Due fondatrici over 50, un passato nelle comunicazioni e nella consulenza finanziaria, e una startup che non sviluppa modelli ma aiuta le persone a usarli. Louise Ballard e Mackenzie Howe hanno lanciato Atheni AI con una missione precisa: evitare che l’intelligenza artificiale crei una società a due velocità e che gli investimenti miliardari in licenze restino inutilizzati.

L’azienda britannica affronta un paradosso che molte organizzazioni oggi conoscono bene: l’accesso non equivale all’adozione. Un recente studio globale di CambrianEdge.ai, che ha intervistato 775 utenti in 104 aziende, rivela che il 55% dei professionisti vede nell’uso isolato e nella mancanza di flussi di lavoro strutturati uomo-macchina il principale ostacolo. E non è solo una sensazione: il 25% delle organizzazioni manca ancora di infrastrutture collaborative di base – librerie condivise di prompt, standard qualitativi, formazione – e il 18% ha già ridimensionato le iniziative IA per la scarsa adozione e risultati incostanti.

Ballard lo spiega con un esempio concreto: «Una persona può aprire ChatGPT e fare una domanda, ma sa valutare se la risposta è buona? Sa fornire il contesto giusto? Riesce a mettere in discussione l’output? Queste sono competenze che si imparano solo con pratica guidata e fiducia». La soluzione di Atheni AI ribalta l’approccio tradizionale: invece di workshop generici o demo una tantum, il team si affianca alle persone mentre lavorano, analizza la qualità dei prompt, i flussi che costruiscono e le opportunità che stanno mancando, scalando da un livello “curioso” fino a “pathfinder”.

Perché l’IA in azienda è come una Ferrari al supermercato

«Dare a qualcuno una licenza Copilot non cambia automaticamente il modo in cui lavora», chiarisce Ballard, che paragona l’uso superficiale dell’IA a guidare una Ferrari solo per fare la spesa. Il cambio reale avviene quando si ridisegnano i processi, non quando si automatizzano semplicemente. Un cliente del settore finanziario, ad esempio, ha riprogettato un processo di reportistica mensile anziché limitarsi a velocizzarlo con l’AI.

L’approccio di Atheni parte dal lavoro quotidiano e offre un coaching continuo via browser, con una dashboard che fornisce all’organizzazione una mappa trasparente delle competenze IA interne. In un caso concreto, nell’arco di tre mesi un’azienda ha raggiunto il 90% di adozione e un terzo dei dipendenti è salito al livello di capacità più alto. Non si trattava di scrivere più prompt, ma di capire come stressare le idee, analizzare scenari e risolvere problemi prima inavvicinabili.

Il nodo infrastrutturale: quando l’on-premise amplifica il problema

Chi sceglie deployment on-premise o self-hosted per garantire sovranità dei dati e controllo spesso sottovaluta una dimensione critica: senza un’interfaccia semplice e senza un percorso di accompagnamento, gli LLM restano appannaggio di pochi tecnici. Il rischio di creare una “due diligence fantasma” – costosi server GPU che macinano inferenze ma con tassi di utilizzo effettivo bassissimi – è altissimo. La lezione di Atheni AI, pur non parlando di hardware o framework specifici, indica che la maturità nell’adozione richiede coaching contestuale e strutture di condivisione della conoscenza, esattamente gli stessi colli di bottiglia che emergono nelle realtà on-premise.

La ricerca di CambrianEdge.ai lo conferma: chi possiede infrastrutture IA complete – librerie di prompt, formazione, governance – ha una probabilità molto più alta di generare un impatto di business significativo. Le organizzazioni che invece distribuiscono solo licenze (o peggio, modelli autocostruiti senza guida) si ritrovano con e-mail scritte dall’IA ma senza reale valore comunicativo.

Umano al centro, anche nel futuro agentico

Atheni AI ha chiuso un round da £350.000 lo scorso maggio, non senza difficoltà. «Come fondatrice donna sulla cinquantina ho dovuto affrontare un gap di credibilità, non solo di finanziamento», confessa Ballard. La startup ha prima investito sulla consulenza per validare il problema, poi ha costruito la piattaforma software. Un percorso che oggi le permette di guardare oltre: mentre gli agenti IA diventeranno sempre più autonomi, la vera sfida resterà orchestrarli con giudizio umano.

L’AI generativa sta spingendo le aziende a ripensare non solo la tecnicia ma l’intero modo di lavorare. Che si tratti di modelli cloud o di LLM on-premise, il crinale non è il possesso della tecnicia ma la capacità di integrarla nei processi mentali e organizzativi. Come sintetizza Ballard: «Il successo si misura da quanto a fondo l’IA entra nel modo di pensare e lavorare». Per chi oggi valuta architetture locali, il messaggio è chiaro: l’hardware da solo non salverà nessuno.