Il leadership nell'IA non è più comprare strumenti: è ridisegnare il portafoglio di lavoro
La conversazione di HBR Executive Live tra Adi Ignatius e Ryan Roslansky, CEO di LinkedIn, porta il dibattito sull'IA in un punto cruciale per le PMI: il mercato del lavoro reale, con segnali quantificabili. Sotto la sua guida, LinkedIn è passata da 7 miliardi di dollari a 17 miliardi di dollari di ricavi annuali e ha superato 1 miliardo di membri, grazie a investimenti in IA, strumenti di assunzione più intelligenti, abbinamenti basati sulle competenze e video. Questo dato interessa meno per l'orgoglio aziendale e più per ciò che rivela: quando una piattaforma osserva il mercato nella sua interezza, rileva per prima come il lavoro si sta riconfigurando.
Roslansky sostiene che l'IA è una aggiunta netta positiva per l'occupazione e supporta la sua affermazione con due cifre che contraddicono la narrativa del ricovero massivo: 1,3 milioni di nuovi posti legati a ruoli di IA (inclusi annotatori di dati) e oltre 600.000 nuovi posti nei centri di dati. In parallelo, LinkedIn osserva che i requisiti di competenze per ruolo sono cambiati più del 25% negli ultimi anni e prevede un 70% di cambiamento entro il 2030.
Questa serie di numeri richiede una lettura del leadership diversa. L'IA non sta “arrivando”; sta già ridistribuendo budget, talento e potere interno. La domanda operativa per il C-Level non è più quale strumento acquistare, ma come ridisegnare il portafoglio di lavoro senza compromettere il motore di ricavi.
La verità dietro il “passo avanti”: il lavoro si sta frammentando in compiti
Il contributo più utile di questa conversazione non è una lista di raccomandazioni aspirazionali, ma il quadro: il lavoro smette di essere un “posto” e diventa un insieme di compiti con gradi diversi di automazione. In pratica, ciò cambia l'oggetto di gestione. Se un ruolo contiene compiti ripetitivi, parte di quel tempo si libera. Se il mercato richiede nuove abilità, quel tempo viene riassegnato o perso. La differenza tra produttività e disordine è progettazione organizzativa.
I dati di LinkedIn mostrano simultaneamente creazione e riassegnazione. Da un lato, emergono nuovi posti di lavoro inerenti all'IA: non solo scienziati dei dati, ma anche annotatori, profili di implementazione e, in modo molto materiale, lavoro fisico nell'infrastruttura con centri di dati. Dall’altro, la conversazione riconosce pressione nelle posizioni di ingresso, ma Roslansky attribuisce questo calo a fattori macroeconomici come i tassi d'interesse, non all'IA. Anche questo è importante: se la diagnosi è errata, il piano di talento diventa propaganda.
Per un leader, “passare avanti” in questo contesto significa dominare tre leve, non una. Primo, scomporre funzioni critiche in compiti e mappare ciò che si automatizza oggi. Secondo, ristrutturare il ruolo con compiti di maggiore valore che richiedono criterio umano. Terzo, ricomporre il sistema di incentivi affinché l'apprendimento faccia parte del lavoro e non sia un’attività marginale.
Qui la burocrazia tende a vincere per inerzia. Molte organizzazioni rispondono creando comitati per l'IA, politiche interminabili e cruscotti che misurano l'adozione come se fosse spesa in capitale. Ma l'adozione reale si vede nei flussi: tempo risparmiato, ciclo di consegna ridotto, capacità liberata per vendite, operazioni o prodotto. Se il leadership non sposta il lavoro in modo esplicito, l'IA diventa un ulteriore strato di complessità.
Il caso LinkedIn: monetizzare l'IA non è magia, è un sistema di allocazione del capitale
La crescita di LinkedIn sotto Roslansky suggerisce un modello più interessante di “hanno usato l'IA”. L'azienda ha trasformato dati e prodotto in un attivo che migliora l'abbinamento tra offerta e domanda lavorativa. Questo abbinamento — se migliore — aumenta il valore percepito, la retention e la disponibilità a pagare per soluzioni di reclutamento e servizi associati. L'IA qui non è un progetto isolato: è parte del motore.
In termini di portafoglio, lo separo in quattro fronti che ogni azienda è obbligata a governare, anche se non li denomina in questo modo. (1) il motore attuale di reddito; (2) efficienza operativa; (3) incubazione di idee; (4) trasformazione per scalare il nuovo. LinkedIn sembra aver agito in tutti e quattro: ha elevato il motore con migliori raccomandazioni e abbinamento, ha usato l'IA per rendere l'assunzione più “intelligente”, ha spinto nuovi formati come il video e, soprattutto, ha rafforzato una tesi di mercato: il CV statico vale meno della prova dinamica delle competenze.
Quest'ultimo punto ha un sottotesto strategico. Se i requisiti delle competenze sono già cambiati più del 25% e si prevede un 70% entro il 2030, il vantaggio non sarà “avere talento” ma riciclarlo rapidamente. Una piattaforma come LinkedIn si giova di quella frizione: quando il mercato si muove, tutti tornano ad aggiornare i profili, cercare segnali, convalidare capacità e assumere più velocemente. Per una PMI tradizionale, quella stessa frizione rappresenta costo: turnover, lunghe vacanze, errori di assunzione e calo di produttività.
La lettura esecutiva è scomoda: non basta formare le persone sugli strumenti di IA. È necessario ridefinire come si decide quali competenze contano, chi le certifica internamente e come si premiano i leader che ristrutturano i ruoli senza compromettere le performance.
Il punto cieco del C-Level: misurare la reinvenzione con KPIs del business maturo
Il maggiore rischio che vedo non è tecnologico. È di governance. La maggior parte delle corporazioni cerca di introdurre l'IA in strutture pensate per la stabilità, non per l'apprendimento. Si richiede un ritorno immediato a iniziative che, per definizione, partono con incertezze. Si pressa i team a promettere risparmi prima di comprendere il processo, si centralizza la decisione "per controllare i rischi" e si soffoca la velocità.
I dati di LinkedIn sul cambiamento accelerato delle competenze rendono obsoleta la pianificazione annuale del talento basata sui ruoli. Se il contenuto del lavoro cambia, anche il modello di controllo deve cambiare. Questo richiede di separare due ritmi all'interno della stessa azienda.
Nel motore di reddito, disciplina: proteggere i margini, assicurare la qualità, evitare di degradare il servizio. Nell'esplorazione, regole diverse: obiettivi di apprendimento, cicli brevi e reale autonomia per ridisegnare i processi senza chiedere permesso a cinque comitati. Quando questi mondi si mescolano, accade ciò che accade sempre: l'azienda dichiara una “trasformazione” e finisce per compiere ottimizzazioni incrementali.
Roslansky promuove anche una logica di assunzione per competenze. Oltre alla discussione culturale, operativamente ciò rappresenta un ridisegno dei filtri. Se il mercato smette di premiare percorsi lineari e “carriere”, come afferma, l'azienda che continua a reclutare con requisiti rigidi si impone una scarsità di talento. Inoltre, perde diversità di profili per una ragione puramente meccanica: confonde segnale e credenziale.
Nel leadership, questo si traduce in decisioni concrete. Bilancio: quanto capitale e tempo si dedica a ridisegnare compiti chiave? Incentivi: quali obiettivi si pongono ai leader funzionali affinché forniscano risultati mentre ricostruiscono capacità? Andamento: con quale cadenza si rivedono le competenze critiche e si riassegnano persone? Se nulla di tutto ciò cambia, l'IA entra per licenze software e esce per frustrazione operativa.
Il vantaggio sostenibile: proteggere il core mentre si costruisce la capacità di cambiamento
La conversazione di HBR non annuncia alleanze né un piano di prodotto; funge da segnale di mercato. LinkedIn si posiziona come un termometro del lavoro e, con questo, spinge un'agenda: alfabetizzazione in IA più competenze umane non sostituibili. Roslansky menziona un insieme di “cinque abilità umane” che l'IA non può sostituire, anche se negli estratti disponibili non vengono etichettate. Anche senza la lista, il punto rilevante per un leader è che quelle capacità umane non vengono "dichiarate": si progettano nel lavoro.
Se un'organizzazione automatizza compiti e non ripensa dove applicare il criterio umano, le persone non sviluppano criterio; si disimpegnano. Se un team incorpora l'IA e non cambia il flusso decisionale, l'output si accelera ma la responsabilità diventa sfumata. Se si richiede creatività e collaborazione, ma si misura solo l'esecuzione rispetto al budget, si ottiene conformità, non adattamento.
La creazione di posti di lavoro nell'IA e nei centri di dati rafforza inoltre una realtà economica: la spesa si sta spostando verso infrastrutture e implementazioni. Non è solo un gioco di modelli; è un cambiamento nelle catene di approvvigionamento, energia, operazione e manutenzione. Per le aziende non tecnologiche, questo si traduce in dipendenza da fornitori e in pressione per sviluppare profili di implementazione e operazione, non solo di “strategia”.
Un leadership efficace nell'IA si vede quando il portafoglio è esplicito: il core è difeso con efficienza e focus commerciale, mentre una parte dell'organizzazione opera con sufficiente autonomia per ridisegnare il lavoro, validare nuove pratiche e scalare quanto funziona senza rimanere bloccati dai KPIs del business maturo.
Chiusura: il nuovo standard è governare due velocità senza distruggere nessuna
I dati presentati da LinkedIn descrivono un mercato in cui si creano posti di lavoro, ma le competenze diventano deperibili a un ritmo che la maggior parte delle aziende non è preparata ad affrontare. Il leadership che “si anticipa” è quello che trasforma i ruoli in compiti, riassegna talento con disciplina e finanzia l'esplorazione con metriche di apprendimento, mentre protegge il motore di reddito con controlli proprio di un business maturo. La sostenibilità dipende dall'mantenere la redditività attuale senza soffocare la capacità di ricostruire competenze prima del 2030.
