Il passaggio tra esseri umani e IA è più complicato di quanto pensino le aziende

David Rice: La maggior parte delle conversazioni sull'IA aziendale inizia con la stessa domanda: che cosa possiamo automatizzare? Ma 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 possano eliminare. La collaborazione chiede in che cosa potrebbe trasformarsi il lavoro ora che gli esseri umani hanno a disposizione una nuova capacità. Anche il passaggio tra IA ed esseri umani non 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 generiche su dove debba trovarsi quel confine costeranno alle organizzazioni la fiducia in modi difficili da recuperare. L'argomentazione 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 che cosa si faccia con la capacità che essa crea.

Oggi parleremo quindi del motivo per cui partire dall'automazione porta i leader a non cogliere il modo in cui il lavoro umano crea valore, di come ragionare sul passaggio tra IA ed esseri umani nei propri casi d'uso specifici, del motivo per cui 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 progetta concretamente per il benessere umano.

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

Incontra Teamflect, la piattaforma di gestione delle performance e del coinvolgimento dei dipendenti con la valutazione più alta, realizzata per Microsoft Teams.

Scelta da oltre mille organizzazioni. Una soluzione facile da usare, ma di livello enterprise. Visita Teamflect.com per saperne di più.

Bene, Paula, benvenuta allo show di oggi.

Paula Goldman: Grazie per avermi invitata.

David Rice: Volevo iniziare la conversazione partendo dal fatto che, sapete, gran parte della conversazione sull'IA aziendale comincia ancora con una qualche versione di: «Bene, che 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, che cosa porta questo a non vedere ai 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 alcuni aspetti.

Uno riguarda semplicemente la differenza tra un risultato trasformativo e un lieve incremento dell'efficienza. Dovremmo chiederci: «Che cosa rende possibile l'IA per le nostre aziende? Come possiamo deliziare ancora di più i nostri clienti, i nostri dipendenti e così via?». Ma credo che, a un livello ancora più basilare, la domanda riguardi anche il riconoscimento dei punti in cui l'interazione umana è fondamentale per il successo di un risultato.

Dove il rapporto, per esempio, tra chi risponde al telefono e chi ha chiamato farà la differenza tra un cliente davvero deluso e uno entusiasta, oppure dove il coaching umano per un dipendente farà la differenza tra motivazione e crescita e il loro contrario, giusto?

E penso che possiamo entrare in moltissimi dettagli, ma abbiamo ampiamente sottovalutato il motivo per cui questo è importante. Voglio dire, l'IA è così 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 parte del problema è che, sapete, nella nostra mente efficienza e valore tendono a essere quasi sinonimi, ma un flusso di lavoro può diventare molto più efficiente e, allo stesso tempo, peggiorare nella produzione delle cose che contano: fiducia, apprendimento, creatività, giudizio, giusto? L'automazione tende a trattare il flusso di lavoro esistente come una sorta di unità di analisi.

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

Paula Goldman: Credo che tu l'abbia detto molto bene.

David Rice: Penso che questo sia particolarmente rilevante per i CHRO perché un leader finanziario vedrà il venti per cento di capacità liberata.

Le risorse umane devono chiedersi che cosa succederà all'esperienza professionale e al sistema organizzativo intorno a quella capacità. Credo quindi che questa sia una delle grandi questioni con cui dobbiamo confrontarci in questo momento. Hai parlato della progettazione del passaggio tra IA ed esseri umani. Ma quel confine non è così semplice come dire che l'IA gestisce il lavoro di routine e gli esseri umani quello complesso.

Lo diciamo, ma non credo che sia così netto. E a volte le persone preferiscono davvero l'IA per interazioni altamente 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 fare semplicemente supposizioni generiche?

Paula Goldman: Non è che quella specie di verità convenzionale — lascia che l'IA gestisca la routine e le persone il complesso — sia sbagliata. In realtà è un punto di partenza piuttosto valido. Ma quando inizi a esaminare i singoli casi d'uso, è lì che la questione diventa davvero interessante, giusto? Prendiamo per esempio il servizio clienti.

È vero: se l'IA non ha mai visto una domanda prima e non dispone di dati sulla risposta, probabilmente non dovrebbe gestirla. Ma esistono anche altre regole pratiche. Se qualcosa è altamente regolamentato, come nel caso di One Eight Hundred Accountant, che offre 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 inizi a pensare alle emozioni del cliente o al legame emotivo, la questione diventa davvero interessante. Esistono moltissimi studi e dati che mostrano come, quando i clienti sono arrabbiati, generalmente vogliano parlare con una persona. Quando si sentono in imbarazzo, diciamo magari per una condizione medica o per qualcosa per cui non vogliono sentirsi giudicati, mostrano una lieve preferenza per l'IA.

Ed è qui che credo sia davvero importante comprendere queste tendenze e preferenze: dove le persone vogliono parlare con altre persone e dove invece no. Perché, se continuiamo con l'esempio del servizio clienti, questo è importante non soltanto in termini di efficienza, ma perché è qui che si decide se conservare o perdere il cliente, giusto?

E non si hanno molte occasioni per riuscirci. Per questo penso che abbiamo appena iniziato a comprendere come funzioni davvero la collaborazione nella pratica e che prestare attenzione al suo aspetto umano sia fondamentale.

David Rice: Sì, forse la distinzione non è così semplice come dire che non si tratta di semplice o complesso, ma piuttosto di capire che cosa vogliono le persone da questa interazione, giusto?

Hai detto che quando sono arrabbiate vogliono parlare con un essere umano. Credo anche che, se provano imbarazzo o temono di essere giudicate, l'IA possa sembrare psicologicamente 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.

Sono curioso, perché questo suggerisce che le organizzazioni abbiano bisogno di ricerca sugli utenti, non soltanto di mappatura dei processi, prima di decidere dove debbano intervenire gli esseri umani. Non direi neppure che il problema del confine sia permanente. All'inizio le persone potrebbero desiderare rassicurazioni umane e in seguito sentirsi a proprio agio con l'IA, oppure potrebbe accadere il contrario.

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

Paula Goldman: Credo che siano entrambe variabili molto importanti e che ignorare l'aspetto del legame umano probabilmente porti a conseguenze negative.

Penso che siano entrambi elementi molto preziosi da considerare. E hai ragione: le cose cambieranno. Col tempo le persone potrebbero abituarsi maggiormente a interagire con l'IA, che ovviamente sta migliorando e diventando sempre più potente. Ma potrebbe anche accadere che le persone attribuiscano 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, e questi conteranno molto, molto di più.

Perciò è difficile prevedere come si svilupperà tutto questo, ma dopo aver scritto il libro sono assolutamente convinta che stiamo sottovalutando l'importanza dell'aspetto umano dell'interazione.

David Rice: Prima della registrazione mi hai raccontato una storia 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.

Gli operatori lo vedevano invece come il momento in cui elaboravano insieme i casi difficili. Per me questa storia contiene una lezione molto più ampia per i CHRO: come si distingue lo spreco dalle interazioni umane apparentemente inefficienti che in realtà influenzano soprattutto fiducia, apprendimento, giudizio e resilienza?

Paula Goldman: Sì. Era un buon esempio della necessità di comprendere davvero quel rituale. Le persone vanno sul campo e affrontano casi difficili. A volte incontrano situazioni mai viste prima; altre volte subiscono semplicemente un peso emotivo come lavoratori. Vogliono tornare indietro, elaborare e imparare insieme, perché magari un collega ha già affrontato qualcosa di simile.

Non significa che l'IA non possa aiutare a prendere appunti o a svolgere il processo, ma come può sostenere al meglio sia l'efficienza sia l'apprendimento collaborativo che avviene 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 enorme.

Si tratta di ottenere le risposte migliori per aiutare le singole persone assistite dagli operatori e così via. Una piccola modifica può produrre una differenza incredibile. In quel caso, la storia che ti ho raccontato proveniva da un consiglio comunale nel Regno Unito, dove il progetto pilota era stato semplicemente 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: Abbiamo passato decenni a parlare dell'attrito come di qualcosa di negativo da eliminare, giusto? E ora l'IA ci offre un potere senza precedenti per farlo davvero.

Ma credo che scopriremo sempre più spesso che quello che sembra uno spreco di trasporto su una mappa di processo può essere in realtà supervisione tra pari, la possibilità di decomprimere insieme e condividere conoscenze informali. Penso quindi che esempi simili esistano ovunque: dipendenti junior che ascoltano per caso colleghi senior, le conversazioni dopo le riunioni, chiedere a chi siede accanto a noi come gestirebbe una situazione.

Queste interazioni sono invisibili, ma il loro valore per il ritorno sull'investimento e per lo sviluppo dei dipendenti è incalcolabile. Credo che qui ci sia anche un legame con il lavoro da rifare.

Paula Goldman: Sono d'accordo. Hai evidenziato due punti davvero importanti. Il primo riguarda il valore dei diversi rituali che si svolgono in un ambiente di lavoro e la necessità di prestarvi attenzione.

Hai parlato anche 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 proporre risposte in moltissimi ambiti. Ma ci sono situazioni in cui la differenza tra un risultato positivo e uno fallimentare consiste nell'intervento umano con il suo giudizio.

Una delle cose su cui trascorro molto tempo ogni giorno è individuare quei momenti in cui si vuole spingere qualcuno a dare una seconda occhiata. Può trattarsi di una decisione dalle conseguenze rilevanti che l'IA sta raccomandando, per esempio nello screening occupazionale o nella valutazione di qualcuno per un prestito, situazioni in cui serve una supervisione umana.

Ma può essere anche qualcosa di semplice: si vuole che qualcuno partecipi davvero, e questo può fare una grande differenza. Bisogna farlo con estrema 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: Credo di aver sentito qualcuno definire tutto questo «inefficienze portanti», che mi è sembrato un modo divertente per dirlo.

Ma sono curioso: spetta al CHRO identificare quali inefficienze siano in realtà così, prima di consentire alla trasformazione basata sull'IA di eliminarle?

Paula Goldman: Sì, esattamente.

David Rice: Spetta al CHRO identificare quelle che lo sono prima di permettere all'IA di rimuoverle 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 di un'azienda a usare l'IA in modo da ottenere i risultati migliori. Questo comporta ogni genere di cosa per l'organizzazione HR e molti nuovi tipi di responsabilità.

Penso però che, in qualche modo, la domanda debba essere trasferita a ogni funzione, perché sono quelle persone a sapere dove il valore è nascosto. Il marketing sa davvero dove contano il gusto e l'autenticità umana nei messaggi che crea e dove invece si può chiedere all'IA di personalizzare un messaggio in ventimila modi diversi per ventimila clienti diversi.

Come troviamo il giusto equilibrio? Entrambe le cose sono necessarie. È questo l'aspetto davvero interessante: improvvisamente l'IA è ovunque. Non si tratta più di una o due applicazioni usate dall'azienda, ma, almeno nel contesto Salesforce, è profondamente integrata in tutto ciò che facciamo e in ogni singola funzione.

Servono quindi persone esperte di quelle funzioni per determinare quali siano i casi d'uso più importanti, e serve l'HR per assicurarsi che l'esperienza umana sia realmente presente e centrale nel raggiungimento dei risultati migliori.

David Rice: Un'implicazione di ciò di cui abbiamo parlato prima è che i dipendenti non possono essere semplicemente i destinatari della trasformazione basata sull'IA.

Possiedono informazioni sul lavoro che forse chi progetta queste trasformazioni non ha. Le organizzazioni non possono riprogettare ogni flusso di lavoro attraverso un comitato. Quindi sono curioso: che aspetto ha una partecipazione significativa dei dipendenti senza rallentare la trasformazione fino a un punto che metta a disagio i dirigenti?

Paula Goldman: È una domanda legittima, ma non credo che dare ai lavoratori un posto al tavolo significhi che ogni loro opinione debba determinare il risultato. La storia degli assistenti sociali è un buon esempio del motivo per cui non coinvolgerli sia controproducente. Esistono però modi di farlo che accelerano i risultati e consentono di anticipare i problemi prima che diventino enormi.

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 numerose forme di informazione che ricevevano.

Alla fine abbiamo utilizzato quelle idee per la modalità 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 nella riflessione su quali applicazioni saranno davvero importanti.

E significa ascoltare quel feedback. L'obiettivo non è distribuire l'IA e dire che bisogna adottarla, ma capire come le persone la usano concretamente nel lavoro quotidiano per ottenere risultati migliori. La verità è che chi è più vicino al lavoro sa davvero 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 una fabbrica Stellantis, dove esisteva una collaborazione in cui gli operai insegnavano ad altri lavoratori a usare la robotica.

Poiché avevano lavorato direttamente con i robot, una delle insegnanti aveva creato una propria app per gli studenti, spiegando come risolvere i problemi del robot. Questa conoscenza nasce dall'esperienza reale e aiuta concretamente a migliorare l'efficienza. È un esempio del motivo per cui non si dovrebbe introdurre la tecnologia come un obbligo imposto dall'alto.

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

David Rice: Credo 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 a contatto diretto con il lavoro conoscono spesso soluzioni alternative o regole che non compaiono nelle procedure operative standard. Hanno flussi di lavoro informali.

Paula Goldman: È esattamente così. A volte l'IA può cogliere quella conoscenza tacita e renderla più accessibile alle persone, ed è fantastico. Altre volte esistono elementi che non emergeranno, perché non sono codificati esplicitamente. Si tratta di leggere la situazione, comprendere come qualcosa sia stato fatto per anni e capire come farlo. Ecco perché si vuole quell'esperienza.

Quella competenza porta a risultati molto, molto migliori.

David Rice: La definirei meno come partecipazione e quasi meno come consultazione dei dipendenti, e più come raccolta dei requisiti. C'è anche una ragione legata all'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 inquadrarla.

David Rice: Lo vediamo con diversi tipi di tecnologia. È una preoccupazione legittima. Come si distingue la conoscenza autentica dei lavoratori sul campo dalla resistenza che in sostanza dice: «Non voglio che il mio lavoro cambi»?

Paula Goldman: È una domanda importantissima e sono felice che tu l'abbia posta. Stiamo vivendo una trasformazione enorme del modo in cui lavoriamo. Il cambiamento è difficile, ma proprio per questo coinvolgere le persone, dare loro un posto al tavolo e comprendere davvero i requisiti porta a risultati molto migliori.

Stiamo chiedendo alle persone di cambiare il modo in cui lavorano. È facile sottovalutare l'enorme curva emotiva che attraversano e la conoscenza che deve essere utilizzata. Bisogna quindi chiedersi che cosa debba restare umano e raccogliere opinioni su questo.

Non significa che ogni opinione determini il risultato, ma bisogna ascoltare con attenzione e capire dove il giudizio, la costruzione delle relazioni e la gestione dei casi limite fanno una grande differenza.

Coinvolgere le persone nella progettazione di ciò che dovrebbe essere il lavoro produce un cambiamento enorme. Ci siamo appena passati anche con il nostro team. Ci si abitua a un modo di lavorare, si diventa bravi e poi viene chiesto di cambiarlo: è difficile.

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

David Rice: Assolutamente. Esiste un'altra dimensione della collaborazione tra esseri umani e IA che vedo emergere sempre più spesso nelle conversazioni.

Se trasferiamo sistematicamente determinati compiti cognitivi all'IA, non stiamo soltanto riprogettando i lavori. Potremmo riprogettare il modo in cui le persone sviluppano competenze e la loro capacità di influenzare ciò che esce dal luogo di lavoro.

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

Paula Goldman: Hai ragione. Cominciamo da «l'IA può farlo» rispetto a «dovrebbe farlo». Abbiamo visto esempi nel servizio clienti e in altri contesti in cui la differenza tra poter fare qualcosa e doverla fare determina la differenza tra successo e fallimento.

Pensando alle risorse umane, esistono tecnologie di stimolo che aiutano i manager a realizzare valutazioni delle performance e feedback più completi. Ma c'è una differenza tra l'IA che aiuta a raccogliere informazioni e un manager che si assume la responsabilità di ciò che contiene la 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 farlo fare all'IA. Non funziona. La distinzione tra poter fare e dover fare è davvero importante.

Anche la questione dello sviluppo delle competenze è cruciale. Ecco perché assistiamo a una rinascita delle conversazioni sull'apprendistato, sulla formazione e sulle competenze.

Penso che tra cinque o dieci anni la questione apparirà diversa. Quando sono comparsi i fogli di calcolo, ci si preoccupava che le persone perdessero la competenza nei calcoli. Servono ancora le basi, ma poi si impara a usare una tecnologia, a verificare il risultato e a capire su che cosa si possa fare affidamento e su che cosa no.

Per questo stanno emergendo nuovi ruoli in cui si imparano le basi supervisionando l'IA. Si impara il lavoro osservando dove l'IA funziona e dove non funziona, e come migliorarla. Dovranno emergere nuovi modi di apprendere l'attività, perché l'IA sta cambiando il modo in cui si lavora.

David Rice: Siamo di una generazione che ha costruito le proprie competenze attraverso molte esperienze. Ora dobbiamo decidere se alcuni compiti debbano restare 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 la vostra inefficienza formativa?»

Paula Goldman: È il modo sbagliato di inquadrare 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 grande differenza nel risultato.

Non si tratta di inefficienza. Al contrario, si sta facendo un investimento enorme nell'IA e servono persone che conoscano l'azienda e sappiano giudicare 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 all'efficienza.

David Rice: Sono d'accordo. La mia preoccupazione è che stiamo parlando di competenze che si sviluppano perché potrebbero servire e diventare parte del lavoro tra cinque anni. Ma le persone che bisogna convincere ragionano per trimestri e guadagni a breve termine.

Mi chiedo quanto sia difficile convincerle a mantenere queste attività, perché diventeranno sempre più importanti man mano che la tecnologia si sviluppa e viene integrata.

Paula Goldman: Abbiamo visto anche esempi di funzioni completamente riprogettate e poi riconsiderate, riconoscendo che gli esseri umani hanno un ruolo enorme da svolgere. Stiamo imparando questa lezione. Non penso che le due cose siano in conflitto.

Quando si definisce correttamente il ruolo umano e si insegna alle persone a gestire la tecnologia che cambia il lavoro, si ottengono risultati migliori molto più rapidamente.

David Rice: La maggior parte dei casi aziendali sull'IA sa quantificare bene ciò che scompare: ore risparmiate, compiti automatizzati, capacità creata nel personale. È molto meno efficace nel misurare ciò che potrebbe scomparire insieme a tutto questo: trasferimento della conoscenza tacita, relazioni, giudizio, mentoring e momenti informali in cui le persone danno insieme un senso al lavoro difficile.

Pensi che la nostra 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, invece di limitarci a contare quante ore sono state risparmiate.

Quante chiamate dei clienti ha effettivamente risolto? Se si usa l'IA per la formazione, le competenze delle persone sono davvero aumentate? Se la si usa in ambito legale per la ricerca, si è ottenuto un miglioramento misurabile nella qualità degli atti depositati, oppure si sono prodotte allucinazioni che hanno portato a sanzioni per l'avvocato?

Quando si adotta una metrica complessiva, si tiene conto di ciò che l'IA sa fare e di ciò che non sa fare, dei punti in cui servono persone nel ciclo di controllo, del giudizio umano e dell'apprendimento delle competenze durante il lavoro.

Sono fiduciosa che arriveremo a misurare risultati aziendali più completi. In questo modo investiremo meglio nella tecnologia e avremo una direzione più chiara per l'evoluzione dei ruoli, in modo entusiasmante, capace di dare alle persone più potere e più opportunità di fare cose migliori e più importanti al lavoro.

David Rice: Stiamo superando la misurazione dell'utilizzo. Sempre più persone capiscono che non è quello il punto. Ci sono guadagni misurabili, ma anche perdite distribuite difficili da rilevare.

Le ore risparmiate si misurano subito. Un giudizio più debole potrebbe non essere rilevabile per uno o due anni. Esiste un'asimmetria: il beneficio viene contabilizzato ora, mentre il costo in termini di capacità viene rinviato. Sempre più persone dovranno misurare la questione in modo diverso.

Paula Goldman: Anche la soddisfazione del cliente è un esempio. L'IA può rispondere a tutte le domande dei clienti, ma questo non significa che concluderai la vendita o che il cliente sarà soddisfatto del servizio. Bisogna misurare nel modo corretto, trovando il giusto equilibrio e comprendendo dove sia davvero necessario l'intervento umano e perché.

David Rice: Che cosa misureresti concretamente se volessi mostrare gli impatti a lungo termine e inserire gli elementi giusti in un caso aziendale per un grande investimento nella trasformazione?

Paula Goldman: Partiamo dal cliente. Si possono e si devono misurare le ore risparmiate, ma anche la soddisfazione del cliente, l'abbandono dei clienti e quanti clienti vengono convertiti grazie agli sforzi di vendita, assistiti o meno dall'IA.

Nessuna di queste metriche è nuova. Sono modi completi con cui già misuriamo le aziende. Siamo semplicemente in un momento particolare in cui siamo ossessionati dall'IA e ci concentriamo su un singolo intervento.

Quando si integra davvero l'IA nel sistema, si capisce che serve un insieme di strategie. Si vuole che il cliente possa fare qualsiasi domanda sul prodotto e, per una transazione semplice, concluderla online. Per una questione più difficile, la richiesta deve essere inoltrata a una persona capace di concludere la vendita e comprendere il problema del cliente.

Non credo servano metriche nuove. Dobbiamo semplicemente applicare quelle che già abbiamo con equilibrio.

David Rice: 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 idea, l'obiettivo della trasformazione basata sull'IA non può essere soltanto rendere le persone più produttive.

In che cosa dovrebbero diventare migliori gli esseri umani man mano che le macchine diventano più capaci?

Paula Goldman: Perché ho scritto un libro? Me lo chiedo spesso, e anche mio marito me lo chiede continuamente. Mi stavo preoccupando perché, durante questa nuova ondata di IA, molti amici intelligenti mi contattavano ed erano molto nervosi. Si chiedevano: «Contiamo ancora? Le persone stanno diventando obsolete?»

Per me era chiaro, osservando la tecnologia nel tempo e parlando con tanti clienti, che la realtà fosse quasi l'opposto. Più l'IA diventa potente, più il giudizio e la costruzione delle relazioni diventano importanti. In pratica stiamo tutti diventando gestori dell'IA.

Dovremo gestire la tecnologia, capire in che cosa è brava e in che cosa non lo è, e intervenire quando necessario. Non si tratta di costruire un cavallo più veloce, ma di immaginare che cosa sia possibile quando l'IA personalizza le interazioni su scala enorme nel marketing, risponde alle domande iniziali dei clienti o fornisce ai dipendenti tutte le informazioni sui benefit.

Tutto questo diventerà il livello minimo. Ciò che conta è avere persone capaci di sfruttare tali efficienze e fare qualcosa di meglio per clienti e dipendenti. Servono persone competenti in materia di IA, ma anche libere di esercitare il giudizio e immaginare possibilità nuove.

Non un cavallo più veloce, ma un'azienda ripensata. È per questo che considero così importante questa conversazione.

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

Non è necessario che tutti abbiano la risposta, soprattutto i leader. Un buon leader sa porre le domande giuste. Poi entrano in gioco il giudizio, la capacità di inquadrare i problemi e la fiducia nelle persone, affinché si sentano libere di assumersi la responsabilità.

La produttività è un risultato intermedio, non il fine ultimo. La domanda più interessante è che cosa facciamo con la capacità che essa crea.

Paula Goldman: È esattamente così. La produttività è molto importante, naturalmente. Ma non sto sminuendola. Dico che, anche nella fase intermedia, abbiamo visto molti disastri legati all'IA. Servono persone che la supervisionino, che comprendano i limiti entro cui l'IA dovrebbe intervenire e quelli in cui dovrebbero intervenire le persone.

Servono anche persone autorizzate a ripensare le cose e a mantenere clienti e dipendenti al centro della trasformazione. Credo che saranno queste le aziende vincenti. Lo sto già vedendo.

David Rice: Vedo lavori che vengono riprogettati e i manager sono un ottimo esempio. Se l'IA elimina attività di reportistica e amministrazione, si può chiedere qualcosa di diverso al manager: essere un coach migliore e aiutare maggiormente i propri collaboratori.

Questo crea lo spazio per farlo, ma anche un nuovo quadro di ciò che si cerca in un manager. Per troppo tempo abbiamo promosso a manager chi era bravo nel proprio lavoro individuale, anche quando non aveva la personalità o le competenze per fare coaching.

Paula Goldman: Quello che hai detto è una delle mie principali preoccupazioni. Oggi chiediamo quasi a ogni dipendente di gestire l'IA, con una mancanza di formazione simile a quella che in passato avevano i manager. Diciamo semplicemente: «Vai e fallo».

Quando ho iniziato a scrivere il libro pensavo al mio manager di allora, John Stormer. Quando gli parlai dell'idea non disse che era cattiva e non cercò di distogliermi. Alimentò silenziosamente la mia immaginazione, mandandomi podcast e articoli e comunicandomi che quell'idea era importante.

Da quella fiducia è nato il libro, che mi ha dato la sicurezza di portare questa prospettiva nel mondo. Sottovalutiamo quanto conti questo tipo di legame. Nessuno mi aveva chiesto di scrivere quel libro: è nato dall'ispirazione e dal legame, sostenuti da lui e da molte altre persone della mia comunità.

Non vogliamo perdere questo elemento quando l'IA diventerà sempre più potente. Vogliamo progettarlo nel lavoro e renderlo ancora più presente. È il tipo di opportunità che mi emoziona profondamente.

David Rice: Siamo sulla stessa barca. Paula, è stata una conversazione fantastica. Grazie per averci dedicato il tuo tempo oggi.

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

David Rice: Ascoltatori, se non l'avete ancora fatto, vi consigliamo di dare un'occhiata ad AI Signal. Ogni settimana offriamo un briefing per dirigenti con l'unica cosa a cui dovete pensare, che sia un tema a cui prestare attenzione, una domanda da porre alla prossima riunione del team dirigenziale o uno strumento per valutare il lavoro in corso.

Iscrivetevi. Alla prossima, pensate alle possibilità. Qui stiamo riprogettando il lavoro.

Conduci le valutazioni delle performance e porta gli insight sul coinvolgimento dei dipendenti nel tuo strumento di IA preferito. Collega Teamflect a ChatGPT, Claude o qualsiasi LLM per controllare gli obiettivi, scrivere valutazioni, esaminare i feedback, creare attività e molto altro, tutto attraverso una semplice chat. Prova Teamflect gratuitamente ora.