Due linee della stessa indagine si sono mosse in direzioni opposte quest'anno. L'uso quotidiano dell'AI generativa tra i lavoratori è salito dal 14% al 22%, e il 64% ha usato l'AI al lavoro negli ultimi dodici mesi — un aumento di dieci punti. Nello stesso periodo, l'accesso alla formazione è andato nella direzione opposta: la quota di lavoratori che dichiara di avere le risorse di formazione e sviluppo di cui ha bisogno è scesa al 51%, dal 59% (PwC, 2026). Si tratta di 49.364 lavoratori in 48 Paesi e regioni e 29 settori, rilevati a maggio e giugno 2026.
Rileggetelo: adozione in crescita di dieci punti, accesso alla formazione in calo di otto. Qualunque cosa stia finanziando il vostro rollout AI, non è un budget di sviluppo in crescita. E le persone meglio posizionate per accorgersene sono quelle che possono andarsene.
La curva dell'adozione e la curva dello sviluppo si sono separate
La tentazione è trattare il 51% come un dato debole — un artefatto d'indagine, una lamentela. I dati che lo circondano nello stesso comunicato rendono difficile farlo.
I lavoratori hanno riportato più cambiamento, non meno: il 58% di chi ha vissuto cambiamenti sul lavoro ha detto che ce n'è stato più nell'ultimo anno che negli anni precedenti, e il 40% ha dichiarato di avere dovuto applicare nuove competenze nel proprio ruolo in misura ampia o molto ampia. Nel frattempo il 27% ha detto che stanchezza o burnout limitano la propria produttività, e solo un terzo aveva denaro residuo a fine mese, in calo dell'8% su base annua (PwC, 2026).
Quindi la domanda di nuove competenze è salita, la pressione sui lavoratori è salita, e l'offerta di sviluppo strutturato è scesa. Non è una questione di morale. È una questione di capacità, e ha una forma precisa.
Il cambiamento si sta anche concentrando ai vertici. PwC ha rilevato che il 51% dei senior executive e il 46% dei manager hanno applicato nuove competenze nel proprio ruolo, contro il 29% dei non-manager e il 38% dei lavoratori entry-level. L'apprendimento avviene dove la discrezionalità è già presente.
Un solo budget, due problemi di retention
PwC segmenta la forza lavoro in quattro gruppi per scarsità di competenze e capacità AI:
| Segmento | Quota | Descrizione |
|---|---|---|
| Front-runners | 14% | Competenze scarse, forte capacità AI |
| AI insurgents | 18% | Competenze meno scarse, usano l'AI per produrre di più |
| Indispensables | 11% | Competenze scarse e molto valorizzate, inizio del percorso AI |
| Engine room | 56% | Competenze non scarse, inizio del percorso AI |
La conseguenza sulla retention arriva a entrambi gli estremi della distribuzione, e i due estremi hanno bisogno di denaro diverso.
Tra i front-runner, il 29% dichiara di essere molto o estremamente probabile che cambi datore di lavoro nel prossimo anno. Sono sovra-rappresentati tra chi viene premiato per mettere in discussione i modi di lavorare esistenti (1,5 volte la media globale) e per imparare nuove competenze (1,2 volte), e hanno +33 punti di probabilità in più di chiedere una promozione (PwC, 2026). È un rischio di fuga creato dal successo. Li avete premiati per costruire una capacità trasferibile, e quella capacità è trasferibile.
All'altro estremo, del 56% dell'engine room solo due su cinque dichiarano di avere l'accesso alla formazione di cui hanno bisogno. Sono i meno premiati per l'uso dell'AI, per l'apprendimento di nuove competenze o per la messa in discussione delle prassi — e fanno la maggior parte del lavoro quotidiano. Non è un rischio di fuga. È un rischio di capacità, e si manifesta più tardi, come collo di bottiglia e non come dimissioni.
Un budget di formazione distribuito uniformemente sull'organico non finanzia né l'uno né l'altro. È troppo sottile per trattenere il 14% e troppo generico per muovere il 56%.
Il divario di fiducia sta facendo danni silenziosi
Il confronto dell'indagine tra utenti AI quotidiani e sporadici è la parte da portare al prossimo comitato operativo. Gli utenti quotidiani hanno riportato il 68% di fiducia nella sicurezza del proprio posto contro il 57% degli utenti sporadici, e risultano +12 punti più propensi a chiedere una promozione, +15 a fidarsi del top management e +21 sulla fiducia di poter imparare nuove competenze (PwC, 2026).
Sono correlazioni, non stime causali — le persone sicure di sé possono semplicemente adottare più in fretta. Ma l'implicazione operativa regge in entrambe le letture. Se la fluency nell'AI va di pari passo con la fiducia nel management e con la convinzione di poter imparare, allora la metà della forza lavoro senza accesso allo sviluppo è anche la metà meno propensa a credere al vostro programma di cambiamento, e meno propensa a dirvelo.
L'accesso alla formazione è un esito di progettazione organizzativa, non una voce di budget
Ecco il contro-argomento su cui un responsabile operativo dovrebbe fermarsi prima di approvare più spesa formativa: le aziende che sotto-investono in competenze trasferibili spesso si comportano razionalmente, e più budget da solo non risolve.
Nuove evidenze di Deming, Sadun e Stanton riformulano la formazione finanziata dall'azienda come esito di progettazione organizzativa, non di scala o di generosità (NBER Working Paper 35920, 2026). Basandosi su un'indagine su 954 aziende statunitensi con 100 o più dipendenti, trovano che avere una tassonomia delle competenze è associato a un aumento di 26 punti percentuali nella probabilità che l'azienda gestisca un programma di formazione strutturato, e un inventario delle competenze a 17 punti. Le aziende con 10.000 o più dipendenti hanno 13 punti di probabilità in più di gestire tali programmi rispetto a quelle con 100-999 — e quell'effetto di scala è già controllato nella specificazione che produce i 26 punti.
Quell'ordine di grandezza conta per un'azienda da 50 a 500 dipendenti. L'infrastruttura di misurazione predice lo sviluppo strutturato con forza doppia rispetto all'essere venti volte più grandi. Non potete comprarvene l'uscita con l'organico, e non serve essere di scala enterprise per sistemarlo.
Il loro meccanismo spiega anche il rischio di fuga dei front-runner. La progettazione organizzativa, sostengono gli autori, è il modo in cui le aziende rendono specifica una competenza generale — e la competenza specifica dell'azienda è il modo in cui l'azienda cattura il ritorno sulla formazione. Formate qualcuno su una capacità generica senza architettura di ruolo intorno e avrete finanziato l'onboarding del suo prossimo datore di lavoro. Formatelo dentro un modello di competenze definito, con un passo successivo interno visibile, e il ritorno resta vostro.
La loro analisi dei cluster aggiunge un avvertimento: la formazione tende a concentrarsi o sullo sviluppo manageriale o su quello della prima linea, raramente entrambi. Che è esattamente la modalità di fallimento che PwC misura — sviluppo concentrato dove la seniority è già presente.
Il lato dei costi aggrava il quadro. Gartner colloca i ruoli legati all'AI a tre-quattro volte la retribuzione media, con cicli di vita delle competenze AI che si accorciano a due-cinque anni, e si attende che fino al 30% dei dipendenti sostituiti dall'AI venga riassunto entro il 2029, spesso a costo più alto (Gartner, 2026). Una competenza costosa, a rapido deprezzamento e mobile è il peggior asset possibile da detenere senza una struttura di sviluppo e successione intorno.
Prima di agire sui segmenti, verificate come sono stati misurati
Una cautela, perché cambia ciò che potete fare internamente con questi dati. La segmentazione di PwC si basa sull'autovalutazione della propria capacità AI. La competenza AI autodichiarata è un segnale notoriamente debole: nell'Automation Anxiety Report 2026 di GCheck (N=1.500 lavoratori statunitensi full-time, rilevati ad aprile 2026), il 63% ha dichiarato di avere esagerato o mentito sulle proprie competenze AI per apparire più capace, con un salto all'80% tra gli under 30, mentre il 64% ha detto che il proprio datore di lavoro non ha mai tentato di verificare l'affermazione (GCheck, 2026). È un'indagine di un fornitore — GCheck vende verifica — quindi trattate la magnitudine come indicativa e la direzione come solida.
L'implicazione non è che il quadro globale di PwC sia sbagliato. Su 49.364 rispondenti, l'inflazione dell'autodichiarazione è in larga parte rumore nell'aggregato. L'implicazione è locale: se replicate questa segmentazione dentro la vostra azienda con un modulo di autovalutazione, classificherete male le persone, e lo farete in una direzione distorta — i vostri adottanti più rumorosi finiranno nella casella dei front-runner, che vi appartengano o no.
La segmentazione per capacità vale solo quanto la misurazione che la sostiene. Competenza valutata, output dimostrato e performance osservata su compiti sono strumenti diversi da una domanda sulla fiducia in sé, e divergono in modo sistematico.
Cosa dovrebbe fare un Head of Operations questo trimestre
Quattro mosse, in ordine di leva.
1. Ricalcolate il tasso di accesso alla formazione per segmento, non in aggregato. Avete quasi certamente un unico dato aziendale di partecipazione o soddisfazione formativa. Spezzatelo: per livello, per funzione e per chi sono i vostri reali utenti AI intensivi (ve lo dirà la telemetria delle licenze, non un sondaggio). Una media del 51% può nascondere l'80% ai vertici e il 40% nel mezzo — che è ciò che PwC trova a livello globale. Il divario, non la media, è il numero da gestire.
2. Costruite la tassonomia prima di comprare i contenuti. Se un effetto da 26 punti è associato all'avere una tassonomia delle competenze, e quell'effetto sopravvive ai controlli per dimensione e settore (NBER Working Paper 35920, 2026), allora la mossa più economica a alto rendimento è definire le competenze che i vostri ruoli richiedono davvero e misurare rispetto a esse per ciclo. È il lavoro che trasforma una voce di spesa formativa in un sistema di sviluppo — misurazione delle competenze che alimenta la readiness di successione e la mobilità interna invece di un catalogo di corsi, la distinzione intorno a cui è organizzato il layer di performance e successione di Scovai.
3. Date al vostro 14% perimetro, non un'altra licenza. I front-runner con il 29% di probabilità di andarsene vengono premiati per mettere in discussione lo status quo e per imparare in fretta. Più strumenti non li trattengono; un passo successivo interno visibile sì. Nominate le posizioni in cui potrebbero muoversi e la finestra di readiness — pronti ora, oppure da dodici a ventiquattro mesi — e diteglielo. Un mercato interno che funziona è qui lo strumento di retention.
4. Verificate la capacità prima di assegnare ruoli critici per l'AI. Installate un breve gate di competenza applicata prima di assegnare a qualcuno la gestione, la supervisione o la riprogettazione di un flusso di lavoro AI-dipendente. Con un tasso di inflazione dell'autodichiarazione che supera il 60% (GCheck, 2026), la pianificazione della capacità costruita sulla fluency dichiarata è pianificazione su un numero sbagliato per costruzione.
La decisione che avete davanti
Un accesso alla formazione che cala di otto punti mentre l'uso dell'AI sale di dieci non è un problema di voce di bilancio in attesa di un budget più grande. È un problema di distribuzione, e la distribuzione è una scelta di progettazione che state già compiendo per default.
Quindi la domanda per questo trimestre è stretta: conoscete il vostro tasso di accesso alla formazione per il 14% che non potete permettervi di perdere, e per il 56% che fa il lavoro? Se quei due numeri non sono su una pagina entro la fine del trimestre, non state gestendo un divario di competenze AI. Lo state finanziando.