Alfabetizzazione AI: colmare il divario di competenze nell'intelligenza artificiale

Secondo una recente ricerca di Sam Manning, fellow del Center for Governance of AI, 6,1 milioni di lavoratori negli Stati Uniti sono sia esposti all'AI, sia poco preparati ad adattarsi a questa tecnologia. Nel frattempo, quasi la metà dei dirigenti recentemente intervistati da IBM afferma che i propri dipendenti non possiedono le competenze e le conoscenze necessarie per implementare le tecnologie di AI su larga scala.

Dato l’impatto previsto dell’AI sui settori a livello globale, la carenza di competenze in questo ambito potrebbe produrre effetti importanti. Secondo una ricerca dell'IBM Institute for Business Value, l'87% dei dirigenti ritiene che sia più probabile che i dipendenti vengano potenziati piuttosto che sostituiti dall'AI generativa.

La loro capacità di utilizzare efficacemente il potenziale della tecnologia avrà probabilmente importanti ripercussioni su interi settori: gli investimenti nell'AI stanno aumentando del 150% ed entro il 2030 si prevede che l'AI aumenterà la produttività aziendale del 42%. La maggior parte delle organizzazioni (fino al 70%) prevede di reinvestire questi aumenti di produttività nell'innovazione e nella crescita.

Tuttavia, senza solidi programmi di alfabetizzazione AI, queste trasformazioni aziendali su larga scala potrebbero rallentare. Per creare il luogo di lavoro del futuro, l'istruzione superiore e le imprese devono sviluppare proattivamente gli atteggiamenti e le competenze necessari per il successo a lungo termine dei propri dipendenti.

L’alfabetizzazione AI è la capacità di comprendere, valutare e utilizzare con consapevolezza i sistemi di intelligenza artificiale. Non si tratta di una competenza tecnica riservata agli ingegneri, bensì di una capacità fondamentale per i lavoratori di ogni ruolo e livello all’interno di un’organizzazione, dai dipendenti entry-level fino ai vertici aziendali.

Comprendendo le funzionalità, i limiti e le considerazioni etiche dell'AI, gli studenti acquisiscono sia competenze pratiche che concettuali. Queste competenze consentono agli esperti di AI di esercitare il pensiero critico nella comprensione delle tecnologie AI e nella loro applicazione.

Nella sua forma più basilare, l'alfabetizzazione AI significa sapere cosa l'AI può e non può fare. Ad esempio, comprendere che i modelli di machine learning identificano pattern nei dati ma richiedono comunque una supervisione umana. Forme più sofisticate di alfabetizzazione AI includono la capacità di comprendere pregiudizi e rischi, oltre a prendere decisioni informate su come implementare l'AI attraverso i workflow.

A differenza dell’alfabetizzazione digitale, che riguarda principalmente la conoscenza nell’uso del software, l’alfabetizzazione AI richiede un livello concettuale più profondo.

"Via via che l’AI si occupa di compiti più routinari come la codifica e la documentazione, ci si aspetta sempre più che i professionisti adottino un approccio olistico", ha affermato Natasha Pillay-Bemath , VP of Global Talent Acquisition and Executive Search di IBM. Di conseguenza, i loro ruoli si stanno inevitabilmente spostando verso la “comprensione dei sistemi end-to-end e la convalida degli output dell’AI in termini di qualità e imparzialità”.

L'alfabetizzazione AI non è solo informatica. Si tratta di sapere come utilizzare gli strumenti di AI, capire come funzionano, come ragionano e a quali attività sono meglio applicati. È anche un cambiamento fondamentale nel modo in cui si svolge il lavoro: "L'adozione dell'AI richiede un cambiamento di mentalità", hanno scritto Glenn Dittrich e Kim Morick di IBM Consulting. "Richiede investimenti non solo nelle competenze tecniche, ma anche in capacità come empatia, pensiero critico e curiosità".

Il ritmo di comprensione dell'AI non ha raggiunto il notevole aumento dell'uso dell'AI. Con il rilascio di ChatGPT di OpenAI nel 2022, una vasta parte del pubblico ha scoperto per la prima volta la gen AI. Attualmente, secondo Gallup, il 12% di tutti gli adulti occupati utilizza l'AI quotidianamente nel proprio lavoro, in tutti i settori. I lavoratori della tecnologia, della finanza e di altri settori ad alto tasso di adozione la utilizzano di più.

Tuttavia, man mano che le organizzazioni implementano questi strumenti, dai customer service chatbot agli strumenti di generazione di contenuti, molti dipendenti non possiedono le conoscenze di base per utilizzarli in modo responsabile ed efficace.

Secondo una recente ricerca di McKinsey , la domanda di competenze in AI è cresciuta di sette volte in due anni, più rapidamente di qualsiasi altra competenza tra le offerte di lavoro negli Stati Uniti. Nel frattempo, il World Economic Forum prevede che il 40% delle competenze richieste dalla forza lavoro globale cambierà entro cinque anni.

Il divario di competenze ha conseguenze reali: i dipendenti che non comprendono i limiti dell'AI potrebbero fidarsi troppo dei suoi output. I dipendenti scettici potrebbero sottoutilizzare gli strumenti di trasformazione. E una leadership che non comprende i modelli AI non può progettare implementazioni in grado di generare valore reale in tutta l’organizzazione. Man mano che la tecnologia diventa più sofisticata, queste dinamiche si accumulano.

Inoltre, via via che le aziende implementano agenti AI e software più autonomi, i sistemi di governance diventano più complessi. App intuitive, dashboard, soluzioni no-code e query in linguaggio naturale aumentano l’accessibilità, ma richiedono comunque competenze a livello di AI per essere utilizzate in sicurezza.

Poiché alcuni programmi pilota di AI si bloccano e le organizzazioni faticano a ottenere risultati immediati, è ormai chiaro che il potenziale della tecnologia non dipende solo dall'implementazione tecnica. Le organizzazioni ottengono maggiore valore quando riprogettano i workflow e i loro dipendenti si adattano a nuovi modi di operare. Tutto questo lavoro richiede una comprensione approfondita degli strumenti e delle competenze legate all’AI in ambito lavorativo.

"I ruoli entry-level si stanno spostando dal lavoro puramente basato sulle attività all'analisi, alla risoluzione dei problemi e all'AI responsabile", afferma Natasha Pillay-Bemath, VP of Global Talent Acquisition and Executive Search di IBM. Pillay-Bemath osserva che l’agilità di apprendimento è importante quanto le competenze tecniche per i nuovi assunti.

L'alfabetizzazione AI è un cluster di competenze correlate che operano in sinergia. Idealmente, si tratta di un insieme interdisciplinare e pratico di competenze, adattato a risultati e ruoli specifici. Sebbene il percorso specifico dell'alfabetizzazione AI possa cambiare a seconda del livello di abilità previsto, il World Economic Forum ha recentemente introdotto una bozza di curriculum per l'alfabetizzazione AI nei contesti educativi. Il framework di alfabetizzazione AI del WEF si basa su quattro pilastri:

• Interagire con l'AI: conoscere le applicazioni dell’AI e saper valutare i suoi output
• Creare con l'AI: capire come collaborare con gli strumenti di AI, tenendo conto delle considerazioni etiche
• Gestire le azioni dell'AI: delegare responsabilmente i compiti all'AI e garantire la supervisione umana
• Progettare soluzioni di AI: comprendere come l'AI funziona per risolvere i problemi nella vita quotidiana

Altre forme pratiche di alfabetizzazione AI includono:

• Comprendere come funziona l'AI: a livello concettuale, un utente sa cosa è l’AI e come i sistemi di machine learning apprendono dai dati, oltre a conoscere punti di forza e limiti dei vari software e algoritmi.
• Valutare l'AI: nel valutare criticamente l’AI, un utente è in grado di analizzare gli output e i processi decisionali dell’AI in termini di accuratezza, pregiudizi e affidabilità. Questo processo significa, ad esempio, sapere quando verificare o quando rifiutare completamente un risultato generato dall’AI.
• Applicare l'AI: l'applicazione pratica dell'AI implica la conoscenza di come utilizzarla in modo efficace per attività e workflow specifici.

Utilizzare framework etici, sociali e di governance per l'AI: l'alfabetizzazione AI responsabile implica la comprensione degli impatti dell'AI in un contesto ampio di privacy, equità, responsabilità e spiegabilità. Gli utenti veramente esperti di AI comprendono che implementare l'AI non è solo una decisione tecnica.

L’alfabetizzazione in AI generativa è un sottoinsieme specifico dell’alfabetizzazione AI, basato sui modelli linguistici di grandi dimensioni (LLM) e su altri sistemi generativi. Man mano che gli strumenti di AI generativa diventano sempre più integrati nei workflow delle organizzazioni, questa dimensione è diventata urgente.

Un aspetto chiave è comprendere il concetto di “allucinazione” e incoraggiare gli utenti ad approcciare i risultati dell’AI con un certo grado di scetticismo. Un'altra è dare priorità all'uso responsabile. Ad esempio, capire cosa non dovrebbe essere condiviso con sistemi di AI esterni o riconoscere quando un'attività non trae beneficio dalla gen AI.

Altri aspetti importanti dell'alfabetizzazione in AI generativa includono:

• Comprendere i dati di addestramento
• Considerare i problemi di proprietà intellettuale e copyright
• Riconoscere i limiti del modello
• Mantenere la consapevolezza sulla privacy dei dati

L'alfabetizzazione AI è alla base di una robusta trasformazione digitale. "Un'implementazione significativa richiede molto più della semplice attivazione di una nuova tecnologia", afferma Kimberly Morick, Partner for HR Technology di IBM Consulting. "Il successo richiede una comprensione dettagliata di come i dati strutturati e non strutturati si completano a vicenda, insight sui meccanismi di apprendimento dell'AI e una supervisione umana strategica nei punti decisionali critici".

"Senza questa base", aggiunge, "le organizzazioni rischiano di implementare strumenti potenti con un impatto limitato".

Alcune best practice per sviluppare l'alfabetizzazione AI nei contesti aziendali includono: 

I programmi di alfabetizzazione AI efficaci iniziano con un resoconto onesto della situazione dell'organizzazione. Sia in termini di livello esistente di alfabetizzazione AI di un'azienda che di tipo di alfabetizzazione di cui avrà bisogno in futuro. Una valutazione di base significativa è in grado di misurare l'alfabetizzazione in tutte le dimensioni:

• Quali strumenti vengono utilizzati e con quale efficacia?
• Quali competenze e conoscenze concettuali sono maggiormente necessarie per ruoli specifici?
• Quali competenze esistono già in un'organizzazione? Come si possono utilizzare al meglio?

Durante la valutazione iniziale, può essere utile delineare come si prevede che i ruoli cambieranno nel breve e nel lungo termine. Pianificando la riprogettazione del lavoro, le organizzazioni contribuiscono a garantire che i dipendenti possiedano le competenze necessarie per il futuro e aiutano i dipendenti a vedere i benefici reali dell'alfabetizzazione AI.

"Presentando ogni automazione dei workflow come un’opportunità per nuovi lavori creativi, il processo di pianificazione sblocca valore potenziale," afferma Sarah Damenti, Associate Partner for HR and Talent Transformation di IBM. 

Nelle grandi organizzazioni con molti ruoli diversi, un singolo programma di formazione può talvolta risultare inefficace. I corsi di formazione o i webinar uguali per tutti, rivolti contemporaneamente ai dipendenti in prima linea e al personale IT, possono essere controproducenti. Le organizzazioni di successo riconoscono che sono necessarie competenze diverse per ruoli diversi e personalizzano la formazione in modo adeguato. Utilizzando l'AI, le organizzazioni possono creare percorsi di apprendimento individuali e specifici per ruolo per i dipendenti, tenendo conto del loro livello attuale di competenza. 

Sebbene sia critico che tutti i dipendenti possiedano una comprensione di base di come funziona l’AI, i programmi aziendali efficaci di alfabetizzazione AI strutturano l’apprendimento attorno agli strumenti specifici che i dipendenti potrebbero utilizzare. Questo approccio colma il divario tra la conoscenza dell'AI e la capacità di utilizzarla efficacemente in un workflow reale. Un modulo di alfabetizzazione AI ben progettato guida i dipendenti attraverso scenari pratici specifici invece di formarli su concetti astratti o strumenti generici. 

La vera alfabetizzazione AI dipende dalla capacità di valutare criticamente gli output dell'AI e la potenziale misinformazione in situazioni reali. Le aziende lungimiranti insegnano questa competenza in modo esplicito, attraverso esercizi mirati e feedback: i dipendenti che utilizzano frequentemente sistemi AI senza una pratica strutturata nella valutazione possono diventare sempre più dipendenti da questi sistemi nel tempo.

Ad esempio, Matt Beane, Associate Professor of Technology Management presso UC Santa Barbara, adotta un approccio che incoraggia gli utenti a riflettere sulle proprie scelte in materia di AI. Come ha raccontato Beane a IBM, abbina piccoli team di apprendisti a dipendenti senior, che guidano i gruppi attraverso una serie di sfide con gli strumenti di AI. Durante una sessione di debriefing, i gruppi rispondono poi a una serie di domande per far emergere le loro ipotesi inconsce o trovare soluzioni alternative. 

Una delle basi di una pratica efficace di apprendimento dell'AI è una rete di “champion” interni. Persone in ruoli diversi e in varie funzioni, entusiaste dell'AI e disposte a condividere le proprie conoscenze ed esperienze. Spesso, l’entusiasmo per l’alfabetizzazione AI discende dall’alto; i principali stakeholder dovrebbero essere esperti nell’uso dell’AI e capaci di spiegare come essa porterà valore all’organizzazione.

Quando i dipendenti sono entusiasti del potenziale dei nuovi strumenti, è più probabile che si impegnino a fondo con i programmi di alfabetizzazione AI.

Questi “champion” interni possono anche far emergere nuovi casi d’uso dell'AI con cui i dipendenti stanno sperimentando oppure segnalare fallimenti inattesi. Questo ciclo di feedback può essere essenziale per mantenere le politiche e i programmi di apprendimento collegati alla realtà dell'utilizzo dell'AI all'interno di un'organizzazione, così come per informare i successivi addestramenti. 

L'alfabetizzazione AI senza una solida educazione alla governance è incompleta. I programmi aziendali efficaci di alfabetizzazione AI vengono sviluppati parallelamente a un chiaro framework di governance. Questo approccio implica stabilire politiche chiare sull’uso accettabile, insegnare agli utenti quali tipi di dati devono essere inseriti nei sistemi AI e come devono essere attribuiti gli output generati dall’AI prima dell’uso. I programmi di alfabetizzazione AI dovrebbero anche rendere visibili le garanzie di governance ai dipendenti a tutti i livelli, incoraggiando una cultura della conformità.

L'apprendimento richiede tentativi ed errori, mentre una vera competenza nell'AI richiede la promozione di una cultura in cui l’iterazione è valorizzata. Nella pratica, questo approccio significa dedicare tempo e risorse alla sperimentazione, ad esempio con hackathon interni. Morick definisce questo approccio come "pensare come una startup."

"L'AI è un'iniziativa di tutti", afferma. "Tutti devono assumersi la responsabilità chiedersi come essere più efficienti nel proprio lavoro e come fornire risultati più rapidi e di maggior valore all'organizzazione attraverso il proprio lavoro". Creando intenzionalmente spazi sicuri per la sperimentazione, le organizzazioni possono promuovere l'alfabetizzazione AI nel lungo periodo e accendere la passione per le nuove idee.

Le organizzazioni che trattano l'alfabetizzazione AI come una priorità organizzativa permanente, piuttosto che come un'iniziativa una tantum, hanno maggiori probabilità di successo. Questa priorità è un imperativo impellente poiché, nei prossimi anni, fino a un terzo delle ore di lavoro potrà essere automatizzato. Le organizzazioni che considerano l'alfabetizzazione AI come un impegno una tantum vedranno la loro forza lavoro rimanere indietro nel giro di pochi mesi. Inoltre, perdono l'opportunità di sviluppare le competenze dei dipendenti e il loro benessere futuro.

Dare continuamente priorità alle esperienze di apprendimento dell'AI richiede un impegno strutturale e l’integrazione nei processi esistenti di sviluppo dei talenti. Significa anche pensare in modo diverso allo sviluppo delle competenze nel lungo periodo.

Ad esempio, alcune organizzazioni stanno raddoppiando le assunzioni di personale entry-level, concentrandosi sulla promozione di una serie di competenze diverse. A partire dal 2026, il 67% dei CEO crede che l'AI aumenterà il personale entry-level e IBM ha recentemente annunciato che triplicherà le assunzioni entry-level quest'anno. Tuttavia, questi ruoli sono stati rivisti per dare priorità all'analisi critica e alla supervisione umana dell'AI rispetto a compiti manuali più ordinari.

"Se non continuiamo a investire nelle assunzioni entry-level, cosa succederà tra 3-5 anni?", afferma Pillay-Bemath. "Non c'è una pipeline; il pozzo semplicemente si prosciuga".

Dare priorità all'alfabetizzazione AI non significa solo offrire opportunità di sviluppo professionale ai dipendenti più esperti. Si tratta di rivedere come le competenze si sviluppano all'interno di un'organizzazione per ottenere un successo duraturo.