La tua formazione sulla conformità dice che sono tutti promossi. Io ho costruito un modello che sa che non lo sono.

Una responsabile della conformità di una banca una volta mi ha illustrato la sua ricertificazione annuale antiriciclaggio. Cinquecento persone nella funzione conformità, un unico modulo di quattro ore, a tutti assegnati gli stessi contenuti: adeguata verifica della clientela, segnalazione di attività sospette, rilevamento delle transazioni strutturate, riciclaggio basato sul commercio, screening delle sanzioni. Alla fine, il suo sistema di apprendimento ha prodotto cinquecento spunte verdi. Me le ha mostrate come mostreresti a qualcuno una ricevuta.

Poi ha detto la cosa che da allora non sono più riuscito a togliermi dalla testa — che non aveva idea di quali di quelle cinquecento persone sapessero davvero come presentare una segnalazione di attività sospetta.

Quel divario — tra completato e sa — è l'intera ragione per cui ora dedico il mio tempo a costruire IA di apprendimento adattivo per la formazione aziendale. Non quella basata su un motore di raccomandazione che ti suggerisce il corso successivo. Quella diagnostica, costruita su una tecnica chiamata knowledge tracing, che modella ciò che ogni singolo dipendente sa davvero, concetto per concetto, e aggiorna quella stima ogni volta che risponde a una domanda. Il suo LMS tracciava il completamento. Ciò di cui aveva bisogno era un sistema che tracciasse la competenza. Noi costruiamo quello strato di competenza, ed è la soluzione a cui il mio team lavora ogni giorno.

Una spunta verde dice a un revisore che un video è stato riprodotto fino alla fine. Non dice nulla sul fatto che qualcuno abbia imparato a fare il lavoro.

Il divario da 102,8 miliardi di dollari tra "Fatto" e "Sa"

Le aziende statunitensi hanno speso 102,8 miliardi di dollari in formazione nel 2025, in aumento rispetto ai 98 miliardi dell'anno precedente — è il dato di Training Magazine, e corrisponde a circa 874 dollari per discente. La maggior parte di quel denaro compra dati di completamento. SCORM, il formato di file in cui la maggior parte dei corsi aziendali viene ancora distribuita, è stato progettato attorno a una specifica 1.2 che registra superato, fallito e completamento. Tutto qui. È un foglio di presenze con una produzione migliore.

Lo trovo davvero strano quando ci si riflette. Abbiamo passato due decenni a ottimizzare l'erogazione della formazione — video più curati, mobile, microlearning — e quasi nessuno di quegli sforzi è servito a misurare se la formazione avesse cambiato ciò che una persona è in grado di fare. La Josh Bersin Company ha pubblicato un articolo nel febbraio 2026 sostenendo che l'IA sta per trasformare 400 miliardi di dollari di apprendimento aziendale, e la statistica che mi è rimasta impressa è questa: meno del 5% delle aziende ha effettivamente implementato tecnologie di apprendimento native per l'IA. Tutti hanno un LMS. Quasi nessuno ha intelligenza al suo interno.

E il costo di quel divario non è più astratto. I dati di Bersin mostrano che le aziende che usano l'apprendimento nativo per l'IA hanno sei volte più probabilità di superare i propri obiettivi finanziari. Sull'altro fronte, il 74% delle aziende afferma di non riuscire a stare al passo con la domanda di nuove competenze, e il tempo di dimezzamento di una competenza professionale è sceso da circa dieci anni nel 2000 a meno di cinque oggi. Ho visto i team L&D rispondere a quel collasso nell'unico modo che i loro strumenti consentono — distribuendo più contenuti, più velocemente. Capisco l'istinto, perché per vent'anni più contenuti sono stati l'unica leva che i sistemi ci hanno dato. La leva non è mai stata il problema. Lo è lo strumento che usiamo per misurare se qualcosa di tutto ciò abbia funzionato.

La prima versione che ho costruito era sbagliata, e sembrava fantastica

Ecco la parte di cui non vado fiero. Quando ho iniziato a costruire tutto questo, ho scelto il modello più ovvio. Nella letteratura sul knowledge tracing c'è un approccio ben noto chiamato Deep Knowledge Tracing — DKT — che usa una LSTM, un tipo di rete neurale ricorrente, per prevedere se un discente risponderà correttamente alla domanda successiva. È il punto di partenza canonico. L'abbiamo messo in piedi, gli abbiamo fornito dati di interazione, e le dashboard erano bellissime. Curve di padronanza che salivano, un'accuratezza di previsione che sembrava rispettabile.

Ero pronto a metterlo in mostra. Poi sono tornato a quel caso d'uso antiriciclaggio e ho provato a rispondere alla vera domanda della responsabile della conformità — quale concetto questo specifico analista non conosce? — e il modello non sapeva dirmelo. Poteva dirmi se qualcuno in generale "se la cavava bene". Non poteva dire con chiarezza "è solida sull'adeguata verifica della clientela e pericolosa sul riciclaggio basato sul commercio".

Mi ci è voluto più tempo del dovuto per capire perché. C'è un articolo del 2025 della comunità dell'Educational Data Mining che avanza un'osservazione silenziosamente brutale: il DKT nella sua forma base apprende la capacità, non la conoscenza per singola competenza. Modella un segnale generale del tipo "questa persona è brava nel test" piuttosto che una padronanza a livello di concetto. Peggio ancora, i ricercatori hanno dimostrato che le RNN non addestrate — reti con pesi casuali — possono eguagliare i modelli DKT addestrati su alcuni benchmark. La mia bellissima dashboard, in senso reale, stava misurando delle sensazioni.

Avevo costruito un modello sicuro di sé, dall'aspetto accurato e incapace di rispondere all'unica domanda per cui l'intero progetto esisteva.

Quel mese è sembrato un vicolo cieco. Avevo promesso prove di competenza e avevo costruito un misuratore di sicurezza che non sapeva di cosa fosse sicuro.

Perché abbiamo ricostruito sull'attenzione invece che sulla memoria

La via d'uscita è arrivata dalla nuova generazione di modelli di knowledge tracing — quelli auto-attentivi. Siamo passati a SAKT, Self-Attentive Knowledge Tracing, e poi ad AKT, la variante attentiva sensibile al contesto. Invece di stipare l'intera cronologia di un discente in un'unica memoria ricorrente, questi modelli usano l'attenzione per chiedere, per ogni nuova domanda, quali delle tue risposte passate incidono davvero su questa competenza in questo momento? AKT si spinge oltre e integra idee dalla teoria della misurazione educativa, regolando la difficoltà man mano che procede.

I vantaggi pratici erano quelli che mi interessavano. SAKT fa questo con circa 700.000 parametri e un AUC vicino a 0,80 — abbastanza piccolo da funzionare in modo efficiente, abbastanza accurato da potersene fidare e, cosa cruciale, produce una probabilità di padronanza per singolo concetto anziché un unico punteggio di competenza sfocato. AKT si è rivelato la scelta migliore quando uno scenario ha davvero bisogno di un'istruzione individualizzata, come la ricertificazione di conformità lo è senza dubbio. C'è un vantaggio silenzioso che i dati aziendali hanno rispetto ai benchmark accademici su cui questi modelli sono stati costruiti: le sequenze di conformità sono brevi e ad alta posta in gioco, non i registri di tutoraggio da mille interazioni che rendono la previsione su sequenze lunghe il difficile problema aperto della letteratura. La cosa con cui gli articoli faticano di più per lo più non è un nostro problema.

È allora che l'esempio antiriciclaggio si è finalmente reso come doveva. Immagina una heatmap: le righe sono i dipendenti, le colonne sono i cinque concetti antiriciclaggio, ogni cella una probabilità che questa persona abbia padroneggiato quel concetto. Un analista BSA senior con otto anni nel ruolo si illumina di verde su adeguata verifica della clientela, segnalazione di attività sospette, sanzioni — ma appare ambra sul riciclaggio basato sul commercio. Un direttore di filiale da sei mesi nel ruolo non è verde da nessuna parte e rosso intenso sulla presentazione delle SAR e sul TBML. Stesso modulo, esigenze radicalmente diverse.

L'analista senior non dovrebbe stare quattro ore a ridimostrare ciò che dimostrabilmente sa; dovrebbe verificare rapidamente i concetti padroneggiati e dedicare il suo tempo all'unico punto debole. Il nuovo direttore ha bisogno di percorsi guidati e più lenti esattamente dove le sue probabilità sono più basse. Abbiamo fissato soglie che potevamo difendere davanti a un revisore: sopra circa 0,75, considera il concetto come padroneggiato e verifica brevemente; nella banda intermedia, è la zona di sforzo produttivo dove l'apprendimento avviene davvero; sotto 0,35, fermati e rimedia con supporto. Il modello aggiorna ogni cella a ogni risposta.

Su cinquecento dipendenti, è la differenza tra duemila ore di identico tempo trascorso in aula e all'incirca la metà — con prove più solide alla fine, non più deboli. A 874 dollari a discente, la produttività recuperata su una singola funzione di conformità da cinquecento persone si attesta sulle poche centinaia di migliaia di dollari all'anno. Questa non è una proiezione che ho inventato. Fulcrum Labs e Allegiant Airlines hanno documentato un calo del tempo di formazione da 51 a 23 giorni — un taglio del 55% — con incidenti e danni alle apparecchiature in calo del 60%. E non riguarda solo banche e compagnie aeree: un'azienda med-tech globale che applica lo stesso approccio adattivo ha risparmiato più di 16.000 ore di formazione su 113.000 discenti, e un'organizzazione sanitaria ha ridotto il tempo di onboarding del 22%. La materia cambia — gestione dei dati dei pazienti, protocolli dei dispositivi, tipologie di riciclaggio — ma il problema diagnostico no. Una banca statunitense tra le prime dieci ha applicato la conformità adattiva su più di 70.000 dipendenti e ha visto un aumento del 75% del traffico verso i corsi obbligatori. La riduzione del tempo in aula è reale ed è stata dimostrata da persone che non sono io.

"Cornerstone non lo fa già?"

È la prima domanda che mi viene rivolta, ogni volta, ed è legittima. Nel marzo 2026 Cornerstone ha lanciato quello che chiama Adaptive Learning Agent all'interno del suo sistema Galaxy AI. Docebo ha acquisito 365 Talents per aggiungere la valutazione delle competenze. L'intero settore sta stampando "apprendimento adattivo potenziato dall'IA" sulla confezione. Allora perché costruire qualcosa di personalizzato?

Perché la maggior parte di ciò che viene venduto come adattivo è filtraggio collaborativo, non knowledge tracing — e la differenza è tutto. Il filtraggio collaborativo è la mossa di Netflix: le persone che hanno completato il Corso A tendevano a seguire poi il Corso B, quindi ecco il Corso B. Raccomanda in base a ciò che hanno fatto i tuoi pari. Il knowledge tracing fa qualcosa di categoricamente diverso: modella ciò che tu nello specifico hai e non hai padroneggiato, e mira a colmare il divario. Uno è un motore di raccomandazione. L'altro è un motore diagnostico. L'agente di Cornerstone raccomanda cosa imparare dopo; non misura la padronanza a livello di concetto. Il monitoraggio delle competenze di Docebo è in gran parte basato sulla dichiarazione o sul completamento — il dipendente dice di saperlo, o ha finito il corso — non misurato da come ha effettivamente interagito con il materiale.

Ci sono fornitori che fanno davvero bene il knowledge tracing. Fulcrum Labs ha un motore proprietario e i casi di studio a supporto. I protagonisti dell'EdTech — aziende come Riiid, che ha raccolto 256 milioni di dollari — hanno veri modelli di knowledge tracing. Ma Fulcrum ha bisogno che tu migri i tuoi contenuti sulla sua piattaforma, e i modelli EdTech sono stati costruiti per i test standardizzati e la scuola K-12, non per i flussi di lavoro antiriciclaggio e le prove di audit. E le Big Four? Deloitte e PwC ti proporranno un progetto di trasformazione della forza lavoro da 500.000 a 5 milioni di dollari e installeranno Cornerstone o SAP magnificamente. Configurano la piattaforma del fornitore. L'intelligenza adattiva appartiene comunque al fornitore, non a te.

La maggior parte delle aziende non ha bisogno di smantellare il proprio LMS. Ha bisogno di uno strato di intelligenza che si connetta a quello che già possiede.

È il divario su cui costruiamo: un motore di knowledge tracing che si colloca sopra il tuo sistema di apprendimento esistente e vi dialoga tramite standard aperti — xAPI per catturare dati di interazione granulari, LTI per passarsi i discenti avanti e indietro. Tu tieni il tuo LMS. Noi aggiungiamo il cervello.

Il vero rischio non è il modello — è il tagging

Ti dirò la cosa che le demo non menzionano mai, perché è la cosa che decide davvero se uno di questi progetti riesce. La parte più difficile della costruzione di un apprendimento adattivo non è la rete neurale. È il tagging dei contenuti.

Un modello di knowledge tracing può tracciare solo la conoscenza che riesce a vedere. Ogni domanda del tuo modulo di conformità deve essere mappata a un concetto — questo item verifica il riciclaggio basato sul commercio, quello verifica lo screening delle sanzioni — oppure il modello non ha nulla da aggiornare. La maggior parte dei contenuti aziendali arriva come un cumulo di pacchetti SCORM 1.2 che emettono un unico flag di completamento e nessuna struttura di concetti. Passare a xAPI significa allestire un Learning Record Store, ripensare la governance dei dati e l'architettura di rete, e spesso ri-taggare i contenuti domanda per domanda. È poco affascinante, è dove risiede il vero lavoro, ed è il motivo per cui diffido di chiunque ti dica che l'apprendimento adattivo è un interruttore da azionare.

Preferisco essere onesto su questo fin dall'inizio piuttosto che vincere un progetto con una promessa che non posso mantenere. Il modello è la parte che posso consegnarti in poche settimane. Il tagging è la parte che facciamo insieme, ed è la parte che fa la differenza tra un sistema che produce prove di padronanza di livello audit e uno che produce spunte più graziose.

L'EU AI Act renderà inutile il monitoraggio del completamento?

Per molto tempo, "competenza contro completamento" è stato un argomento di qualità — bello da avere, difficile da finanziare. Questo sta cambiando a causa dell'EU AI Act. L'Articolo 4, l'obbligo di alfabetizzazione in materia di IA, è in vigore dal 2 febbraio 2025, e la vigilanza da parte delle autorità nazionali di sorveglianza del mercato inizia il 2 agosto 2026. Richiede che il personale sia formato all'alfabetizzazione sull'IA in un modo appropriato al proprio ruolo — e le linee guida della stessa UE sono esplicite nel dire che non esiste un formato valido per tutti. Basato sul ruolo, o non conta.

Pensa a cosa fa questo al modello della spunta verde. "Tutti hanno guardato lo stesso video sull'etica dell'IA" è esattamente ciò che l'Articolo 4 è concepito per respingere, e le sanzioni sulle disposizioni ad alto rischio arrivano fino a 35 milioni di euro o al 7% del fatturato globale. Le autorità di regolamentazione hanno dimostrato che comminano multe enormi per le carenze formative in ambiti adiacenti — TD Bank ha ricevuto una sanzione da 3,1 miliardi di dollari legata a un programma di conformità antiriciclaggio inadeguato. Il costo di trattare la formazione come teatro non è più ipotetico.

C'è una seconda pressione che non avevo previsto quando ho iniziato, ed è quasi buffa. I dipendenti hanno capito che possono affidarsi agli assistenti IA per sbrigare i moduli di conformità — rispondere al quiz, cliccare completa, non imparare nulla. HR Morning ne ha parlato nel 2026, e Gartner si è spinta fino a prevedere che entro il 2026 metà delle organizzazioni richiederà valutazioni delle competenze "senza IA" a causa dell'atrofia del pensiero critico. Quando la tua forza lavoro può falsificare il completamento su larga scala, il completamento smette di significare qualcosa. L'unica risposta duratura è misurare ciò che qualcuno sa davvero — che è ciò per cui il knowledge tracing è stato creato.

Cosa direi ora a quella responsabile della conformità

Le persone mi chiedono se tutto questo valga la pena proprio per la formazione — non è un'ingegnerizzazione eccessiva di un obbligo aziendale che a nessuno piace? La mia risposta è che l'abbiamo sotto-ingegnerizzata per vent'anni, e il conto sta arrivando da due direzioni contemporaneamente: un tempo di dimezzamento delle competenze crollato sotto i cinque anni, e un regolatore che sta per chiedere prove che per lo più non abbiamo. Solo il 26% dei leader oggi si sente in grado di misurare il ROI della formazione. La cosa che abbiamo scelto di non misurare è la cosa che è arrivata a scadenza.

Ripenso a quel raccoglitore di cinquecento spunte verdi. La tragedia non era che la formazione fosse cattiva. Era che l'organizzazione aveva speso denaro vero e ore vere ed era finita per sapere meno di quanto pensasse — con sicurezza, per iscritto, con tracce di audit. L'analista senior si annoiava e il nuovo direttore era smarrito, e il sistema segnalava entrambi come un successo.

Se potessi tornare indietro e consegnarle una sola cosa, non sarebbe un video migliore. Sarebbe la heatmap — cinquecento righe, cinque concetti, ogni cella un numero che potrebbe davvero difendere. Non "tutti hanno superato". Qualcosa di più vero e molto più utile: ecco esattamente cosa sa ciascuna di queste persone, ed ecco cosa faremo per il resto. È il sistema che costruiamo, e più a lungo faccio questo lavoro, più mi convinco che "completato" non è mai stata la risposta a una domanda che qualcuno avesse davvero.