Sommario
Efficacia della formazione: cosa si intende davvero?
Parlare di efficacia della formazione sembra semplice finché non si prova a definirla con precisione. La letteratura di settore non converge su una definizione univoca. Questo è già di per sé un segnale di quanto il tema venga trattato spesso in superficie.
In senso stretto, una formazione è efficace quando produce un cambiamento misurabile e duraturo nei comportamenti lavorativi dei partecipanti. Non quando genera soddisfazione a fine corso. Non quando soddisfa le aspettative degli stakeholder. Non quando i test post-formazione migliorano. La formazione è efficace se e solo se, una volta terminata, le persone tornano alla propria postazione e, in virtù di ciò che hanno integrato, fanno le cose diversamente, con risultati tangibili per l’organizzazione.
Questo spostamento di prospettiva, dalla domanda “cosa abbiamo insegnato?” alla domanda “cosa sa fare ora il partecipante, e lo fa davvero?”, è al centro della ricerca più recente. Si chiama transfer dell’apprendimento, ed è la variabile critica che molte organizzazioni sistematicamente trascurano.
La formazione è efficace quando convergono tre elementi: design formativo solido, partecipante motivato, contesto organizzativo che supporta l’applicazione. È una relazione moltiplicativa: zeri in uno dei fattori azzerano il prodotto, qualunque cosa facciate sugli altri. Eppure la maggior parte degli investimenti formativi si concentra quasi esclusivamente sul primo elemento, in taluni casi anche sul secondo.
Il problema vero: una governance che non appartiene solo a L&D
Sappiamo cosa serve per fare una formazione efficace. Le neuroscienze ci dicono come funziona la memoria. La psicologia cognitiva ci ha dato strumenti validati. La ricerca organizzativa ha mappato i fattori del transfer. Eppure la maggior parte delle organizzazioni continua a non applicarlo sistematicamente.
Perchè? La risposta onesta è che l’efficacia formativa non dipende solo da L&D. È un processo multifattoriale la cui governance non è, e non può essere, interamente nelle mani della funzione HR. Richiede il coinvolgimento attivo dei manager, il supporto del business, un’infrastruttura di HR analytics e un clima organizzativo che valorizzi lo sviluppo. Tutte cose che L&D non controlla direttamente.
C’è un altro elemento spesso sottovalutato: la misurazione in L&D richiede una prospettiva di medio termine. Non posso mappare all’istante zero un cambiamento: devo avere il tempo e il modo di monitorarlo nel tempo. Eppure la richiesta tipica è quella dell’istantanea: “quanti colli abbiamo prodotto oggi?” Sapere cosa un dipendente ha fatto di diverso grazie alla formazione ricevuta in precedenza è tutta un’altra storia, e richiede un disegno di misurazione costruito prima dell’intervento, non dopo.
La ricerca sul transfer lo conferma con numeri precisi: Baldwin, Ford e Blume (2009) hanno documentato che il clima organizzativo può spiegare fino al 40-80% della varianza nel transfer, superando di gran lunga l’influenza del design formativo stesso. Non è un dato marginale: è la ragione strutturale per cui tanti programmi ben progettati non producono risultati.
In questo scenario, il professionista L&D che vuole fare la differenza deve cambiare posizionamento: non solo designer di contenuti e gestore di piattaforme, ma advisor e partner del business. Significa arrivare prima che si decida il corso, fare le domande giuste, anticipare le implicazioni di sviluppo delle scelte strategiche. La differenza tra una funzione L&D che esegue e una che guida si misura esattamente qui.
Perché aggiornare il modo in cui valutiamo l'efficacia della formazione in azienda?
La risposta ovvia è dimostrare al finance che si sta spendendo bene. La motivazione sostanziale è costruire la credibilità strategica della funzione L&D.
In Europa, il mercato del corporate training ha raggiunto circa 46,5 miliardi di dollari nel 2024, con una crescita prevista del 7,6% annuo fino al 2029 (Technavio, 2025). Gli investimenti tengono, ma la pressione sulla dimostrazione del valore è in aumento. Secondo uno studio D2L/Training Industry (2023) su organizzazioni nordamericane, il 46% delle organizzazioni dichiara che dimostrare il ROI dei programmi di apprendimento è tra le sfide maggiori, e solo il 33% misura concretamente l’impatto finanziario della formazione. Un problema sistemico, non occasionale: il gap è presente tanto nelle organizzazioni con programmi di apprendimento maturi quanto in quelle con programmi più recenti.
La credibilità che L&D può costruire dipende dai dati di cambiamento: variazioni di performance, riduzione dei tempi di onboarding, aumento della mobilità interna. Focalizzarsi su dati di completamento, partecipazione e gradimento vuol dire guardare il dito al posto della luna.
Indicatori e metriche per valutare l'efficacia della formazione: esempi
Se siete arrivati fin qui aspettando la lista dei KPI da non perdere, rimarrete delusi. Non esiste un set universale valido per ogni contesto: la scelta degli indicatori parte dall’obiettivo, ovvero quale cambiamento nei comportamenti lavorativi deve accadere. E richiede accesso ai dati: performance individuali, produttività, tassi di errore, dati economici. Tutti in mano ad altri. La valutazione dell’efficacia formativa è, a tutti gli effetti, un problema di governance degli HR analytics.
Detto questo, qualche spunto concreto su KPI interessanti da sperimentare.
KPI di nuova generazione
- Time-to-competency: quanto impiega un neo-assunto a raggiungere piena produttività. Indicatore immediato e comprensibile anche per il business. Tracciabile anche senza sistemi di skill management avanzati: un tracking delle competenze acquisite a 18 mesi dall’inserimento, condotto da manager e peer, è un buon punto di partenza.
- Performance improvement delta: variazione delle metriche di performance prima e dopo la formazione. Richiede una baseline pre-formazione, spesso la prima cosa dimenticata in fase di pianificazione.
- Internal mobility rate: percentuale di promozioni o job rotation interne tra i partecipanti ai programmi L&D. Proxy potente dello sviluppo reale delle competenze.
- Skill adoption rate: velocità con cui nuove competenze vengono integrate nelle pratiche quotidiane, misurabile tramite osservazione manageriale o LMS avanzati.
- Retention post-formazione: quanto del contenuto appreso viene ricordato e applicato a distanza di settimane o mesi. Richiede assessment a distanza di tempo, non solo nell’immediato post-corso.
La curva dell’oblio di Ebbinghaus è ancora oggi uno dei dati più ignorati nella pratica: il 50-80% delle informazioni viene dimenticato entro 24-48 ore dall’apprendimento. Se i vostri indicatori misurano solo cosa le persone sanno subito dopo il corso, state misurando la cosa sbagliata.
Il ruolo della skill taxonomy
Un asset spesso sottovalutato, e troppo spesso abbandonato in qualche file Excel del collega uscito tre mesi fa, è la mappa delle competenze. Una skills taxonomy strutturata e aggiornata permette di confrontare le competenze attese per un ruolo con quelle effettivamente presenti, misurare il gap pre/post formazione su dimensioni specifiche e monitorare nel tempo come si sposta il profilo di competenza.
Nella pratica, questo esercizio parte spesso con molto entusiasmo ma pecca di continuità. La skill mapping non è una fotografia: è un processo continuo, dispendioso in termini di effort umano. La tecnologia sta semplificando molto l’opera, ma richiede comunque setup e investimento. Se non basta la mia parola, credete al World Economic Forum (2023): il 44% delle competenze core sarà disrupted entro il 2027 e la skills half-life si sta riducendo a 2-5 anni per molti ruoli tecnici. Mappare e aggiornare con costanza non è un’opzione.
Misurare l'efficacia della formazione nell'eLearning
La formazione digitale offre un vantaggio teorico enorme sulla misurazione: genera dati. Un LMS avanzato può tracciare ogni interazione del learner: tempo sulla singola slide, tentativi ai quiz, percorsi di navigazione, drop-out rates. Il problema non è la disponibilità dei dati, è la qualità delle domande che si fanno su quei dati.
Completare un corso eLearning non equivale ad aver appreso. Superare un test non equivale a saper applicare. Questi sono proxy dell’apprendimento, non misure dell’efficacia. Il rischio è avere dashboard piene di numeri rassicuranti che non dicono nulla di rilevante sul cambiamento reale.
I parametri più utili per avvicinarsi alla misurazione reale dell’efficacia nei percorsi digitali sono: test di ritenzione a distanza di 2-4 settimane dal completamento; comportamento di retrieval attivo, cioè quanto il learner torna sul materiale; performance su scenari applicativi che richiedano di trasferire la conoscenza; correlazione con dati di performance esterna al percorso.
Il microlearning, unità formative brevi da 3-7 minuti distribuite nel tempo e accessibili da mobile, ha un vantaggio specifico: permette di applicare naturalmente la spaced repetition, distribuendo l’apprendimento invece di concentrarlo in sessioni intensive. Il mercato del microlearning vale 1,55 miliardi di dollari nel 2024 con una crescita annua del 13,5%. Attenzione però a non innamorarsi di un solo strumento: il microlearning non è la panacea, è una risorsa efficace che va usata nel posto e nel modo giusto.
Verificare l'efficacia della formazione sulla sicurezza: gli obblighi normativi
La formazione sulla sicurezza ha una specificità: la verifica dell’efficacia è un obbligo normativo, non solo una buona pratica. Il nuovo Accordo Stato-Regioni 2025 ha introdotto un obbligo esplicito di verifica dell’efficacia formativa sul campo, distinta dalla verifica di apprendimento a fine corso già prevista, da condurre a distanza di tempo durante lo svolgimento dell’attività lavorativa. Gli strumenti indicati dalla normativa sono questionari di autovalutazione, check-list comportamentali e analisi dell’andamento infortunistico.
In questo contesto, efficacia significa documentare non solo che la formazione è stata erogata, ma che i partecipanti abbiano acquisito le conoscenze e, cruciale, che le applichino nei comportamenti reali. La distinzione tra sapere e fare è qui particolarmente rilevante: un operatore può superare un test teorico sulla movimentazione carichi e continuare ad adottare posture scorrette in magazzino.
Non si tratta di strumenti nuovi. Chi aveva già adottato metodologie come il World Class Manufacturing o il Total Quality Management di derivazione Toyota li applicava da tempo, alla sicurezza in primis e non solo: l’osservazione comportamentale sul campo, la check-list, l’audit periodico sono pratiche consolidate in certi contesti industriali strutturati. Il decreto formalizza un obbligo che per molte organizzazioni è invece territorio nuovo, e qui sta la vera sfida. Non tanto nella complessità degli strumenti, quanto nella costruzione di una cultura del monitoraggio sistematico. Il punto è che non serve partire da sistemi sofisticati: una check-list ben costruita, usata con costanza, è già un approccio efficace. La difficoltà non è tecnica, è organizzativa, esattamente come per il resto della misurazione formativa.
Design formativo, neuroscienze e transfer: dove si costruisce l'efficacia
Se il contesto organizzativo è la variabile più determinante sul transfer, il design formativo è la variabile su cui L&D ha controllo diretto. Ed è qui che la ricerca più recente offre strumenti concreti, spesso ignorati nella pratica quotidiana.
Cosa ci dicono le neuroscienze
Uno dei contributi più solidi della psicologia cognitiva applicata alla formazione è il concetto di desirable difficulties (Robert Bjork): condizioni di apprendimento apparentemente più difficili producono una memoria più robusta e duratura. La difficoltà non va eliminata: va calibrata.
Il binomio più potente validato dalla ricerca è spaced repetition + retrieval practice. La pratica distribuita nel tempo e il richiamo attivo delle informazioni attivano reti neurali più ampie rispetto alla semplice rilettura o riascolto. Uno studio del 2025 su Academic Medicine (Price et al.) su medici professionisti ha dimostrato benefici superiori alla ri-esposizione al materiale, con effetti sul transfer della conoscenza a nuovi contesti. Il principio è trasferibile a qualsiasi dominio professionale.
Come si progetta: experience design vs. performance support
Capire come funziona l’apprendimento non basta: bisogna tradurlo in scelte di design concrete. Nick Shackleton-Jones in How People Learn (2024) propone una distinzione utile tra experience design e performance support, che definisce rispettivamente come approccio push e approccio pull.
L’experience design (push) crea nuove connessioni cognitive e affettive attraverso esperienze sfidanti: simulazioni, scenari, storytelling, osservazione, apprendistato. È la formazione che cambia il modo in cui le persone pensano o agiscono, richiede investimento di attenzione e produce apprendimento duraturo. Il performance support (pull) indirizza bisogni già esistenti riducendo la necessità stessa di apprendere: checklist, guide rapide, video how-to, supporto AI nel flusso di lavoro. Non forma: risolve. Ed è spesso esattamente quello di cui le persone hanno bisogno in quel momento.
La distinzione ha implicazioni dirette sulla misurazione. Un intervento push si misura sul cambiamento di comportamento nel tempo: richiede follow-up, osservazione, dati di transfer. Un intervento pull si misura sull’utilizzo e sull’efficacia nel momento del bisogno: velocità di accesso, riduzione degli errori, frequenza d’uso. Confondere i due, applicare metriche di transfer a strumenti di performance support o viceversa, è una delle cause più comuni di valutazioni che non producono insight utili.
Shackleton-Jones mette in guardia da quattro errori ricorrenti: (1) trattare la formazione come trasferimento di contenuto, (2) ignorare il pubblico e i suoi bisogni reali, (3) escludere gli stakeholder dalla progettazione e (4) concentrarsi su argomenti e contenuti invece che su esperienze sfidanti. Sono esattamente gli errori che, nella pratica, rendono inefficace anche il programma meglio finanziato.
I fattori del transfer
La ricerca sul transfer (Shukla, 2024, Human Resource Development Quarterly) identifica tre categorie di fattori che determinano se ciò che è stato appreso viene effettivamente applicato al lavoro: fattori individuali (motivazione, autoefficacia), fattori di design formativo (rilevanza dei contenuti, pratica contestuale, qualità e tempestività del feedback) e fattori organizzativi (supporto manageriale, clima del transfer, opportunità concrete di applicazione).
Traduzione pratica: potete costruire il corso più bello del mondo, interattivo, basato sulle neuroscienze, personalizzato con AI, e se il manager del partecipante non crea opportunità di pratica, non rinforza i nuovi comportamenti e non tollera gli errori tipici della fase di apprendimento, avete bruciato l’investimento.
Psychological safety: la precondizione invisibile
La ricerca di Amy Edmondson sulla sicurezza psicologica ha acquisito negli ultimi anni una rilevanza specifica nel contesto formativo. Per applicare nuove competenze, le persone devono sentirsi al sicuro nel fare errori e nel sperimentare approcci diversi. Uno studio del 2025 (Tandfonline) mostra che la leadership curiosa, il management che dimostra interesse genuino per l’apprendimento, predice significativamente sia il benessere psicologico che le performance creative dei team.
La psychological safety non è un tema soft. È una precondizione strutturale per l’efficacia del transfer. Un ambiente in cui sperimentare viene punito, anche implicitamente, anche solo con l’indifferenza, vanifica qualsiasi formazione. Il ROI della formazione non si costruisce in aula: si costruisce o si distrugge nei 90 giorni successivi al rientro al lavoro.
I modelli di valutazione: dal Modello di Kirkpatrick alla misurazione del transfer
Per capire dove sta andando la valutazione della formazione, è utile capire da dove viene e perchè i modelli tradizionali, pur restando utili come riferimento, non bastano più.
Di seguito alcuni modelli tradizione famosi, ma non sempre efficaci.
La Bibbia della misurazione: il Modello di Kirkpatrick
Sviluppato negli anni ’50-’60 e articolato in quattro livelli (reazione, apprendimento, comportamento, risultati), rimane lo standard più citato nella pratica professionale. È entrato nei manuali, è diventato linguaggio comune ed è probabilmente la prima cosa che si impara nei percorsi di formazione per formatori.
Il Modello ROI di Phillips
Il Phillips ROI Model aggiunge un quinto livello a Kirkpatrick: il ritorno sull’investimento in termini monetari (ROI% = Benefici netti / Costi del programma × 100). L’idea è solida. Il problema è che isolare il contributo specifico della formazione dal cambiamento di performance richiede disegni quasi-sperimentali con gruppi di controllo e baseline pre-formazione, pratiche ancora poco diffuse nella pratica organizzativa. Il Phillips ROI Model è utile come aspirazione metodologica: nella maggior parte dei contesti aziendali rimane un esercizio di approssimazione.
Il Modello CIRO
Il CIRO (Context, Input, Reaction, Outcome) ha il merito di mettere il contesto al primo posto, anticipando di decenni la letteratura sul transfer climate. È uno dei modelli più sottovalutati: probabilmente perchè richiede un’analisi del contesto organizzativo che molte organizzazioni non sono pronte a fare prima ancora di progettare l’intervento formativo.
Il Modello Brinkerhoff
Il Success Case Method di Brinkerhoff è il più pragmatico: invece di misurare tutto su tutti, identifica i casi di successo e insuccesso estremi, analizza le differenze e ricava indicazioni operative. Uno strumento sottoutilizzato, particolarmente utile quando le risorse per la valutazione sono limitate e si vuole comunque produrre insight azionabili. Promosso a pieni voti.
Il Modello Kaufman
Il Modello Kaufman espande Kirkpatrick aggiungendo una dimensione societale (livello 5: impatto sulla società) e una di abilitazione (livello 0: risorse e processi interni). In teoria è più completo. Nella pratica, la dimensione societale rimane quasi impossibile da misurare in contesti aziendali ordinari, e la letteratura recente non ha prodotto evidenze solide sulla sua superiorità applicativa rispetto ai modelli più snelli. Vale come stimolo concettuale, ma come strumento operativo ha un’utilità limitata.
Modelli più recenti: misurazione del transfer o Learning in the flow of work
I modelli più recenti si stanno spostando verso la misurazione del transfer, non dell’apprendimento in sè. Questo significa combinare dati quantitativi (variazioni di performance, time-to-competency, skill adoption rates) con dati qualitativi (osservazione manageriale, auto-valutazione a distanza, interviste di follow-up a 30, 60, 90 giorni). La ricerca più recente (European Journal of Work and Organizational Psychology, special issue 2025) indica tre meccanismi centrali: (1) goal-setting post-formazione, (2) supporto manageriale diretto e (3) integrazione della formazione nelle routine quotidiane, il cosiddetto Learning in the Flow of Work.
Formazione adattiva e intelligenza artificiale: strumento potente, non panacea
I sistemi di adaptive learning utilizzano algoritmi di machine learning per personalizzare in tempo reale il percorso formativo, adattando contenuti, ritmo, difficoltà e modalità di valutazione al profilo individuale. I risultati della ricerca sono promettenti: percorsi personalizzati con AI hanno dimostrato di ridurre il time-to-proficiency fino al 40% rispetto alla formazione standardizzata (Davis, 2024).
La formazione adattiva non risolve però il problema del transfer. Un sistema AI ottimizzato produce un apprendimento più efficiente, questo è reale. Ma se il contesto non supporta l’applicazione, se il manager non si interessa, se non c’è la sicurezza psicologica di sperimentare, l’intervento perde gran parte del suo valore. L’AI ottimizza quello che avviene dentro il percorso. Quello che avviene dopo resta una questione organizzativa.
Esempi di valutazione dell'efficacia della formazione
Esempio 1 — Upskilling su competenze digitali
Una società di servizi professionali avvia un percorso di upskilling su strumenti di analisi dati per 80 dipendenti. La valutazione è costruita su quattro momenti: test di ingresso (baseline), test a fine percorso, osservazione manageriale strutturata a 30 giorni, analisi dei tempi di evasione dei report a 90 giorni.
Il risultato sorprendente: i punteggi ai test post-corso non correlano con le performance operative a 90 giorni. Correla invece significativamente l’indice di utilizzo spontaneo degli strumenti nelle prime due settimane, proxy della motivazione intrinseca e del supporto contestuale. Conclusione operativa: il test post-corso viene mantenuto per compliance, ma l’investimento analitico si sposta sul monitoraggio dell’utilizzo reale nei primi 30 giorni.
Esempio 2 — Programma di change management
Un’azienda del settore finanziario avvia un percorso formativo per 60 manager di primo livello, con l’obiettivo di sostenere una trasformazione culturale verso stili di leadership più partecipativi. Il contesto: due anni di ristrutturazione, clima interno deteriorato, engagement in calo.
Il team L&D rinuncia subito a misurare ‘la culturà direttamente: non è misurabile. Costruisce invece un sistema di proxy comportamentali con tre fonti distinte. Prima fonte: pulse survey trimestrale sui collaboratori, con domande specifiche su comportamenti osservabili del manager (es. ‘il mio responsabile mi chiede feedback prima di prendere decisioni che mi riguardanò, ‘quando commetto un errore viene trattato come opportunità di apprendimentò). Seconda fonte: auto-valutazione dei manager su un set di comportamenti target, compilata a inizio percorso e a sei mesi. Terza fonte: dati HR su turnover volontario nei team gestiti, raccolti a 12 mesi.
Il risultato più istruttivo non è nei numeri positivi. A sei mesi, l’auto-valutazione dei manager mostra miglioramenti diffusi: quasi tutti dichiarano di aver modificato il proprio stile. La pulse survey sui collaboratori racconta un’altra storia: la percezione di cambiamento è significativa solo in un terzo dei team. Il gap tra auto-percezione e percezione dei collaboratori è il dato più utile dell’intera valutazione.
L’analisi qualitativa a campione rivela che la variabile discriminante non è il programma in sè, ma la presenza di un manager di secondo livello che rinforza attivamente i nuovi comportamenti. Dove il responsabile del manager partecipante non cambia il proprio stile, il cambiamento al livello sottostante non attecchisce. L’intervento viene ridisegnato includendo un modulo specifico per il secondo livello gerarchico, con obiettivi di comportamento espliciti. La valutazione, in questo caso, non ha misurato il successo del programma: ne ha ridisegnato la perimetrazione.
Conclusioni: misurare l'efficacia della formazione non è un problema tecnico
La misurazione dell’efficacia formativa è matura tecnicamente: i modelli ci sono, gli strumenti ci sono, la ricerca è ricca. Il vero ostacolo è organizzativo: costruire la governance, i dati, il coinvolgimento trasversale e il posizionamento strategico che rendano possibile una valutazione reale.
Le organizzazioni che ci riescono non lo fanno perchè hanno trovato il modello perfetto. Lo fanno perchè hanno costruito tre cose: una funzione L&D che porta dati di cambiamento e parla il linguaggio del business, un sistema di HR analytics che connette formazione e performance e una cultura manageriale che considera lo sviluppo delle persone parte integrante del proprio ruolo.
Non è una ricetta semplice. Ma è quella che funziona.
La misurazione dell’efficcacia della formazione è solo uno dei trend che faranno da protagonisti al 2026. Per scoprire gli altri e accedere a una guida pratica puoi scaricare l’eLearning Trend Report 2026.
FAQ - Domande frequenti
C'è differenza tra misurazione e valutazione della formazione?
Sì, e non è solo terminologica. La misurazione raccoglie dati quantitativi su indicatori specifici (tasso di completamento, punteggi ai test, variazioni di performance). La valutazione interpreta quei dati in relazione agli obiettivi dell’intervento e al contesto organizzativo. Si può misurare molto e valutare poco, come avviene in quelle organizzazioni con dashboard LMS dettagliatissime che non producono mai decisioni.
Da chi è richiesto l'impatto e l'efficacia della formazione?
Formalmente dall’organizzazione, concretamente dalla direzione HR e dal business. Ma la domanda più interessante è: chi dovrebbe richiederlo? La risposta è L&D stesso, proattivamente. Portare dati di impatto senza aspettare che vengano chiesti è il modo con cui la funzione costruisce credibilità e influenza strategica.
L'impatto della formazione si può valutare solo con metodi misti o anche con metodi qualitativi?
Entrambi hanno valore, ma per domande diverse. I metodi quantitativi rispondono alla domanda “quanto?”. I metodi qualitativi rispondono al “perchè?” e “in quali condizioni?”. I casi più istruttivi usano entrambi: i dati quantitativi per segnalare dove qualcosa funziona o no, i dati qualitativi per capire le ragioni.
Come valutare l'impatto della formazione manageriale?
È la sfida più difficile, perchè l’impatto di un manager si misura indirettamente: attraverso le performance dei collaboratori, il clima del team, i dati di engagement, i tassi di retention. Richiede un orizzonte temporale più lungo (6-12 mesi minimo) e una triangolazione di fonti. Il rischio da evitare: valutare lo sviluppo manageriale con gli stessi strumenti usati per la formazione tecnica.
Qual è l'obiettivo principale del monitoraggio della formazione nelle PA?
Nelle pubbliche amministrazioni il monitoraggio ha una doppia funzione: compliance normativa e sviluppo delle competenze per il miglioramento dei servizi. Il rischio tipico è che la prima assorba tutte le energie. Le PA più avanzate stanno cercando di spostare il focus dalla rendicontazione dell’erogato alla misurazione dell’impatto su processi e utenza, con tutto il peso culturale e infrastrutturale che questo cambiamento comporta.
