Il passaggio dall’IA agli esseri umani è più complesso di quanto pensino le aziende

David Rice: La maggior parte delle conversazioni sull’IA nelle grandi aziende inizia con la stessa domanda: cosa possiamo automatizzare? Ma questo è il punto di partenza sbagliato. Nello show di oggi parlo con Paula Goldman, Chief Ethical and Humane Use Officer di Salesforce, della differenza tra progettare per l’automazione e progettare per la collaborazione tra esseri umani e IA.

Non sono la stessa cosa. L’automazione chiede quali passaggi si possono eliminare. La collaborazione chiede in cosa potrebbe trasformarsi il lavoro ora che gli esseri umani hanno a disposizione una nuova capacità. Neppure il passaggio tra IA ed esseri umani è così chiaro come ci piace fingere. Quando i clienti sono arrabbiati, vogliono parlare con una persona. Quando si sentono in imbarazzo, spesso preferiscono l’IA.

Le supposizioni generalizzate su dove debba trovarsi questo confine costeranno alle organizzazioni la fiducia in modi difficili da recuperare. L’argomento centrale di Paula è che, man mano che l’IA diventa più potente, il giudizio e la costruzione delle relazioni diventano più importanti, non meno. La produttività è un risultato intermedio. La domanda più interessante è cosa si fa con la capacità che essa crea.

Oggi parleremo quindi del motivo per cui iniziare dall’automazione porta i leader a non vedere come il lavoro umano crea valore, di come pensare al passaggio tra IA ed esseri umani per i propri casi d’uso specifici, del perché ora a ogni dipendente viene chiesto di gestire l’IA con la stessa mancanza di formazione che un tempo ricevevano i manager e di come si presenta concretamente la progettazione per il benessere umano.

Sono David Rice. Questo è People Managing People e, se la vostra strategia per l’IA è organizzata attorno a ciò che potete automatizzare invece che attorno a ciò in cui il lavoro potrebbe trasformarsi, questa conversazione riformulerà completamente la questione. Iniziamo.

Scopri Teamflect, la piattaforma di gestione delle prestazioni e coinvolgimento dei dipendenti con la valutazione più alta, progettata per Microsoft Teams.

Scelta da oltre mille organizzazioni. Una soluzione facile da usare, ma adatta alle esigenze aziendali. Visita Teamflect.com per saperne di più.

Bene, Paula, benvenuta allo show di oggi.

Paula Goldman: Grazie per avermi invitata.

David Rice: Vorrei iniziare la conversazione partendo dal fatto che gran parte del dibattito sull’IA nelle grandi aziende comincia ancora con una qualche versione di: “Bene, cosa possiamo automatizzare?”

Giusto? Tu sostieni che progettare per l’automazione e progettare per la collaborazione tra esseri umani e IA siano fondamentalmente due cose diverse. E se iniziamo dall’automazione come obiettivo, cosa rischiano di non vedere i leader riguardo al lavoro umano e al modo in cui crea valore?

Paula Goldman: Grazie. Penso che tu abbia formulato molto bene la domanda e credo che ci siano diversi aspetti.

Uno è semplicemente la differenza tra un risultato trasformativo e un lieve aumento dell’efficienza. Dovremmo chiederci: “Cosa rende possibile l’IA per le nostre aziende? Come possiamo soddisfare ancora di più i nostri clienti, i nostri dipendenti e così via?” Ma penso che, a un livello ancora più fondamentale, la questione riguardi anche il riconoscimento dei casi in cui l’interazione umana è essenziale per il successo di un risultato.

Quando il legame, per esempio, tra chi risponde al telefono e chi ha chiamato fa la differenza tra un cliente davvero deluso e uno soddisfatto, oppure quando il coaching umano per un dipendente fa la differenza tra motivazione e crescita e il loro contrario.

E penso che potremmo entrare in moltissimi dettagli, ma abbiamo ampiamente sottovalutato perché questo sia importante. Voglio dire, l’IA è molto potente. Possiamo farci moltissime cose. Ma la domanda giusta è: come facciamo a far lavorare bene insieme persone e IA per ottenere risultati responsabili e straordinari, non soltanto per capire dove inserire l’IA?

David Rice: A volte il nostro problema è che efficienza e valore tendono a essere quasi sinonimi nella nostra mente, ma un flusso di lavoro può diventare molto più efficiente e, allo stesso tempo, peggiore nel produrre ciò che conta: fiducia, apprendimento, creatività, giudizio, giusto? L’automazione tende a considerare il flusso di lavoro esistente come l’unità di analisi.

Quali passaggi possiamo eliminare? La collaborazione, credo, pone una domanda diversa: “In cosa potrebbe trasformarsi questo flusso di lavoro ora che gli esseri umani hanno a disposizione un nuovo tipo di capacità?”

Paula Goldman: Penso che tu l’abbia detto molto bene.

David Rice: Credo che questo sia particolarmente rilevante per i CHRO, perché un responsabile finanziario vedrà una capacità liberata del venti per cento.

Le risorse umane devono chiedersi cosa succederà alla competenza professionale e al sistema organizzativo attorno a quella capacità. Penso quindi che questo sia uno dei grandi aspetti con cui dobbiamo confrontarci in questo momento. Hai parlato di progettare il passaggio tra IA ed esseri umani. Ma quel confine non è così semplice come dire che l’IA gestisce il lavoro ordinario e gli esseri umani quello complesso.

Lo diciamo, ma non credo sia così netto. E a volte le persone preferiscono davvero l’IA per interazioni molto sensibili, mentre per altre persone momenti apparentemente semplici dipendono enormemente dal legame umano. Secondo te, come dovrebbero determinare le organizzazioni dove collocare quel confine, invece di formulare semplicemente supposizioni generalizzate?

Paula Goldman: Non è che quella verità comunemente accettata — lasciare all’IA il lavoro ordinario e alle persone quello complesso — sia sbagliata. In realtà è un buon punto di partenza. Ma quando si iniziano a esaminare i singoli casi d’uso, è lì che le cose diventano davvero interessanti. Prendiamo, per esempio, il servizio clienti.

È vero: se l’IA non ha mai visto una domanda prima d’ora e non dispone di dati sulla risposta, probabilmente non dovrebbe gestirla. Ma esistono anche altre regole pratiche. Se qualcosa è fortemente regolamentato, come One Eight Hundred Accountant, che fornisce consulenza finanziaria alle piccole imprese, quando si entra in una categoria regolamentata come la consulenza fiscale si vuole che sia una persona a occuparsene.

Ma se si inizia a pensare alle emozioni o al legame emotivo dei clienti, è lì che le cose diventano davvero interessanti. Esistono moltissimi studi e dati che dimostrano che, quando i clienti sono arrabbiati, generalmente vogliono parlare con una persona. Quando si sentono in imbarazzo — magari per una condizione medica o per qualcosa per cui non vogliono sentirsi giudicati — emerge una leggera preferenza per l’IA.

Ed è qui che penso sia davvero importante comprendere queste tendenze e preferenze: dove le persone vogliono parlare con altre persone e dove invece non lo vogliono. Perché, quando si pensa al solo servizio clienti, continuando con questo esempio, non si tratta soltanto di efficienza: è qui che si mantiene un cliente oppure lo si perde.

E non si hanno molte occasioni per riuscirci. Per questo penso che stiamo appena iniziando a esplorare come funziona davvero la collaborazione nella pratica e che prestare attenzione al suo lato umano sia fondamentale.

David Rice: Sì, forse la distinzione non è così semplice — o non riguarda la differenza tra semplice e complesso — ma piuttosto ciò che le persone vogliono ottenere da questa interazione.

Hai detto che, quando sono arrabbiate, vogliono parlare con un essere umano. Penso che lo stesso valga quando provano imbarazzo o temono di essere giudicate, perché l’IA sembra psicologicamente un po’ più sicura di una persona, semplicemente perché nel corso della nostra vita abbiamo avuto interazioni in cui gli esseri umani ci hanno fatto sentire a disagio.

Mi chiedo quindi se questo non suggerisca che le organizzazioni abbiano bisogno di ricerche sugli utenti, non soltanto di mappatura dei processi, prima di decidere dove collocare le persone. Non direi che il problema del confine sia permanente. Le persone potrebbero inizialmente desiderare rassicurazioni umane e in seguito sentirsi a proprio agio con l’IA, oppure potrebbe accadere il contrario.

È quindi una questione di scelta e penso che stiamo usando la complessità del compito come indicatore di dove gli esseri umani aggiungono valore. Pensi che la conseguenza emotiva sia in realtà una variabile migliore?

Paula Goldman: Penso che entrambe siano variabili molto importanti e che ignorare il lato del legame umano possa rivelarsi molto rischioso.

Penso che sia molto utile prendere in considerazione entrambi gli aspetti. E hai ragione anche sul fatto che le cose cambieranno. Nel tempo, le persone potrebbero abituarsi maggiormente a interagire con l’IA, che naturalmente sta diventando sempre migliore e più potente. Ma potrebbe anche accadere che le persone attribuiscano ancora più valore al legame umano.

Potrebbe diventare più importante. In effetti, man mano che consumatori e dipendenti usano di più l’IA e la impiegano per filtrare ciò che ricevono — messaggi di marketing e così via — avremo sempre meno punti di contatto umani, che quindi conteranno molto di più.

Perciò penso sia un po’ difficile prevedere come andrà a finire tutto questo, ma dopo aver scritto il libro sono assolutamente convinta che stiamo sottovalutando l’importanza del lato umano dell’interazione.

David Rice: Prima di questa conversazione mi hai raccontato una storia molto interessante su alcuni assistenti sociali che si erano opposti a uno strumento di IA progettato per evitare loro di tornare in ufficio dopo le visite sul campo, mentre la dirigenza considerava quel viaggio un’inefficienza.

I lavoratori lo vedevano invece come il momento in cui elaboravano insieme i casi difficili. Mi sembra una lezione molto più ampia per i CHRO: come si distingue lo spreco dalle interazioni umane apparentemente inefficienti che in realtà influenzano più di ogni altra cosa fiducia, apprendimento, giudizio e resilienza?

Paula Goldman: Esatto. Era un buon esempio di quanto sia importante comprendere davvero quel rituale. Quando si va sul campo, si affrontano casi difficili. A volte sono situazioni mai viste prima. Altre volte hanno semplicemente un costo emotivo per il lavoratore. Si vuole tornare indietro, elaborare l’esperienza e imparare insieme, perché magari un collega ha già visto qualcosa di simile.

La questione non è che l’IA non possa aiutare a prendere appunti o a svolgere quel processo, ma come possa sostenere al meglio sia l’efficienza sia l’apprendimento collaborativo che si svolge in quel momento. Qui una piccola modifica, basata sulla reale comprensione dell’obiettivo — non soltanto risparmiare tempo, ma aumentare l’apprendimento del team — può fare una differenza incredibile.

L’obiettivo è ottenere le risposte migliori per aiutare le singole persone supportate dagli assistenti sociali e così via. È una piccola modifica che potrebbe produrre una differenza enorme. In quella storia, che ti ho raccontato, si trattava di un consiglio comunale del Regno Unito e il progetto pilota era stato respinto.

Ancora una volta, una piccola modifica per rendere l’implementazione più incentrata sulle persone avrebbe potuto salvare il progetto, preservando l’efficienza e tutto l’apprendimento che ne derivava.

David Rice: Per decenni abbiamo parlato dell’attrito come di qualcosa di negativo da eliminare. Ora l’IA ci offre un potere senza precedenti per farlo davvero.

Ma penso che scopriremo sempre più esempi di attrito positivo. Poco più di un anno fa parlavo con un autore che ne discuteva come di un fenomeno reale. Il viaggio di ritorno in ufficio sembrava uno spreco di trasporto osservandolo su una mappa del processo.

In realtà era supervisione tra pari, la possibilità di decomprimere insieme e condividere conoscenze informali. Credo quindi che esempi simili esistano ovunque: i dipendenti junior che ascoltano per caso i colleghi senior, le conversazioni dopo le riunioni, il chiedere a chi siede vicino come gestirebbe una certa situazione.

Queste interazioni sono invisibili, ma il loro valore per il ritorno sull’investimento e lo sviluppo dei dipendenti è incalcolabile. Penso quindi che ci sia un legame con il concetto di rilavorazione.

Paula Goldman: Sono d’accordo. Hai evidenziato due aspetti davvero importanti. Il primo riguarda il valore dei diversi rituali che possono svolgersi in un ambiente di lavoro e l’importanza di prestarvi attenzione.

Hai poi parlato del valore dell’attrito positivo, con cui concordo pienamente. In Salesforce lo chiamiamo attrito consapevole. Il concetto è lo stesso: l’IA, o la tecnologia, è molto potente e può fornire risposte in moltissimi ambiti. Ma ci sono situazioni in cui la differenza tra un risultato positivo e uno negativo dipende dall’intervento di una persona dotata di giudizio.

Per questo dedico molto tempo ogni giorno a individuare i momenti in cui sia davvero necessario invitare qualcuno a esaminare una questione una seconda volta. Potrebbe trattarsi di una decisione molto importante che l’IA sta raccomandando, come nel caso della selezione del personale o della valutazione di una richiesta di prestito, quando è necessaria una supervisione umana.

Ma potrebbe anche essere qualcosa di semplice: si vuole che qualcuno sia coinvolto e questo farà una grande differenza. Bisogna farlo con grande attenzione, ma l’idea che l’attrito sia sempre negativo non è universalmente vera. In alcuni punti del sistema abbiamo decisamente bisogno di attrito.

David Rice: Una volta ho sentito definire questo concetto “inefficienze portanti”, un modo divertente di esprimerlo.

Mi chiedo però se spetti al CHRO individuare quali inefficienze siano tali — e qui usiamo la parola inefficienze tra virgolette, perché nella realtà potrebbero non esserlo — prima di permettere all’IA di trasformare il processo e rimuoverle.

Paula Goldman: Sì, esattamente.

David Rice: Spetta quindi al CHRO identificare quali siano prima di consentire all’IA di eliminarle attraverso la trasformazione?

Paula Goldman: È una domanda molto interessante. Vorrei iniziare dicendo che il ruolo delle risorse umane è essenziale nell’aiutare tutte le diverse funzioni aziendali a usare l’IA in modo da ottenere i risultati migliori. Questo comporta ogni genere di responsabilità nuova per l’organizzazione HR.

Penso però che, sotto certi aspetti, la domanda debba essere trasferita a ogni funzione, perché sono le persone di quella funzione a sapere dove si trova il valore. Il marketing, per esempio, sa davvero dove il gusto e l’autenticità umana contano nei messaggi che sta creando e dove invece si può chiedere all’IA di personalizzare un messaggio in ventimila modi diversi per ventimila clienti diversi.

Come si trova il giusto equilibrio? Entrambe le cose sono necessarie. Questo è l’aspetto davvero interessante: all’improvviso l’IA è ovunque. Non si tratta soltanto di una o due applicazioni usate dall’azienda. Nel contesto Salesforce è profondamente integrata in tutto ciò che facciamo, in ogni singola funzione.

Servono quindi persone esperte di quelle funzioni per determinare quali siano i casi d’uso più importanti. Allo stesso tempo, le risorse umane devono impegnarsi e chiedersi come assicurarsi che la competenza umana sia realmente presente e centrale per ottenere i risultati migliori.

David Rice: Una conseguenza di ciò di cui abbiamo parlato prima è che i dipendenti non possono essere semplicemente i destinatari della trasformazione guidata dall’IA.

Possiedono informazioni sul lavoro che forse non hanno le persone che progettano queste trasformazioni. Le organizzazioni non possono però riprogettare ogni flusso di lavoro attraverso un comitato. Come si presenta una partecipazione significativa dei dipendenti senza rallentare la trasformazione al punto da mettere a disagio i dirigenti?

Paula Goldman: È una domanda legittima, ma non penso che i lavoratori debbano necessariamente avere un potere di veto. Nel mio libro dico che dovrebbero avere un posto al tavolo. La storia degli assistenti sociali è un buon esempio del motivo per cui non coinvolgerli sia controproducente. Esistono però modi per farlo accelerando i risultati e anticipando i problemi prima che diventino davvero grandi.

Ecco alcune idee basate su ciò che faccio a Salesforce con il mio team. Organizziamo hackathon in cui i dipendenti propongono idee su come usare l’IA. Uno dei miei esempi preferiti riguarda alcuni dipendenti neurodivergenti che hanno sperimentato come usare l’IA in Slack per non sentirsi sopraffatti dalle diverse forme di informazione che ricevevano.

Alla fine abbiamo utilizzato quelle idee per la modalità di concentrazione di Slack. Esistono moltissimi esempi di come coinvolgere le persone aumenti questo tipo di innovazione. Ma non si tratta soltanto di hackathon: significa chiedere feedback all’interno dell’applicazione e coinvolgere le persone nel brainstorming sulle applicazioni davvero importanti.

Significa anche ascoltare quel feedback. L’obiettivo non è semplicemente introdurre l’IA e dire che tutti devono adottarla. Bisogna capire come le persone la usano realmente nel lavoro quotidiano per ottenere risultati migliori. E la verità è che chi è più vicino al lavoro sa come farlo.

Nel libro racconto anche la storia di una mia amica, Amanda Ballantyne, che dirigeva l’innovazione per l’AFL-CIO. Mi parlava di una visita a uno stabilimento Stellantis, dove esisteva una collaborazione in cui i lavoratori della fabbrica insegnavano ad altri lavoratori a operare con la robotica.

Poiché avevano lavorato direttamente con i robot, una delle insegnanti aveva persino creato una propria applicazione per gli studenti, spiegando come risolvere i problemi del robot. Questa conoscenza nasce dall’esperienza reale. Aiuta effettivamente a migliorare l’efficienza ed è un esempio del motivo per cui non si dovrebbe introdurre la tecnologia come un mandato imposto dall’alto.

Bisogna coinvolgere davvero le persone e si otterranno risultati molto migliori.

David Rice: Penso che ci sia una certa esitazione, ma tutti dovrebbero ricordare che esiste una grande differenza tra avere potere di veto e fornire intelligenza progettuale. I dipendenti in prima linea conoscono spesso soluzioni alternative o regole che non compaiono nelle procedure operative standard. Hanno una sorta di flussi di lavoro ombra.

Paula Goldman: Esattamente. A volte l’IA può intercettare quella conoscenza tacita e renderla più disponibile alle persone, ed è un’ottima cosa. Altre volte, invece, ci sono aspetti che non emergeranno mai, perché non sono codificati esplicitamente. Si tratta di leggere la situazione, comprendere come qualcosa è stato fatto per anni e capire come procedere. Per questo si vuole davvero quella competenza.

David Rice: La definirei meno come partecipazione e quasi meno come consultazione dei dipendenti, e più come raccolta dei requisiti. Esiste anche una questione di adozione: le persone sono più propense a usare un sistema quando riconoscono la propria realtà nel suo design.

Paula Goldman: Assolutamente. È un ottimo modo di inquadrare la questione.

David Rice: Lo vediamo con diversi tipi di tecnologia. È una preoccupazione legittima. Come si distingue la conoscenza legittima dei lavoratori in prima linea dalla resistenza basata semplicemente sul pensiero: “Non voglio che il mio lavoro cambi”?

Paula Goldman: È una questione molto importante e sono contenta che tu l’abbia posta. Stiamo vivendo una trasformazione enorme del modo in cui lavoriamo. Il cambiamento è difficile. Proprio per questo coinvolgere le persone, dare loro un posto al tavolo e comprendere davvero le loro esigenze — o, come hai detto tu, raccogliere i requisiti — porta a risultati molto migliori.

Stiamo chiedendo alle persone di cambiare il modo in cui lavorano. È facile sottovalutare la grande curva emotiva che attraversano e le conoscenze che devono essere utilizzate. Una delle domande fondamentali è: cosa deve rimanere umano?

Raccogliere opinioni su questo non significa che ogni opinione determinerà il risultato, ma significa ascoltare con attenzione e comprendere dove il giudizio, la costruzione delle relazioni o la gestione dei casi limite facciano una grande differenza.

Coinvolgere le persone nella progettazione di ciò che dovrebbe essere il lavoro produce un’enorme differenza. Abbiamo appena fatto questo con il nostro team. Ci si abitua a un modo di lavorare, si diventa bravi a farlo e poi viene chiesto di cambiarlo: è difficile.

Le persone devono essere accompagnate e convinte. Devono vedere che il cambiamento renderà il lavoro migliore. Quando lo capiscono, diventa molto entusiasmante. Ma è difficile: è gestione del cambiamento.

David Rice: Esiste un’altra dimensione della collaborazione tra esseri umani e IA, che vedo sempre più spesso nelle discussioni. Se trasferiamo sistematicamente determinati compiti cognitivi all’IA, non stiamo soltanto riprogettando i ruoli. Potremmo riprogettare il modo in cui le persone sviluppano competenze e la loro capacità di influenzare ciò che emerge dal luogo di lavoro.

Come dovrebbero pensare i leader a ciò che gli esseri umani devono continuare a fare? Non perché l’IA non sia in grado di farlo — a un certo punto probabilmente farà tutto meglio di noi — ma perché farlo è il modo in cui le persone sviluppano il giudizio necessario per avere successo nei propri ruoli. Esiste una differenza tra chiedersi se l’IA possa svolgere un compito e se gli esseri umani debbano smettere di svolgerlo.

Paula Goldman: Assolutamente. Hai sollevato di nuovo diversi punti importanti. Partiamo dalla differenza tra ciò che l’IA può fare e ciò che dovrebbe fare. Abbiamo già visto esempi nel servizio clienti e in altri contesti in cui questa differenza determina il successo o il fallimento.

Dal punto di vista delle risorse umane penso alle tecnologie che aiutano i manager a elaborare valutazioni delle prestazioni e feedback più completi. C’è però una differenza tra l’IA che aiuta a raccogliere informazioni e un manager che si assume la responsabilità del contenuto della valutazione e la comunica personalmente, perché questo fa la differenza tra motivazione e demotivazione.

Per questo si invita qualcuno a confrontarsi più spesso con il proprio team invece di lasciare che sia l’IA a farlo al suo posto. Non funziona davvero allo stesso modo.

La questione dello sviluppo delle competenze è poi fondamentale. Ecco perché assistiamo a una rinascita delle conversazioni sull’apprendistato, sulla formazione e sulle competenze.

Penso che tra cinque o dieci anni questa domanda avrà un aspetto diverso. Quando è apparso il foglio di calcolo, molti temevano che le persone avrebbero perso la competenza necessaria per eseguire calcoli diversi. Bisogna ancora conoscere le basi, ma poi ci si abitua alla tecnologia e si trovano modi per verificare il risultato: cosa ci si può affidare e cosa no.

Per questo stanno emergendo nuovi ruoli in cui si imparano le basi supervisionando l’IA. Si impara, per esempio, a capire se l’IA funziona nel contesto delle vendite, dove non funziona e come migliorarla. Dovranno quindi emergere nuovi modi di imparare il business, perché l’IA sta cambiando il modo in cui il lavoro viene svolto.

David Rice: Siamo di una generazione che, crescendo, ha vissuto molte esperienze che hanno costruito le nostre competenze. Dobbiamo decidere se alcuni compiti debbano rimanere deliberatamente umani come attività formative, anche se l’IA può svolgerli più velocemente. Questo crea una domanda economica scomoda, perché il CFO potrebbe chiedere: “Chi paga l’inefficienza del tuo sviluppo?”

Paula Goldman: Come hai detto prima, non è il modo giusto di definire l’efficienza. Stiamo parlando di persone che imparano a gestire i sistemi di IA. Esistono moltissimi esempi del motivo per cui questa gestione, questo giudizio e questa supervisione fanno una differenza enorme nel risultato.

Non si tratta di un’inefficienza. Al contrario, se si fa un investimento enorme nell’IA, bisogna avere persone che conoscano sia l’azienda sia il modo per decidere quali compiti delegare all’IA e quali no. Quando si hanno entrambe le cose, le possibilità sono illimitate.

Quando non le si hanno, si stanno semplicemente investendo soldi in un problema senza risolverlo. A mio avviso, questo è un modo migliore di pensare alla questione dell’efficienza.

David Rice: Sono d’accordo. La mia preoccupazione è che stiamo parlando di competenze che si sviluppano perché potrebbero servire e potrebbero far parte del lavoro tra cinque anni. Ma le persone che bisogna convincere ragionano per trimestri e per risultati a breve termine. Mi chiedo quanto sia difficile convincerle a mantenere queste attività, perché diventeranno sempre più importanti con lo sviluppo e l’integrazione della tecnologia.

Paula Goldman: Abbiamo visto anche esempi di persone che hanno completamente trasformato diverse funzioni per poi tornare indietro e riconoscere che gli esseri umani avevano un ruolo enorme da svolgere. Mi sembra che stiamo imparando questa lezione. Non credo che le due cose siano in conflitto.

Quando si definisce correttamente il ruolo umano e si insegna alle persone a gestire la tecnologia che sta cambiando il modo in cui viene svolto il lavoro, si ottengono risultati migliori molto più rapidamente.

David Rice: La maggior parte dei casi aziendali sull’IA riesce a quantificare abbastanza bene ciò che scompare: ore risparmiate, attività automatizzate, capacità creata dalla riduzione dell’organico e così via.

È molto meno efficace nel misurare ciò che potrebbe scomparire insieme a tutto questo: trasferimento della conoscenza tacita, relazioni, giudizio, mentoring e quei momenti informali in cui le persone elaborano insieme il lavoro difficile. Pensi che la definizione attuale del ritorno sull’investimento dell’IA sottovaluti sistematicamente il lato umano del lavoro?

Paula Goldman: Sta cambiando, ma sì. Per questo una delle tendenze che considero importanti è che stiamo iniziando a misurare il ritorno sull’investimento dell’IA in base ai risultati, non soltanto in base al numero di ore risparmiate. Quante chiamate dei clienti ha effettivamente risolto? Sono due modi diversi di misurare lo stesso problema.

Se si usa l’IA per la formazione, le competenze delle persone sono state davvero potenziate? Se la si usa in ambito legale per la ricerca, si osserva un miglioramento misurabile nella qualità degli atti depositati? Oppure si producono allucinazioni che vengono inserite negli atti e causano problemi all’avvocato?

Quando si adotta una metrica più completa, si tiene conto sia di ciò che l’IA è in grado di fare sia di ciò che non è in grado di fare, dei punti in cui servono persone nel processo, di quelli in cui è necessario verificare i risultati e di quelli in cui servono giudizio umano e apprendimento pratico.

Sono fiduciosa che arriveremo a misurare risultati aziendali più completi. In questo modo investiremo meglio nella tecnologia e avremo una visione più chiara di come debbano evolvere i ruoli delle persone, in modo entusiasmante, rafforzando il loro potere e offrendo loro più opportunità di fare cose più grandi e migliori sul lavoro.

David Rice: Sono d’accordo. Ci stiamo allontanando dalla misurazione dell’utilizzo. Stiamo iniziando a vedere persone che comprendono che non è quello il punto. Esistono guadagni misurabili, ma anche perdite diffuse e difficili da rilevare.

Le ore risparmiate si possono misurare immediatamente. Ma se si indebolisce il giudizio, potrebbe essere impossibile rilevarlo per uno o due anni. Esiste quindi un’asimmetria: il beneficio viene contabilizzato subito, mentre il costo in termini di capacità viene rinviato. Sempre più persone stanno iniziando a rendersene conto e a capire che devono misurare la questione in modo diverso.

Paula Goldman: Anche la soddisfazione dei clienti, per esempio. L’IA può rispondere a tutte le domande dei clienti, ma questo non significa che si concluderà la vendita o che il cliente sarà soddisfatto del servizio ricevuto.

Bisogna misurare nel modo corretto, ottenendo il giusto equilibrio tra i punti in cui si desidera davvero l’intervento delle persone e il motivo per cui quell’intervento è importante.

David Rice: Quali elementi misureresti concretamente? Di recente ho scritto un articolo intitolato “Si può misurare il giudizio?” Alcuni dicono che non sia possibile, ma esistono segnali e comportamenti misurabili. Se continuiamo a dire che è difficile misurare qualcosa, l’efficienza vincerà ogni discussione. Cosa misureresti per mostrare gli impatti a lungo termine e cosa dovrebbe comparire in un caso aziendale che oggi non vi compare?

Paula Goldman: Partiamo dal punto di vista del cliente e poi pensiamo all’interno dell’organizzazione. Si possono misurare le ore risparmiate, e si dovrebbe farlo. Ma si dovrebbero misurare anche la soddisfazione dei clienti, il tasso di abbandono e quanti clienti si convertono grazie alle attività di vendita, assistite o potenziate dall’IA.

Nessuna di queste metriche è nuova. Sono modalità complete con cui misuriamo già le nostre aziende. Siamo soltanto in un momento particolare in cui siamo ossessionati dall’IA e ci concentriamo su un singolo intervento.

Quando la si integra davvero nel sistema e si osservano questi elementi, si capisce che serve un insieme di strategie. Si vuole che il cliente possa arrivare sul sito, fare qualsiasi domanda sul prodotto e ricevere una risposta. Se si tratta di una transazione semplice, può procedere online. Se è più complessa, la si trasferisce a una persona che possa concludere la vendita e aiutare il cliente a comprendere e riformulare il problema che sta affrontando.

Non penso quindi che servano nuove metriche. Dobbiamo semplicemente applicare correttamente quelle che già abbiamo e farlo con equilibrio.

David Rice: Prima di questa conversazione hai detto una cosa che mi è piaciuta molto: “La tecnologia è potente, ma non è la protagonista. Lo siamo noi.” Se prendiamo sul serio questa affermazione, l’obiettivo della trasformazione guidata dall’IA non può essere semplicemente rendere le persone più produttive.

Che cosa dovrebbero quindi diventare più brave a fare le persone mentre le macchine diventano più capaci?

Paula Goldman: Vorrei fare un passo indietro. Perché ho scritto un libro? Me lo chiedo spesso e anche mio marito me lo chiede continuamente. Mi stavo preoccupando perché, durante questa ultima ondata di IA, molti miei amici brillanti mi hanno contattata dicendo di essere molto nervosi.

Che si trattasse di amici, consigli di amministrazione o conversazioni con clienti, emergeva sempre la stessa preoccupazione: “Contiamo ancora? Le persone stanno diventando obsolete?”

Osservando la tecnologia nel tempo e interagendo con tanti clienti diversi, mi è diventato chiaro che la realtà era esattamente opposta. Quando l’IA diventa più potente, il giudizio e la costruzione delle relazioni diventano sempre più importanti. In pratica, tutti stiamo diventando manager dell’IA.

Dovremo gestirla. Stiamo diventando potenziati e, per riuscirci, dobbiamo gestire efficacemente la tecnologia, comprenderne i punti di forza e i limiti e intervenire quando necessario. Questo risponde direttamente alla tua domanda, perché non si tratta semplicemente di costruire un cavallo più veloce.

Si tratta di immaginare cosa sia possibile quando, nel proprio ruolo, l’IA può personalizzare le interazioni su scala enorme nel marketing, rispondere alle domande iniziali dei clienti o fornire a tutti i dipendenti le informazioni necessarie sui benefit.

Tutto questo diventerà un requisito di base. Ciò che conta è avere persone capaci di sfruttare queste efficienze e fare qualcosa di migliore per clienti e dipendenti. È quindi fondamentale avere persone competenti nell’uso dell’IA, ma anche rafforzate nel proprio giudizio e incoraggiate a immaginare cose nuove.

Non un cavallo più veloce, ma un’azienda ripensata. È per questo che sono così appassionata di questa conversazione.

David Rice: Sempre più leader stanno comprendendo che si tratta di una scelta di progettazione organizzativa, non soltanto di accettare una conseguenza inevitabile dell’ingresso della tecnologia nel luogo di lavoro.

Non è necessariamente necessario che tutti abbiano la risposta, soprattutto i leader. Un buon leader può porre le domande giuste. Si tratta di giudizio, di definire i problemi e di costruire fiducia nelle persone affinché si sentano libere di assumersi responsabilità.

La produttività è quindi un risultato intermedio, non il fine ultimo. La domanda più interessante è cosa stiamo facendo con la capacità che questa trasformazione crea.

Paula Goldman: È esattamente così. La produttività è molto importante, naturalmente. Non la sto sminuendo. Sto dicendo che, anche in questa fase intermedia, abbiamo visto molti disastri legati all’IA. Servono persone che la supervisionino e che comprendano i confini entro i quali dovrebbe intervenire l’IA e quelli in cui dovrebbero intervenire le persone.

Servono anche persone autorizzate a ripensare i processi e a mantenere clienti e dipendenti al centro della trasformazione. Sono le aziende che, secondo me, avranno successo. Lo sto già vedendo.

David Rice: Vedo ruoli che vengono riprogettati e penso che i manager siano un ottimo esempio. Se l’IA può eliminare il lavoro di reportistica e amministrativo associato alla gestione, si desidera qualcosa di diverso dal proprio manager. Si vuole che diventi un coach migliore e che ottenga di più dai propri collaboratori.

Questo crea lo spazio per farlo, ma anche una definizione diversa di ciò che si cerca in un manager. Per troppo tempo abbiamo promosso a manager chi era bravo nel proprio lavoro individuale, senza verificare se avesse la personalità o le competenze per fare coaching.

Paula Goldman: Questo è uno dei miei crucci. Oggi stiamo chiedendo quasi a ogni dipendente di gestire l’IA, con una mancanza di formazione simile a quella che abbiamo imposto ai manager: “Vai e fallo.” È stata una delle motivazioni per cui ho scritto il libro.

Quando ho iniziato a scriverlo, il mio manager era John Stormer. Gli parlai dell’idea, che non faceva parte del mio lavoro quotidiano. Non mi disse che era una cattiva idea e non cercò di reindirizzarmi. Alimentò discretamente la mia immaginazione, inviandomi podcast e articoli e trasmettendomi la convinzione che fosse importante.

Da quella convinzione è nato il libro e ho trovato la fiducia necessaria per presentare questa prospettiva al mondo. Sottovalutiamo quanto conti davvero questo tipo di legame. Nessuno mi aveva chiesto di scrivere quel libro. È nato dall’ispirazione e da una connessione alimentata da lui e da molte persone della mia comunità.

È proprio questo che non vogliamo perdere mentre l’IA diventa sempre più potente. Vogliamo progettarlo intenzionalmente e renderlo più diffuso. È un’opportunità che mi emoziona profondamente.

David Rice: Siamo sulla stessa barca. Paula, è stata una conversazione fantastica. Ti ringrazio per averci dedicato del tempo oggi.

Paula Goldman: Grazie a te per avermi invitata e per aver posto domande così interessanti. Mi è piaciuto molto.

David Rice: Ascoltatori, se non l’avete ancora fatto, vi consigliamo di visitare AI Signal. Ogni settimana realizziamo un briefing per dirigenti con l’unica cosa a cui dovete pensare, una domanda da porre alla prossima riunione del team dirigenziale o uno strumento per valutare il lavoro in corso.

Assicuratevi di iscrivervi. Alla prossima, pensate alle possibilità. Qui stiamo riprogettando il lavoro.

Svolgete le valutazioni delle prestazioni e portate gli insight sul coinvolgimento dei dipendenti nel vostro strumento di IA preferito. Collegate Teamflect a ChatGPT, Claude o qualsiasi LLM per controllare gli obiettivi, scrivere valutazioni, esaminare i feedback, creare attività e molto altro, tutto tramite una semplice chat. Provate Teamflect gratuitamente ora.