Collaborazione uomo-AI: cos'è e perché è importante?

L’importanza di questa collaborazione deriva da una realtà fondamentale: esseri umani e macchine possiedono capacità diverse e complementari. Secondo una recente ricerca di McKinsey, le tecnologie di AI si sono evolute al punto da poter teoricamente automatizzare più della metà delle ore di lavoro attualmente svolte negli Stati Uniti.

Secondo l’organizzazione, tuttavia, utilizzare appieno questo valore dipende in larga misura da quanto efficacemente gli esseri umani imparano a lavorare con queste tecnologie e da quanto bene esse siano integrate nei workflow critici. Questa indagine corrisponde alla ricerca del World Economic Forum, che ha rilevato come i datori di lavoro prevedano che il 39% delle competenze chiave richieste nel mercato del lavoro cambierà nei prossimi quattro anni.

I sistemi AI eccellono nell’elaborazione di grandi quantità di dati, nell’identificazione di pattern e nell’esecuzione costante di attività ripetitive. Nel frattempo, gli esseri umani eccellono nel pensiero creativo, nell’intuizione, nella considerazione del contesto, nell’intelligenza emotiva, nel ragionamento morale e nell’empatia. Un approccio collaborativo consente alle organizzazioni di aumentare la produttività mantenendo il giudizio umano e la risoluzione creativa dei problemi necessari nei processi decisionali complessi.

Inoltre, rende il lavoro più significativo per gli esseri umani automatizzando compiti noiosi e ripetitivi. Progettare relazioni ponderate tra esseri umani e macchine garantisce inoltre che i sistemi AI rimangano responsabili e allineati ai valori umani grazie a una supervisione continua. 

La formazione per la sinergia uomo-macchina è diventata una priorità importante per le organizzazioni che desiderano implementare sistemi AI. Secondo l'IBM Institute for Business Value, i dirigenti stimano che il 40% della forza lavoro dovrà essere riqualificato (PDF) a seguito dell'implementazione di AI e automazione. 

Per affrontare al meglio la situazione, Nickle LaMoreaux, Chief Human Resources Officer di IBM, ha recentemente riprogettato le pratiche di assunzione per i livelli iniziali. Sebbene alcuni ipotizzino che i lavori entry-level possano presto essere automatizzati fino a scomparire, LaMoreaux ha triplicato il numero di posizioni di livello inferiore aperte in IBM.

“Ad esempio, LaMoreaux ha dichiarato a un pubblico al summit Charter Leading with AI a New York che i programmatori entry-level trascorrono meno tempo a scrivere codice e più tempo a interagire con i team interni e i clienti. Formando i lavoratori entry-level a collaborare efficacemente con le nuove tecnologie e sviluppando precocemente competenze orientate all'essere umano, LaMoreaux spera che IBM possa creare dipendenti destinati a prosperare in futuro.

"Le aziende che avranno maggior successo tra tre o cinque anni stanno raddoppiando ora i posti di lavoro entry-level", ha affermato LaMoreaux. "I risultati aziendali sono ciò che fornivi ieri. Le competenze sono ciò che fornirai in futuro".

In questo momento di trasformazione ad ampio raggio, i leader aziendali che investono in sistemi collaborativi avranno maggiori probabilità di raccogliere i benefici promessi dalle tecnologie AI. Saranno anche più propense a innovare attraverso nuovi modelli operativi che cambiano fondamentalmente il modo di fare affari.

La relazione tra esseri umani e AI è evoluta notevolmente con il progresso della tecnologia, rendendo necessarie forme di collaborazione più sofisticate tra persone e macchine. Mentre i primi sistemi di automazione gestivano compiti semplici basati su regole, l’AI opera sempre più su attività complesse o con supervisione umana minima.

Nell'ultimo decennio, tecnologie di AI sofisticate hanno reso possibili compiti più complessi, come l'elaborazione del linguaggio naturale, il machine learning e la generazione di contenuti grazie ai progressi nell'AI generativa. Durante questo periodo, la collaborazione è diventata più interattiva, con i sistemi AI che forniscono raccomandazioni che gli esseri umani possono modificare o rifiutare.

L'evoluzione più recente riguarda la tecnologia di agentic AI, che rappresenta un cambiamento fondamentale nella collaborazione tra esseri umani e AI. I sistemi di agentic AI perseguono obiettivi con maggiore autonomia e adattabilità, suddividendo le attività complesse in attività secondarie e utilizzando strumenti esterni o API. A differenza degli AI chatbot, che richiedevano l'input umano per ogni fase, i sistemi agentici funzionano in modo indipendente, pur operando sotto supervisione e direzione umana.

Ad esempio, un’azienda del settore utility ha implementato un’AI conversazionale agentica per tutta la sua base clienti. Il sistema includeva agenti specifici per l’autenticazione dei clienti, la determinazione dello scopo della chiamata, la gestione degli appuntamenti e il supporto self-service. Questi agenti ora gestiscono circa il 40% delle chiamate e ne risolvono l'80% senza l'intervento umano. Tuttavia, quando è necessaria un'escalation, i clienti e la loro cronologia delle conversazioni vengono trasferiti agli agenti umani del servizio clienti.

L’approccio agentico consente nuove forme di collaborazione, in cui gli esseri umani definiscono obiettivi di alto livello e direzione strategica, mentre gli agenti AI gestiscono l’esecuzione e il processo decisionale di routine. Tuttavia, questi sistemi più autonomi basati su AI necessitano di un’attenta gestione delle relazioni tra i lavoratori umani e le loro controparti tecnologiche.

Secondo McKinsey, gli agenti basati su AI potrebbero generare un valore economico pari a 2,9 trilioni di dollari ogni anno negli Stati Uniti. Generare quel valore richiede tuttavia alle organizzazioni di riprogettare fondamentalmente i workflow, anziché limitarsi ad adottare nuove tecnologie.

Nell'ambito di questo cambiamento fondamentale, la richiesta di competenze in materia di AI è cresciuta di sette volte negli ultimi due anni. Nell'era della collaborazione tra esseri umani e AI, le aziende di successo sapranno creare modalità di lavoro completamente nuove per soddisfare i punti di forza individuali di uomini e macchine. 

I sistemi uomo-AI di maggior successo sono progettati attorno a punti di forza complementari, anziché considerare l’AI come un semplice sostituto delle capacità umane.

Secondo l'IBM Institute for Business Value (PDF), le aziende che adottano programmi di riqualificazione efficaci, in grado di gestire i cambiamenti lavorativi guidati dalla tecnologia, ottengono un tasso di crescita dei ricavi più elevato. Rispetto ad altre aziende che si limitano ad adottare nuove tecnologie, il tasso di crescita dei ricavi di queste aziende è superiore del 15%. Con l’AI, il valore aggiunto è ancora maggiore: quegli stessi dirigenti conseguono un tasso di crescita dei ricavi superiore del 36% rispetto ai loro pari.

Nel complesso, questi dati suggeriscono un forte impulso a ristrutturare il lavoro in modo strategico e a valorizzare i punti di forza dei lavoratori. Dove gli esseri umani offrono empatia e creatività, l’AI fornisce scalabilità e capacità di elaborazione. 

Comprensione contestuale e sfumature: gli esseri umani, in quanto entità consapevoli e dinamiche, colgono le sfumature e comprendono le situazioni in modo olistico, anziché limitarsi a elaborare informazioni esplicite. Ad esempio, rendersi conto che un'anomalia dei dati potrebbe apparire a causa di una recente festività piuttosto che indicare una tendenza a lungo termine. Questa consapevolezza contestuale consente agli esseri umani di interpretare i dati con maggiore precisione e in modi che tengono conto di circostanze più ampie.

Pensiero creativo: sebbene l'AI possa generare nuove combinazioni di elementi esistenti, gli esseri umani eccellono nella creatività autentica e nel pensiero critico, poiché collegano concetti disparati, creano nuovi paradigmi o pensano in modi che rompono schemi consolidati.

Ragionamento etico e giudizio morale: decidere come bilanciare gli interessi contrastanti degli stakeholder o come affrontare complesse implicazioni sociali richiede responsabilità umana. Il processo decisionale etico implica un pensiero basato sui valori che va oltre l’ottimizzazione e il riconoscimento dei pattern.

Intelligenza emotiva ed empatia: la capacità di costruire relazioni o gestire dinamiche sociali complesse distingue gli esseri umani, soprattutto negli ambienti collaborativi. Un operatore sanitario potrebbe confortare un paziente ansioso, oppure un insegnante potrebbe riconoscere quando uno studente ha bisogno di incoraggiamento piuttosto che di critiche. Questa sintonia emotiva aiuta le persone a rispondere in modo adeguato alle situazioni, dando vita a fiducia e connessione.

Gestire l'ambiguità con il giudizio umano: di fronte a circostanze insolite o informazioni incomplete, gli esseri umani possono formulare giudizi ragionevoli basandosi sull’esperienza di vita. Gli strumenti di AI non possono replicare facilmente questo livello di intuizione.

Disponibilità continua: i sistemi AI svolgono le stesse attività in qualsiasi momento della giornata, spesso nello stesso modo e senza la variabilità introdotta dalla fatica o dalla distrazione. Questa disponibilità continua è ideale per il monitoraggio di routine o il controllo qualità.

Elaborazione e analisi dei dati: la potenza di calcolo dell’AI le consente di elaborare e analizzare enormi set di dati oltre la capacità umana, identificando schemi e correlazioni che potrebbero essere impossibili da scoprire per gli esseri umani da soli. Questo processo consente di analizzare milioni di punti dati, rilevando relazioni e tendenze sottili che sarebbero invisibili agli analisti umani.

Ottimizzazione: i sistemi AI eccellono nella valutazione di migliaia di possibili soluzioni per trovare approcci ottimali a problemi complessi, ad esempio nella gestione dei percorsi dei veicoli di consegna o nella pianificazione dei processi produttivi. Questa capacità di ottimizzazione si estende all'allocazione delle risorse e alla pianificazione della logistica, dove l'AI può trovare la soluzione migliore tra una miriade di possibilità.

Velocità ed elaborazione in tempo reale: l'AI può eseguire calcoli, recuperare informazioni e prendere determinati tipi di decisioni quasi in tempo reale. Queste funzionalità consentono agli strumenti basati su AI di gestire attività critiche che potrebbero essere difficili da gestire manualmente per un essere umano. 

L'innovazione accelera quando gli esseri umani possono generare rapidamente idee e sviluppare e testare nuovi concetti o prototipi. La combinazione della creatività umana e della capacità di iterazione rapida dell'AI riduce il tempo che intercorre tra l'ideazione e l'implementazione. 

I sistemi AI consentono alle organizzazioni di soddisfare le aspettative dei clienti moderni offrendo un supporto immediato, personalizzato e sempre disponibile. Allo stesso tempo, una collaborazione efficace degli esseri umani con questi sistemi offre il tocco empatico che rende l’esperienza del cliente piacevole. Abbinando la coerenza scalabile dell’AI alle competenze umane nella creazione di relazioni, le organizzazioni offrono ai clienti delle esperienze che sono allo stesso tempo efficienti e gratificanti. 

Le organizzazioni che implementano e ottimizzano l’AI nelle loro funzioni di servizio clienti (note come "mature adopter") segnalano punteggi di soddisfazione dei clienti superiori del 17%. Nel frattempo, il National Bureau of Economic Research (NBER) ha rilevato che, quando i lavoratori del supporto clienti hanno avuto accesso agli agenti AI, la loro produttività è aumentata di quasi il 14%.

Il giudizio umano supportato dalle funzionalità dell'AI può portare a decisioni migliori in tutti i settori. Ad esempio, i leader aziendali prendono decisioni strategiche più informate accedendo a insight sintetizzati dall'AI, mentre i consulenti finanziari creano portfolio più robusti abbinando l'analisi algoritmica a una comprensione personale delle esigenze dei clienti. 

La combinazione della coerenza scalabile dell’AI e della supervisione umana crea sistemi sia affidabili che adattabili. Applicazioni critiche come la gestione della rete elettrica traggono beneficio dal monitoraggio costante dell’AI, abbinato al giudizio umano in situazioni eccezionali. Questa collaborazione garantisce che le operazioni di routine mantengano standard elevati, mentre le circostanze insolite ricevono l’attenzione ponderata necessaria, migliorando le prestazioni complessive del sistema. 

I sistemi AI possono aiutare a superare gli ostacoli, aumentando l'accessibilità delle competenze e delle informazioni. Ad esempio, le funzionalità di traduzione basate su AI favoriscono la collaborazione globale, mentre gli strumenti basati su AI possono rendere sistemi complessi più accessibili alle persone senza una formazione specializzata.

La soddisfazione e il benessere sul lavoro possono aumentare quando l'AI si fa carico di attività noiose e ripetitive che le persone potrebbero trovare poco gratificanti. Permette inoltre agli esseri umani di dedicare più tempo agli aspetti creativi e interpersonali del loro lavoro, che tendono a essere più coinvolgenti e significativi.

Gli operatori sanitari possono concentrarsi maggiormente sulla cura dei pazienti anziché sulla burocrazia, mentre gli analisti possono dedicare più tempo all’interpretazione dei dati anziché alla loro elaborazione. Gestendo gli aspetti più di routine del lavoro, l'AI consente agli esseri umani di dedicarsi ad attività lavorative più gratificanti. 

Workflow progettati con attenzione, che prevedono un uso corretto dell’AI, possono aumentare notevolmente la produttività. In questo scenario, l'AI gestisce attività di routine che richiedono molto tempo, permettendo agli esseri umani di concentrarsi su attività di alto valore. 

Lo studio della collaborazione uomo-macchina ha una lunga storia e i ricercatori trovano continuamente nuovi modi per fare interagire i sistemi AI e i lavoratori umani. Recentemente, McKinsey ha pubblicato un documento che esplora il passaggio dagli assistenti passivi ai “colleghi virtuali” e ha previsto che il futuro del lavoro coinvolgerà partnership tra persone assistite dall’AI, agenti e robot. Il potenziale di collaborazione tra uomo e AI esiste in tutto lo spettro di capacità dell'AI, che comprende: 

• Automazione, come nell'inserimento o estrazione dati
• Classificazione, come la segmentazione del pubblico o il filtro antispam
• Generazione, come la creazione di contenuti o la scrittura di codice
• Interazione, come con chatbot o assistenti
• Previsione, come forecasting o personalizzazione
• Raccomandazione, come algoritmi o newsfeed dei social media
• Riconoscimento, come nell'analisi predittiva

Con l'evoluzione della tecnologia, ogni funzione diventa più complessa. Ad esempio, con l'AI generativa, la capacità di creazione di contenuti si è ampliata, includendo funzioni come la sintesi e la contestualizzazione. Con l'agentic AI, l'automazione assume nuove forme, in quanto gli agenti eseguono azioni in più fasi con un intervento minimo.

La collaborazione uomo-macchina è un campo dinamico e in continua espansione, tuttavia alcuni dei modi più basilari in cui viene implementata includono:  

In un modello di consulenza, l’AI fornisce raccomandazioni o insight, mentre gli esseri umani prendono le decisioni finali. L'AI potrebbe analizzare i dati e suggerire strategie d'azione, ma le persone mantengono piena autorità sul risultato finale. Ad esempio, in uno studio medico, l'AI potrebbe segnalare potenziali patologie, mentre i medici prendono le decisioni sulla terapia. Nelle assunzioni, un'AI potrebbe vagliare i curriculum, mentre gli esseri umani conducono i colloqui e decidono a chi fare un’offerta. 

Quando l’AI potenzia i lavoratori umani, ne rafforza le capacità in tempo reale. Invece di fornire raccomandazioni separate, l’AI lavora al fianco degli esseri umani per migliorarne le prestazioni. Un esempio di miglioramento può essere uno strumento di traduzione che aiuta la comunicazione multilingue a fluire in modo più naturale, oppure gli assistenti di scrittura che aiutano i dipendenti a perfezionare il proprio lavoro. Negli ambienti del servizio clienti, l'AI viene sempre più utilizzata per fornire i dati dei clienti in tempo reale e suggerire linee d'azione ai lavoratori dei contact center. 

La delega rappresenta un workflow in cui gli esseri umani assegnano compiti specifici ai sistemi di AI, i quali poi operano autonomamente entro parametri definiti. Gli umani definiscono obiettivi e vincoli ma non supervisionano ogni azione. I moderni sistemi di agentic AI eccellono in questo modello, gestendo compiti complessi e articolati in più fasi, come condurre ricerche, ottimizzare la pianificazione della manutenzione delle attrezzature o gestire le richieste di routine dei clienti.

Come visto in precedenza, i "collaboratori" AI assumono molte forme, in più settori e funzioni. Attualmente, alcuni dei modi più comuni in cui gli strumenti AI operano come membri del team includono: 

L’AI funge da analista elaborando e sintetizzando grandi volumi di dati, facendo emergere insight per supportare il processo decisionale umano. In questo tipo di interazioni, gli esseri umani definiscono le domande rilevanti e traducono gli insight in azioni concrete. È importante sottolineare che l’AI non sostituisce il pensiero analitico umano, bensì lo potenzia. Un analista finanziario potrebbe utilizzare l'AI per esaminare milioni di punti dati alla ricerca di pattern, per poi applicare la propria comprensione umana e valutare se tali pattern siano effettivamente utilizzabili. 

Uno dei ruoli più evidenti per la collaborazione tra uomo e AI prevede che l'AI faccia da generatore creativo, ad esempio producendo bozze, codice, contenuti o progetti. Gli esseri umani quindi perfezionano, dirigono e valutano l'input dell'AI. In questo tipo di interazione, gli esseri umani agiscono come direttori creativi e responsabili del controllo qualità, mentre l’AI produce grandi quantità di materiale grezzo.

Ad esempio, un direttore marketing potrebbe chiedere all’AI di generare 50 varianti di testi pubblicitari, oppure un ingegnere del software potrebbe chiederle di produrre codice per un compito specifico.  

L'AI trasforma la ricerca in tutti i settori e ruoli lavorativi, fungendo da potente collaboratore. Laddove la ricerca tradizionale richiedeva che i lavoratori umani leggessero e sintetizzassero manualmente le fonti per lunghi periodi di tempo, l'AI elabora enormi volumi di informazioni quasi in tempo reale. Può aiutare a riassumere, identificare i modelli ed evidenziare le connessioni tra tutte le informazioni, facendo risparmiare tempo ai ricercatori.

Sempre più spesso, i sistemi di AI non si limitano ad analizzare i dati passati, bensì modellano scenari futuri e valutano le opzioni strategiche. In questo ruolo, i sistemi di AI valutano rapidamente più scenari strategici, come piani di espansione del mercato o interventi medici.

Questi strumenti AI possono far emergere rischi o dipendenze che potrebbero non essere evidenti agli strateghi umani. Pertanto, possono eccellere in contesti come la scoperta di farmaci, dove i dati disponibili sarebbero impossibili da assimilare per una sola persona. I ruoli umani in queste collaborazioni rimangono critici, poiché l'AI non può estrapolare valori o priorità da sola. Il giudizio umano in relazione alle dinamiche del mondo reale e alle considerazioni etiche rimane fondamentale. 

Scrittori, artisti e designer usano sempre più l'AI come collaboratore, implementando la tecnologia come partner di brainstorming o generatore di idee iniziali. Il creatore umano applica poi la propria creatività e il proprio giudizio per trasformare i contenuti generati dall'AI in qualcosa di autentico. Nel design, gli artisti lavorano con strumenti di AI in grado di generare bozzetti e varianti di concetti di design prima di impegnarsi pienamente in una visione creativa.

I team di marketing utilizzano la collaborazione con l'AI per creare campagne più efficaci, oltre a raggiungere il pubblico in modo più mirato. I sistemi di AI analizzano i dati sul comportamento dei consumatori e identificano segmenti di pubblico basandosi su dati demografici complessi. Gli operatori di marketing utilizzano poi questi insight per sviluppare strategie e prendere decisioni creative sulla direzione della campagna. L'AI può generare più varianti di testi pubblicitari o post sui social media, che poi gli addetti al marketing perfezionano per allinearsi alla voce del brand e agli obiettivi della campagna. 

Le operazioni di servizio clienti intelligenti si sono evolute in una collaborazione sofisticata tra agenti AI, assistenti AI e agenti umani. Gli agenti AI autonomi gestiscono le richieste di routine, fornendo risposte immediate alle domande più comuni. Gli assistenti AI rivolti ai dipendenti possono guidare gli operatori del servizio clienti durante le interazioni con i clienti, facendo emergere dati pertinenti e suggerendo procedure di risoluzione dei problemi. Questa collaborazione permette agli agenti umani di concentrarsi su questioni complesse o situazioni emotivamente delicate.

Idealmente, questa collaborazione è fluida dal punto di vista del cliente, poiché l'AI potrebbe gestire il contatto iniziale, raccogliere informazioni rilevanti e risolvere problemi semplici. Quando le situazioni richiedono il giudizio umano, l’AI passa facilmente all’operatore umano, fornendogli la cronologia delle conversazioni e il contesto pertinente, affinché i clienti non debbano ripetersi. 

Con l'adozione della collaborazione uomo-macchina da parte dei centri medici, il settore sanitario ha iniziato a mostrare alcuni dei casi d’uso più promettenti di questa tecnologia. In un esempio importante, Mayo Clinic ha implementato l'AI in tutto il suo reparto di radiologia, aggiungendo centinaia di modelli AI a supporto dell'analisi e aumentando il personale di oltre la metà dal 2016. In clinica, l’AI supporta i radiologi nelle attività di routine, come la misurazione del volume renale, oppure analizza ecografie anomale mentre i medici interpretano i risultati.

Nella scoperta di farmaci, i sistemi AI analizzano le strutture molecolari e prevedono quali composti potrebbero colpire efficacemente malattie specifiche, in un processo che potrebbe richiedere anni ai ricercatori umani. I ricercatori applicano quindi le loro competenze scientifiche per convalidare i candidati promettenti e progettare studi clinici.

I sistemi di supporto diagnostico basati su AI aiutano i medici analizzando i sintomi e suggerendo possibili patologie da considerare. Secondo l'IBM Institute for Business Value, quattro dirigenti sanitari su dieci utilizzano già l’AI per il monitoraggio dei pazienti ricoverati e per lanciare segnali di allerta precoce. I medici integrano questi suggerimenti con il loro esame clinico e la comprensione olistica della condizione di salute del paziente, offrendo infine un'assistenza empatica e sfumata che solo un essere umano può offrire. 

Il settore tecnologico stesso rappresenta un ambito importante per la collaborazione tra uomo e AI. L'AI sta cambiando radicalmente il modo in cui il software viene scritto e il modo in cui i sistemi legacy si modernizzano. La collaborazione tra AI ed esseri umani consente agli ingegneri di affrontare progetti più ambiziosi più velocemente e di fornire soluzioni in modo più efficiente.

Nello sviluppo quotidiano del software, gli assistenti di codifica AI sono diventati partner collaborativi d'importanza critica per molti sviluppatori. Questi colleghi AI, che rispecchiano i precedenti scenari di "coppie di ingegneri", possono generare vantaggi significativi. Invece di scrivere ogni riga di codice manualmente, gli ingegneri descrivono ciò di cui hanno bisogno, mentre l'AI crea codice funzionale che gli esseri umani poi revisionano e perfezionano.

Recentemente, Gartner ha stimato che, entro il 2028, il 75% degli ingegneri software aziendali utilizzerà assistenti di codice AI. Come scritto in precedenza dalla società di consulenza, questa configurazione crea uno scenario “in cui gli sviluppatori agiranno come validatori e orchestratori dei componenti e delle integrazioni di back-end e front-end". Questa collaborazione accelera significativamente lo sviluppo, mentre il ruolo dello sviluppatore umano rimane centrale.

"L'AI generativa non costruirà ogni singolo pezzo di codice esistente", afferma Gerry Leitão, Partner di IBM Consulting. “Diventerà un moltiplicatore di forza quando è abbinata a un essere umano”. Ad esempio, IBM ha registrato fino al 45% di miglioramento iniziale della produttività nella fase di sviluppo dopo l’implementazione di raccomandazioni generate dall’AI per gli ingegneri addetti allo sviluppo del playbook Ansible”.

Molti stabilimenti di produzione moderni hanno iniziato ad adottare la collaborazione uomo-AI. I sistemi di AI monitorano le linee di produzione in tempo reale, ottimizzando il consumo energetico e prevedendo i guasti delle attrezzature prima che si verifichino (PDF). Nel frattempo, operatori e ingegneri umani si concentrano sulla risoluzione di problemi complessi e sull'implementazione di miglioramenti dei processi.

Nella gestione della supply chain, i sistemi AI prevedono la domanda, ottimizzano i livelli di inventario e indirizzano le spedizioni in modo efficiente, elaborando grandi quantità di dati, tra cui le prestazioni dei fornitori e i modelli meteorologici. I sistemi AI riducono anche il carico legato alla conformità normativa e alla gestione dei registri.

Recentemente, la società manifatturiera globale Channell ha implementato strumenti che consentono ai pianificatori di generare automaticamente un report della distinta base per ogni progetto, riducendo i tempi decisionali umani da giorni a ore. Ora che il lavoro manuale di routine è sempre più efficiente e privo di errori, i responsabili della supply chain umani possono fornire indicazioni più strategiche e gestire problemi che richiedono capacità di problem-solving creative. 

Per mantenere collaborazioni uomo-macchina efficaci e concrete, le organizzazioni devono investire nello sviluppo di fluidità e fiducia negli strumenti AI. Costruire questa fiducia richiede trasparenza sulle capacità dell’AI e sui processi decisionali, oltre alla creazione di meccanismi di feedback che aiutino gli utenti a capire quando fidarsi dell’AI e quando invece applicare un maggiore controllo. In genere, questa fluidità parte dall’alto: i leader aziendali dovrebbero comunicare chiaramente quali sono i punti di forza dei sistemi AI e dove invece ci sono delle difficoltà.

Inoltre, la collaborazione tra uomo e AI dipende da dati di qualità per i modelli AI, il che rende essenziale una solida governance dei dati. Le organizzazioni devono stabilire politiche chiare in merito ai dati a cui i sistemi AI possono accedere, come i dati vengono raccolti e archiviati e chi possiede i dati generati attraverso la collaborazione con l’AI.

Una scarsa governance dei dati può portare i sistemi di AI a prendere decisioni basate su dati incompleti e obsoleti. Inoltre, le aziende necessitano di meccanismi per garantire che i sistemi AI utilizzino i dati in modo adeguato e forniscano modelli AI spiegabili, chiari e affidabili. 

Introdurre la collaborazione con l’AI in un’organizzazione richiede una gestione del cambiamento ponderata, che vada oltre la semplice formazione tecnica. I dipendenti necessitano di chiarezza sui loro ruoli in evoluzione e di una comunicazione chiara su come l'AI influenzerà il loro lavoro, oltre a metriche fruibili per misurare il successo di un'iniziativa.

Una gestione efficace del cambiamento comporta la creazione di ruoli all’interno dei team in grado di modellare una collaborazione AI di successo, così come l’istituzione di canali di feedback continui. I leader devono articolare una visione convincente su come la collaborazione con l’AI migliori, anziché ridurre, il lavoro degli utenti umani. 

Con l'espansione delle funzionalità dell'AI, le competenze necessarie per una collaborazione efficace si evolvono continuamente, rendendo essenziale il continuo upskilling. I lavoratori potrebbero dover sviluppare nuove competenze in aree come il prompt engineering e la valutazione degli output dell'AI. Le iniziative di upskilling dovrebbero essere continue piuttosto che eventi isolati, riconoscendo che le funzionalità dell'AI continueranno a progredire. Le organizzazioni che trattano l'apprendimento come un processo continuo creano una forza lavoro agile che si adatta allo sviluppo della tecnologia. 

Sempre più spesso, il percorso verso una collaborazione uomo-AI efficace riguarda tanto il modello operativo di un’organizzazione quanto l’adozione della tecnologia. L'automazione limitata ad alcuni processi difficilmente porterà a significativi aumenti di produttività o faciliterà i tipi di trasformazioni aziendali più ampie che l’AI può supportare.

Secondo l'IBM Institute for Business Value (PDF), le organizzazioni che considerano il modello operativo come il principale motore della trasformazione aziendale hanno ottenuto migliori risultati in termini di redditività, crescita dei ricavi, innovazione e fidelizzazione dei dipendenti. Spesso, questo vantaggio competitivo è guidato dall'investimento in infrastrutture e piattaforme che permettono la collaborazione su larga scala a livello di ecosistema.

Recentemente, Allie K. Miller, CEO di Open Machine, ha parlato con David Levy di IBM, sostenendo che non bisogna considerare l'AI come un semplice strumento di produttività che replica le azioni umane. "Se stai ancora pensando a piccole cose in termini di efficienza e produttività, se pensi solo a scrivere le e-mail più velocemente o a scrivere le query SQL più rapidamente, continuerai comunque a scrivere l’e-mail e continuerai a scrivere la query SQL," ha affermato.

"Forse", ha aggiunto, "esiste un mondo in cui non dovresti nemmeno scrivere quell'e-mail. Non dovresti scrivere quella query SQL fin dall’inizio”.

Catturare il vero valore richiede una trasformazione fondamentale nel modo in cui le aziende si organizzano e operano. I modelli operativi tradizionali, progettati attorno a workflow puramente umani, spesso diventano degli ostacoli quando le organizzazioni cercano di integrare la collaborazione con l'AI. Questa situazione richiede ai leader aziendali di riprogettare i workflow e i processi decisionali per consentire ai sistemi AI di gestire le decisioni di routine in modo autonomo, garantendo al contempo una supervisione umana adeguata nelle scelte ad alto rischio.

La ristrutturazione dei team e dei ruoli potrebbe diventare necessaria via via che l'AI assume compiti in precedenza svolti dagli esseri umani. Tuttavia, invece di eliminare posizioni, le organizzazioni lungimiranti ridefiniranno i ruoli per valorizzare i contributi unicamente umani.

Affrontare queste sfide richiede, soprattutto, che i leader promuovano una cultura di sperimentazione e apprendimento. Impostando un tono di innovazione e focalizzandosi sui risultati, le aziende possono posizionarsi per cogliere valore dalla collaborazione uomo-AI nel lungo periodo.

Oppure, come ha detto Miller quando è apparsa nel podcast AI in azione di IBM: "Se ti limiti a fare andare più veloce i cavalli, ti perderai le automobili".