L’impiego di modelli linguistici e strumenti di IA generativa in azienda non è solo un problema di infrastruttura, ma anche di cultura interna. Salesforce lo affronta con una mossa che mescola psicologia da social network e competitività: una classifica aziendale pubblica, suddivisa per dirigente e team, che mostra chi ha ottenuto i badge legati all’uso degli strumenti AI e, con un eloquente “click to see who 👀”, chi invece ne è ancora sprovvisto.

La dinamica è tanto semplice quanto potente: ogni dipendente può vedere la posizione dei colleghi, premiare informalmente i più attivi e, all’occorrenza, esercitare una leggera pressione sociale su chi non compare in graduatoria. Il sistema ricorda da vicino le meccaniche di gamification delle app consumer, ma trasferito all’interno di un’organizzazione con migliaia di collaboratori porta con sé conseguenze da non sottovalutare.

Come funziona il sistema di badge

La leaderboard aggrega metriche di utilizzo delle piattaforme AI interne, presumibilmente legate a Salesforce Einstein o ad altri modelli messi a disposizione dei team. Ogni utente accumula punteggi o badge in base all’interazione con questi strumenti: prompt generati, workflow automatizzati, analisi eseguite. Il dato non è solo aggregato, ma reso visibile verticalmente, dai livelli alti della gerarchia fino ai singoli collaboratori. La funzione “click to see who” aggiunge un elemento di trasparenza quasi totale, trasformando l’inattività in un’assenza notabile. In termini di adozione, il rinforzo positivo (o negativo) può accelerare la curva di apprendimento e spingere i team a integrare l’IA nelle attività quotidiane. Tuttavia, un tale livello di esposizione pubblica rischia di premiare comportamenti superficiali: prompt lanciati solo per scalare la classifica, metriche gonfiate, uso poco meditato della tecnicia.

Perché la gamification divide

L’approccio di Salesforce è l’ultimo tassello di un dibattito più ampio su come le aziende misurino l’effettiva adozione dell’IA. Da un lato, la gamification abbassa la soglia psicologica all’uso di strumenti complessi, crea emulazione e offre un feedback immediato. Dall’altro, sposta l’attenzione dalla qualità alla quantità: un LLM usato per compiti marginali produce badge ma non valore. Per chi valuta deployment on-premise o self-hosted di soluzioni analoghe, il tema è ancora più delicato. Ambienti con restrizioni di accesso ai dati (air-gapped, conformità GDPR, sanità, difesa) spesso richiedono dashboard di monitoraggio interne per tracciare l’effettivo utilizzo dei modelli, ma raramente contemplano classifiche pubbliche. La sovranità dei dati passa anche dalla capacità di evitare che informazioni sensibili vengano esposte in meccanismi di gamification non controllati: una dashboard interna su stack self-hosted potrebbe aggregare metriche senza rivelare contenuti, ma il confine è sottile. AI-RADAR segue con attenzione queste dinamiche, mettendo a disposizione framework analitici per valutare i trade-off tra spinta all’adozione e controllo dei rischi.

Il nodo delle metriche e della privacy

Un leaderboard di questo tipo solleva immediatamente interrogativi su quali dati vengano effettivamente raccolti. Se il sistema registra solo il numero di interazioni, si corre il rischio di inseguire vanity metrics. Se invece scende nel dettaglio dei prompt o degli output, emergono questioni di riservatezza e di possibile esposizione di informazioni aziendali. In contesti dove l’IA è self-hosted, la proprietà dei log e la possibilità di mantenerli on-premise offrono già un livello di protezione maggiore, ma la tentazione di creare classifiche interne può spingere le organizzazioni a esporre metriche granulari senza averne valutato appieno le implicazioni. Non è un caso che molte realtà regolamentate scelgano cruscotti anonimi o aggregati, rinunciando all’elemento sociale per preservare la confidenzialità. La scelta di Salesforce sembra puntare tutto sulla leva culturale, ma il bilanciamento tra incentivo e sorveglianza resta un esercizio complesso, specie quando l’IA diventa strumento di produttività quotidiana.

Oltre il trofeo: cosa insegna la mossa di Salesforce

L’esperimento di Salesforce è un segnale chiaro: per le grandi aziende l’adozione dell’IA non è più solo una questione di licenze o potenza di calcolo, ma di change management. La leaderboard è, in fondo, un tentativo di rendere visibile il percorso di trasformazione digitale, abbattendo l’inerzia dei team meno propensi al cambiamento. Tuttavia, la stessa architettura che premia i più rapidi rischia di escludere chi ha bisogno di più tempo o di un approccio diverso, generando divisioni e ansia da prestazione. Per chi segue il deployment on-premise e le strategie di sovranità digitale, il caso Salesforce offre uno spunto di riflessione: quando l’IA viene portata all’interno del perimetro aziendale, servono metriche di successo che vadano oltre il semplice conteggio di badge, e un design che rispetti la complessità dei processi reali. La sfida è costruire cultura senza trasformare il lavoro in una caccia al trofeo.