System Thinking e AI: perché serve a ogni livello, e le tre tecniche per allenarlo

Per anni il pensiero sistemico, o System Thinking, è stato il biglietto d'ingresso per accedere ai ruoli manageriali. La recente intervista alla CPTO di Netflix spiega perché quella regola sta cambiando. Ma cominciamo con una definizione di pensiero sistemico.

Detto semplicemente, il pensiero sistemico è la capacità di leggere il proprio lavoro dentro un contesto più ampio, di ricavarne elementi riutilizzabili e di ottimizzare per il risultato complessivo invece che per il proprio perimetro.

La novità è che, con l'adozione dell'AI, questa competenza smette di essere un prerequisito per i ruoli manageriali e diventa un'aspettativa trasversale a qualunque funzione e livello dell'organizzazione.

L'aspettativa è cambiata per un insieme di ragioni, che hanno a che vedere con due cose insieme: ciò che l'AI mette nelle mani del singolo professionista, e ciò che l'AI toglie all'organizzazione.

Per nostra fortuna, è possibile rafforzare le nostre competenze di System Thinking con 3 semplici tecniche, applicabili ai deliverable che già produciamo nella nostra quotidianità lavorativa:

• fare zoom out
• mettersi nei panni del capo
• e lasciare meglio di come abbiamo trovato.

‍Guarda i video di Augmented Consultant su AI e System Thinking

Questo articolo nasce da due video del canale YouTube di Augmented Consultant: se preferisci la versione parlata, puoi guardarli qui sotto, altrimenti continua a leggere.

‍

‍

Perché le aziende cercano più pensatori sistemici proprio adesso?

Facciamo riferimento a un'intervista di Lenny's Podcast a Elizabeth Stone, Chief Product and Technology Officer di Netflix, quindi la figura che in azienda dirige Engineering, Product e Design. Alla domanda su chi stiano assumendo di più, Stone risponde che servono più pensatori sistemici in un mondo con l'AI.

L'AI abbassa la soglia di ingresso per svolgere un'attività che prima richiedeva, potenzialmente, l'ingaggio di uno specialista, o comunque il ricorso a competenze "esterne".

Questo implica che se oggi posso espletare un task che esula dalle mie specifiche competenze, in quanto delego parte del lavoro all'AI, devo però essere in grado di avere una visione globale dell'attività nel suo end to end, per garantire un risultato qualitativamente solido.

Che cos'è il pensiero sistemico?

Stone non dà una definizione formale, ma elenca tre caratteristiche osservabili dei System Thinker:

• astrazione trasversale ai domini
• capacità di fare zoom out
• e ottimizzazione end to end.

Nel dettaglio, sono professionisti che:

• considerano trasversalmente domini di business diversi e ne ricavano building blocks esportabili e replicabili, cioè elementi che si possono riutilizzare altrove invece di risolvere ogni volta il caso singolo
• fanno zoom out, cioè assumono una prospettiva più ampia e più alta rispetto al proprio perimetro organizzativo, si sforzano di leggerlo in contesto mettendosi il cappello di qualcun altro, e poi prendono una decisione e agiscono di conseguenza
• ottimizzano gli output mettendo al primo posto l'end to end e non il locale, cioè non si fermano al proprio perimetro ristretto

Vale la pena notare che in questo elenco di abilità non ci sono competenze tecniche specifiche, e nemmeno riferimenti al livello di seniority aziendale.

Il System Thinking, come dicevamo già prima, è un insieme di soft skill che si allenano applicando specifiche modalità di ragionamento.

Perché il pensiero sistemico non è più una competenza da senior?

L'AI mette a disposizione di ogni Individual Contributor un piccolo team, l'Agente: chi dirige un Agente si trova a esercitare una modalità di pensiero manageriale, stabilendo per esempio:

• qual è il problema da risolvere
• i criteri di qualità
• la valutazione dell'output generato dall'Agente

E, aggiungo, insieme a questa potenzialità si trova anche a dovere gestire la relativa aspettativa di agire come un pensatore sistemico.

Tradizionalmente, almeno nei Professional Services e nella Consulenza, le caratteristiche del System Thinker erano un prerequisito di accesso ai ruoli manageriali.

Quel set di competenze, anche se non sufficiente da solo, era visto come necessario per gestire team, progetti, centri di costo e budget su scala.

Verso un professionista che si posizionava come Individual Contributor le aspettative erano diverse, perché esprimeva il suo valore soprattutto come specialista di dominio.

Citando Stone, nell'era dell'AI: "It's not just seniority, but it's breadth".

Non è una questione di anzianità, è una questione di ampiezza.

E infatti l'aspettativa si estende a qualsiasi funzione aziendale, al di là del livello e del ruolo, di pari passo con l'attesa che l'adozione dell'AI diventi un sostrato comune a tutti i professionisti dell'organizzazione.

Che cosa cambia per le organizzazioni quando l'AI sfuma i confini tra ruoli?

Sfumando i confini funzionali l'AI toglie il collo di bottiglia e permette di scalare, ma rimuove anche il presidio dell'esperto, e quindi introduce un margine di rischio nuovo.

Stone racconta che nella sua esperienza in Netflix i Product Manager, i Designer e i Data Scientist si spingono molto più in là nel ciclo di sviluppo del software prima di dover coinvolgere gli Ingegneri nel processo, a differenza di quanto avveniva prima.

Chi lavora in Consulenza riconosce lo schema: il Business Analyst prototipa, il Project Manager è in grado di generare autonomamente contenuti di Analisi e Design, eccetera.

Il problema si pone quando il singolo professionista, varcando il confine del proprio ruolo grazie all'utilizzo dell'AI, perde contestualmente accesso al gate di controllo che prima era delegato all'esperto, competente per la funzione specifica.

Aumenta la capacità di produrre output in velocità, ma con un rischio di errore.

Quale sarebbe la soluzione, ammesso di non volere ricreare il collo di bottiglia rimosso grazie all'AI, quindi senza reinserire l'esperto nel processo?

Un modo di mantenere la velocità senza che questo vada a discapito della qualità, è ripristinare il layer di controllo e sicurezza costruendolo nello stesso strumento AI utilizzato dal non esperto.

In pratica, questo significa codificare non soltanto i processi e le competenze, ma anche i vincoli, in particolare quelli sulla gestione del dato e sui criteri di qualità, in modo che gli strumenti AI li integrino by design.

Ad esempio, disegnando percorsi predefiniti (Paved Path) e i Guardrail, cioè i paletti incorporati direttamente nello strumento.

Vale la pena notare che anche questa capacità di codifica è un'espressione di pensiero sistemico.

Come si allena il pensiero sistemico? Le tre tecniche

Le tre tecniche sono:

1. fare zoom out prima di eseguire
2. mettersi nei panni del capo prima di consegnare
3. e lasciare meglio di come abbiamo trovato.

Fare zoom out

Fare zoom out significa fermarsi e chiedersi, per esempio:

• qual è il problema alla base della richiesta che stiamo cercando di risolvere?
• si tratta di una priorità nel contesto competitivo attuale?
• la soluzione che ho in testa è scalabile, può diventare una capability riutilizzabile cross-piattaforma?

Attenzione però, perché questo esercizio non ci deve imbrigliare nella tipica situazione di analisi paralisi.

Amplio la mia prospettiva come posso, in base alla visibilità reale che ho sui processi aziendali e sul relativo valore di business.

Per questo parliamo di fare zoom out "di un grado": se sono un Junior Consultant non posso fare zoom out adottando la prospettiva del CEO, non avrebbe senso.

Probabilmente posso allargare lo sguardo al processo end to end del progetto a cui sto contribuendo con il team di cui faccio parte.

Lo scopo è rendere più intenzionale ed efficace l'azione, non risolvere tutti i problemi possibili.

Perciò, dopo avere fatto zoom out, considerato angolazioni diverse e, se serve, ricalibrato la strategia, prendo una decisione e agisco.

Mettersi nei panni del capo

Significa considerare il proprio lavoro dalla prospettiva di chi ha responsabilità su un perimetro più esteso del nostro.

Questo esercizio serve a capire come il nostro output si incastra in quel quadro più ampio e come possiamo elaborarlo affinché contribuisca a farlo funzionare meglio.

Stone cita la propria esperienza: è un consiglio ricevuto negli anni, cioè chiedersi se ci sono modi di fare il proprio lavoro che aiutano il proprio manager a fare meglio il suo.

Nel suo caso lei risponde di Product e Technology, mentre chi guarda dal gradino superiore ha anche la responsabilità di Finance, Content e delle altre anime del business.

Le domande che si pone sono:

• di che cosa ha bisogno chi riceve quello che sto producendo per fare bene il suo lavoro?
• il mio deliverable arriva al destinatario in una forma definitiva o dovrà essere rilavorato?
• quali altri tasselli, oltre al mio, devono incastrarsi per comporre il puzzle finale?

Non è una questione gerarchica, e il capo di cui parliamo non coincide per forza con il nostro capo in organigramma.

L'invito è ad assumere la prospettiva di chi in quel momento ha una visibilità più larga della nostra sul processo a cui stiamo contribuendo.

A seconda dei casi, potrebbe trattarsi di un Project Manager, di un Solution Architect, o dello Sponsor lato cliente.

Lo scopo non è anticipare le sue decisioni o prenderle al posto suo, ma consegnare in una forma che gli renda più facile il lavoro.

Detto in altri termini, non allargo il mio scope, allargo i criteri di qualità con cui produco il mio contributo.

Lasciare meglio di come hai trovato

È un'espressione che siamo abituati a sentire soprattutto fuori dal contesto lavorativo.

Applicata qui, fa riferimento all'esigenza di considerare, oltre al risultato immediato del nostro task, anche il modo in cui quel risultato impatta il contesto in cui abbiamo lavorato.

Stone fa l'esempio di un Software Engineer che si chiede come lasciare una versione migliore dell'applicativo, come arrivare a un output solido e scalabile.

Per noi le domande diventano:

• con questo deliverable sto lasciando una base più solida per le cose che costruiremo dopo?
• la soluzione che ho trovato è accessibile da un collega o vive solo nella mia testa?
• ho risolto un caso isolato, o la natura del problema è sempre la stessa ed è già emersa altre volte anche per altri?

In sintesi: da dove iniziare per applicare il System Thinking all'AI

L'AI moltiplica il numero di scelte locali che prendiamo ogni giorno, e ogni volta che scegliamo abbiamo la possibilità di pensare solo localmente, oppure di applicare il pensiero sistemico.

Quando i costi di produzione si abbassano, quello che distingue un professionista non è tanto la velocità e la quantità di output che riesce a generare, quanto la qualità del giudizio applicato al deliverable e la capacità di renderlo significativo per l'organizzazione.

Per chi si occupa di Consulenza le implicazioni concrete sono due.

La prima è che imparare a fare zoom out, a metterci il cappello del collega che ha una visibilità un gradino più elevata della nostra, deve diventare una normale abitudine ogni volta che produciamo un deliverable o contribuiamo a un deliverable utilizzando l'AI.

Fa parte di quel livello mandatorio di AI Fluency che ormai ci si aspetta da noi come baseline, e di cui ho parlato nell'articolo I tre obiettivi strategici del Consulente.

La seconda, più strategica, è sviluppare le competenze che ci permettono di capitalizzare un'esigenza che le organizzazioni hanno adesso: professionisti capaci di assisterle nel processo di codifica, disegno e progettazione di soluzioni AI in ottica Guardrail by Design.

Se vuoi vedere come si traduce operativamente questo lavoro di codifica, il punto di partenza più diretto sono le Claude Skill, che permettono di incorporare metodo e vincoli dentro uno strumento che poi usa anche chi non ha la nostra expertise.

Domande frequenti

Che cos'è il pensiero sistemico in ambito aziendale?

È la capacità di leggere il proprio lavoro dentro un contesto più ampio, ricavarne elementi riutilizzabili in altri domini, e ottimizzare per il risultato complessivo dell'organizzazione invece che per il proprio perimetro.

Nell'intervista a Lenny's Podcast, Elizabeth Stone lo descrive attraverso tre caratteristiche osservabili: astrazione trasversale ai domini, capacità di zoom out, e ottimizzazione end to end.

Il pensiero sistemico è una competenza solo per ruoli manageriali?

No, e questo è proprio ciò che sta cambiando. Stone lo dice esplicitamente: "it's not just seniority, but it's breadth".

Non è una questione di anzianità ma di ampiezza, e l'aspettativa oggi si estende a qualsiasi funzione e livello, perché chi dirige un Agente AI esercita di fatto una modalità di pensiero manageriale anche senza avere persone da coordinare.

Come si allena il pensiero sistemico nel lavoro quotidiano?

Con tre esercizi applicabili ai task che già svolgiamo: fare zoom out prima di eseguire, cioè interrogare il problema a monte della richiesta; mettersi nei panni di chi ha una visibilità più ampia prima di consegnare il deliverable; e chiedersi se quello che abbiamo prodotto servirà anche a chi affronterà lo stesso problema dopo di noi.

Che cosa sono i Guardrail e i Paved Path in un contesto AI?

Sono i vincoli e i percorsi predefiniti incorporati direttamente nello strumento AI, invece che scritti in una procedura da ricordare.

Servono a ripristinare il controllo sulla qualità e sulla gestione del dato quando l'AI permette a un professionista di operare fuori dal proprio ambito di competenza, senza dover reintrodurre l'esperto nel processo e senza rinunciare alla velocità.

Perché l'AI aumenta il rischio di errore se fa risparmiare tempo?

Perché sfumando i confini tra ruoli rimuove il presidio dell'esperto.

Chi varca il confine della propria funzione usando l'AI non ha più accesso alla conoscenza e ai controlli che prima erano delegati al professionista competente per quella funzione.

Il guadagno di velocità è reale, ma va accompagnato da controlli codificati dentro lo strumento.

Serve saper programmare per applicare queste tecniche?

No. Le tre tecniche sono abitudini di ragionamento che si esercitano sui deliverable di analisi, pianificazione e documentazione che già produciamo.

Anche il lavoro di codifica dei vincoli parte dalla nostra expertise funzionale, non da competenze di sviluppo.

Continua il percorso con Augmented Consultant

Se vuoi approfondire le definizioni dei termini che abbiamo usato qui, da System Thinking a Paved Path e Guardrail by Design, le trovi raccolte nel Glossario di Augmented Consultant, dove tengo le voci della nostra nicchia spiegate in modo autonomo e senza gerghi inutili.

Tutti gli articoli di questo percorso sono invece nella pagina Claude AI per il Consulente CRM, e se ti interessa sapere da dove arriva il mio punto di vista, trovi qualcosa in più in Chi sono.

Vale la pena ascoltare anche la fonte di partenza: l'intervista completa a Elizabeth Stone su Lenny's Podcast tocca diversi altri temi che qui non ho ripreso, dalle aspettative di AI Fluency nei percorsi di carriera fino a cosa succede al talento junior.

Su Augmented Consultant continuo a documentare la costruzione delle competenze consulenziali con l'AI al centro, condividendo framework, demo e strumenti pratici per Business Analyst e Project Manager: se ti interessa, iscriviti al canale YouTube per non perdere la prossima tappa.

Fonti

- Lenny's Podcast, intervista a Elizabeth Stone (Chief Product and Technology Officer, Netflix), 19 luglio 2026.

- Augmented Consultant, System Thinking e AI: perché Netflix cerca pensatori sistemici e gli impatti per chi fa Consulenza (31 agosto 2026).

- Augmented Consultant, Tre tecniche per applicare il System Thinking al lavoro quotidiano con l'AI (3 settembre 2026).