Highlights

Ripensare l’educazione manageriale nell’era dell’intelligenza artificiale

Dalla nascita delle prime business school nel XX secolo, la formazione manageriale si è evoluta in risposta a trasformazioni economiche, tecnologiche e sociali, contribuendo alla ridefinizione dei modelli organizzativi e delle pratiche di leadership nel capitalismo contemporaneo. L’impatto crescente delle tecnologie digitali e l’avvento dell’intelligenza artificiale in particolare (Dagnino e Tirabeni, 2025) potrebbero segnare una nuova fase evolutiva nella storia delle business school, paragonabile alle grandi trasformazioni che hanno accompagnato la nascita dell’MBA moderno e l’affermazione di un approccio scientifico allo studio del management (Csaszar, Jacobides e Zemsky, 2025). Strumenti basati su machine learning e generative AI (GenAI) sono oggi in grado di analizzare grandi quantità di dati, produrre output complessi e intervenire nei processi decisionali in tempi estremamente rapidi. In molti casi tali sistemi riescono a replicare o persino superare alcune delle capacità analitiche tradizionalmente sviluppate nei programmi di management education, sollevando interrogativi sul ruolo e sul valore della formazione manageriale.

L’AI e il paradosso della formazione manageriale

L’integrazione di tecnologie digitali avanzate nei percorsi formativi ha contribuito alla diffusione di modelli educativi più flessibili, personalizzati e orientati all’esperienza, in linea con le logiche della cosiddetta “Education 4.0” (Jain et al., 2025). Strumenti di apprendimento adattivo, simulazioni digitali e ambienti collaborativi online stanno trasformando l’esperienza formativa, offrendo nuove opportunità ma introducendo anche nuove sfide sul piano pedagogico e organizzativo. Indagini recenti (AACSB, 2025; Brady et al., 2025) indicano una diffusione ormai ampia dell’AI nei programmi di management education: circa il 74% delle business school a livello globale dichiara di insegnare la GenAI attraverso corsi dedicati o moduli integrati nei programmi esistenti, mentre quasi l’80% utilizza tecnologie di AI nelle attività di insegnamento o apprendimento. Anche tra i docenti l’adozione è significativa: circa il 64% impiega strumenti di GenAI nelle attività didattiche e oltre il 78% ne incoraggia l’uso da parte degli studenti per la generazione di idee e il brainstorming. L’integrazione istituzionale di queste tecnologie rimane tuttavia limitata: solo il 47% delle business school dispone di politiche formali sull’uso dell’AI e appena il 12% richiede una formazione specifica per il corpo docente.

Nel complesso questi dati indicano una fase di rapida sperimentazione, in cui la diffusione delle tecnologie procede più velocemente della definizione di adeguate strutture di governance e strategie educative. L’impiego crescente dell’AI nei processi decisionali solleva inoltre questioni rilevanti per lo sviluppo del pensiero critico e delle capacità di giudizio. Se da un lato tali sistemi possono facilitare l’accesso alle informazioni e ampliare le prospettive analitiche degli studenti, dall’altro un uso passivo può ridurre l’impegno cognitivo e la capacità di elaborazione autonoma. Studi recenti mostrano infatti che l’interazione con sistemi di GenAI può indurre ad accettare con maggiore facilità le risposte generate dagli algoritmi, riducendo la verifica delle fonti e lo sviluppo di analisi indipendenti (Larson et al., 2024).

Una nuova tecnologia cognitiva

L’irruzione della GenAI nel mondo della formazione manageriale segna una discontinuità che va oltre l’adozione di una nuova tecnologia didattica. A differenza delle precedenti ondate di digitalizzazione – dalle piattaforme di e-learning ai sistemi di gestione dell’apprendimento – la GenAI non si limita a facilitare l’accesso alla conoscenza o a migliorare l’efficienza dei processi educativi, ma interviene direttamente sulle attività cognitive che costituiscono il nucleo della formazione manageriale, come l’analisi dei problemi, la sintesi delle informazioni e la costruzione di argomentazioni strutturate. In questo senso può essere considerata una vera e propria “tecnologia cognitiva”, in grado di affiancare – e in alcuni casi sostituire – capacità analitiche tradizionalmente sviluppate nei programmi di management. Strumenti come ChatGPT e altri modelli linguistici avanzati sono oggi in grado di generare report strategici, analisi di mercato, piani di marketing e business plan in pochi secondi, rendendo immediatamente disponibili competenze che fino a poco tempo fa richiedevano anni di formazione e pratica professionale. Non sorprende quindi che numerosi studi abbiano sottolineato come l’AI stia ridefinendo il rapporto tra conoscenza, apprendimento e competenza nelle business school (Xu, 2021; Ratten e Jones, 2023).

Il rischio della delega cognitiva

Quale valore aggiunto può offrire dunque l’educazione manageriale se molte delle competenze analitiche insegnate nei corsi di management possono essere replicate – o addirittura superate – da sistemi algoritmici? Il tema precede l’attuale boom della GenAI: diversi studi avevano già evidenziato un divario crescente tra le competenze sviluppate nelle business school e le esigenze emergenti delle organizzazioni (Sollosy e McInerney, 2022). L’avvento dei modelli di GenAI rende oggi questa distanza ancora più evidente, poiché automatizza proprio quei processi cognitivi – ricerca di informazioni, sintesi, scrittura analitica – che costituiscono la base delle attività formative tradizionali.

La diffusione di questi strumenti introduce così un paradosso educativo: tecnologie che possono arricchire l’esperienza di apprendimento rischiano al tempo stesso di indebolire i processi cognitivi che l’istruzione superiore dovrebbe sviluppare. Evidenze recenti mostrano che l’uso estensivo di strumenti di GenAI può favorire forme di delega cognitiva, nelle quali gli studenti affidano agli algoritmi compiti di analisi, elaborazione e argomentazione precedentemente svolti attraverso un impegno diretto (Valcea et al., 2024). Alcuni autori parlano in questo senso di un possibile rischio di deskilling cognitivo: l’uso non riflessivo dell’AI riduce la profondità dell’apprendimento e accresce la dipendenza tecnologica (Ivanov, 2023; Izak et al., 2025). Il problema non riguarda soltanto la qualità degli elaborati prodotti dagli studenti, ma anche il modo in cui la conoscenza viene costruita e interiorizzata. Se l’AI rende immediatamente disponibili sintesi e soluzioni preconfezionate, l’apprendimento rischia di ridursi progressivamente da un processo di costruzione attiva della conoscenza a un’attività di selezione e revisione di output algoritmici.

Dal problem solving al giudizio manageriale

Una lettura esclusivamente pessimistica dell’impatto della GenAI rischia di trascurare le opportunità che queste tecnologie possono offrire per ripensare la formazione manageriale. Studi recenti evidenziano come gli strumenti basati sull’AI possono supportare nuove forme di apprendimento esperienziale, facilitare l’esplorazione di scenari complessi e stimolare processi creativi attraverso il dialogo uomo-macchina (Guha et al., 2023; Vecchiarini e Somià, 2023). In contesti imprenditoriali e innovativi, ad esempio, i sistemi di GenAI possono contribuire allo sviluppo di idee, all’analisi delle opportunità di mercato e alla simulazione delle decisioni strategiche, configurandosi non come sostituti delle capacità manageriali, ma come amplificatori cognitivi. I risultati più efficaci emergono infatti dall’integrazione tra analisi algoritmica, conoscenze contestuali e competenze esperienziali umane (Cristofaro e Giardino, 2025; Cristofaro et al., 2026). Il tema, tuttavia, non riguarda soltanto l’integrazione tecnica della GenAI nei curricula, ma la ridefinizione delle competenze che l’educazione manageriale dovrebbe sviluppare. Con la progressiva automatizzazione delle attività analitiche, il valore distintivo della formazione manageriale tende a spostarsi verso capacità difficilmente replicabili dagli algoritmi, quali il giudizio strategico, l’interpretazione di contesti complessi, la gestione delle ambiguità e la leadership nei sistemi socio-tecnici. In altre parole, la diffusione dell’AI non riduce la rilevanza delle business school, ma ne trasforma profondamente la missione. Più che trasmettere conoscenze e strumenti analitici, l’educazione manageriale è oggi chiamata a formare professionisti capaci di collaborare con sistemi intelligenti, di interpretarne criticamente i risultati e di integrarne le potenzialità nei processi decisionali organizzativi. È proprio questa tensione tra automazione cognitiva e giudizio umano a costituire uno dei nodi centrali nel dibattito contemporaneo sul futuro delle business school.

Un framework per ripensare la management education

In questo contesto di trasformazione rapida e spesso disordinata emerge la necessità di orientare l’integrazione dell’AI nella management education attraverso approcci sistemici e consapevoli. Con questo obiettivo l’Education Committee dell’International Federation of Scholarly Associations of Management (IFSAM) ha sviluppato il Vademecum on Generative AI in Management Education[1]. Il documento non si limita a offrire raccomandazioni operative sull’uso della GenAI nei contesti educativi, ma propone un quadro concettuale più ampio per guidare le business school nel ripensamento delle proprie pratiche didattiche, dei modelli di governance e delle competenze che intendono sviluppare nei futuri manager. Il punto di partenza del Vademecum è che l’integrazione dell’AI non può essere affrontata esclusivamente come una questione tecnologica. Al contrario, essa richiede un riallineamento culturale, pedagogico ed etico delle istituzioni educative, capace di bilanciare innovazione e responsabilità. In questa prospettiva il documento individua una serie di principi guida – tra cui integrità accademica, trasparenza, alfabetizzazione all’AI, inclusione e riflessività istituzionale – che dovrebbero orientare le strategie delle business school nell’adozione di queste tecnologie. Su queste basi il Vademecum introduce il Generative AI Framework for Management Education (GIFME), un modello concepito per supportare le istituzioni educative nell’integrare la GenAI nei programmi di management in modo coerente e responsabile. Più che un insieme di prescrizioni rigide, GIFME rappresenta un sistema dinamico e circolare, progettato per favorire processi di apprendimento istituzionale e di adattamento continuo. Il framework è articolato in sei domini interdipendenti, che riflettono le principali dimensioni attraverso cui l’AI può influenzare la formazione manageriale.

Governare prima di essere governati

Il primo ambito riguarda la governance istituzionale. L’introduzione della GenAI nelle business school richiede politiche chiare che definiscano i confini etici e operativi del suo impiego. Diverse università hanno già adottato AI charters o linee guida istituzionali che disciplinano l’uso di strumenti generativi nei lavori accademici e stabiliscono quando e come tale utilizzo debba essere dichiarato. Uno studio recente citato nel Vademecum evidenzia che molte università statunitensi hanno pubblicato documenti di orientamento sull’AI, spesso accompagnati da esempi di attività didattiche o da indicazioni per i docenti. L’obiettivo di queste iniziative non è proibire l’uso dell’AI, ma creare condizioni di trasparenza e responsabilità. In questo senso, la governance diventa il punto di partenza per costruire legittimità istituzionale e fiducia tra studenti, docenti e stakeholder.

Un nuovo linguaggio del management

Il secondo dominio riguarda il ridisegno dei curricula. Secondo il Vademecum, la GenAI non dovrebbe essere trattata come una competenza specialistica confinata a pochi corsi tecnici, ma integrata nel cuore della formazione manageriale. Ciò implica ripensare l’insegnamento di discipline tradizionali come strategia, marketing, finanza o imprenditorialità, attraverso attività in cui gli studenti utilizzano l’AI per analizzare scenari competitivi, generare idee imprenditoriali e simulare decisioni manageriali. Un esempio emblematico riguarda alcune business school che hanno trasformato i corsi basati sul metodo dei casi introducendo living cases, scenari dinamici in cui l’AI genera evoluzioni della situazione aziendale in risposta alle decisioni degli studenti. In questi contesti, l’AI diventa parte integrante del linguaggio analitico del management, consentendo agli studenti di confrontarsi con scenari decisionali più complessi e realistici.

Ripensare la pedagogia manageriale

Il terzo dominio riguarda le pratiche pedagogiche. La GenAI consente di ripensare la dinamica dell’apprendimento, trasformando la relazione tra studenti, docenti e la conoscenza. Alcune università stanno sperimentando attività didattiche in cui l’AI agisce come interlocutore critico. Un esempio citato nel Vademecum riguarda un corso di strategia in cui gli studenti presentano una proposta e, successivamente, utilizzano un chatbot per generare controargomentazioni o critiche alla propria analisi. Il dialogo con il sistema generativo diventa così uno strumento per rafforzare il ragionamento e individuare punti deboli nelle strategie proposte. In questo modo, l’AI non sostituisce il lavoro degli studenti, ma agisce come una sorta di devil’s advocate digitale, stimolando il confronto critico e la riflessione.

Cosa resta da valutare?

La diffusione della GenAI ha reso evidente la necessità di ripensare le modalità di valutazione dell’apprendimento. Elaborati scritti, come saggi o report, possono ormai essere generati con facilità da sistemi di AI, mettendo in crisi i metodi di assessment tradizionali. Il Vademecum descrive diverse innovazioni introdotte dalle business school per affrontare questa sfida. In alcuni corsi gli studenti devono allegare ai loro lavori un AI log, ossia una documentazione delle interazioni con l’AI che documenti i prompt utilizzati, le risposte scartate e il processo di costruzione dell’output. In altri casi, le istituzioni stanno reintroducendo discussioni orali o prove in presenza, in cui gli studenti devono argomentare e difendere il proprio ragionamento. Queste pratiche spostano l’attenzione dall’output al processo di ragionamento, rendendo visibile il modo in cui gli studenti utilizzano e interpretano gli strumenti di AI.

Ripensare il ruolo del docente

L’integrazione della GenAI nella didattica implica una ridefinizione del ruolo dei docenti. Il Vademecum sottolinea che i docenti non devono essere soltanto utilizzatori di nuovi strumenti tecnologici, ma assumere il ruolo di facilitatori di processi di apprendimento nei quali studenti e AI interagiscono in modo riflessivo. Per sostenere questo cambiamento, alcune università hanno introdotto AI sandboxes, spazi sperimentali che consentono ai docenti di testare nuovi strumenti e condividere esperienze didattiche. In altri casi le istituzioni hanno sviluppato programmi di formazione interdisciplinare o percorsi di micro-credential in AI literacy, rivolti sia agli studenti sia ai docenti.

Le business school non sono sole

Il framework GIFME sottolinea inoltre l’importanza del coinvolgimento degli stakeholder. L’integrazione dell’AI nella management education non riguarda solo le università e i docenti, ma coinvolge anche imprese, studenti, associazioni professionali e organismi di accreditamento. Alcune business school hanno già creato panel consultivi multi-stakeholder che includono studenti, manager e alumni per discutere l’uso dell’AI nei programmi educativi. Allo stesso tempo, le imprese richiedono sempre più laureati capaci non solo di utilizzare gli strumenti di AI, ma anche di comprenderne le implicazioni etiche e strategiche. Questa interazione tra università e mondo professionale contribuisce a mantenere la formazione manageriale allineata alle trasformazioni del lavoro.

Un framework che non è una ricetta

Un elemento distintivo del framework GIFME è la sua natura circolare. I sei domini non rappresentano fasi lineari, ma componenti interconnesse di un sistema di apprendimento istituzionale. Governance, curriculum, pedagogia, assessment, sviluppo dei docenti e coinvolgimento degli stakeholder si influenzano a vicenda, generando un processo continuo di sperimentazione e adattamento. In questa prospettiva, il Vademecum non propone una soluzione definitiva per integrare l’AI nella management education. Piuttosto, invita le business school a considerarla come un catalizzatore per ripensare il proprio ruolo educativo, formando manager capaci di coniugare competenze tecnologiche, giudizio critico e responsabilità etica.

Considerazioni conclusive

La GenAI sta aprendo una nuova stagione nella formazione manageriale. Nel giro di pochi anni, strumenti capaci di produrre analisi, report strategici, piani di marketing o sintesi complesse sono diventati accessibili a milioni di studenti e professionisti, mettendo in discussione il significato stesso di formare manager. Per oltre un secolo le business school hanno fondato la propria identità sulla trasmissione di conoscenze e strumenti analitici. Oggi, una parte crescente di queste attività può essere svolta – almeno in apparenza – da sistemi intelligenti. Quando un algoritmo è in grado di elaborare una strategia o sintetizzare grandi quantità di informazioni in pochi secondi, il punto non è più cosa insegnare, ma quale valore distintivo offrire. La differenza non risiede nella rapidità di adozione delle tecnologie, ma nel modo in cui esse vengono interpretate e integrate nei processi decisionali. Le organizzazioni continueranno ad avere bisogno di leader in grado di formulare domande rilevanti, valutare implicazioni etiche e prendere decisioni in condizioni di incertezza. Competenze come il pensiero critico, la capacità di immaginare scenari alternativi e la comprensione dei contesti restano difficilmente automatizzabili. La diffusione della GenAI rappresenta quindi un’opportunità per ridefinire la missione delle business school. Più che trasmettere modelli e strumenti, si tratta di sviluppare la capacità di interagire con sistemi intelligenti, valutarne criticamente i risultati e utilizzarli in modo consapevole. La formazione manageriale diventa così uno spazio di sperimentazione, in cui si esplorano nuove forme di collaborazione tra intelligenza umana e artificiale.

Il Vademecum e il framework GIFME proposti dall’Education Committee di IFSAM rappresentano un primo tentativo in questa direzione, incoraggiando le business school a sperimentare e adattarsi in un contesto in rapido mutamento. Guardando avanti, la sfida sarà mantenere un equilibrio tra integrazione tecnologica e centralità dell’esperienza umana. In definitiva, il compito delle business school non è insegnare a competere con le macchine, ma formare manager capaci di collaborare con esse senza rinunciare al proprio giudizio. Anche in un contesto sempre più guidato dagli algoritmi, la qualità delle decisioni continuerà a dipendere dalla qualità del pensiero umano.

Managerial Impact Factor

• La GenAI sta ridefinendo il ruolo delle business school, spostando il valore della formazione manageriale dalla trasmissione di conoscenze analitiche allo sviluppo di giudizio critico e responsabilità decisionale.
• L’integrazione dell’AI nei programmi di management non può limitarsi all’introduzione di nuovi strumenti digitali, ma richiede un ripensamento coordinato di governance, curricula, pedagogia e sistemi di valutazione.
• Le business school devono preparare manager capaci di collaborare con sistemi intelligenti, interpretarne criticamente gli output e integrarli nei processi decisionali senza delegare il proprio giudizio.
• Il rischio principale non è l’uso dell’AI in sé, ma la delega cognitiva: per questo, la formazione manageriale deve rendere visibili e valutabili i processi di ragionamento, non solo gli output finali.
• Framework come il GIFME possono aiutare le istituzioni educative a governare l’adozione della GenAI in modo sistemico, trasformando una discontinuità tecnologica in un’opportunità di innovazione pedagogica e istituzionale.

Riferimenti bibliografici

• AACSB (2025). GenAI Adoption in Business Schools: Deans and Faculty Respond.
• Brady, M., Fellenz, M., Lefevre, D. (2025). “Walking the Tightrope: Why MBA Directors are Challenged with AI Adoption in MBA Education Change.” Global Focus. The EFMD Business Magazine.
• Cristofaro, M., Giardino, P.L. (2025). “Human–AI synergy: Finding cognitive balance in idea generation for product innovation.” European Journal of Innovation Management, 10.1108/EJIM-03-2025-0312.
• Cristofaro, M., Giardino, P.L., Muldoon, J. (2026). “Entrepreneurial decision-making in the age of AI: Sector knowledge at the balance of intuition and analysis.” Technology in Society, 85, 103200.
• Csaszar, F.A., Jacobides, M.G., Zemsky, P. (2025). “The effects of artificial intelligence on management education.” Strategic Organization, 14761270251385484.
• Dagnino, G.B., Tirabeni, L. (2025). “Formare i manager nell’era dell’AI: nuovi bisogni e paradigmi educativi.” Economia & Management, 2, 67–74.
• Guha, A., Grewal, D., Atlas, S. (2023). “Generative AI and marketing education: What the future holds.” Journal of Marketing Education, 46(1), 6–17.
• IFSAM Education Committee (2026). Vademecum on Generative AI in Management Education. International Federation of Scholarly Associations of Management.
• Ivanov, S. (2023). “The dark side of artificial intelligence in higher education.” The Service Industries Journal, 43(15–16), 1055–1082.
• Izak, M., et al. (2025). “Generative artificial intelligence and learning: At the dawn of idiocracy?” Management Learning, 56(3), 407–415.
• Jain, A., et al. (2025). “Reimagining management education: Navigating the shift to education 4.0 in the digital era.” The International Journal of Management Education, 23(2), 101182.
• Larson, B.Z., et al. (2024). “Critical thinking in the age of generative AI.” Academy of Management Learning & Education, 23(3), 373–378.
• Ratten, V., Jones, P. (2023). “Generative artificial intelligence (ChatGPT): Implications for management educators.” The International Journal of Management Education, 21(3), 100857.
• Sollosy, M., McInerney, M. (2022). “Artificial intelligence and business education: What should be taught.” The International Journal of Management Education, 20(3), 100720.
• Valcea, S., Hamdani, M.R., Wang, S. (2024). “Exploring the impact of ChatGPT on business school education: Prospects, boundaries, and paradoxes.” Journal of Management Education, 48(5), 915–947.
• Vecchiarini, M., Somià, T. (2023). “Redefining entrepreneurship education in the age of artificial intelligence.” The International Journal of Management Education, 21(3), 100879.
• Xu, J.J., Babaian, T. (2021). “Artificial intelligence in business curriculum: The pedagogy and learning outcomes.” The International Journal of Management Education, 19(3), 100550.

Photo iStock / Tanatpon Chaweewat