Nel 2026, l’82% dei leader enterprise afferma che la propria organizzazione offre qualche forma di formazione sull’AI. Eppure, il 59% segnala un gap di competenze in ambito AI. Se la formazione è ampiamente disponibile, perché non si traduce in capacità operative della forza lavoro?
Il problema non è la mancanza di interesse. È come la formazione è progettata.
Nel nostro sondaggio 2026 su oltre 500 leader enterprise di USA e Regno Unito, condotto con YouGov, i leader hanno identificato in modo coerente difetti strutturali nei programmi di formazione aziendale sull’AI, in particolare su rilevanza, applicazione e misurazione.
Il problema è l’efficacia, non l’accesso
Tra i leader intervistati:
- L’82% offre qualche tipo di formazione sull’AI
- Il 68% afferma che i dipendenti hanno accesso a risorse per l’apprendimento dell’AI
- Il 46% fornisce una formazione di base sull’alfabetizzazione all’AI
Ma solo il 35% afferma di avere un programma maturo di upskilling in ambito AI esteso a tutta l’organizzazione.
La formazione esiste; la capacità su larga scala no. Quindi, dove si interrompe la catena?
1. L’apprendimento passivo domina la formazione aziendale sull’AI
Il formato più comune è una combinazione di apprendimento online e occasionali sessioni con istruttore (40%). I leader riferiscono che questi formati faticano a costruire capacità applicate:
- Il 23% afferma che i corsi basati su video rendono difficile applicare le competenze apprese nel mondo reale
- Il 24% segnala la mancanza di progetti o laboratori pratici
Guardare spiegazioni sull’AI non è la stessa cosa che usare l’AI in modo efficace. Senza pratica strutturata, i dipendenti possono comprendere i concetti ma faticare ad applicarli nei flussi di lavoro reali. Risultato: familiarità senza padronanza.
2. La formazione sull’AI non è rilevante per il ruolo
Un’altra lamentela ricorrente è la mancanza di personalizzazione per ruolo. Alla domanda sulle sfide dell’apprendimento online, quasi un quarto (23%) dei leader afferma che i percorsi non sono adattati a ruoli specifici. Un altro 21% afferma che i dipendenti faticano a capire da dove iniziare.
Il vero problema è che le sessioni generiche di alfabetizzazione all’AI spesso non si collegano alle responsabilità quotidiane. Il fatto è che un leader HR, un manager finanziario e un analista marketing usano l’AI in modo diverso, eppure molti programmi li trattano allo stesso modo.
Quando l’apprendimento sull’AI non è mappato a casi d’uso reali, l’adozione diventa frammentata e incoerente.
3. Le organizzazioni faticano a misurare il ROI della formazione
La formazione tradizionale sull’AI manca anche di una chiara misurazione delle performance. Le lamentele più comuni dei leader includono:
- Difficoltà a riportare il ROI dei programmi di formazione (26%)
- Mancanza di certificazioni o prove di competenza (15%)
Se le organizzazioni non riescono a misurare se la formazione sull’AI migliora le performance, diventa difficile giustificare investimenti continuativi.
Questo è particolarmente problematico quando:
- Il 35% dei leader cita la mancanza di tempo come principale ostacolo al miglioramento delle competenze AI
- Il 31% cita la mancanza di budget
Senza un ROI chiaro, la formazione sull’AI compete, e spesso perde, contro le priorità operative.
4. Le formazioni una tantum non tengono il passo con l’evoluzione dell’AI
Gli strumenti di AI evolvono rapidamente, eppure molte organizzazioni si affidano ancora a workshop una tantum o iniziative di apprendimento di breve periodo.
L’alfabetizzazione all’AI non è una competenza statica. Richiede:
- Rinforzo continuo
- Pratica contestuale
- Cicli di feedback
- Adattamento continuo
I modelli formativi tradizionali sono stati costruiti per competenze che evolvono più lentamente. Le capacità in ambito AI richiedono un sistema diverso.
La conseguenza: consapevolezza senza applicazione
Quando la formazione sull’AI è passiva, generica e difficile da misurare, l’esito è prevedibile:
- I dipendenti sperimentano con l’AI ma non hanno fiducia
- I casi d’uso restano superficiali
- Il rischio aumenta per eccesso di fiducia o incomprensioni
- Il ROI degli investimenti in AI ristagna
Le organizzazioni con programmi di upskilling maturi e diffusi nella forza lavoro hanno probabilità quasi doppia di riportare un ROI AI significativamente positivo. L’analisi completa di come la maturità della formazione correla con il ROI dell’AI è disponibile nel 2026 State of Data & AI Literacy Report.
Come dovrebbe essere invece una formazione efficace sull’AI
I leader che riportano una forza lavoro più capace tendono ad andare oltre i modelli tradizionali basati sui corsi. I programmi efficaci di formazione sull’AI sono:
- Pratici, con enfasi sulla pratica applicata, non sul consumo passivo
- Specifici per ruolo, mappati su flussi di lavoro reali
- Strutturati, con chiari percorsi di progressione
- Rinforzati nel tempo, non sessioni una tantum
- Misurabili, legati a benchmark di competenza e risultati di performance
In altre parole, funzionano come sistemi di capacità, non come librerie di contenuti.
Un esempio pratico: Bayer ha costruito una Data Academy multi-livello che ha rafforzato l’alfabetizzazione digitale e AI a livello enterprise, con oltre il 90% dei partecipanti che ha riportato miglioramenti nell’innovazione o nei processi.
Quando ha valutato i partner formativi per la sua Data Academy, DataCamp si è distinto sia per ampiezza sia per rilevanza. Grazie all’ampio catalogo di corsi, che spazia da data analytics, statistica, machine learning e SQL fino all’AI generativa, più profili di learner sono supportati con un’unica soluzione.
Per passare dalla teoria alla pratica, Bayer affianca l’apprendimento su DataCamp a progetti capstone. Dopo aver completato i corsi, i dipendenti applicano quanto appreso a casi d’uso reali di Bayer, che vanno dalla ricerca in serra a come costruire reti neurali, dimostrando la loro padronanza e identificando opportunità per creare valore di business.
Questi risultati non sono stati guidati da più strumenti di AI. Sono stati guidati da un miglior design della formazione.
Dalla distribuzione di contenuti a sistemi di capacità
Il futuro della formazione sull’AI non è più contenuti. È una migliore integrazione tra apprendimento e lavoro.
Le organizzazioni che trattano l’alfabetizzazione all’AI come infrastruttura di base—cioè integrata nei flussi di lavoro, rinforzata nel tempo e misurata sui risultati—hanno molte più probabilità di colmare il gap di competenze e migliorare il ROI.
DataCamp for Business è progettato su questo modello, combinando percorsi di apprendimento per ruolo, esercizi pratici, assessment e benchmarking della forza lavoro per costruire capacità applicate in ambito AI su larga scala.
Se stai valutando come andare oltre la formazione passiva sull’AI, scopri come DataCamp for Business supporta l’upskilling enterprise in ambito AI.
