Il Termometro della Fiducia

La fiducia nell’AI viene di solito misurata come si misura la temperatura. Una scala. Un numero. Un gradiente che sale o scende in piccoli incrementi prevedibili. Edelman pubblica lo studio. La dashboard diventa verde o rossa. Il team policy scrive un promemoria. Il numero viene trattato come la lettura di un termostato — qualcosa da spingere verso l’alto attraverso campagne, formazione e rassicurazione.

L’Edelman Trust Barometer 2026 ha rotto quel quadro. La fiducia nell’AI non è un termometro. È un dirupo.

Su circa 34.000 intervistati in 28 paesi, ascoltati tra il 23 ottobre e il 18 novembre 2025, Edelman ha trovato qualcosa che il modello del gradiente non riesce a spiegare. Il più forte predittore singolo della fiducia di una persona nell’AI non è l’età, non il reddito, non l’istruzione, non l’orientamento politico. È se quella persona abbia avuto, o no, un’esperienza utile con lo strumento. E il divario tra chi l’ha avuta e chi non l’ha avuta varia da 26 a 46 punti percentuali nei mercati studiati.

Da 26 a 46 punti non è un gradiente. È una discontinuità. I dati non mostrano persone che si scaldano lentamente verso l’AI man mano che imparano di più. Mostrano persone da una parte o dall’altra di un muro. Quel muro è un utilizzo significativo. Una volta che è avvenuto, la fiducia sale nettamente. Finché non avviene, la fiducia non si muove — per quante presentazioni il team di gestione del cambiamento possa produrre.

Il Dirupo nei Numeri

La scomposizione per paese rende il dirupo visibile su scala. In Cina, l’87 per cento degli intervistati dice di fidarsi dell’AI. In Brasile, il 67 per cento. In Germania, il 39 per cento. Nel Regno Unito, il 36 per cento. Negli Stati Uniti, il 32 per cento. Il divario tra Cina e Stati Uniti è di cinquantacinque punti percentuali — un divario così ampio che le due popolazioni vivono di fatto in rapporti diversi con la stessa tecnologia.

La tentazione è leggere le differenze tra paesi come culturali. I mercati orientali si fiderebbero della tecnologia più di quelli occidentali. Le popolazioni giovani più di quelle anziane. Le spiegazioni abituali si mettono in fila.

L’Edelman Trust Institute ha guardato al meccanismo sottostante e ha trovato qualcos’altro. L’Edelman Trust Barometer Flash Poll dell’autunno 2025 — uno studio separato, su 5.000 intervistati in Brasile, Cina, Germania, Regno Unito e Stati Uniti, condotto tra il 17 e il 27 ottobre 2025 — ha isolato la variabile esperienza. La domanda era semplice: ha tratto un beneficio personale dall’AI al lavoro? In quattro dei cinque mercati, chi ha risposto sì aveva una probabilità di fidarsi dell’AI dai 26 ai 46 punti percentuali superiore rispetto a chi ha risposto no.

Le differenze tra paesi nei dati complessivi di fiducia non spariscono quando si controlla per esperienza. Ma si riducono. Molto. La ragione per cui la Cina guida le classifiche di fiducia non è soprattutto che la cultura cinese si fidi di più della tecnologia. È che più lavoratori cinesi hanno avuto un’esperienza utile con l’AI. La fiducia segue l’esperienza. L’esperienza non segue la fiducia.

È questo che rende la metafora del dirupo più precisa di quella del termometro. Un termometro presuppone continuità — piccoli movimenti in ingresso producono piccoli movimenti in uscita. Un dirupo presuppone discontinuità — la persona da una parte ha un orientamento categorialmente diverso da quella dall’altra parte, e l’unica cosa che la fa attraversare è l’attraversamento stesso.

Cosa Decide la Prima Interazione

Amy Edmondson ha pubblicato i suoi lavori fondativi sulla sicurezza psicologica nel 1996 e nel 1999, studiando squadre infermieristiche in un ospedale. Si aspettava di trovare che le squadre con risultati migliori facessero meno errori di somministrazione. Trovò l’opposto: le squadre migliori riportavano più errori, non meno. Le squadre che funzionavano bene non erano squadre senza errori. Erano squadre oneste con l’errore. La sicurezza psicologica — che Edmondson ha definito come la convinzione che la squadra sia un luogo sicuro per assumere rischi interpersonali, la convinzione che non si verrà puniti per aver fatto una domanda o aver ammesso di non sapere qualcosa — era la variabile che distingueva le squadre capaci di far emergere gli errori da quelle che li seppellivano.

Si applichi il quadro all’adozione dell’AI e il dirupo entra a fuoco.

La prima interazione con uno strumento di AI è un momento di rischio interpersonale. La persona davanti allo schermo non sa se la sua domanda sia troppo basilare, troppo vaga o troppo rivelatrice di ciò che non sa. Non sa se il sistema produrrà qualcosa di utile o qualcosa di imbarazzante. Non sa se la sua cronologia di richieste verrà esaminata da qualcuno con autorità sulla sua valutazione. Sta esponendo un frammento di incertezza cognitiva a un sistema il cui significato sociale non è ancora stabilito.

Se quella prima interazione produce un risultato piccolo e utile — una risposta che chiarisce qualcosa, una bozza che fa risparmiare venti minuti, una sintesi che fa emergere uno schema rimasto in ombra — l’incertezza si risolve. Lo strumento passa da “minaccia potenziale al mio standing professionale” a “risorsa cui posso tornare”. La fiducia non arriva per persuasione. Arriva per l’esperienza di un ritorno non punitivo a un piccolo atto di vulnerabilità. È il quadro di Edmondson applicato agli strumenti invece che alle squadre: la sicurezza per assumere il rischio produce l’esperienza che giustifica la fiducia.

Se quella prima interazione non produce nulla — o peggio, produce qualcosa che la persona deve sistemare, difendere o nascondere — l’incertezza non si risolve. Si indurisce. Il rischio è stato assunto. Il ritorno è stato negativo. Il sistema è stato classificato come non sicuro. Nessuna formazione successiva resetterà velocemente quella classificazione, perché il sistema nervoso umano non pesa le evidenze in modo simmetrico. Una prima esperienza negativa produce una postura difensiva che le esperienze positive successive devono superare, non semplicemente sommarsi.

Il divario di 26-46 punti è l’ombra visibile di questa asimmetria. Le persone dal lato della fiducia del dirupo non sono più illuminate. Hanno avuto una prima interazione utile. Le persone dal lato della resistenza non sono più timorose. Non l’hanno avuta.

La Posizione Europea

Per le PMI europee — le aziende da 50 a 500 persone che costituiscono il pubblico di quasi tutto quello che Bluewaves scrive — il dirupo ha una geometria specifica che le medie globali nascondono.

Eurostat ha pubblicato la sua indagine TIC 2025 l’11 dicembre 2025. Il numero chiave: il 20 per cento delle imprese europee con dieci o più addetti ha usato tecnologie di AI nel 2025. Venti per cento. Il che significa che l’ottanta per cento non lo ha fatto. La crescita rispetto al 2024 è stata di 6,5 punti percentuali — un’accelerazione solida — ma il punto di partenza era il 13,5 per cento, e la destinazione resta una minoranza delle aziende europee.

La scomposizione per dimensione è ancora più rivelatrice. Le grandi imprese (oltre 250 addetti) raggiungono il 55 per cento di adozione. Le medie (50-249 addetti) il 30 per cento. Le piccole (10-49 addetti) il 17 per cento. La forbice tra paesi è ancora più ampia: Danimarca al 42 per cento, Finlandia al 37,8 per cento, Svezia al 35 per cento in alto; Romania al 5,2 per cento, Polonia all’8,4 per cento, Bulgaria all’8,5 per cento in basso.

Il tessuto delle PMI europee, in altri termini, è in larga parte ancora al di qua del dirupo. La maggior parte delle aziende non ha ancora introdotto strumenti di AI alla maggior parte dei propri addetti. La maggior parte degli addetti non ha ancora avuto una prima interazione. Il che significa che la maggior parte della formazione di fiducia che deciderà se l’AI metterà radici nelle PMI europee non è ancora avvenuta.

È una situazione inusuale. Siamo abituati a pensare all’adozione come a qualcosa che avviene a posteriori — misurata retrospettivamente, ottimizzata per iterazione. Il contesto delle PMI europee inverte la cronologia. Le prime interazioni sono ancora nel futuro. Il dirupo non è ancora stato attraversato dalla maggioranza. Le condizioni dell’attraversamento sono ancora progettabili.

È una posizione rara. È anche una posizione fragile. Perché le scelte di progettazione che determinano se la prima interazione avrà successo si stanno facendo adesso, in decisioni di acquisto, modelli di rollout e e-mail di benvenuto — e la maggior parte di queste scelte è fatta da persone che non si rendono conto di stare progettando un dirupo.

Cosa Sbagliano la Maggior Parte dei Rollout

Ho seguito decine di rollout di AI in aziende europee negli ultimi due anni. I rollout che falliscono tendono a fallire in modi simili. I rollout che riescono tendono a riuscire per ragioni simili. Lo schema non è sottile, una volta che si sa dove guardare.

I rollout che falliscono trattano la prima interazione come un problema di formazione. Il ragionamento è: se formiamo le persone abbastanza bene sullo strumento, lo useranno bene. Così il responsabile del rollout programma una sessione di formazione di un’ora. Un rappresentante del fornitore passa in rassegna le funzionalità. Le persone prendono appunti. Si fa qualche domanda. La sessione finisce. Le persone tornano alla loro scrivania, dove lo strumento è ora installato accanto ad altre diciassette applicazioni, e ci si aspetta che lo integrino nel proprio lavoro.

La prima interazione, in questa configurazione, è tipicamente una persona seduta da sola alla scrivania, che apre lo strumento per la prima volta dopo la formazione, cercando di ricordare cosa avrebbe dovuto fare. Scrive qualcosa di esitante. Lo strumento produce qualcosa di generico. La persona non sa se il risultato sia buono o cattivo — non riesce a valutarlo, perché non ha usato lo strumento abbastanza per sviluppare una calibrazione. Chiude la finestra. Torna al flusso di lavoro che già conosce. La prima interazione non è un fallimento. È un non-evento. E un non-evento è, nel quadro di Edmondson, una conferma che il rischio non valeva la pena. La fiducia non si forma perché non è successo nulla che la formasse.

I rollout che riescono trattano la prima interazione come un momento relazionale. Lo progettano. Non lo strumento — il momento. Identificano un compito specifico, piccolo e reale che la persona già svolge. Si siedono accanto alla persona — o la affiancano a una collega che ha già usato lo strumento — per la prima interazione. Guardano insieme il risultato. Danno un nome a ciò che è utile e a ciò che non lo è. Si assicurano che la persona esca dalla prima interazione con un caso concreto di “questo strumento mi ha aiutato con qualcosa che avrei dovuto fare comunque”. Quel caso diventa l’ancora della fiducia. Le interazioni successive non sono più prime interazioni — sono continuazioni di un’esperienza che la persona già classifica come positiva.

I rollout che riescono capiscono qualcosa che gli altri non capiscono: la prima interazione non è un passo in un programma di formazione. È il momento in cui il dirupo viene attraversato oppure no. Tutto il resto è a valle di quel momento.

Il Divario tra Capi e Team

I dati Edelman hanno fatto emergere un’altra indicazione che le PMI europee dovrebbero leggere con attenzione. Nei mercati studiati, quasi due terzi dei responsabili di team hanno detto di usare regolarmente strumenti di AI. Tra chi non ha responsabilità di team, la cifra era di circa uno su quattro.

Non è un divario di competenza. È un divario di prima interazione. I responsabili hanno avuto più occasioni di contatto con strumenti di AI — sono presenti nelle demo dei fornitori, inclusi nelle conversazioni di acquisto, ricevono accesso anticipato durante i piloti, e talvolta una licenza personale prima del rollout esteso. Hanno avuto più prime interazioni, alcune con risultati utili. Sono dal lato della fiducia del dirupo.

I team senza responsabilità di guida ricevono, nella maggior parte dei rollout che ho osservato, una prima interazione diversa. Ricevono una e-mail che annuncia lo strumento. Ricevono un link a una formazione registrata. Ricevono una scadenza entro cui dovrebbero usarlo. Non hanno una collega seduta accanto per la prima richiesta. Non hanno un compito esplicito, piccolo e reale su cui applicare lo strumento. Ricevono la configurazione che produce non-eventi.

Il divario di fiducia tra responsabili e team nei dati Edelman non è soprattutto un divario di capacità, intelligenza o apertura alla tecnologia. È un divario nella qualità delle prime interazioni. I responsabili hanno avuto i momenti relazionali. I team hanno avuto la e-mail.

Per una PMI che adotta l’AI, questo significa che la domanda “il nostro team sta adottando lo strumento?” è la domanda sbagliata. La domanda giusta è: “qual è stata la prima interazione di ciascuna persona con questo strumento, ed è stata abbastanza buona da metterla dal lato della fiducia del dirupo?” Se non riesci a rispondere a quella domanda per ogni persona, non hai una strategia di adozione. Hai una speranza di adozione.

L’Asimmetria delle Prime Impressioni Negative

C’è un dato di fisiologia dello stress che vale la pena nominare qui. Robert Sapolsky, in Why Zebras Don’t Get Ulcers, documenta l’asimmetria del rilevamento delle minacce nei sistemi nervosi dei mammiferi. Un predatore mancato è un pasto perso. Un predatore non rilevato è la morte. Il sistema nervoso è calibrato per pesare di più i segnali negativi rispetto a quelli positivi, perché il costo di un falso negativo — non vedere una minaccia reale — è più alto del costo di un falso positivo — trattare come minaccia ciò che è sicuro.

Questa asimmetria viaggia fino al posto di lavoro. Una persona che ha avuto un’esperienza negativa con uno strumento avrà bisogno di più esperienze positive prima che la classificazione negativa venga riscritta. Il rapporto esatto varia — la ricerca sul bias di negatività produce stime tra tre a uno e cinque a uno — ma la direzione è costante. Le prime impressioni negative si appiccicano. Le prime impressioni positive si lasciano rinforzare. Il substrato non è simmetrico.

Per questo il divario Edelman non si chiude rapidamente con esposizioni successive. Una persona che ha avuto una prima interazione negativa con uno strumento di AI non è semplicemente qualcuno che non ne ha ancora avuta una positiva. È qualcuno il cui sistema nervoso ha già codificato lo strumento come fonte di rischio. La prossima esposizione dovrà lavorare più duro della prima, perché sta combattendo una classificazione esistente, non costruendone una da zero.

Per i team di rollout, l’implicazione operativa è severa. Non si può fare una cattiva prima interazione e poi sistemarla con una seconda migliore. La prima interazione non è una bozza. È la fondazione. I rollout che ho visto riuscire la trattano con la serietà che questa scoperta merita.

Cosa Suggeriscono i Dati di Fare

Sono cauta con le liste prescrittive, perché tendono a convertire risultati sfumati in checklist che producono la stessa non-adozione guidata dalla conformità che i risultati cercavano di evitare. Ma i dati Edelman, combinati con il quadro di Edmondson e con l’asimmetria di negatività di Sapolsky, indicano un piccolo insieme di scelte strutturali che le PMI europee dovrebbero fare prima del prossimo rollout di AI.

Progettare esplicitamente la prima interazione. Non dare per scontato che avvenga. Non dare per scontato che la formazione la produca. Per ogni persona del team, identifica un compito reale e piccolo su cui lo strumento può dimostrabilmente aiutare, e progetta il momento in cui la persona usa lo strumento su quel compito. Il progetto non è una checklist. È un momento relazionale — una collega presente, una domanda attesa, un risultato nominato.

Ordinare per disponibilità, non per organigramma. Le prime persone a interagire con lo strumento dovrebbero essere quelle con maggiori probabilità di avere una prima interazione utile. Spesso significa partire dagli utenti curiosi, non dalla dirigenza. Gli utenti curiosi producono segnali di fiducia che il resto dell’organizzazione può osservare — il che riduce il rischio percepito della prima interazione per tutti quelli che verranno dopo.

Separare il rollout dalla valutazione. Durante la finestra delle prime interazioni, nessuna dashboard di utilizzo dovrebbe essere visibile ai responsabili. Nessuna metrica dovrebbe salire la catena. La prima interazione è un momento di apprendimento. Trattarla come momento di valutazione chiude la sicurezza che l’apprendimento richiede. Una volta formata la fiducia — una volta che il team è dal lato giusto del dirupo — i dati di utilizzo possono diventare operativamente utili. Prima di allora, sono una minaccia che impedisce proprio il comportamento che vogliono misurare.

Costruire per la prima interazione fallita. Alcune prime interazioni andranno male. Lo strumento produrrà qualcosa di inutile o fuorviante. Il design del rollout deve includere un percorso esplicito e a basso costo affinché la persona segnali il fallimento e provi di nuovo con aiuto. Il fallimento non è il problema. Il fallimento non portato in superficie è il problema — perché un fallimento non portato in superficie si indurisce nella classificazione negativa che la ricerca di Sapolsky descrive, e le esperienze positive successive dovranno combatterlo per mesi.

Misurare l’esperienza, non l’attività. La domanda rilevante non è quante richieste ha fatto il team questa settimana. È quante persone, se interpellate direttamente, direbbero che lo strumento le ha aiutate a fare qualcosa che dovevano fare comunque. Quella misurazione è più difficile. Per questo la maggior parte delle organizzazioni la salta. Saltare quella misurazione è la ragione per cui la maggior parte dei rollout produce attività senza adozione.

L’Integrazione

Ecco la tensione che voglio tenere aperta, perché collassarla tradirebbe i dati.

Gli strumenti di AI sono utili. Gli intervistati Edelman che hanno dichiarato un uso regolare di AI hanno anche dichiarato guadagni netti in fiducia, produttività e adesione. Quando lo strumento aiuta le persone a comprendere idee complesse, la fiducia sale di circa quaranta punti nei mercati, e di quasi cinquanta punti nel Regno Unito. I benefici sono reali. I dati non sono ambigui su questo.

I rollout di AI, in larga parte, stanno fallendo nel produrre quei benefici. L’ottanta per cento delle imprese europee con dieci o più addetti non usa l’AI. Tra quelle che la usano, il divario tra responsabili e team è strutturale, non accidentale. I benefici sono distribuiti in modo disuguale perché le prime interazioni sono progettate in modo disuguale. Lo strumento funziona. Il rollout, il più delle volte, no.

Entrambe le cose sono vere. La tecnologia ha attraversato una soglia di capacità. Le organizzazioni che la usano non hanno attraversato una soglia di progettazione. La capacità è uniforme. La fiducia è bimodale.

Il contesto delle PMI europee — dove la maggior parte delle aziende è ancora in fase di pre-adozione, dove la maggior parte degli addetti non ha ancora avuto la propria prima interazione — è il momento raro in cui la soglia di progettazione è ancora davanti all’organizzazione, non dietro. Le decisioni che si stanno prendendo ora, in acquisti e onboarding e nelle prime e-mail sul nuovo strumento, sono decisioni su quale lato del dirupo atterrerà ciascuna persona. Quelle decisioni sono reversibili solo a costo alto. Sono progettabili a costo basso — se la progettazione avviene prima del rollout, non dopo.

Edelman ci ha dato i dati. Edmondson ci ha dato il quadro. Sapolsky ci ha dato il meccanismo. L’integrazione dei tre è l’immagine operativa: la fiducia si costruisce o si spezza nella prima interazione, la prima interazione è un momento di rischio psicologico, e il sistema nervoso che elabora quel momento pesa gli esiti in modo asimmetrico. Niente di tutto questo è un termometro. Tutto questo è un dirupo.

La maggior parte delle organizzazioni progetta per la centesima interazione efficiente. Il problema dell’adozione sta nella prima interazione sicura.

La lettura del termometro non si muove perché il termometro è lo strumento sbagliato. Quello che i dati stanno misurando non è una temperatura. È una posizione. E la posizione, a differenza della temperatura, non si aggiusta scaldando la stanza. È determinata dal punto in cui la persona stava in piedi nel momento che contava.

La prima interazione è l’unica che conta. La maggior parte delle organizzazioni non la sta progettando. È il problema di adozione che nessuno sta risolvendo — e l’occasione rara, per le PMI ancora al di qua del dirupo, di progettarla prima che il dirupo si fissi.