Esselunga ha scelto una strada poco appariscente per portare l’intelligenza artificiale in azienda: prima le persone, poi la scala.

Nel bilancio consolidato 2025, il gruppo descrive un pilot avviato con strumenti di AI, in particolare ChatGPT Enterprise. Un gruppo di key user è stato incaricato di testare lo strumento in contesti di lavoro reali, identificare casi d’uso concreti e costruire prime best practice replicabili.

Nel 2026 il progetto viene accompagnato da un percorso di formazione strutturato. Esselunga prevede una valutazione iniziale del livello di conoscenza e utilizzo dell’AI, un webinar di AI Literacy di due ore per creare un linguaggio comune, sessioni “AI for Work” organizzate per livello di competenza e follow-up a circa un mese di distanza per raccogliere esperienze e problemi.

Non è la classica storia “retailer lancia un assistente AI”. Ed è proprio questo a renderla interessante.

L’adozione enterprise di AI generativa fallisce spesso non perché il modello non sappia scrivere, riassumere o analizzare, ma perché l’organizzazione non sa quali attività affidargli, con quali dati, con quale controllo e con quale standard di qualità. Distribuire una licenza è facile. Trasformarla in un modo di lavorare replicabile è molto più difficile.

Esselunga sta esplicitamente cercando di costruire quella seconda parte.

Il modello dei key user è particolarmente adatto a un retailer. Un gruppo come Esselunga non è un’unica popolazione di knowledge worker: ha funzioni corporate, logistica, produzione, negozi, bar e altre attività con processi molto diversi. Un prompt utile al procurement può essere irrilevante per un responsabile operativo. La formazione per livelli e casi d’uso reali riduce il rischio di trattare l’AI come una competenza uniforme.

Il contesto operativo dà una misura della sfida. A fine 2025 Esselunga contava 196 negozi nelle regioni in cui opera e oltre 28.000 dipendenti. Il gruppo ha registrato ricavi per circa 9,53 miliardi di euro. Anche un miglioramento modesto in attività ripetitive, analisi o comunicazione può quindi produrre valore; allo stesso tempo, un uso non governato può moltiplicare errori e rischi su scala.

Il documento non fornisce ancora metriche di produttività del pilot. Non sappiamo quali use case abbiano superato la fase di test, quanti utenti siano coinvolti o quale risparmio di tempo sia stato misurato. È un limite importante, e impedisce di trasformare il progetto in una storia di ROI già dimostrato.

Ma il design del programma suggerisce un criterio più maturo rispetto alla corsa al “numero di utenti AI”. Esselunga vuole prima identificare dove lo strumento è realmente utile, poi formare le persone e osservare l’efficacia attraverso feedback, manager e verifiche dei contenuti.

Per il retail italiano, questa può essere una lezione più utile di molte demo pubbliche. L’AI generativa non entra davvero in azienda quando viene attivato un account. Entra quando un team sa in quali processi usarla, quali output controllare e come distinguere un esperimento interessante da una pratica che vale la pena standardizzare.

È un lavoro lento, poco fotogenico e difficilmente condensabile in una keynote.

Ma è probabilmente il lavoro che separa l’adozione dall’uso.

Il programma si inserisce in un’organizzazione che investe già molto nella formazione tradizionale. Nel 2025 Esselunga ha erogato oltre mezzo milione di ore di formazione complessiva. Questo contesto rende l’AI Literacy meno simile a un corso isolato e più simile a un’estensione della gestione delle competenze.

È una distinzione rilevante perché l’AI generativa produce valore in modo non uniforme. Due dipendenti con la stessa licenza possono ottenere risultati molto diversi a seconda del processo, della qualità dei dati e della capacità di verificare l’output. Creare gruppi omogenei per livello può aiutare a evitare sia corsi troppo elementari per gli utenti avanzati sia aspettative irrealistiche per chi parte da zero.

La scelta dei key user crea però anche un rischio: i pionieri possono essere più motivati e tecnicamente preparati della popolazione generale. Un use case che funziona bene nel pilot può perdere efficacia quando viene esteso. Esselunga dovrà quindi misurare non solo la soddisfazione, ma la qualità e la ripetibilità dell’output una volta che il programma si allarga.

È qui che il pilot diventerà interessante per il resto del settore. Se il gruppo pubblicherà casi d’uso, metriche di tempo risparmiato o standard di governance, offrirà un benchmark raro su come un grande retailer italiano porta l’AI nel lavoro quotidiano senza confondere sperimentazione e trasformazione.