L’IA può rendere un buon lavoro troppo limitato

David Rice: I tuoi numeri sul turnover sono ottimi. Le persone restano, l'engagement è stabile e la leadership festeggia. E stai costruendo il problema più costoso che tu abbia mai avuto, perché restare non è la stessa cosa che contribuire. E in questo momento la tua forza lavoro sta semplicemente restando in silenzio, si presenta, raggiunge gli obiettivi, cerca di non causare problemi. Sulla carta sembrano coinvolti, ma non stanno sperimentando. Non stanno spingendo oltre i limiti, non stanno correndo rischi. Stanno solo preservando sé stessi.

L’ospite di oggi è Jay Caldwell. È Chief Talent Officer presso ADP. E oggi andremo ad analizzare il motivo per cui un basso turnover, in questo contesto, potrebbe in realtà essere un segnale d’allarme più che una vittoria. Perché ecco la cosa che dobbiamo tutti ricordare: le persone che si sentono più al sicuro sono quelle che corrono meno rischi. E in questo ambiente, non correre rischi è probabilmente la cosa più rischiosa che puoi fare.

Oggi parleremo del perché “se lo costruisci, verranno” non funziona per l’adozione dell’IA, del problema della permanenza silenziosa e di come la mentalità di conformità potrebbe sostituire l’innovazione, di come capire se un basso turnover nasconde stagnazione e paura, dell’IA generalista rispetto ai casi d’uso mirati e quale tra questi costruisce maggiore fiducia. Guarderemo la crisi delle carriere interne alle aziende e perché i neolaureati nativi digitali in IA stanno per sfidare tutto ciò che state facendo.

Io sono David Rice. Questo è People Managing People. E se i tuoi numeri sul turnover sembrano sani, ma l’innovazione sembra morta, questa conversazione spiega esattamente cosa sta succedendo sotto la superficie. Andiamo.

Benvenuto, Jay, al programma.

Jay Caldwell: Grazie, David. Felice di essere qui.

David Rice: Volevo iniziare la conversazione dal punto in cui ci troviamo ormai da qualche anno dentro questa ondata IA, e penso che la prima eccitazione che hanno avuto molti sia svanita lasciando spazio alle conseguenze reali. Siamo a un giorno dall'annuncio dei licenziamenti di Block.

Sono curioso però, qual è secondo te il più grande fraintendimento che i leader continuano ad avere sull’integrazione dell’IA nella loro forza lavoro?

Jay Caldwell: Probabilmente ci sono molti fraintendimenti. Mi piacerebbe sentire anche i tuoi, ma penso che uno dei principali che ancora vedo in molte organizzazioni sia che tutti siano motivati dall’IA quanto lo sono i leader.

Sai, credo che le statistiche recenti dicano che, anche negli Stati Uniti, il 40% delle persone usa l’IA nella vita privata, quindi anche fuori dal lavoro. È ancora relativamente presto, in termini di adozione, anche se il 40% è già tanto. Come spesso accade con strumenti aziendali, c’è l’idea che se lo costruiamo, tutti lo useranno e lo ameranno quanto noi.

Ma non credo sia così. Di certo non ancora. Potresti avere molti adottanti appassionati, ma allo stesso modo tanti resistenti, e la maggior parte delle persone si trova nel mezzo. Quindi non è così facile come accendere un interruttore, bisogna spendere molto tempo ed energie su come guidare questo tipo di cambiamento e trasformazione organizzativa.

David Rice: Sì, lo percepisco anch’io. Dal nostro punto di vista, spesso i leader lo trattano come uno strumento da implementare, come un software. Ma io torno sempre all'idea – che ho letto da qualche parte – che è più simile all’introduzione di un nuovo collega in ogni team, contemporaneamente.

Quindi cambierà dinamiche interne, strutture di potere, chi si sente competente o minacciato. È davvero più un progetto culturale. Non credo che la gente sia contro l’IA; alcuni sì, per motivi etici, ma tanti sono curiosi e semplicemente non gli è stato spiegato dove si inseriranno nel futuro. È questa la lacuna nella narrativa del C-Suite, il classico “l’IA ti libererà per mansioni di maggior valore”.

Ma quello che le persone effettivamente sperimentano è spesso disallineato, e ora il lavoro viene vissuto come un ritmo più rapido e meno chiarezza su cosa sia considerato buono. Ha creato una vera tensione.

L’altro fraintendimento che vedo spesso è che adottare equivalga a integrare. C’è la percezione che sia così: distribuisco gli strumenti e sanno già come usarli, ma in realtà occorre cambiare il modo in cui le persone pensano al loro lavoro.

Cosa vale il loro contributo e che prospettiva di carriera hanno. Questo è il vero compito oggi di molti leader, e pochi lo hanno davvero compreso.

Jay Caldwell: Sono molto d’accordo. L'altro aspetto sull’uso generale dell’IA è che la maggior parte delle persone la usa come motore di ricerca, che tra l’altro è veramente un ottimo motore di ricerca.

David Rice: Esatto, lo è davvero.

Jay Caldwell: Non voglio sminuire questo utilizzo, ma non credo che fosse questo ciò che ci si augurava per l’uso dell’IA. Come hai detto, il cambiamento culturale entra in gioco. Anche a livello individuale serve cambiare abitudini. È fantastico avere questi strumenti, ma se lavori tanto con Outlook, ad esempio, come molti impiegati, richiede uno sforzo: invece di scrivere subito un’e-mail, magari dovrei ragionare più creativamente con lo strumento IA su cosa scrivere. E questo cambiamento di abitudini non avviene naturalmente in tutti.

Hai ragione: cultura, capacità, mentalità. È tutto collegato.

David Rice: A volte mi ricordo: “Ah, potrebbe essere utile chiedere anche a lui”, giusto per vedere cosa dice, per verifica.

Jay Caldwell: Mi piace l’analogia del nuovo collega: a volte dimentico pure che è lì e devo ricordarmi di provare a chiedere.

Sì, insomma, se abbiamo questa nuova competenza nel team, dovrei ‘consultarla’.

David Rice: Forse è anche per questo che ho letto che i lavoratori da remoto sono più inclini a utilizzarla: non fanno affidamento sulla presenza fisica.

Jay Caldwell: Esatto. Ho lavorato da casa per cinque anni e avere una compagnia era utile. Anche le funzioni di ‘compagnia’ dell’IA aiutano chi si sente isolato fisicamente.

David Rice: Hai condiviso che gli utenti intensivi di IA sono più inclini a cercare altre opportunità. In superficie sembra solo una storia di offerta e domanda: sviluppano una competenza preziosa e hanno più opzioni. Ma mi chiedo se sotto succeda qualcosa di più profondo. Lavorare con l’IA cambia il modo in cui le persone vedono il proprio potenziale o ciò che si aspettano dal datore di lavoro?

Jay Caldwell: È interessante, sì. Anche noi in ADP abbiamo visto segnali simili nelle nostre ricerche sulla retention. Ed è affascinante analizzare tutti i motivi. Uno è certamente aver acquisito una nuova competenza che può essere spesa altrove, ma sono d’accordo: c’è di più. Ad esempio, i power user arrivano a sentirsi vincolati dall’organizzazione, dal suo ritmo e dalla capacità o meno dei processi di seguire il loro passo.

Riescono a vedere potenzialità e opportunità di cambiare i processi più in fretta, ma da soli non basta. Magari nasce frustrazione perché si percepisce che l’azienda si muove troppo lentamente e si pensa che altrove si potrebbe fare molto di più.

Può anche intervenire la paura dell’ignoto: se l’azienda non comunica bene lo scopo dell’IA, crea ansia e forse inizio a temere per il mio posto, vedendo la potenza degli strumenti. Allora si scatena una modalità di sopravvivenza: non solo ho una competenza richiesta, ma voglio continuare a lavorare e non sono sicuro che qui sarà possibile, dati gli strumenti. Torniamo quindi alla gestione del cambiamento attorno a queste innovazioni.

David Rice: È una combinazione scomoda dal punto di vista del talento: chi è coinvolto con l’IA non è demotivato dal proprio lavoro, ma sono comunque coloro che guardano altrove, forse perché hanno superato il ruolo o addirittura l’organizzazione. Lavorare con l’IA allarga gli orizzonti: ti fa vedere cosa è possibile, ma se capisci che la tua azienda si muove alla metà della velocità che ora sai sia fattibile, allora il divario fra potenziale ed ambiente diventa intollerabile per alcune persone.

Jay Caldwell: Proprio così. E in tema di engagement e retention, la realtà è che l’engagement nella forza lavoro è generalmente basso – circa il 19-20% negli Stati Uniti sono veramente coinvolti.

David Rice: Livelli storicamente bassi, se ho letto bene.

Jay Caldwell: Basta poco per far cambiare idea alle persone in queste situazioni, nel pensare a come potrebbero sviluppare diversamente la carriera.

No, probabilmente non serve molto movimento. L’IA può davvero fare da catalizzatore per chi cerca nuove opzioni.

David Rice: Esatto, soprattutto se sei già “sull’orlo”. Molti lo sono, e poi vedono tanta burocrazia, catene di approvazione, definizioni rigide di ruolo. Ti senti più capace grazie alla tecnologia, quasi incastrato in una gabbia di sviluppo: se salto, questa cosa mi aiuterà a volare.

Jay Caldwell: Vero. Un’altra possibilità è quella che hai detto: gabbia di sviluppo o opportunità, ma anche la velocità con cui si muove il tuo bagaglio di competenze e il desiderio di applicarle in modi diversi. Alcune ricerche mostrano che speriamo che l’IA aumenti la produttività, ma spesso non restituisce tempo: le persone lavorano più a lungo e sotto pressione, spingono di più perché producono di più. Quindi il lavoro è più intenso, e questo aumenta il rischio di turnover.

David Rice: Ho visto spesso situazioni simili: la gente si brucia e se ne va senza un piano perché non riesce a tenere il passo. Ho ospitato qualcuno che mi diceva: “Facciamo solo di più, non meglio o più produttivamente, solo di più”. Molti lo sentono. Se il turnover cala ma l’engagement non cresce, vediamo una forza lavoro che resta solo per la sicurezza in un ambiente dominato dall’IA, dove invece contano sperimentazione e adattabilità?

Questa permanenza silenziosa è più dannosa del licenziamento, perché sembra stabile sulla carta?

Jay Caldwell: È ciò che mi preoccupa in questo momento, dati strumenti, tecnologie e stato del mercato per molti ruoli e settori. Si parla tanto di quiet quitting, hugging the job, ecc., ma la tendenza è quella: se non c’è movimento interno, è un problema diverso rispetto a pochi anni fa con la Great Resignation, dove la sfida era trattenere personale. Per i dipendenti era un ambiente di opportunità: il turnover alto permette crescita interna o in altri ruoli. Se queste occasioni diminuiscono, cresce il rischio che il personale si senta stagnante, bloccato, non cresca.

E se questo abbassa l’ingaggio, abbasserà anche innovazione e creatività, che sono la vera promessa dell’IA. Se manca l’energia mentale per innovare, allora a cosa serve davvero? Concordo, c’è un grande rischio e raccomando alle organizzazioni di non diventare troppo compiaciute per un turnover basso: sotto la superficie c’è molto altro ora.

David Rice: Concordo pienamente. Siamo così concentrati a misurare retention e turnover che abbiamo smesso di domandarci se restare equivalga a contribuire. In questo contesto, un basso turnover può essere un segnale d’allarme più che un successo.

Jay Caldwell: Giusto. E il valore di portare nuove persone dall’esterno, nuove idee e prospettive, è sempre importante. Serve molta attenzione su come mantenere in movimento i flussi di talento, e anche quando le persone non si muovono, come tenerle emotivamente coinvolte e attive nel proprio ambiente lavorativo.

David Rice: Proprio così: la permanenza silenziosa può essere un problema costosissimo se le persone si presentano, raggiungono gli obiettivi, non causano problemi e sembri tutto perfetto, ma non sperimentano, non spingono oltre i limiti del team, non rischiano.

E sappiamo che il vero valore nell’adozione dell’IA sta proprio nel rischio. Ma se si preservano solo per paura – sia del mercato del lavoro sia perché a metà carriera sembra di dover ricominciare altrove – stiamo costruendo una forza lavoro con mentalità da conformità, più che di innovazione. È ironico: chi si sente più sicuro è quello che rischia meno. E non rischiare, oggi, è la cosa più rischiosa.

Jay Caldwell: Esatto. Quando analizziamo i percorsi di carriera, specie di persone di successo, vediamo molti rischi e cambi di funzione. Il personale sente oggi che sia più rischioso fare questi salti.

David Rice: Quando le aziende implementano strumenti di IA generici, sembra dire “tutti devono capire come usarla”, mentre gli usi mirati sono più strutturati e orientati ai risultati.

Sono curioso: secondo te, come i due approcci plasmano in modo diverso la fiducia dei dipendenti, la curva di apprendimento e forse anche la pressione sulla performance?

Jay Caldwell: Bella domanda. Ho visto diverse strategie: alcuni partono dal generale per poi mirare, altri viceversa. Ma sono strategie diverse. La cosa fondamentale in entrambi i casi è non sottovalutare comunicazione e formazione, non solo sul come si usa lo strumento, ma anche sul cambiare mentalità e approccio al lavoro.

Serve ancor più formazione sugli strumenti generalisti: dai alla gente un coltellino svizzero e i casi di uso sono tantissimi. Ricordo che da piccolo sul mio coltellino usavo solo 2-3 funzioni. È la stessa cosa con strumenti di IA generalisti: tantissime possibilità, ma pochi sanno come sfruttarle. Se li accendi e basta sperando che la gente li userà bene, va a finire male.

Le aziende che lo fanno bene imparano “ad alta voce”, collegando persone simili per condividere esperienze di successo o insuccesso (“ho provato così, ha funzionato”). Invece i casi d’uso mirati danno più chiarezza su come il mio ruolo cambierà, cosa devo modificare nei flussi di lavoro e come integrare l’IA nel lavoro quotidiano. La formazione può essere molto più specifica, ma anche l’impatto, compreso quello sulle persone (comprese paure per la sicurezza del ruolo), sarà più diretto.

David Rice: Intuit QuickBooks Payroll sa che le risorse umane hanno molte parti mobili che possono generare caos. È per questo che sincronizzano buste paga, HR, rilevazione ore e finanza in un’unica piattaforma potente. E quest’estate, QuickBooks Payroll evolverà in qualcosa di più grande per supportare l’intero ciclo di vita del team. A breve le aziende potranno inserire i dipendenti in un unico flusso integrato con paghe, configurare workflow HR automatici per promozioni o uscite, tracciare performance, ferie e benefit insieme alle buste paga.

Scopri la differenza che QuickBooks Payroll può fare per la tua azienda oggi e preparati per il futuro. Per saperne di più vai su quickbooks.com/workforce. quickbooks.com/workforce.

Mi piace la tua analogia del coltellino svizzero. Ora mi chiedo quale sia l’equivalente IA di quelle piccole forbicine traballanti.

Jay Caldwell: Esatto, quelle si rompevano sempre! Incredibile, sì.

David Rice: Il “tutti devono capire da soli” è come dire: “crediamo che questa tecnologia avrà un grande impatto, ma non abbiamo nessuna strategia o idea su come usarla”.

Jay Caldwell: Già.

David Rice: È come dare a tutti un pianoforte e aspettarsi una sinfonia.

Jay Caldwell: Ma l’entusiasmo è così grande perché gli strumenti sono così intuitivi (spesso chat conversazionali). È questione di creatività su come utilizzarli, ma molte possibilità sono difficili da scoprire da soli.

David Rice: Gli usi mirati sono utili anche psicologicamente: l’IA può fare paura, ma risolvere un problema specifico ti dà sicurezza e costruisce fiducia velocemente. Gli strumenti generali possono invece creare ansia perché non c’è una linea di arrivo: non li userai mai “abbastanza bene” e c’è sempre qualcuno su LinkedIn che sembra usarli meglio di te. Anche il manager, se lo strumento è generico, non sa come misurare l’uso e allora valuta solo se lo usi, che però non conta davvero. L’implementazione mirata invece consente di misurare davvero i risultati, non solo l’attività.

Jay Caldwell: Esattamente. Da un punto di vista manageriale, questi sono grandi investimenti: i casi mirati risolvono un problema specifico e puoi misurare il ritorno altro che solo usare lo strumento.

David Rice: Ho appena pubblicato una storia sul restringimento dei ruoli entry level e su cosa sta succedendo ai lavori d’inizio carriera. Se smettiamo di assumere alla base della piramide del talento, smantelliamo la nostra futura classe di leader. Ne abbiamo già parlato nel podcast: questo impatterà su tutto, dalla trasmissione del know-how alla mobilità sociale. Ma cosa fanno le organizzazioni per anticipare tutto ciò? Vedi un cambio di focus dalla produttività a breve termine verso le competenze a lungo termine?

Jay Caldwell: È una discussione in evoluzione. All’inizio, i casi d’uso per l’IA erano come “ha passato l’esame da avvocato, ora che ne facciamo dei paralegal?”. Quindi la reazione immediata è stata rallentare le assunzioni. Ora però molte aziende stanno capendo che non si può eliminare quella fase: rischieremmo di togliere un “gradino” all’interno delle carriere e questo sarebbe un problema. Servono anche nuove competenze: i neolaureati oggi sono nativi IA, hanno iniziato all’università con l’IA generativa, hanno scavato a fondo nelle sue potenzialità. Arrivano in azienda e sfidano i processi: “perché non usiamo l’IA per questo?”. Il rischio di fermare queste assunzioni è tagliare anche la possibilità di avere nuove skill e nuovi modi di pensare in azienda. Bisogna però anche aiutarli a sviluppare giudizio e uso appropriato dell’IA.

Serve un mix sano di livelli di carriera e anzianità, magari con un volume minore di assunzioni entry level, ma sempre fondamentali. È stata una reazione eccessiva, ora però si torna a capire che quelle pipeline vanno mantenute forti.

David Rice: Aiuta che molti leader C-suite siano perplessi dal tema IA a livello tecnico, ma tutti capiscono che hanno iniziato dal basso, hanno commesso errori in ruoli di basso profilo e hanno capito come funziona un’organizzazione dall’interno. Eliminare questi “ingressi” limita la mobilità e il futuro stesso. Le posizioni entry-level nel terziario sono da decenni un veicolo di mobilità sociale ed economica: se scompaiono vanno rimpiazzate. C’è un patto sociale in gioco: nei prossimi anni potrebbe arrivare anche ai consigli di amministrazione la domanda “che facciamo per dare valore alle persone e aiutarle a crescere?”.

Jay Caldwell: La parola chiave è valori: molte aziende devono chiedersi quali valori guidano la propria strategia. Noi in ADP siamo guidati dai valori, ad esempio “ogni collaboratore conta”: siamo attenti a mantenere “l’umano al centro” nella trasformazione, in ogni fase di carriera. È fondamentale, anche perché con strumenti come Glassdoor e Reddit è tutto molto pubblico: una visione di lungo termine è cruciale.

David Rice: Si sente spesso dire che curiosità e adattabilità contano più dell'esperienza tecnica. Filosoficamente è ottimo, ma i sistemi di selezione sono storicamente basati sulla provenienza e sulla profondità. Tanti parlano di “assunzioni basate sulle competenze”, ma in pratica faticano a capire cosa significhi davvero. Cosa deve cambiare nel modo in cui valutiamo il talento per non ricadere nella specializzazione come rifugio sicuro?

Jay Caldwell: Prima di tutto deve cambiare la mentalità su cosa cerchiamo, e questo riguarda i leader. Valutare la provenienza o i titoli è facile, si vede subito su carta. Quello che serve è guardare a fonti alterative di certificazione e valutazione, come più assessment per sondare competenze – siano esse tecniche, comunicative, creative – e qui l’IA offre grandi opportunità. Anche se vanno usate con cautela per considerazioni legali. Quindi possiamo cambiare il modo di valutare, ma anche i criteri e la mentalità.

Vanno aiutati i leader ad avere fiducia nelle decisioni, che sono fondamentali. Sfortunatamente, molti manager sono inesperti nei colloqui, soprattutto per approfondire creatività e esperienza: vanno aiutati con metodologie comportamentali semplici per valutare creatività, innovazione, varietà di esperienze. Paradossalmente, si tratta di tornare alle interviste comportamentali usate da decenni, ma che forse sono state usate poco ultimamente.

David Rice: A volte tornare all’antico è la soluzione.

Jay Caldwell: Esattamente.

David Rice: Un professore del Michigan mi ha detto l’anno scorso: “Torno a fare esami proctor su carta, senza dispositivi, per capire se hanno davvero imparato”. E sono d’accordo: magari è duro, ma funziona.

Jay Caldwell: C’è una cosa che si chiama “alternative use test”, la conosci?

David Rice: Sì, ho sentito parlare.

Jay Caldwell: La versione più semplice è: “David, ecco una penna. In tre minuti elenca tutti gli usi possibili.” Poi li riporti ed è un modo per testare il pensiero divergente, forse anche la curiosità. Sono test di 40-50 anni fa. Come dici tu, ritorno alle origini. L’IA sarebbe bravissima, ne genererebbe un’infinità, ma se ci provi con il tuo cervello? Quanto sei bravo di tuo?

David Rice: Domanda per te: ADP ha una presenza enorme nel talent management, quindi è un problema di infrastruttura di talento? Dipende da ATS, da come formiamo recruiter, dai framework di intervista, persino il linguaggio che usiamo? Per me l’assunzione basata sulle competenze non è una policy, è una revisione infrastrutturale. In tanti stanno provando a far girare software nuovo su hardware vecchio.

Jay Caldwell: Serve anche definire cosa s’intende davvero per “skills-based” e che cambiamenti ne derivano. Eliminare la laurea richiesta per certi ruoli? Bene, ma allora serve guardare tutta la catena: cosa altro deve cambiare nelle assunzioni o nei percorsi di crescita? Se tolgo la laurea per entry level ma la richiedo ancora per manager, come colmiamo il gap sulla lunga distanza? Bisogna pensare al sistema nel suo complesso e ragionare a lungo termine, non con cambiamenti isolati.

David Rice: Per quanto riguarda curiosità e adattabilità: sono competenze chiave, ma come si valutano? Non si possono mettere su un CV, né si fanno vedere in 30 minuti di colloquio. Le nostre tecniche non corrispondono a ciò che diciamo di voler valutare. L’IA potrebbe aiutarci a valutare potenziale – con prove di lavoro, problem solving, skill trasferibili – ma spesso la usiamo solo per fare il vecchio più velocemente.

Jay Caldwell: Vero, e lo stesso concetto vale per lo sviluppo. Ad esempio, stiamo studiando come integrare l’IA nel training alla leadership proprio per dare più esercitazioni rapidissime: simulazioni in cui il manager affronta un collaboratore difficile o una situazione impegnativa. Più casi, più adattabilità: la promessa dell’IA non è solo nell’assunzione, ma nello sviluppo.

David Rice: Se l’IA gestisce approfondimenti e parte del decision making, la performance umana passa dall’esecuzione al giudizio. Come devono adattarsi i nostri framework valutativi perché misurino le cose giuste?

Jay Caldwell: Esattamente, anche a me piacerebbe avere una risposta facile.

David Rice: Solo domande facili in questo show!

Jay Caldwell: È un po’ come misurare la performance di un artista: spesso non vendono fino a dopo la loro scomparsa! Quindi è davvero complesso. Penso che la prima cosa sia riflettere su come ciascuno percepisce la sua performance: io mi sento produttivo dopo aver svuotato la mail. Se l’IA fa quello per me, mi viene a mancare quel senso di produttività. Nei ruoli creativi i progressi sono meno tangibili. Questo chiede un enorme cambio di prospettiva sulla propria performance. La misurazione, poi, è un’altra sfida: servono magari obiettivi adattabili, valutazioni più frequenti e leggere da parte del manager, enfasi non solo sui risultati ma anche sui comportamenti e competenze. Si parlerà sempre più di “come” oltre che di “cosa”. Serve ripensare individualmente e organizzativamente cosa significa performare e come misurarlo, sia annualmente sia nell’impatto dell’IA.

David Rice: Esatto. Si passa dalla produzione alla creatività, ma spesso anche da esecuzione a giudizio. Ma come misuri il giudizio? Faccio un esempio: creo molti contenuti, uso l’IA per un primo draft. Spesso suona convincente ma fiuto subito le incongruenze: “questo non è quel dato”, oppure manipola i numeri. Ma come si fa a misurare il fatto che ho evitato 27 figuracce in un mese? O magari l’IA crea un bel discorso ma bisogna sempre verificare le fonti. Più divento esperto più lo colgo subito, ma chi è neoassunto non avrebbe questi riferimenti e si riduce a fare il “fact checker” più che il creatore. Dove sta il valore aggiunto? Serve sviluppare strumenti che tengano il giudizio umano al centro.

Jay Caldwell: È proprio il tema: la performance va valutata anche su due fasi cruciali: la domanda iniziale (prompt) e la valutazione dell’output. In mezzo c’è il lavoro dell’IA che è molto efficiente. Ma la qualità delle domande e la capacità di valutare le risposte saranno il vero valore dell’essere umano in questo scenario.

David Rice: Esattamente: è anche un cambiamento di potere. Chi ha più giudizio non sempre ha il titolo più alto, magari è la persona giusta nel momento giusto. È difficile capire dove deve stare il giudizio, su quale livello, capacità, esperienza. Ma è la questione critica oggi.

Jay, è stato un piacere chiacchierare con te.

Jay Caldwell: Anche per me! Potremmo parlarne ore: è un momento entusiasmante, ma stiamo tutti imparando insieme. Quindi grazie per podcast di questo tipo, che aiutano tutti ad analizzare. Nessuno è davvero tanto avanti rispetto ad altri, la condivisione è la chiave. Grazie David.

David Rice: Certamente. Ricordatevi, visitate il sito, iscrivetevi alla Newsletter di People Managing People per ricevere altre puntate come questa, insieme a tutti i contenuti che creiamo, direttamente nella vostra casella. Fino alla prossima volta: giudizio, è questo il punto.