I tuoi agenti IA commetteranno gli stessi errori dei tuoi nuovi assunti

Di recente ho provato a utilizzare l’IA per creare materiali pubblicitari per un’azienda. L’esperimento è riuscito, così ho iniziato a formare il nuovo specialista di marketing dell’azienda affinché facesse lo stesso.

Ho fatto una dimostrazione e spiegato il procedimento, e lui ha provato a replicarlo, ma continuava a commettere gli stessi errori. I giorni passavano senza risultati e non potevo stare accanto a lui tutto il giorno.

In realtà, ho fatto esattamente ciò che di solito sconsiglio. Ho deciso che, dal momento che sono bravo in questo lavoro, fosse sufficiente mostrare il procedimento alla persona appena arrivata, che avrebbe acquisito le mie competenze semplicemente osservando. 

Questa convinzione è un errore comune, perché saper fare qualcosa in autonomia e saper trasmettere a qualcun altro la logica alla base delle proprie decisioni sono due cose diverse. Avevo già provato a combinarle e non aveva funzionato

Quando ho ampliato la mia azienda, STEP IT Academy, una rete globale di formazione informatica, ho formato personalmente i direttori delle filiali. La formazione è durata circa tre mesi e, durante quel periodo, non ho potuto svolgere il mio lavoro. Una volta estratte e strutturate le conoscenze degli esperti, così che la formazione non dipendesse più da me o da altre persone, la formazione dei direttori è stata ridotta a due settimane e, invece di aprire 2–3 nuove filiali all’anno, siamo riusciti ad aprirne decine.

Il problema del trasferimento delle conoscenze ora complica anche l’integrazione dell’IA nei processi di lavoro. Un agente di IA può accedere alle istruzioni e ai dati aziendali, ma non alla logica con cui uno specialista esperto prende decisioni efficaci. Di conseguenza, un agente di IA commetterà gli stessi errori di una persona inesperta appena entrata in azienda.

Di seguito spiegherò perché accade e come trasformare le conoscenze dei vostri migliori dipendenti in una risorsa aziendale. 

Alla vostra base di conoscenze manca la parte più importante

Quando fate qualcosa da anni, le vostre azioni diventano automatiche e rispondere alla domanda "come fai a farlo?" è sorprendentemente difficile.

Questa viene chiamata conoscenza tacita: una persona sa più di quanto riesca a spiegare. E questo vale per molti professionisti nel loro campo.

Per questo il consiglio di "affiancare una persona appena arrivata al vostro dipendente migliore" non funziona sempre. L’esperto viene distolto dal proprio lavoro nel tentativo di spiegare la procedura, spesso senza trattare ogni aspetto. La persona appena arrivata non acquisisce le conoscenze necessarie: alcune cose le vengono spiegate al volo, altre le capisce da sola, su altre deve fare domande, mentre ad altri aspetti non pensa e finisce per commettere un errore.

Di conseguenza, entrambi sprecano tempo e il risultato desiderato non viene raggiunto.

I regolamenti e le istruzioni aziendali definiscono un processo standard: cosa aprire, dove fare clic e a chi inviare un documento. Tuttavia, raramente spiegano perché uno specialista esperto segua questo processo in una situazione, mentre in un’altra capisca immediatamente di doverlo modificare.

Non è necessario costringere l’esperto a spiegare tutto questo agli altri più e più volte. È invece opportuno strutturare la logica alla base delle sue decisioni, in modo che non dipenda più dalla sua presenza. 

Lasciate parlare l’esperto

Mettere le cose per iscritto è una competenza a sé stante e richiede molto più tempo di quanto sembri. È meglio condurre un’intervista e lasciare parlare l’esperto.

Inviate le domande in anticipo, così la persona avrà il tempo di ricordare esempi pratici. Se l’azienda opera in nicchie diverse, non chiedetele di commentarle tutte: non finireste mai. Dovete individuare 2–3 fattori chiave che influenzano le azioni di un dipendente. Ad esempio, potrebbero essere il tipo di mercato (B2B o B2C) o la durata del ciclo di vendita (breve o lungo).

Registrate la conversazione. L’IA può trascriverla e predisporre una struttura preliminare, ma l’esperto deve controllarla e aggiungere o correggere ciò che è necessario.

L’IA organizza bene quanto è stato detto, ma non può garantire che l’esperto abbia trattato tutti i punti chiave. Il risultato dell’intervista dipende innanzitutto dalle domande. Se si chiede "Raccontami come lavori", una persona risponderà in termini generali. Che cosa bisogna chiedere, quindi? 

Chiedete informazioni su azioni specifiche

Da molti anni sono coinvolto nello sviluppo di programmi di formazione per il personale e ho notato che gli specialisti descrivono quasi sempre il proprio lavoro in termini astratti: "analizzare", "valutare", "capire". Tuttavia, parole di questo tipo non rivelano esattamente che cosa bisogna fare. 

Per questo vale la pena soffermarsi su ciascuna di esse e chiedere: "Che cosa fai esattamente? Qual è il primo passo? Dove cerchi le informazioni?"

Supponiamo che uno specialista dica: "Per prima cosa, bisogna valutare quanto bene sta lavorando il reparto vendite."

Chiedete: "Che cosa fai esattamente per raggiungere questo obiettivo?" E si scoprirà che apre le attività dei responsabili nel CRM e controlla la percentuale di quelle scadute. Se più della metà è scaduta, per lui questo è un segnale che il lavoro del reparto è disorganizzato. Questo tipo di logica può poi essere trasmesso a qualcun altro.

Quando un lavoro comprende una vasta gamma di attività, uno degli errori più comuni consiste nel cercare di descrivere subito ogni possibile scenario. In un’azienda complessa, possono essercene centinaia.

Inizia guardando la questione al contrario: chiediti che cosa rimane costante indipendentemente dal cliente, dal progetto o dal mercato. Questo ti aiuta a identificare il nucleo del processo. Per un nuovo dipendente, questa è la base da cui inizia il lavoro e, per un sistema di intelligenza artificiale, è un insieme di regole che non cambiano in base al contesto.

Esamina i casi limite, non solo il processo ideale

Chiedi a un esperto quali regole segue nel suo lavoro e ne nominerà due o tre ovvie. Le altre le segue senza rendersene conto, ed è proprio in queste che risiede la sua esperienza.

Queste regole emergeranno se analizzi casi di studio diversi. Chiedi all'esperto di ricordare un progetto in cui tutto è andato particolarmente bene e una situazione in cui le cose hanno rischiato di andare completamente a rotoli.

Nel primo caso, chiedigli quale decisione o azione iniziale abbia avuto il maggiore impatto sul successo. Nel secondo, chiedigli che cosa sia andato storto e che cosa abbia fatto esattamente l'esperto per porre rimedio alla situazione.

Una volta, un membro del mio team mi ha raccontato che, durante una riunione generale, uno stagista aveva criticato aspramente il lavoro di una persona dalla parte del cliente. Quella persona si è chiusa e il progetto si è bloccato. È dovuto intervenire uno specialista senior, che ha parlato in privato con il referente e ha spiegato che nessuno aveva intenzione di cambiare il loro modo di lavorare. Al contrario, volevano aiutarli a raggiungere autonomamente il risultato.

Da qui derivano direttamente due regole: non criticare pubblicamente il lavoro di qualcuno e assicurati che il tuo lavoro vada principalmente a beneficio delle persone la cui area di responsabilità ne è interessata.

Sono proprio questi casi limite a essere preziosi anche per l'intelligenza artificiale. La documentazione standard descrive più spesso il percorso ideale, ma la vera competenza emerge quando mancano dati e il processo standard non produce il risultato atteso. Questi scenari possono essere trasformati in casi limite ed esempi con cui testare successivamente il sistema di intelligenza artificiale.

Definisci come dovrebbe essere il risultato

Immagina di aver condotto un'intervista con il principale esperto dell'azienda. Gli strumenti di intelligenza artificiale ti hanno aiutato a organizzarla in una struttura chiara e ora disponi di una guida dettagliata, passo dopo passo, per ogni nuovo dipendente. Come puoi capire se l'ha davvero acquisita?

La prima cosa che viene in mente è un test. Ed è l'opzione peggiore: mostra ciò che la persona ha memorizzato, non ciò che è effettivamente in grado di fare. È meglio che un nuovo arrivato svolga un'attività reale. Devi definire subito come dovrebbe essere il risultato: un foglio di calcolo compilato, un documento completato, una schermata configurata nel CRM o una registrazione di una conversazione con un cliente.

E per definire i criteri di qualità, chiedi a un esperto. Immagina che un nuovo arrivato ti abbia consegnato il suo lavoro, ma che tu non abbia il tempo di leggerlo tutto. Quale singolo dettaglio controlleresti per capire se l'ha davvero compreso o se si è limitato a copiare un modello?

Puoi spingerti ancora oltre. Chiedi a un esperto quale errore tipico commetta un nuovo arrivato e inseriscilo in uno scenario di formazione. Verifica se il dipendente individua il problema e sceglie la linea d'azione corretta.

Lo stesso principio dovrebbe essere applicato a un agente di intelligenza artificiale. Forniscigli casi reali, soprattutto quelli in cui lo scenario standard non funziona, e confronta la sua soluzione con quella che avrebbe scelto uno specialista esperto.

Se l'agente ha adottato un approccio diverso, ciò non significa necessariamente che il modello non sia abbastanza valido. Potresti non aver individuato un'eccezione o una regola importante durante l'intervista. In tal caso, la base di conoscenza deve essere aggiornata e il test ripetuto. 

Che cosa si ottiene

Le conoscenze degli esperti devono essere formalizzate, in modo che la competenza non sia più legata a una sola persona. Una volta fatto questo, l'inserimento dei nuovi dipendenti non dipenderà più dalla disponibilità dello specialista migliore: ogni nuovo assunto riceverà la stessa logica operativa, invece di qualunque cosa l'esperto riesca a ricordare tra un'attività e l'altra. 

Lo stesso patrimonio di conoscenze degli esperti può operare in due direzioni: per le persone e per i sistemi di intelligenza artificiale. Puoi fornire loro regole decisionali, esempi, eccezioni e scenari, che potranno poi essere utilizzati per testarne le prestazioni.