5 lezioni sull’IA del terzo trimestre che ogni responsabile delle risorse umane dovrebbe ricordare
Segnali della formazione: Le richieste di formazione sull’adozione dell’IA spesso rivelano priorità, flussi di lavoro e standard poco chiari, piuttosto che semplici lacune nella conoscenza degli strumenti.
IA ombra: I flussi di lavoro basati sull’IA non approvati mettono in luce esigenze insoddisfatte dei dipendenti, creando al contempo rischi legati alla titolarità, alla documentazione e alla governance.
Prove della supervisione: Una supervisione umana efficace richiede sfide documentate, diritti decisionali concreti e interventi correttivi misurabili nei flussi di lavoro ad alto impatto.
Limiti del coaching: Le stesse analisi dell’IA possono migliorare le prestazioni o consentire la sorveglianza, a seconda dell’accesso, del controllo da parte dell’utente e della conservazione dei dati.
Pazienza strategica: Un lavoro più rapido grazie all’IA non giustifica una ristrutturazione immediata; i responsabili hanno bisogno di prove prima di modificare ruoli, aspettative o capacità.
La nostra analisi dell'ultimo trimestre è tornata più volte sullo stesso punto: la parte difficile dell'adozione dell'IA inizia dopo che lo strumento funziona.
Una volta che le persone sanno usare l'IA, i leader devono decidere quali problemi vale la pena risolvere, cosa dovrebbe essere standardizzato, chi dovrebbe mettere in discussione ciò che la tecnologia produce e quanto rapidamente l'organizzazione dovrebbe cambiare di conseguenza.
Partendo da questo presupposto, ecco cinque lezioni del terzo trimestre da tenere a mente e portare nella pianificazione del 2027.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
1. Le richieste di formazione segnalano solitamente una lacuna nella capacità di giudizio
Ad AI4, ad agosto, Markus McKay-Fleisch, direttore dell'abilitazione all'IA per i servizi professionali presso Smartsheet, ha raccontato di aver trovato più di 50 Claude Projects distinti, creati da dipendenti di finanza, assistenza clienti, vendite e risorse umane per creare materiali coerenti con il marchio.
Il problema era che i dipendenti non sapevano che qualcun altro avesse già risolto lo stesso problema.
Questo è sempre più spesso il problema nascosto dietro le richieste di maggiore formazione sull'IA. I manager potrebbero chiedere istruzioni quando ciò che manca davvero ai dipendenti è chiarezza su quali problemi vale la pena risolvere, su cosa significhi fare un buon lavoro o su come dovrebbe cambiare il loro lavoro.
La stessa limitazione emerge nelle librerie di prompt. Un prompt migliore può rendere più veloce un'attività, ma un flusso di lavoro riprogettato può cambiare completamente il modo in cui il lavoro viene svolto.
L'abilitazione all'IA non può limitarsi a insegnare alle persone come usare lo strumento. Deve aiutarle a decidere dove vale la pena utilizzarlo.
2. L'IA non approvata ti sta indicando dove si trovano i problemi
Analiese Brown, responsabile delle risorse umane presso Campminder, definisce la frammentazione creata dall'adozione incontrollata dell'IA “debito del caos”.
All'inizio può sembrare un progresso. I dipendenti creano soluzioni alternative, automatizzano le attività e condividono gli strumenti con i colleghi. Nel tempo, le organizzazioni accumulano flussi di lavoro senza una responsabilità chiara, con poca documentazione e dipendenze che nessuno aveva previsto.
Questo crea un evidente problema di governance, ma genera anche informazioni utili.
Se qualcuno in amministrazione e finanza crea il proprio processo di riconciliazione, o se un recruiter aggira un sistema approvato usando un flusso di lavoro basato sull'IA, chiediti innanzitutto cosa lo abbia spinto a eludere il processo ufficiale.
L'IA ombra non mostra soltanto dove i controlli sono deboli. Può anche mostrare dove gli strumenti e i processi esistenti non soddisfano le esigenze delle persone che li utilizzano.
3. La supervisione umana ha bisogno di prove
La maggior parte dei framework di governance dell'IA prevede ancora una persona all'interno del processo.
La domanda più utile è se quella persona non sia mai in disaccordo con il sistema.
Un modo per verificare se i diritti decisionali sull'IA siano reali consiste nell'osservare flussi di lavoro con conseguenze rilevanti, come la selezione dei candidati o le segnalazioni relative alle prestazioni, e contare le eccezioni documentate.
Se il numero è zero, vale la pena approfondire.
Forse il sistema ha davvero avuto ragione ogni volta. Oppure i dipendenti non ritengono di avere l'autorità effettiva per contestarlo, non sanno quando dovrebbero farlo o non registrano questi disaccordi quando si verificano.
Indicare una persona come responsabile è facile. Costruire un sistema che permetta a quella persona di esercitare il proprio giudizio è più difficile.
4. La stessa IA può aiutare a sviluppare le persone o sorvegliarle
L'IA può rendere visibili aspetti del lavoro che in precedenza i manager non riuscivano a osservare.
In Cognite, i manager hanno ricevuto un'analisi dei propri colloqui di selezione. Uno ha scoperto che il 90% delle sue domande era a risposta chiusa. Un altro ha scoperto di aver trascorso l'85% del colloquio parlando invece di ascoltare.
Le informazioni sono state restituite ai manager stessi, affinché potessero migliorare.
Questa distinzione è importante perché sviluppo e sorveglianza possono derivare dallo stesso strumento.
Chi vede i risultati? La persona oggetto della misurazione può utilizzarli? Per quanto tempo viene conservata la registrazione?
Queste decisioni sono sempre più spesso incorporate in strumenti per prendere appunti, prodotti per la trascrizione e piattaforme di analisi. Quando un'organizzazione inizia a discutere se uno strumento sia invasivo, alcune delle scelte più importanti potrebbero essere già state prese nelle sue impostazioni.
5. Più veloce non significa più lontano
L'IA crea pressione per comprimere le tempistiche.
Costruire più velocemente. Distribuire più velocemente. Dimostrare prima il ritorno sull'investimento. Trasformare il tempo risparmiato in valore misurabile.
Ma la velocità può anche spingere i leader a prendere decisioni permanenti sulla base di dati temporanei.
Ecco perché la pazienza strategica è ancora più importante mentre l'IA accelera il lavoro. Il fatto che un flusso di lavoro diventi più veloce non indica immediatamente come dovrebbe evolversi il lavoro, se il miglioramento durerà o cosa dovrebbero fare i dipendenti con la capacità liberata.
L'IA tende a cambiare il lavoro un'attività alla volta. Alcune responsabilità scompaiono. Altre diventano più importanti. Ne emergono di nuove.
I leader hanno bisogno di tempo sufficiente per individuare questo schema prima di riprogettare i ruoli, aumentare le aspettative di rendimento o ridurre la capacità sulla base di un iniziale aumento della produttività.
La stagione della pianificazione rende tutto questo particolarmente importante. Le decisioni che si stanno prendendo ora su budget, ruoli e aspettative dureranno più a lungo dei progetti pilota che le stanno orientando.
Cosa ci ha lasciato il terzo trimestre
La conversazione sull'IA sta diventando più specifica.
Le conversazioni sull'adozione si stanno spostando in secondo piano. Ora le domande sono se i dipendenti la stiano applicando a problemi di valore, cosa ci dica l'adozione non ufficiale, se gli esseri umani esercitino ancora il giudizio e se i leader riescano a resistere alla tentazione di trasformare ogni primo miglioramento in un obbligo immediato.
