google Veo 3 —permet→ génération de vidéos à partir de texte (CONCEPT, 0.95)

---
Canonical: https://www.thekb.eu/it/fiches/mollick-making-ai-work-leadership-lab-crowd-2025-05-22/