Sono intercorsi gli interventi di Marco Forte, direttore generale della Fondazione Monte dei Paschi di Siena, e di Marco Grazzi, professore di Politica economica all’Università Cattolica del Sacro Cuore. Forte ha analizzato il presente a partire dal territorio senese e dalle ragioni per cui la Fondazione lo sostiene; Grazzi ha allargato lo sguardo all’Italia, all’Europa e all’economia mondiale, collegando i dati macroeconomici alle condizioni concrete in cui si fa impresa. Nel confronto conclusivo, Ester Vigilante (alla guida della Direzione Operativa di IKIGAI e al coordinamento del Founder Builder Summer Camp) ha riportato la discussione sul significato politico e sociale del fare impresa.

La domanda che ha attraversato l’intero webinar è stata semplice solo in apparenza: che senso ha avviare un’impresa in un Paese che cresce poco, investe poco e offre alle nuove generazioni prospettive più fragili rispetto a quelle vissute da chi le ha precedute? La risposta emersa non è stata consolatoria: prima di parlare di opportunità, è stato necessario guardare in faccia i vincoli.

Marco Forte: cambiare la geografia economica del territorio

Forte ha delineato il quadro socio-economico della provincia di Siena, descrivendo un territorio segnato da una demografia sfavorevole: poche nascite unite a un progressivo invecchiamento della popolazione. Non si tratta soltanto di una questione anagrafica. Quando aumenta la quota di persone anziane rispetto alla popolazione attiva, crescono la pressione sul sistema di welfare, il bisogno di assistenza e la difficoltà di sostenere pensioni e servizi con una base lavorativa più ristretta.

A questa fragilità si aggiunge una struttura economica poco dinamica. L’agricoltura ha svolto storicamente un ruolo centrale, mentre l’industria non ha mai consolidato una presenza forte e duratura. Il territorio si è appoggiato soprattutto sui servizi tradizionali — settore bancario, pubblica amministrazione, sanità — e sul turismo. Quest’ultimo rimane una risorsa importante e resiliente, ma, nelle sue forme più diffuse, genera spesso un basso valore aggiunto e può produrre effetti estrattivi: pressione sul mercato degli affitti, costi sociali e ambientali, stravolgimento dei centri storici e proliferazione di impieghi meno qualificati o scarsamente remunerati.

Il problema non risiede soltanto nei settori esistenti, ma nella tipologia di imprese che li compongono. La prevalenza di microimprese comporta spesso una ridotta dotazione di capitale, minore capacità di innovare e assumere personale, scarse opportunità di formazione e carriera, tutele più deboli e retribuzioni che faticano a reggere l’impatto dell’inflazione. Se la “torta” del valore aggiunto è ridotta, resta ben poco da distribuire tra capitale e lavoro.

Forte ha descritto Siena come un territorio storicamente abituato alla rendita: prima agraria, poi finanziaria e immobiliare, sostenuta da stipendi e pensioni maturati in una stagione economica più favorevole. Una ricchezza tuttora visibile, ma insufficiente a generare un nuovo sviluppo. Il rischio è quello di conservare una buona qualità della vita senza costruire una solida qualità economica: un luogo da cui la popolazione giovanile parte per lavorare altrove e in cui fa ritorno soltanto per le vacanze.

Da qui scaturisce il ruolo attribuito all’università, al distretto delle biotecnologie e ai programmi di IKIGAI. Per la Fondazione, sostenere formazione, innovazione e nuove realtà imprenditoriali significa provare a cambiare la geografia economica del territorio: creare attività capaci di radicarsi, offrire retribuzioni e percorsi di carriera migliori, esercitare attrazione verso le persone giovani e stimolare nuovi arrivi.

Nel confronto finale, Forte ha usato parole ancora più nette sul rapporto intergenerazionale: le generazioni precedenti hanno beneficiato di trattamenti pensionistici e condizioni economiche finanziati anche tramite il debito, lasciando in eredità un sistema più gravoso. Tuttavia, ha rifiutato di trasformare questa realtà in un alibi per l’immobilismo. In un contesto caratterizzato da scarsa presenza imprenditoriale e da poca innovazione, chi porta competenze e soluzioni nuove può trovare spazi persino maggiori. Oggi, inoltre, si dispone di strumenti che chi faceva impresa nel dopoguerra non aveva: un accesso più ampio all’università, tecnologie avanzate, programmi di formazione dedicati, il sostegno delle fondazioni e un sistema di welfare universale che, per quanto indebolito, continua a garantire tutele.

Il vero elemento mancante, secondo Forte, è la fiducia nel futuro. Più ancora delle condizioni materiali, è questa sfiducia a frenare l’iniziativa. La sfida consiste quindi nel coniugare la qualità della vita toscana con standard ugualmente elevati sul piano del lavoro e della remunerazione.

Marco Grazzi: conoscere i vincoli senza farsi paralizzare

Per delineare il contesto, ha richiamato tre fonti principali: la Relazione annuale della Banca d’Italia, il rapporto Draghi sulla competitività europea e l’Economic Outlook dell’OCSE. Il punto di partenza è una crescita italiana stabilmente debole, inferiore all’1%. Grazzi ha ricordato i limiti del PIL — che misura soltanto ciò che transita sul mercato, trascurando ad esempio il lavoro di cura non retribuito — ma ne ha evidenziato l’utilità per mettere a confronto Paesi ed epoche differenti.

Un dato apparentemente positivo, come il valore delle esportazioni, può rivelarsi ingannevole se analizzato isolatamente. L’Italia, per esempio, si colloca ai vertici europei nell’export farmaceutico, ma trattiene soltanto una quota ridotta del valore generato dalla filiera. Le fasi più remunerative — ricerca, innovazione, sperimentazione clinica e brevetti — si concentrano spesso all’estero, mentre sul territorio nazionale rimane prevalentemente la produzione fisica. Di conseguenza, figurare tra le principali realtà esportatrici non equivale automaticamente a creare e trattenere ricchezza.

Tra i segnali più preoccupanti, Grazzi ha evidenziato la contrazione dei programmi di investimento annunciati dalle imprese italiane per il 2026. Poiché gli investimenti odierni pongono le basi per la capacità produttiva e la crescita di domani, il loro calo prefigura opportunità più limitate per gli anni a venire.

Sul fronte della finanza pubblica, l’Italia presenta un paradosso solo apparente. Al netto degli interessi sul debito, il saldo primario è stato spesso positivo: lo Stato, al di fuori dei periodi di crisi più acuta, tende a spendere meno di quanto incassi. Tuttavia, l’enorme stock di debito accumulato impone una spesa per interessi tale da riportare il saldo complessivo in territorio negativo. Grazzi lo ha spiegato con l’analogia di una famiglia in grado di coprire le proprie spese correnti, ma non gli interessi del mutuo stipulato in passato.

Anche i dati sull’occupazione richiedono un’analisi approfondita. Il dato complessivo sulla popolazione occupata mostra una certa tenuta, ma non specifica la natura dei posti di lavoro creati, le tipologie contrattuali, i livelli salariali o la capacità di generare valore. A livello europeo pesa inoltre il costo dell’energia, superiore a quello sostenuto da molte economie concorrenti e reso più volatile dalle tensioni geopolitiche. Le previsioni di crescita per l’Europa rimangono inferiori a quelle degli Stati Uniti e della media globale, mentre il debito è stimato in aumento in diversi Paesi OCSE.

In un panorama in prevalenza critico, Grazzi ha evidenziato almeno un traguardo concreto: dal 2000 a oggi l’efficienza energetica è aumentata in numerose economie OCSE. Le politiche legate al Green Deal e alla transizione ecologica non sono rimaste mere dichiarazioni d’intenti, ma hanno prodotto risultati misurabili.

L’attenzione si è poi spostata sul rischio d’impresa. I dati relativi agli Stati Uniti mostrano che le nuove realtà imprenditoriali affrontano un tasso di mortalità elevato: circa una su cinque fallisce entro il primo anno e, a distanza di cinque anni, ne rimane attiva soltanto la metà. Pesano l’inesperienza, la fragilità finanziaria e una struttura organizzativa ancora embrionale.

Grazzi non ha addolcito questi numeri: “Non mi interessa lasciare delle note di speranza positive”, ha precisato. Il suo obiettivo era fornire elementi per sostenere lo spirito d’impresa senza mistificare la realtà. Se la scelta di avviare un’attività dipendesse solo da un calcolo statistico, sarebbe difficile trovare la spinta per farlo. Tuttavia, l’imprenditorialità comprende anche la gratificazione della creazione, un impulso che Keynes e Schumpeter collocavano ben oltre la razionalità economica.

Si osserva inoltre una trasformazione strutturale che apre nuovi spazi. Per decenni le grandi aziende hanno svolto internamente gran parte delle attività di ricerca e sviluppo; gradualmente hanno ridimensionato questi investimenti, preferendo acquisire o finanziare realtà più piccole che sviluppano tecnologie strategiche per il loro business. Alle categorie classiche dell’imprenditorialità guidata da opportunità (opportunity-driven) o da necessità (necessity-driven) si affianca così un terzo modello: nuove imprese innovative che occupano lo spazio lasciato libero dal disimpegno dei grandi gruppi dalla ricerca interna.

A dimostrazione delle potenzialità ancora presenti nel Paese, Grazzi ha citato un esempio concreto: un’impresa attiva nella microrobotica chirurgica ha scelto di operare in Italia non solo per legami affettivi, ma per la presenza di competenze scientifiche e ingegneristiche di altissimo livello, a costi competitivi rispetto ad altri ambiti internazionali. Anche la società acquirente estera ha poi stabilito di mantenere in Italia le attività operative, produttive e di innovazione. Il capitale umano italiano rappresenta dunque una risorsa concreta; la vera sfida consiste nel saperlo valorizzare anziché spingerlo a emigrare.

Ester Vigilante: fare impresa significa assumersi una responsabilità

Vigilante ha ripreso un concetto guida proposto fin dall’apertura del Founder Builder Summer Camp: la responsabilità. “Fare azienda significa anche essere responsabili”, ha sottolineato. Un’impresa non agisce isolata nel mercato: man mano che si consolida e cresce, influisce sulle condizioni di lavoro, orienta i comportamenti individuali e collettivi, incide sul territorio e acquisisce capacità di interlocuzione con le istituzioni.

Per questa ragione, ai diritti di chi intraprende — il diritto di realizzare un progetto, ricevere supporto e operare in un ambiente favorevole — si affiancano precisi doveri. Tra questi, secondo Vigilante, rientra l’impegno a costruire condizioni migliori pur in un contesto incerto: generare occupazione dignitosa, esercitare il proprio ruolo economico in modo consapevole ed evitare di riprodurre le distorsioni del sistema.

L’intervento non smentiva la durezza del quadro tratteggiato da Forte e Grazzi, ma ne ribaltava la prospettiva: non ci si deve chiedere soltanto “quali condizioni troviamo?”, ma anche “quali condizioni contribuiamo a creare?”. Se le imprese sono parte integrante della società, la modalità con cui vengono fondate, gestite e sviluppate costituisce una scelta con ricadute collettive.

Conclusioni: conoscere il contesto per provare a cambiarlo

Al contempo, sono proprio le lacune del sistema a indicare dove si aprono spazi d’azione: nei settori a elevato valore aggiunto, nella ricerca applicata, nelle tecnologie che i grandi gruppi non sviluppano più internamente, nei servizi mirati ai bisogni di una popolazione che cambia e nelle attività che trasformano le competenze territoriali in valore e lavoro qualificato.

Il confronto che si è sviluppato tra speaker e partecipanti ha permesso di trovare raccordare questi aspetti con la responsabilità morale e sociale di chi fa impresa. Avviare un’azienda non è solo un’opportunità individuale, ma significa contribuire a creare ciò che oggi manca: lavoro dignitoso, innovazione, capacità produttiva, prospettive per chi desidera rimanere e un impatto attivo sul territorio. Le condizioni di partenza non sono immutabili: vengono costruite, o lasciate degradare, anche attraverso le organizzazioni che si sceglie di fondare e far crescere.

Questo è forse l’insegnamento più prezioso per chi sta progettando un nuovo progetto imprenditoriale: comprendere il contesto serve a compiere scelte più consapevoli, non a rinunciare a decidere. L’impresa non può risolvere da sola i problemi strutturali di un Paese, ma rappresenta uno dei luoghi in cui costruire risposte concrete. Non una fuga dai vincoli, ma una modalità consapevole per addentrarsi nella realtà e provare a trasformarla.

Nota redazionale

Testo rielaborato con AI a partire dalla registrazione e dalla trascrizione automatica del webinar. La forma linguistica è stata perfezionata per la lettura, mantenendo inalterato il contenuto originario degli interventi.

L'articolo Imprese dentro un mondo che cambia proviene da IKIGAI.

Sono riflessioni sparse a partire da quel testo, che analizza il rapporto tra l’organizzazione del potere nel Terzo Reich e alcune moderne teorie della direzione aziendale. Attraverso la figura di Reinhard Höhn — ex generale delle SS poi influente teorico del management nella Germania del dopoguerra — Chapoutot mostra come alcuni principi organizzativi elaborati nel nazismo siano sopravvissuti trasformandosi in modelli manageriali apparentemente neutri: delega operativa, autonomia subordinata, responsabilizzazione individuale e gestione per obiettivi.

La tesi centrale del libro è che il nazismo non si fondasse solo sull’obbedienza cieca, ma anche su una forma paradossale di “libertà di obbedire”: ai subordinati veniva lasciata autonomia nei mezzi, purché perseguissero senza discutere gli obiettivi fissati dall’alto.

Creando così una classe di manager senza potere reale, ma responsabile di tutto.

Il libro è profondo, stratificato, e segue una genealogia precisa tra diritto nazista, organizzazione del lavoro e management del dopoguerra. Qui ci soffermiamo su un punto solo: l’idea che il disordine organizzativo possa essere non un errore, ma un dispositivo.

Leggendo Chapoutot sorge una domanda: e se, almeno in certi casi, la disorganizzazione non fosse un difetto, un inciampo, ma un meccanismo deliberato? Il Terzo Reich non era una macchina perfettamente oliata. A dispetto delle coreografie impeccabili delle parate militari che popolano il nostro immaginario, il suo funzionamento era instabile e caotico: una costellazione di poteri concorrenti, uffici sovrapposti, competenze ambigue, agenzie, centri decisionali in perenne guerra tra loro.

Il nazismo, infatti, detestava l’idea stessa di uno Stato ordinato, stabile, prevedibile, pieno di burocrazia che ne soffocava lo slancio vitale. Nacquero quindi una giungla di uffici, commissariati, enti speciali, agenzie parallele e catene di comando concorrenti, spesso senza abolire quelle già esistenti. Le competenze si accavallavano, i confini erano sfocati, talvolta nessuno sapeva con precisione chi dovesse fare cosa. Ministeri, partito, SS, amministrazione civile e organismi straordinari invadevano continuamente il terreno altrui.

Questa policrazia generava darwinismo amministrativo: obiettivi ridotti a slogan, nessuna metrica, nessun metodo, nessuna istruzione. Solo imperativi vaghi da interpretare e incarnare meglio degli altri. Non esistendo confini netti nei ruoli, si competeva per dimostrare di aver capito prima e meglio. Chi lavorava ne usciva stremato, ma la produzione avanzava, nonostante l’anarchia.

È solo uno dei fili del libro, ma il più attuale: il caos poteva generare numeri di produzione inaspettati e obbedienza più cieca rispetto a un’organizzazione capillare.

Tre disordini intrecciati reggevano quel sistema, trasformando l’instabilità in propulsione. Hitler dava linee generali, vaghe e orali, quasi mai scritte nei dettagli. Sotto, si scatenava una competizione feroce per interpretarle: una rivalità non collaborativa per arrivare prima nel realizzare i desideri del Führer.

Primo: ambiguità dei ruoli. Non era chiaro chi facesse cosa. SA, SS, ministeri, uffici paralleli, agenzie si sovrapponevano nei compiti e nell’accesso agli stessi territori. Un’arena di entità rivali che si estendevano senza confini, competendo per risorse e competenze.

Secondo: ambiguità degli obiettivi. Non misurabili, non dettagliati. Hitler lanciava parole chiave – “lotta ebraica”, “spazio vitale”, “purificazione” – lasciando interpretazioni aperte. Senza metriche, chiunque avesse capacità decisionale agiva per “impressionare il Führer”. Il darwinismo amministrativo premiava le scelte estreme e più radicali.

Terzo disordine: ambiguità delle carriere. Gli avanzamenti non seguivano regole scritte né criteri di merito, nessun indicatore di performance. Le promozioni si decidevano sull’umore di chi comandava, sulle relazioni, sulle alleanze.

La Kristallnacht, Notte dei Cristalli (9-10 novembre 1938), ne è l’esempio tragico: l’ambiguità del ruolo e degli obiettivi esplosero, mostrando tutto il macabro potenziale.
Un ebreo, Herschel Grynszpan, uccise un diplomatico tedesco a Parigi: fu il pretesto. Goebbels, ministro della Propaganda, captò il “desiderio” hitleriano di una reazione popolare antisemita e incitò pogrom “spontanei”(obiettivo vago, ruolo vago: nessuno disse chi doveva farli). SA, SS e civili saccheggiarono 7.500 negozi ebrei, bruciarono 267 sinagoghe e arrestarono 30.000 uomini.

Perché tanta violenza? La mancanza di ordini precisi creò competizione interna: chi prendeva iniziativa guadagnava potere. Himmler e Heydrich, vertici della SS e della Gestapo, sfruttarono il caos per rafforzare la loro posizione. Il risultato fu una rampa verso la Shoa.

Perché parlarne qui? Perché in Italia molte PMI ricalcano in parte questo schema, sicuramente senza rendersene conto.

Obiettivi calati dall’alto, generici quanto basta per richiedere interpretazione continua. Ruoli flessibili, quindi opachi (“ma siamo pochi, si sa già chi fa cosa!”). La carriera non dipende da regole o HR: si avanza se il capo lo decide. Risultato: competizione interna permanente, spesso invisibile ma logorante.

Fatalmente, questo approccio sembra portare ottimi risultati, almeno sul breve periodo. Il disordine qui non blocca. Attiva. Non rallenta. Spinge.

Le criticità di questo approccio alla gestione si affacciano però su orizzonti più lunghi. Studi recenti, come lo State of the Global Workplace 2024 (Gullup) mostrano che la mancanza di chiarezza su ruoli e obiettivi danneggia le performance aziendali. I dati ci raccontano che dove mancano ruoli e obiettivi, il burnout e il turnover schizzano in alto. Solo una piccola parte di chi lavora oggi si sente coinvolta davvero e la chiarezza incide pesantemente su questo dato.

Studi di McKinsey e altre ricerche manageriali evidenziano che l’ambiguità nei ruoli e nelle responsabilità genera inefficienze significative nelle organizzazioni. Team con ruoli poco chiari tendono a commettere più errori e a impiegare molto tempo a chiarire responsabilità, riducendo innovazione e velocità decisionale (secondo analisi della letteratura manageriale e report come il CHAOS Report dello Standish Group).

Il problema è che il disordine organizzativo funziona solo a breve termine e in situazioni di alta pressione. In generale, il disordine produce risultati rapidi grazie a competizione e paura, ma dopo uno-due anni inefficienza e turnover riducono i guadagni.

✦ Tips per chi costruisce un’azienda oggi:

Se stai aprendo la tua startup, non costruire una trappola simile.

1. Definisci ruoli chiari. Fin dal giorno uno elimina l’ambiguità e spezza sul nascere la competizione tossica. Nelle startup si dice spesso “tuttə fanno tutto”, ok, ma con ordine: ognuno sa cosa gestisce, così il team resta agile senza pestarsi i piedi.
2. Gli obiettivi si stabiliscono in team, chi lavora deve essere coinvolto nelle riunioni in cui si settano gli obiettivi.
3. Gli obiettivi devono essere chiari e misurabili: uno slogan non è un obiettivo.
4. “Promozioni” trasparenti: ogni persona che lavora con te deve sapere cosa deve fare per crescere, fin dove può arrivare, e può avere anche un piano di work for equity.
5. Carichi calibrati; il “sempre di più” senza recupero è un debito tecnico che prima o poi pagherai con gli interessi.

Con la trasparenza ottieni una crescita stabile e persone che restano volentieri in azienda.

Oppure puoi continuare a spremere tutto e subito… ma, nel momento in cui avrai davvero bisogno di talenti solidi per scalare, ti ritroverai in mano solo un cratere di persone esauste.

Author: Ester Vigilante

L'articolo Il disordine non è un incidente: è una strategia (sbagliata). proviene da IKIGAI.

Le startup, per loro stessa natura, sono organizzazioni che operano in contesti di incertezza radicale. Nascono dove mancano dati storici e crescono scommettendo su modelli che ancora non esistono.
Tuttavia, nel 2026, la normale quota di rischio d’impresa è stata travolta da un’incertezza sistemica che non dipende più solo dal prodotto o dal mercato, ma da variabili geopolitiche globali. Chi opera in settori che coinvolgono la logistica, il fintech, le deep-tech o la gestione di infrastrutture critiche si trova oggi in prima linea. Qui, un ritardo in una catena di fornitura o una nuova sanzione internazionale possono diventare minacce esistenziali. Per non farsi travolgere, chi fa impresa oggi deve integrare la gestione del rischio geopolitico nel proprio modello di business, iniziando a inserire la capacità di adattamento tra le metriche di sopravvivenza primarie.

✦ Guerra e cyber: il rischio non riguarda solo la difesa

L'articolo La guerra dentro il business proviene da IKIGAI.

L’evento EdTech IKIGAI parte da un’idea: l’educazione è un’infrastruttura e l’intelligenza artificiale è già dentro la scuola. La domanda quindi non è “se”, ma “come”. Nel corso dell’incontro è emerso un punto comune, sintetizzabile in tre parole chiave: consapevolezza, responsabilità e misurabilità. Consapevolezza significa capire cosa fa la tecnologia e quali effetti produce (limiti, bias, implicazioni didattiche e culturali), prima di adottarla. Responsabilità significa criteri di adozione chiari, governance, tutela dei dati e scelte motivate degli strumenti; misurabilità significa rendere osservabili e verificabili processi e impatti dell’adozione, con evidenze, tracciabilità e possibilità di audit, così da valutare competenze e qualità del ragionamento, non solo risultati finali. Dalla cornice di settore e di mercato si è passati a esempi pratici (scuola e università) e a tre startup IKIGAI che mostrano approcci complementari: governare l’adozione, sostenere la didattica quotidiana e lavorare su linguaggi e motivazione. Il messaggio finale è: se l’EdTech è infrastruttura, deve essere progettata e portata negli ambienti educativi con standard, consapevolezza, responsabilità e misurabilità. Da qui nasce anche una lezione operativa: AI ed EdTech non funzionano “a spot”, come iniziative isolate, ma richiedono adozione strutturata e sostenuta nel tempo, integrata nella didattica e nella governance della scuola. Per IKIGAI si apre un tema centrale: la sovranità digitale, cioè la capacità del sistema educativo di contare su infrastrutture affidabili e governabili, senza dipendere totalmente da piattaforme esterne.

Articolo

L’educazione è un’infrastruttura fondamentale e oggi è attraversata da una rivoluzione tecnologica che non possiamo trattare come un accessorio. La domanda non è se l’innovazione debba entrare nella scuola, ma come: con quali regole, responsabilità e criteri di adozione. L’evento EdTech IKIGAI nasce da questa urgenza e da un dato: IKIGAI ha investito in più di tre realtà nel settore education e lavora ogni giorno con chi prova a trasformare idee in strumenti che reggano nel mondo reale, dentro vincoli didattici, organizzativi e normativi.

Il programma ha alternato cornice, dati ed esempi sul campo. Donatella Solda ha aperto con un inquadramento del settore, chiarendo perché l’EdTech oggi va letta come industria e non come semplice “ondata di startup”. Fabrizio Gallante ha aggiunto una lettura quantitativa e di mercato: finito l’hype, resta un’infrastruttura che richiede standard, misurazione e governance. Da qui si è passati a due casi pratici: la scuola, con Daniele Barca e Andrea Capitani, che mostrano un percorso curricolare under 14 per comprendere e “smontare” l’AI con attenzione a privacy e responsabilità; e l’università, con Tiziano Bonini e Leonardo Bindi, che propongono una passeggiata algoritmica come metodo per rendere visibili regole e bias, imparando a ragionare con gli algoritmi. La chiusura ha presentato tre startup accelerate da IKIGAI: Alfred (governance e coerenza con programmi e valutazione), Yukai! (engagement e inclusività nella didattica quotidiana), V-Choux (linguaggi e motivazione come condizioni dell’apprendimento).

L’incontro è stato introdotto e moderato da Martina Giorgi, che ha guidato il dialogo tra prospettive diverse mantenendo il filo conduttore dell’evento: tenere insieme profondità e concretezza, evitando sia il tecno scetticismo sia il tecno entusiasmo.

Donatella Solda (Future Education Modena, Wonderful Education, EdTech Italia) apre con un inquadramento di settore: l’EdTech va letta come industria ormai consolidata, non come semplice ondata di startup, perché attraversa filiere storiche (editoria, piattaforme, registri) e contesti diversi di apprendimento (scuola/università, corporate, informale). Dopo il Covid, il settore è entrato in una fase di stabilizzazione: finita l’ondata di entusiasmo e investimenti, il mercato si è assestato. In parallelo, l’arrivo di tecnologie “general purpose” come l’AI ha cambiato di nuovo il quadro, potenziando molti strumenti esistenti e in alcuni casi rendendone altri superflui. Osserva anche una reazione diffusa, soprattutto nella scuola: in molti contesti si è scelto di ridurre l’uso del digitale. Solda collega questa tendenza sia alla mancanza di regole solide e condivise tra Stato e mercato su cosa sia legittimo e opportuno fare, sia alla percezione di un calo degli apprendimenti dopo l’uso intensivo e “di emergenza” delle tecnologie durante la pandemia. In questo quadro entrano anche preoccupazioni su attenzione e memoria, adeguatezza per età e il tema della “maggiore età digitale” prevista dal GDPR. In chiusura indica due priorità nel dibattito europeo: misurare l’impatto con metriche e percorsi di validazione basati su dati, e rafforzare la sovranità digitale per ridurre effetti su contenuti e bias. La conclusione suggerisce una postura equilibrata: non rifiuto né entusiasmo, ma scelta consapevole delle tecnologie, guidata da evidenze e responsabilità.

Fabrizio Gallante (12Venture, Osservatorio formazione-lavoro/EdTech) propone una lettura quantitativa: dopo il picco del 2021 gli investimenti VC calano, ma il settore non collassa, si normalizza e resta una domanda strutturale, mentre cambiano le metriche di successo. Nella fase post-hype si guarda meno ai numeri “di uso” — quante scuole hanno attivato un abbonamento/licenza o quante persone entrano nella piattaforma — e di più a ciò che rende la tecnologia utile e integrabile: sistemi completi che si collegano agli altri strumenti della scuola, simulazioni, strumenti di valutazione (assessment), misurazione delle competenze e servizi di supporto attorno ai contenuti; l’adozione dell’AI nel learning aziendale viene letta come passaggio dalla moda all’integrazione nei workflow.In Europa la crescita del settore è legata anche a regole più stringenti: aumentano quindi gli investimenti in soluzioni “a norma”, dove la cybersecurity diventa un requisito di base per un ambito spesso colpito da attacchi. In Italia, Gallante descrive un ecosistema EdTech in crescita lenta ma stabile, sostenuto anche dal PNRR. Guardando alle startup, individua tre traiettorie: micro-credential e competenze dimostrabili, cioè strumenti per certificare in modo modulare e verificabile competenze specifiche; cyber compliance, cioè soluzioni che aiutano scuole e organizzazioni a rispettare requisiti di sicurezza e norme sul trattamento dei dati; e formazione molto verticale su competenze manuali, perché la transizione digitale e l’AI dipendono anche da professionalità tecniche e pratiche, non solo da software. La conclusione è che l’EdTech ormai va trattata come un’infrastruttura: non basta che “funzioni”, deve essere progettata con standard, tracciabilità, interoperabilità, evidenze e auditabilità, cioè in modo integrabile, verificabile e governabile nel tempo. In questo quadro l’AI introduce una “delega cognitiva” da gestire con attenzione, perché tratta dati, produce contenuti, influenza decisioni ed è vulnerabile; di conseguenza diventa centrale la misurabilità dell’attendibilità degli output e il ripensamento delle modalità di valutazione, spostando l’attenzione anche sul processo e sulle competenze trasferibili.

Il caso scuola (IC3 Modena: Daniele Barca e Andrea Capitani) mostra un modo diverso di portare l’AI a scuola: non come laboratorio opzionale o sperimentazione di singoli docenti, ma come parte del programma ufficiale, con ore dedicate e valutazione. Il percorso si chiama Lucy ed è un curricolo triennale per la scuola media (under 14) pensato per insegnare “come funziona” l’AI senza far usare chatbot generalisti: gli studenti imparano a smontare la tecnologia in pezzi comprensibili (algoritmi, dati, logiche di apprendimento automatico), rispettando vincoli di età e privacy. Lucy nasce nel 2020 e si inserisce in moduli multidisciplinari resi strutturali dall’istituto (“Steam Sisters”): primo anno su immaginari e linguaggi dell’AI, secondo su logica e funzionamento con robotica e coding, terzo su un project work. I materiali didattici sono resi disponibili in modalità aperta. Andrea Capitani presenta due prototipi sviluppati in questa logica “hands-on” e privacy-first: EVA, un quadro interattivo con modello locale e lavoro guidato sul prompt, e This is me, un editor di avatar e microstorie per autorappresentazione, utilizzabile anche come elaborato d’esame. Barca chiude con un punto di senso: l’obiettivo è capovolgere il paradigma del “chatbot che ti dice chi sei”; qui è lo studente a costruire domande e narrazione su di sé, lavorando intenzionalmente su competenze relazionali e consapevolezza.

Il caso università (UniSi: Tiziano Bonini e Leonardo Bindi) presenta la “passeggiata algoritmica” come esercizio didattico e pubblico per capire gli algoritmi dal punto di vista delle scienze sociali. L’idea è semplice: costruire un algoritmo “a mano” (scritto su carta) che decida quale strada prendere nel centro storico di Siena, e aggiornarlo ogni volta che le regole non bastano. Nato nel corso di Sociologia della Comunicazione e portato anche alla Bright Night (la notte della ricerca), l’esperimento serve a mostrare che un algoritmo non è solo tecnica: è un insieme di scelte, categorie e semplificazioni che possono incorporare pregiudizi. Per farlo, ogni edizione usa un “tema” che impone di trasformare concetti vaghi in criteri operativi. Nel 2022 il tema era attraversare la città seguendo “luoghi femminili”: l’obiettivo non è “mappare il femminile”, ma mostrare quanto sia facile trasformare una categoria in stereotipo quando la si deve codificare. Nel 2024 il tema cambia e diventa accessibilità in carrozzina: qui emergono altri problemi tipici della progettazione, come trade-off tra pendenza e percorribilità, vincoli concreti e la necessità di definire cosa è spazio pubblico per non finire in proprietà private. Bindi sintetizza tre risultati: gli algoritmi richiedono continue correzioni quando la realtà contraddice le regole; assorbono le nostre categorie mentali (quindi anche i bias); e spesso restano invisibili finché non “si inceppano”. La conclusione è operativa: trasparenza, responsabilità ed etica non sono slogan, ma dipendono da quali regole inseriamo nel sistema e da cosa, inevitabilmente, lasciamo fuori.

Le tre soluzioni presentate in chiusura sono tre startup dell’IKIGAI Hub e traducono in modo diverso lo stesso problema emerso lungo tutta la giornata: come portare l’innovazione nell’education senza frammentazione, scorciatoie e perdita di controllo. Hanno in comune un’idea di fondo — la tecnologia deve essere utile, osservabile e coerente con il lavoro reale — ma si differenziano per scala e punto d’ingresso: Alfred lavora sull’adozione governabile dell’AI e sul suo uso didattico (simulazioni, feedback e personalizzazione), Yukai! sulla didattica quotidiana e sull’engagement, V-Choux sui linguaggi e sulla motivazione come condizione per l’apprendimento

Alfred (Stefano Bini) presenta una piattaforma AI pensata per entrare nella scuola senza rompere metodo, programma e valutazione. Bini parte da un problema organizzativo: oggi molti strumenti vengono adottati in modo frammentato dai singoli docenti, con il rischio di dispersione e mancanza di controllo. Da qui propone quattro criteri per un uso responsabile — supporto, personalizzazione, monitoraggio e semplicità — e li traduce in funzioni didattiche concrete. Alfred offre interrogazioni simulate e feedback orientati al miglioramento, attività costruite sulle rubriche valutative e adattate a curricolo, classe e livello dello studente, così che l’AI supporti il percorso di apprendimento invece di sostituirlo o creare scorciatoie. Accanto a questo, introduce strumenti di osservabilità e governance: dashboard per docenti e dirigenti per monitorare utilizzo, progressi e difficoltà, mantenendo coerenza con obiettivi formativi e criteri condivisi. La conclusione insiste sull’adozione come processo: serve tempo, confronto e un’azione coordinata tra governance scolastica, docenti e progettazione tecnologica.

Yukai! (Marco Hernandez e Andrea Zugarini) presenta uno strumento molto pratico per la didattica quotidiana: cruciverba didattici personalizzati, pensati per aumentare coinvolgimento e inclusività riducendo il tempo che i docenti spendono a preparare materiali. Yukai! parte da problemi ricorrenti — calo dell’attenzione, poco tempo per progettare attività, bisogno di feedback rapido — e propone il cruciverba come formato “modulabile”: lo stesso tipo di attività può essere adattato per livello, difficoltà e bisogni diversi, evitando esercizi uguali per tutti in classi sempre più eterogenee. La piattaforma viene descritta come un modo per fare esercizio e controllo continuo in forma leggera: attività brevi e ripetibili che aiutano a verificare comprensione e consolidamento senza spostare tutto su verifiche formali e senza aggiungere burocrazia, rendendo visibile l’effetto dell’attività sul lavoro della classe.

V-Choux (Lucrezia Olivieri) sposta infine l’attenzione dai tool al linguaggio: lavora sull’engagement non come effetto speciale, ma come condizione perché l’apprendimento sia praticabile nel tempo. La proposta combina divulgazione scientifica, intrattenimento e community, usando formati nativi digitali e interazione live per trasformare la fruizione in relazione, con l’idea che la relazione sia una tecnologia educativa tanto quanto una piattaforma. Il messaggio riprende un tema emerso più volte durante l’evento: nella rivoluzione dell’AI non basta aggiungere strumenti, serve ripensare contesti e formati con cui si costruiscono motivazione, continuità e appartenenza. In questa prospettiva V-Choux si presenta come laboratorio di nuovi formati per rendere la scienza più accessibile e desiderabile e per sostenere attenzione e partecipazione come infrastruttura culturale dell’apprendimento.

Conclusioni

L’evento si chiude lasciando un messaggio: l’EdTech non è più una promessa, è già un pezzo di infrastruttura educativa. Proprio per questo non basta “aggiungere AI” o introdurre strumenti uno alla volta, inseguendo mode o urgenze; serve una postura di progetto, con criteri chiari, responsabilità definite e capacità di misurare impatto e rischi. Dalle cornici di Solda e Gallante emerge che la fase post-hype non è un arretramento ma un cambio di regime: contano standard, interoperabilità, tracciabilità e governance, perché la tecnologia tratta dati, produce contenuti, influenza decisioni ed è vulnerabile.

I casi pratici lo rendono concreto. A scuola, il punto non è far usare chatbot, ma costruire competenze e consapevolezza attraverso percorsi curricolari e progettazione “privacy-first”. In università, la passeggiata algoritmica mostra che gli algoritmi diventano visibili quando li pratichi: ogni regola è una scelta, ogni scelta porta bias, e l’etica non è uno slogan ma un lavoro di traduzione del mondo in istruzioni. Le tre startup, infine, hanno mostrato tre strade complementari: governare l’adozione e tenerla coerente con curricoli e valutazione; rendere la didattica quotidiana più ingaggiante e inclusiva senza aumentare il carico docente; ripensare linguaggi e formati per costruire motivazione e continuità.

Se c’è un filo unico, è questo: la tecnologia non sostituisce la pedagogia, la costringe a diventare esplicita. E la sfida più interessante non è scegliere tra entusiasmo e paura, ma costruire un’educazione capace di usare strumenti potenti restando fedele al suo compito: far crescere autonomia, pensiero critico e competenze dimostrabili, senza delegare il cervello a una macchina.

Legenda

Sovranità digitale: capacità di una scuola (e, più in generale, di un sistema pubblico) di mantenere controllo su dati, piattaforme e tecnologie che utilizza — dove stanno i dati, chi li gestisce, come funzionano gli strumenti e quali bias/valori incorporano — per evitare dipendenze e garantire sicurezza, trasparenza e verificabilità.

GDPR: Regolamento generale sulla protezione dei dati (UE 2016/679). Definisce regole e diritti per il trattamento dei dati personali nell’Unione Europea, inclusi quelli di studenti e minori, imponendo obblighi di tutela, trasparenza e sicurezza a scuole e fornitori di servizi digitali.

PNRR: Piano Nazionale di Ripresa e Resilienza. Programma di investimenti e riforme finanziato in gran parte con fondi europei (Next Generation EU) per modernizzare il Paese, con risorse dedicate anche a scuola, digitale e formazione.

Micro-credential: certificazioni “a moduli” (micro-unità di competenze) che rendono dimostrabile un’abilità specifica.

Competenze dimostrabili: competenze verificabili con prove/criteri, non solo dichiarate da un titolo.

Cyber compliance: rispetto di norme e requisiti di sicurezza e gestione dati (privacy, sicurezza IT, procedure).Tracciabilità: possibilità di ricostruire cosa è successo (chi ha fatto cosa, con quali dati, quando).
Interoperabilità: capacità di sistemi diversi di “parlarsi” e scambiarsi dati in modo standard.

Auditabilità: possibilità di verifica esterna (controlli, ispezioni, report) su regole, dati e processi.

Chatbot generalisti: chat AI “per tutti” (tipo assistenti conversazionali non progettati specificamente per minori o contesti scolastici).

Algoritmi: insieme di regole/istruzioni per svolgere un compito.

Dati / dataset: raccolte di esempi usate per addestrare o far funzionare un sistema.

Apprendimento automatico (machine learning): tecniche in cui un sistema “impara” schemi dai dati invece di seguire solo regole scritte a mano.

Hands-on: apprendimento pratico, costruendo e sperimentando, non solo ascoltando spiegazioni.

Privacy-first: progettazione che mette la tutela dei dati al centro (es. elaborazione locale, minimizzazione dei

dati).

Modello locale: AI che gira sul dispositivo/computer della scuola, senza inviare dati a servizi esterni.

Prompt: istruzioni/testo con cui si guida un sistema AI su cosa deve fare e come deve rispondere.

Project work: lavoro/progetto finale che applica competenze in un compito concreto.

Modalità aperta (Creative Commons): materiali pubblicati con licenze che ne permettono il riuso (con condizioni).

Author: Gemini
Co-Author: ChatGPT

L'articolo Evento EdTEch IKIGAI: un recap proviene da IKIGAI.

Nel frenetico panorama tecnologico dettato dalla corsa all’AI, abbiamo assistito alla nascita di una nuova forma di imprenditoria digitale: quella dei cosiddetti AI wrapper.
Per chi non sa di cosa si tratta, proviamo a immaginarli così: volete aprire un ristorante di lusso ma, invece di assumere uno chef stellato e selezionare materie prime ricercate, decidete di acquistare piatti pronti da un catering, li impiattate con cura su ceramiche di design e li rivendete al triplo del prezzo originale. Il wrapper è esattamente questo: un guscio. Una bella interfaccia grafica che si appoggia interamente sul “cervello” di qualcun altro, solitamente OpenAI, Google o Anthropic.

Fino a poco tempo fa questo modello si è dimostrato una strategia vincente. La tecnologia era talmente nuova e complessa che il semplice atto di renderne facilmente accessibili alcune funzioni, evitando passaggi tecnici più articolati del semplice prompting, permetteva di capitalizzare rapidamente l’entusiasmo del mercato. Era la fase della corsa all’oro, in cui bastava “impacchettare” una singola funzione per diventare una startup di successo nel giro di un weekend.

Costruire un impero su asset presi in prestito comporta però un rischio sistemico che spesso è stato sottovalutato (o volutamente ignorato?). Quando l’intera proposta di valore dipende da uno script che interroga un modello esterno, l’obsolescenza diventa un fattore fuori dal proprio controllo. Ogni aggiornamento dei grandi player dell’intelligenza artificiale rischia di inghiottire, in un colpo solo, migliaia di queste realtà. Funzionalità che fino a ieri sembravano distintive (come la correzione di testi o il riassunto di documenti) oggi sono integrate gratuitamente nei modelli di base.

Secondo questo articolo su Medium, il vero spartiacque potrebbe arrivare entro la primavera del 2026, quando i sistemi operativi che utilizziamo ogni giorno su computer e smartphone integreranno agenti capaci di svolgere molte delle attività che oggi affidiamo ad applicazioni di terze parti. In quel momento, una parte significativa dei wrapper rischia di essere polverizzata. Se chi usa il dispositivo può chiedere direttamente al proprio dispositivo di organizzare i task del suo calendario, perché dovrebbe scaricare un’app e pagare un abbonamento per ottenere lo stesso risultato?

Il fatto che i produttori di AI stiano integrando sempre più funzionalità nei propri sistemi non significa che chi costruisce sopra di essi sia destinato a scomparire, ma rende evidente la necessità di ripensare dove e come si crea valore. I wrapper che riusciranno a resistere saranno quelli capaci di creare un valore che non evapora al prossimo aggiornamento di una piattaforma.

Una prima direzione possibile riguarda la gestione dei dati proprietari. Non solo quelli generati dall’interazione istantanea, ma la storia dell’utente: documenti, decisioni, contesto, processi. Quando un software diventa il luogo in cui il lavoro si accumula e prende forma nel tempo, il valore andrà a risiedere nella memoria operativa che viene custodita, in grado di offrire risposte e insight di altissima qualità per lo specifico utente. Un legame molto difficile da sostituire o replicare.

Dall’altro lato, conta sempre di più il tipo di conoscenza su cui l’AI viene fatta lavorare. Appoggiarsi a database specifici, verticali, non aperti, significa offrire risposte che non derivano solo dalla capacità del modello, ma dalla pertinenza e dalla “scarsità” delle informazioni a cui può accedere.

È anche per questo che i prodotti generalisti faticano sempre di più. Competono direttamente con strumenti che migliorano a una velocità impossibile da sostenere e si appoggiano a dati a cui tutti hanno accesso. Le applicazioni più verticali, invece, tendono a muoversi in spazi ristretti e spesso poco visibili, dove contano regolamentazioni, framework, pratiche consolidate e abitudini specifiche. In questi contesti, il valore non risiede nel modello linguistico in sé, ma nella capacità di comprendere a fondo un dominio e restituire output altamente mirati.

Per una startup che sta iniziando oggi a muovere i primi passi, forse la domanda più utile da porsi non è “quanto sia rivendibile e scalabile”, ma “quanto sia facilmente sostituibile” ciò che si sta costruendo. È una distinzione sottile, ma che crediamo sarà sempre più decisiva.

Per approfondire:

What are AI Wrappers: Understanding the Tech and Opportunity — https://aiflowchat.com/blog/articles/ai-wrappers-understanding-the-tech-and-opportunity

Building AI Wrappers — https://medium.com/micro-saas-bytes/building-ai-wrappers-44b560b2d95b

Bolla AI o profonda trasformazione globale? — https://www.startup-news.it/bolla-ai-o-profonda-trasformazione-globale/

Why AI Wrappers Will Die by March 2026 (And What To Build) — https://medium.com/activated-thinker/why-ai-wrappers-will-die-by-march-2026-and-what-to-build-29327543936e

Author: Dario Brunettini

L'articolo AI Wrapper: avranno ancora senso nel 2026? proviene da IKIGAI.