La paura di condividere nell’era dell’AI

Dal knowledge hiding al sapere generativo: la conoscenza condivisa non si somma, si ricombina.

Quando le conoscenze si incontrano nasce qualcosa di nuovo, superiore alla somma delle parti: è la logica della recombinant innovation.

In breve — Tre domande chiave

Perché l’intelligenza artificiale fa paura nelle organizzazioni?

L’intelligenza artificiale fa paura perché non interviene solo su attività ripetitive o operative, ma anche su conoscenza, linguaggio, analisi, scrittura e supporto alle decisioni.

Per molte persone questo mette in discussione il modo in cui hanno costruito il proprio valore professionale: non più soltanto su ciò che sanno custodire, ma su ciò che sanno generare, condividere e far evolvere.

In questo senso, l’AI non crea la paura di condividere conoscenza: la rende più visibile, la accelera e costringe le organizzazioni ad affrontarla.

Che cos’è il knowledge hiding?

Il knowledge hiding è il comportamento con cui una persona trattiene conoscenze, informazioni o competenze che sarebbero utili ad altri.

Può nascere da insicurezza, paura di perdere centralità, volontà di proteggere il proprio ruolo o timore di rendere visibili fragilità professionali.

Nell’era dell’AI questo meccanismo diventa ancora più evidente: chi teme di trasferire ciò che sa a un collega può temere ancora di più di trasferirlo a uno strumento veloce, scalabile e sempre disponibile.

Perché il sapere condiviso è generativo?

Il sapere condiviso è generativo perché non si limita a duplicare conoscenza: la mette in relazione con altre competenze, prospettive, esperienze e tecnologie.

Quando ciò che conosce una persona incontra ciò che conosce un’altra, può nascere qualcosa di nuovo, spesso superiore alla semplice somma delle parti.

È la logica della recombinant innovation: l’innovazione che nasce dalla ricombinazione di conoscenze diverse. Per questo condividere conoscenza non significa perdere valore, ma evolverlo.

Ogni grande trasformazione tecnologica costringe le persone a ridefinire il proprio valore professionale.

È accaduto con l’automazione industriale, con l’informatica, con internet, con il cloud, con i dati. Accade oggi, in modo ancora più profondo, con l’intelligenza artificiale. La differenza è che l’AI non sembra limitarsi a sostituire gesti meccanici, attività ripetitive o processi standardizzati. Entra in un territorio molto più sensibile: quello del linguaggio, dell’analisi, della scrittura, della conoscenza, del ragionamento, della creatività apparente, del supporto alle decisioni.

Per questo fa paura.

Non soltanto perché potrebbe modificare il lavoro. Ma perché sembra porre a ciascuno una domanda più radicale: il mio valore professionale dipende da ciò che so custodire, o da ciò che so generare, trasferire, combinare e far evolvere?

Questa domanda non nasce con l’AI. L’AI la rende solo più visibile.

In molte organizzazioni esiste da sempre una forma silenziosa di difesa individuale: trattenere conoscenza. Non spiegare fino in fondo come si fa una certa attività. Non documentare davvero un processo. Trasmettere informazioni parziali. Conservare nella propria testa prassi, relazioni, scorciatoie operative, criteri decisionali, errori da evitare. A volte questo accade per abitudine. A volte per mancanza di tempo. A volte perché il sapere è talmente incorporato nell’esperienza da risultare difficile da raccontare.

Ma altre volte accade per paura.

La paura che, se gli altri imparano ciò che so, io diventi meno necessario. La paura che, se il mio metodo diventa visibile, venga giudicato. La paura che, se il processo viene chiarito, emerga che non era così solido come sembrava. La paura che l’organizzazione possa fare a meno di me.

La letteratura manageriale definisce questo fenomeno knowledge hiding: il comportamento, più o meno consapevole, con cui una persona trattiene conoscenza richiesta o utile ad altri. È un tema classico negli studi sul knowledge management, ma nell’epoca dell’intelligenza artificiale assume un significato nuovo.

Perché l’AI intercetta esattamente lo stesso schema psicologico.

Prima il timore poteva essere: “Se insegno a un collega quello che so, perderò centralità”.
Oggi il timore diventa: “Se insegno a un agente AI quello che so, diventerò sostituibile”.

Il salto non è banale.

Un collega resta umano: ha tempi di apprendimento, limiti di memoria, esigenze relazionali, vincoli organizzativi. Un agente virtuale, invece, appare scalabile, veloce, sempre disponibile, capace di accedere a una quantità enorme di informazioni e di restituire risposte in pochi secondi. Anche se sbaglia, anche se ha limiti importanti, anche se richiede controllo e competenza, la sua sola esistenza cambia la percezione del rischio.

Chi già vive la conoscenza come una forma di protezione individuale può percepire l’AI come una minaccia diretta. Non perché la conosca davvero, ma perché intuisce che essa rende meno difendibile il monopolio personale su certe informazioni, su certe procedure, su certi modi di lavorare.

Ecco perché, in alcune organizzazioni, la resistenza all’AI non è solo tecnologica. È identitaria.

Non riguarda soltanto la difficoltà di usare un nuovo strumento. Riguarda la paura di perdere una posizione costruita sulla scarsità della conoscenza. Riguarda il timore di vedere reso esplicito ciò che prima era implicito. Riguarda la sensazione che un sapere custodito per anni possa essere trasformato in istruzioni, prompt, procedure, modelli, workflow, agenti, automazioni.

In questo senso, l’AI non crea la paura di condividere. La rivela, la accelera e la rende impossibile da ignorare.

Il punto, però, è che questa paura nasce da una premessa fragile: l’idea che il valore professionale coincida con l’esclusività di ciò che si sa.

È una premessa comprensibile, ma sempre meno sostenibile.

La conoscenza trattenuta produce valore in modo lineare: resta legata alla persona che la possiede. Funziona finché quella persona è presente, disponibile, motivata, centrale nel processo. Ma genera dipendenza. Rende l’organizzazione più lenta. Rende più difficile formare nuovi collaboratori. Riduce la capacità di delegare. Trasforma alcune persone in colli di bottiglia. E, paradossalmente, può imprigionare proprio chi vorrebbe proteggere.

Chi trattiene conoscenza pensa spesso di diventare indispensabile. Ma l’indispensabilità operativa può diventare una gabbia. Se nessuno può fare ciò che faccio io, sarò sempre richiamato sulle stesse attività, sugli stessi problemi, sugli stessi passaggi. Sarò centrale, sì, ma potrei non riuscire mai a liberare spazio per crescere davvero.

La conoscenza condivisa, invece, ha una natura diversa. Non si consuma nel trasferimento. Se io spiego a un collega un criterio, un metodo, una prassi o un ragionamento, non ne resto privo. Anzi, posso ricevere domande, obiezioni, miglioramenti, nuove applicazioni. Posso vedere il mio stesso sapere attraverso uno sguardo diverso.

Per questo il sapere condiviso è generativo.

Non è semplicemente sapere duplicato. È sapere che entra in relazione con altri saperi.

Quando ciò che conosco io incontra ciò che conosci tu, può nascere qualcosa che nessuno dei due avrebbe prodotto da solo. Una competenza tecnica può incontrare una sensibilità commerciale. Un’esperienza operativa può incontrare una capacità digitale. Una prassi consolidata può essere reinterpretata da chi arriva da un altro settore. Un’intuizione individuale può diventare processo. Un processo può diventare dato. Un dato può diventare decisione. Una decisione può diventare apprendimento organizzativo.

La letteratura sull’innovazione parla, in questo senso, di recombinant innovation: l’innovazione che nasce dalla ricombinazione di conoscenze esistenti. Molte innovazioni non derivano da una creazione improvvisa e isolata, ma dall’incontro inatteso tra elementi già presenti: tecnologie, esperienze, prospettive, linguaggi, modelli mentali, problemi e soluzioni.

Questa è una chiave decisiva anche per interpretare il rapporto tra intelligenza umana e intelligenza artificiale.

Un agente AI non è un sostituto magico della competenza. Non possiede responsabilità, non conosce realmente il contesto, può produrre errori, può restituire risposte convincenti ma sbagliate, può non cogliere implicazioni organizzative, legali, relazionali o reputazionali. Ha bisogno di essere istruito, orientato, verificato, corretto.

Ma proprio per questo può diventare potente nelle mani di chi sa.

Chi possiede vera competenza può trasformare l’AI in un moltiplicatore. Può usarla per esplorare alternative, simulare scenari, ordinare informazioni, produrre prime bozze, confrontare ipotesi, accelerare analisi, generare domande migliori. Può trasferire all’agente parte del proprio metodo, non per abdicare al proprio ruolo, ma per aumentare la propria capacità di lavoro.

L’errore è pensare che l’AI sostituisca automaticamente la professionalità. Molto più spesso, almeno nelle attività complesse, l’AI modifica la forma della professionalità. Sposta valore dalla mera produzione dell’output alla capacità di formulare il problema, istruire lo strumento, valutare la risposta, correggere l’errore, integrare il risultato in un contesto reale.

In altre parole: l’AI riduce il valore della conoscenza custodita come rendita, ma aumenta il valore della conoscenza capace di guidare, verificare e ricombinare.

Da qui nasce una nuova responsabilità per la leadership.

Chi guida un’organizzazione non può limitarsi a introdurre strumenti di AI, acquistare licenze, organizzare corsi o promuovere genericamente l’innovazione digitale. Deve prima affrontare il nodo culturale: aiutare le persone a ridefinire il proprio rapporto con la conoscenza.

La domanda vera non è: “Quanti usano l’AI?”.
La domanda vera è: “Le persone si sentono abbastanza sicure da mettere in circolo ciò che sanno, imparare ciò che non sanno e lasciarsi aiutare da strumenti nuovi senza percepirlo come una diminuzione del proprio valore?”.

Qui entra in gioco la sicurezza psicologica.

Un’organizzazione che vuole apprendere deve consentire alle persone di fare domande, ammettere limiti, condividere dubbi, spiegare processi mentali, rendere visibili errori e sperimentare nuovi strumenti senza sentirsi esposte al ridicolo o alla svalutazione. La sicurezza psicologica non è buonismo. Non significa assenza di standard. Al contrario, è la condizione che permette di alzare gli standard, perché rende possibile l’apprendimento.

Se usare l’AI viene percepito come segno di debolezza, le persone la rifiuteranno o la useranno di nascosto. Se condividere conoscenza viene percepito come perdita di potere, continueranno a trattenerla. Se chiedere aiuto viene interpretato come incompetenza, tutti fingeranno di sapere già abbastanza.

La leadership deve interrompere questo ciclo.

Deve spiegare che il valore professionale non consiste più nel sapere qualcosa che gli altri ignorano, ma nel saper contribuire a un sistema che apprende più velocemente. Deve premiare chi forma, chi documenta, chi semplifica, chi rende autonomi gli altri, chi costruisce metodo, chi non tiene l’organizzazione dipendente dalla propria presenza.

In molte aziende, anche inconsapevolmente, viene premiato il comportamento opposto: la persona che risolve perché solo lei sa come fare. Nel breve periodo è utile. Nel lungo periodo è rischioso. Perché trasforma la dipendenza in prestigio e l’opacità in potere.

Un leader maturo deve cambiare questa metrica.

Non basta riconoscere chi “sa fare”. Bisogna riconoscere chi fa crescere la capacità degli altri di fare. Non basta valorizzare l’esperto. Bisogna valorizzare l’esperto che rende l’organizzazione meno fragile, più autonoma, più capace di apprendere.

Questo è ancora più importante quando entrano in gioco agenti digitali e automazioni.

Un’organizzazione in cui la conoscenza è dispersa, implicita, non documentata, custodita da pochi, farà molta più fatica a usare bene l’AI. Gli strumenti potranno anche essere potenti, ma mancheranno contesto, criteri, dati affidabili, processi chiari, responsabilità definite. L’AI rischierà di amplificare confusione invece che intelligenza.

Al contrario, un’organizzazione abituata a condividere sapere sarà più pronta. Perché avrà processi più leggibili, persone più autonome, conoscenze più accessibili, maggiore capacità di verifica, migliore attitudine all’apprendimento. In quel contesto l’AI non arriva come corpo estraneo, ma come ulteriore livello di ricombinazione.

Per questo la vera alternativa non è tra uomo e macchina.

La vera alternativa è tra due culture.

Da un lato, una cultura della protezione: so, trattengo, difendo, controllo, resto indispensabile.
Dall’altro, una cultura della generatività: so, condivido, combino, insegno, imparo, evolvo.

La prima può dare sicurezza nel breve periodo, ma tende a invecchiare rapidamente.
La seconda espone di più, ma consente di crescere.

L’AI rende questa scelta più urgente perché accelera tutto: la disponibilità di informazioni, la produzione di contenuti, l’analisi dei dati, la creazione di alternative, la possibilità di automatizzare attività. In un contesto simile, ciò che resta chiuso rischia di perdere valore più velocemente. Ciò che circola, invece, può essere riutilizzato, migliorato, adattato, combinato.

Il sapere generativo produce almeno tre effetti.

Il primo è moltiplicativo: una competenza non resta concentrata in una sola persona, ma diventa disponibile per più persone e più processi.

Il secondo è ricombinante: quella competenza incontra altre competenze e genera soluzioni nuove.

Il terzo è evolutivo: chi condivide libera spazio per affrontare problemi più complessi e spostare più in alto il proprio contributo.

Questa è la vera risposta alla paura dell’AI.

Non negare che il cambiamento sia profondo. Non raccontare che nessun lavoro sarà toccato. Non fingere che gli strumenti siano perfetti. Ma aiutare le persone a capire che il modo migliore per non essere superate non è trattenere conoscenza: è renderla viva, mobile, trasferibile, ricombinabile.

Chi trattiene sapere prova a proteggere il proprio presente.
Chi condivide sapere costruisce la propria evoluzione.

La leadership contemporanea deve accompagnare questo passaggio. Deve trasformare la conoscenza da proprietà difensiva a infrastruttura collettiva. Deve aiutare le persone a vedere l’AI non come una macchina a cui consegnarsi, ma come un insieme di collaboratori ad alto potenziale, da istruire e governare con competenza umana.

Perché il futuro del lavoro non premierà chi saprà nascondere meglio ciò che sa.

Premierà chi saprà imparare più velocemente, condividere con più intelligenza, usare le tecnologie con più consapevolezza e generare nuove connessioni tra persone, dati, processi e idee.

Il sapere trattenuto protegge il passato.
Il sapere condiviso costruisce futuro.

Fonti e approfondimenti

• Catherine E. Connelly, David Zweig, Jane Webster, John P. Trougakos, “Knowledge hiding in organizations”, Journal of Organizational Behavior, 2012.

• Amy C. Edmondson, “Psychological Safety and Learning Behavior in Work Teams”, Administrative Science Quarterly, 1999.

• Amy C. Edmondson, “The Fearless Organization”, Wiley, 2018.

• Ikujiro Nonaka, Hirotaka Takeuchi, “The Knowledge-Creating Company”, Oxford University Press, 1995.

• Bruce Kogut, Udo Zander, “Knowledge of the Firm, Combinative Capabilities, and the Replication of Technology”, Organization Science, 1992.

• Paul M. Romer, “Endogenous Technological Change”, Journal of Political Economy, 1990.

• Anita Williams Woolley, Christopher F. Chabris, Alex Pentland, Nada Hashmi, Thomas W. Malone, “Evidence for a Collective Intelligence Factor in the Performance of Human Groups”, Science, 2010.

• Emanuele Bazzichi, Massimo Riccaboni, Fulvio Castellacci, “Bridging Distant Ideas: the Impact of AI on R&D and Recombinant Innovation”, 2026.

• Stanford Institute for Human-Centered AI, “Artificial Intelligence Index Report 2025”.

• World Economic Forum, “The Future of Jobs Report 2025”.

• Microsoft Work Trend Index, approfondimenti su AI, agenti digitali e trasformazione del lavoro.