Nel panorama europeo della trasformazione digitale, l’intelligenza artificiale sta progressivamente perdendo la sua aura di tecnologia autonoma per diventare un indicatore indiretto della maturità organizzativa delle imprese. La discussione non riguarda più soltanto modelli, infrastrutture o capacità computazionale, ma la qualità dei sistemi umani che li utilizzano, li interpretano e li trasformano in decisioni operative. In questo contesto si inserisce il lavoro di Beatrix Daros, che si colloca in una zona ibrida tra consulenza strategica, facilitazione sistemica e ingegneria culturale delle organizzazioni, dove la tecnologia è trattata come variabile dipendente dalla qualità del contesto decisionale.
Il punto centrale del suo approccio non è l’adozione dell’intelligenza artificiale come strumento di efficienza, ma la costruzione di ambienti organizzativi in grado di sostenere complessità crescente senza collassare in modelli decisionali semplificati. In molte imprese europee, la narrativa sull’AI continua a essere dominata da una promessa implicita di automazione lineare, come se l’aumento di capacità algoritmica potesse sostituire la necessità di giudizio umano strutturato. La realtà operativa è più ambigua e meno rassicurante, perché ogni sistema AI introdotto in azienda tende a riflettere le fragilità cognitive e politiche dell’organizzazione che lo implementa.
Il lavoro di facilitazione strategica e team coaching associato a metodologie come LEGO Serious Play e ORSC si inserisce proprio in questa zona di attrito, dove la tecnologia incontra la cultura aziendale. L’obiettivo non è rendere le decisioni più veloci, ma più leggibili internamente, riducendo il rischio di allineamenti superficiali che mascherano disaccordi strutturali. In questo senso, la cosiddetta psychological safety non è una soft skill accessoria, ma un meccanismo di governance implicita che determina la qualità dell’input umano nei sistemi decisionali, inclusi quelli mediati dall’intelligenza artificiale.
Il paradosso che molte organizzazioni faticano ad affrontare è che l’intelligenza artificiale amplifica ciò che trova, non ciò che si desidera. Se un team è incapace di esprimere dissenso in modo produttivo, l’AI tenderà a consolidare quella silenziosa convergenza, restituendo output che appaiono coerenti ma sono epistemologicamente fragili. La promessa di oggettività algoritmica si scontra quindi con una realtà più scomoda, nella quale la qualità dei dati organizzativi dipende dalla qualità delle relazioni interne.
In questo scenario, il ruolo del facilitatore sistemico diventa quello di un ingegnere del contesto piuttosto che del contenuto. Non si tratta di suggerire risposte migliori, ma di progettare le condizioni attraverso cui le domande emergono in modo non distorto. Il lavoro di Beatrix Daros si colloca esattamente in questa dimensione, dove la strategia non è un piano statico ma un processo emergente che richiede strumenti capaci di rendere visibili le dinamiche invisibili dei sistemi complessi.
Il ricorso a metodologie esperienziali come la costruzione simbolica o la facilitazione partecipativa non va interpretato come un gesto anti-tecnologico o nostalgico, ma come un tentativo pragmatico di ridurre la distanza tra linguaggio manageriale e realtà operativa. Molte aziende che investono in intelligenza artificiale scoprono rapidamente che il problema non è la qualità del modello, ma la qualità delle domande che vengono poste al modello stesso. In questo senso, la sofisticazione tecnologica senza sofisticazione culturale produce un effetto di accelerazione del rumore decisionale.
La questione si complica ulteriormente quando l’AI entra nei processi di pianificazione strategica e gestione del cambiamento. Qui il rischio non è soltanto quello di automazione impropria, ma di delega cognitiva non esplicita, dove le decisioni vengono progressivamente spostate verso sistemi che non hanno accountability organizzativa. La governance diventa allora un problema distribuito e spesso non formalizzato, che richiede nuove forme di responsabilità diffusa e non gerarchica.
Il contributo di approcci sistemici come quello promosso da Beatrix Daros si inserisce in questa frattura tra tecnologia e organizzazione, proponendo una lettura in cui la performance dell’intelligenza artificiale non è separabile dalla qualità del tessuto relazionale che la circonda. L’idea che la trasformazione digitale possa essere affrontata come una semplice implementazione tecnologica appare sempre più distante dalla realtà dei progetti enterprise contemporanei, dove il fallimento raramente è tecnico e quasi sempre organizzativo.
La traiettoria europea, rispetto al modello statunitense, mostra una maggiore attenzione alla dimensione sistemica e regolatoria, ma anche una certa lentezza nel tradurre questa consapevolezza in pratiche operative scalabili. Le aziende oscillano tra entusiasmo per l’AI generativa e difficoltà strutturale nel ripensare i propri modelli decisionali. In questo spazio intermedio, la leadership diventa un esercizio di gestione dell’ambiguità più che di ottimizzazione delle performance.
La vera posta in gioco non è quindi l’adozione dell’intelligenza artificiale, ma la capacità delle organizzazioni di diventare sistemi cognitivi più maturi. Questo implica accettare che l’AI non risolve la complessità, ma la rende più visibile, e che la qualità delle decisioni dipende meno dalla potenza degli algoritmi e più dalla capacità dei team di operare senza illusioni di consenso artificiale. In questo quadro, la leadership sistemica si configura come una delle poche risposte plausibili a un ambiente tecnologico che continua a promettere semplificazione mentre produce, inevitabilmente, ulteriore complessità.