Le Intelligenze Aziendali per la competitività sostenibile e il bene comune

Negli ultimi anni, la convergenza tra intelligenza artificiale, metodologie qualitative e ricerca manageriale ha ridefinito le modalità di esplorazione e interpretazione delle emozioni nei contesti organizzativi e di mercato. Una tale intersezione ha promosso un dialogo sempre più articolato tra forme eterogenee di razionalità – umana, simbolica e neurale – configurando un paradigma di analisi capace di coniugare la sottigliezza interpretativa della ricerca qualitativa con la capacità di generalizzazione dei modelli computazionali (Bankins et al., 2024; Halpin, 2024). All’interno di tale cornice, la collaborazione tra esseri umani e sistemi di intelligenza artificiale emerge in quanto dibattito focale del management contemporaneo. Se da un lato si riconosce il potenziale delle tecnologie cognitive nell’aumentare di produttività ed efficienza, dall’altro si delineano con chiarezza le sfide legate al mantenimento di un’esperienza lavorativa autenticamente umana, fondata su competenze relazionali ed emotive (Bankins et al., 2024). Il presente lavoro, attualmente in corso di sviluppo, si propone di esplorare in che modo differenti logiche di codifica emotiva – ermeneutica (umana), simbolica (basata su conoscenza esplicita) e neurale (fondata su apprendimento statistico) – interpretino e rappresentino le emozioni espresse nel linguaggio naturale. L’indagine si colloca nell’ambito degli studi sulle emozioni relazionali nei contesti digitali e nel più ampio campo dell’ affective computing (Picard, 2000), applicata al comportamento del consumatore e dei dipendenti (Nizette & Hammedi, 2025). L’obiettivo del lavoro è duplice: comprendere in che misura diverse forme di intelligenza convergano o divergano nell’interpretazione dell’esperienza affettiva, nonché analizzare le implicazioni di tali dinamiche per le pratiche manageriali, nei domini del marketing e della gestione delle risorse umane. In molteplici contesti organizzativi, difatti, la capacità di riconoscere e interpretare con precisione le emozioni espresse nel linguaggio degli attori coinvolti – che si tratti di colleghi, collaboratori o membri di comunità professionali online – costituisce una risorsa conoscitiva sempre più strategica. Le manifestazioni emotive che emergono da feedback formali, conversazioni informali, strumenti digitali di collaborazione e interazioni nei network professionali contribuiscono infatti a delineare aspetti chiave del clima interno, della qualità delle relazioni e dei processi di coordinamento sia entro sia tra le organizzazioni (Sahut & Laroche, 2025; Zerbini et al., 2007). Questa abilità, legata alle componenti cognitive e sociali dell’intelligenza emotiva, assume un rilievo particolare nei contesti ibridi e virtuali, in cui la comunicazione testuale o mediata accresce la necessità di saper decodificare correttamente i segnali affettivi impliciti. Secondo il World Economic Forum il World Economic Forum (2023, 2025), competenze come empatia, consapevolezza di sé e capacità comunicativa figurano tra quelle maggiormente richieste ai leader del futuro, anche in ambienti organizzativi caratterizzati da automazione e largo impiego dell’IA. Ciò conferma il ruolo centrale della comprensione delle emozioni altrui come base di un management efficace e orientato alla persona. Allo stesso tempo, la crescente integrazione di sistemi di IA generativa nelle imprese – dai chatbot alle applicazioni di sentiment analysis – rende necessario garantire trasparenza e affidabilità nei processi automatizzati di riconoscimento emotivo. Nel settore dei servizi, in particolare, si rafforza la richiesta di soluzioni di XAI in grado di mantenere elevata la fiducia di clienti e dipendenti nelle analisi algoritmiche (Chamola et al., 2023; Kalasampath et al., 2025). Le organizzazioni internazionali, tra cui il Parlamento Europeo e l’OECD, richiamano l’attenzione sui rischi connessi a un impiego non regolato delle tecnologie di affect recognition, sollecitando l’adozione di procedure di validazione che ne assicurino accuratezza, affidabilità e conformità ai principi etici (OECD, 2025; Ünver, 2024). In tale quadro teorico si consolida l’idea di un approccio integrato, nel quale la potenza analitica dell’intelligenza artificiale si combini con la sensibilità interpretativa dell’intelligenza umana, in una prospettiva di collaborazione cognitiva che produce forme di conoscenza situate e riflessive (Harfouche et al., 2023; Jarrahi et al., 2023). Il work in progress qui presentato si colloca all’interno di questa linea di ricerca e concentra l’attenzione sull’analisi del linguaggio emotivo che emerge da interviste qualitative relative alle reazioni suscitate da post su LinkedIn in cui altri utenti celebrano traguardi professionali. Tale contesto, divenuto parte integrante della vita lavorativa digitale, rappresenta un terreno empirico particolarmente adatto per osservare come differenti epistemologie – umana, simbolica e neurale – decodifichino la dimensione emotiva. L’indagine si articola attorno a due interrogativi principali: RQ1: Quali emozioni vengono identificate dai tre approcci di codifica (ermeneutico, simbolico e neurale) nell’analisi delle reazioni ai post professionali su LinkedIn? RQ2: In quale misura e con quali differenze i tre approcci convergono o divergono nella classificazione delle emozioni? Nel contesto della ricerca manageriale contemporanea, tale orientamento risponde alla direzione degli sviluppi più recenti dell’intelligenza artificiale spiegabile e collaborativa, secondo cui la convergenza tra risultati umani e algoritmici può rafforzare la fiducia nell’integrazione dell’IA nei processi decisionali, a condizione che le responsabilità interpretative restino chiaramente definite (Nizette & Hammedi, 2025).