Airtable, il CEO ai dipendenti: “Meno riunioni per testare le IA”

Howie Liu spinge a tagliare i meeting e investe “centinaia di dollari” in esperimenti. L’obiettivo: trasformare l’innovazione in vantaggio competitivo

Sperimentare con l’intelligenza artificiale anche durante l’orario di lavoro. Howie Liu, amministratore delegato e cofondatore di Airtable, lo chiede apertamente ai dipendenti e lo pratica in prima persona. La ricetta è semplice e controcorrente: tagliare intere giornate di riunioni per lasciare spazio a test, prototipi, errori utili. Non è una provocazione: è una strategia che punta a spostare il baricentro dall’operatività ripetitiva all’innovazione continua. Durante un’intervista andata in onda domenica scorsa, Liu ha rivelato di essere il primo utilizzatore al mondo di Airtable AI, più di chiunque in azienda e persino più dei clienti. Ha definito il suo approccio “estremamente e intenzionalmente dispendioso” perché considera l’esplorazione un investimento, non un costo. L’esempio è concreto: analisi generate dall’AI su trascrizioni di chiamate commerciali, per cui dice di aver speso centinaia di dollari. A suo giudizio, il ritorno di valore è enorme, vicino a ciò che una società di consulenza fornirebbe “per milioni”. “Centinaia di dollari spesi per questo esercizio sono insignificanti rispetto al potenziale valore strategico di ottenere migliori insights”, spiega. Il messaggio ai team è chiaro: osate, iterate, misurate. L’AI, trattata come piattaforma di lavoro e non come giocattolo, diventa un acceleratore capace di creare vantaggi che i processi tradizionali non intercettano.

Le altre notizie del canale INNOVAZIONE

I “f-r-A-I-days” e la cultura del test continuo

L’approccio non è isolato. Duolingo ha istituzionalizzato i suoi “f-r-A-I-days”, un gioco di parole tra “Friday” e “AI”: ogni venerdì mattina i team si fermano e sperimentano nuovi strumenti per alzare l’efficienza e scovare casi d’uso ad alto impatto. L’idea non è celebrare la tecnologia, ma organizzare il tempo per fare spazio alla curiosità metodica. Questo rito settimanale crea muscolo organizzativo. Allenare le persone a porre buone domande all’AI, archiviare ciò che funziona e scartare in fretta ciò che non rende è il modo più rapido per trasformare l’onda dell’innovazione in procedura ripetibile. Se il test diventa abitudine, l’azienda impara a scalare ciò che ha senso, taglia il resto e accelera.

Da foglio smart a “vibe coding”: la metamorfosi di Airtable

La filosofia sperimentale di Liu si riflette nel cambio di pelle dell’azienda. Nata nel 2013 come applicazione tipo foglio di calcolo, Airtable nel giugno scorso si è rilanciata come piattaforma nativa per l’AI orientata al “vibe coding”: costruire applicazioni con codice assistito e interfacce intuitive, dove i modelli generativi suggeriscono, completano, orchestrano. Non è un semplice rebranding: è la scommessa che l’app AI-first diventi la killer application del prossimo ciclo tecnologico. Con oltre 700 dipendenti e una valutazione salita fino a 12 miliardi di dollari nel dicembre 2021 (dato PitchBook), Airtable si propone come case study della trasformazione AI-centrica. Sullo sfondo emergono player come Lovable e Cursor, che confermano la corsa a strumenti di coding assistito: segnali di un mercato pronto a nuovi modelli di sviluppo e collaborazione.

Oltre la chat: servono vere app AI che scalano

Liu invita a guardare oltre il chatbot. Le chat AI funzionano per richieste singole, ma non bastano quando il lavoro diventa processo. “Le interazioni AI chat sono utili per richieste singole, ma servono applicazioni AI vere e proprie per scalare il lavoro basato sull’intelligenza artificiale”, ha dichiarato nel giorno del rilancio. L’obiettivo è costruire ecosistemi applicativi dove l’AI integra dati, automazioni e workflow, ridisegnando ruoli e tempi. Qui la sperimentazione conta doppio: scopre i colli di bottiglia e suggerisce nuove architetture.

Spegnere per un giorno i meeting non è un vezzo, è un costo opportunità recuperato. Se lo scambio sincrono divora la settimana, la capacità di prototipare evapora. Al contrario, giornate di deep work sull’AI producono asset riutilizzabili: prompt robusti, template, automazioni, micro-app che restano e moltiplicano il valore.

Come organizzare una “giornata AI-first” efficace

Definisci il perimetro. Scegli un processo con dati accessibili: ad esempio feedback cliente, note di vendita, ticketing.
Fissa due metriche. Tempo risparmiato e qualità dell’output percepita dagli utenti interni.
Prototipa in squadre miste. Business + tecnico: chi conosce il problema e chi sa orchestrare modelli e API.
Documenta tutto. Crea una libreria condivisa di prompt, flussi, checklist.
Metti a terra. Trasforma il prototipo in mini-app dentro gli strumenti già usati dal team.
Itera breve. Cicli da una settimana, revisione il venerdì: cosa teniamo, cosa tagliamo, cosa automatizziamo.

I rischi da evitare (e come gestirli)

Gold plating. Non inseguire demo scintillanti: misura l’impatto.
Dati sensibili. Applica policy e mascheramento; log e audit trail by design.
Dipendenza dal singolo. Evita “wizard solitari”: codifica la conoscenza in template e documenti.
Illusione di velocità. L’AI accelera, ma senza processo crea debito operativo. Meglio meno funzioni, ma stabili.